软件工程经济学2–4.pptVIP

D/B B1 B2 B3 Wi B1 1 3 5 0.637 B2 1/3 1 3 0.258 B3 1/5 1/3 1 0.105 B2/B B21 B22 Wi B21 1 3 0.75 B22 1/3 1 0.25 B1/A A1 A2 A3 Wi A1 1 1/5 1/3 0.105 A2 5 1 3 0.637 A3 3 1/3 1 0.258 B21/A A1 A2 A3 Wi A1 1 2 9 0.60 A2 1/2 1 7 0.35 A3 1/9 1/7 1 0.05 B22/A A1 A2 A3 Wi A1 1 5 2 0.58 A2 1/5 1 1/3 0.11 A3 1/2 3 1 0.31 B3/A A1 A2 A3 wi A1 1 5 9 0.735 A2 1/5 1 5 0.207 A3 1/9 1/5 1 0.058 在不同的角度对3个方案进行评价 特征量 D/B B2/B B1/A B21/A B22/A B3/A 3.039 2 3.039 3.02 3.003 3.117 0.0194 0 0.0194 0.01 0.002 0.058 0.58 － 0.58 0.58 0.58 0.58 0.033 0 0.033 0.002 0.003 0.10 表2.11 各比较判断阵的一致性检验表 表2.12 层次总排序表 模糊综合评判法 人们在对客观世界的各种问题的研究与系统求解中，精确性一直是人们追求的目标，然而随着问题研究的深入，人们又发现随着待研究的问题(系统)的复杂性增大，系统求解的精确性必将降低，这种系统复杂性与系统求解精确性的负相关关系为一些较为复杂的社会、经济问题和工程技术问题的研究带来了困难。 为了弥补这样的以精确性为目标的数学的不足，一种基于“不精确描述”的定量表示方法——模糊数学诞生了。1965年，美国加利福尼亚大学教授查德（L.A.Zadeh）发表了“模糊集合”的论文，首次提出了模糊性问题，并给出了模糊概念的定量表示法，模糊数学（Fuzzy Mathematics）从此产生了。 随着模糊数学在计算机科学的一些研究问题上得到成功的应用，从而引起了人们的兴趣与注意。目前，模糊数学除了在图像识别、人工智能、自动控制、信息检索、机器人、故障诊断等领域得到重要的应用外，还在系统工程和管理科学上也得到广泛的应用，对各类系统或系统方案的综合评价就是其中的成功应用之一。 FD={A,Z,W,U,F,R}, 其中A,Z,W含义与前同 U=(U1,U2,…Ul)为等级集合 F=(F1,F2,…Fl)为等级分集合，其中 1≤ Fj≤100, j=1~l R=(rjp)n×l为关系矩阵 软件工程管理人员 软件项目开发 与人沟通能力的强与弱 团队精神的有无 创新能力的强与弱 管理经验的丰富与贫乏 经济效益高、中、低 规划设计方案的科学或不科学 开发过程的正常或异常 软件故障的多或少 表2.13 模糊现象表 ～ ～ k=1,2……m ；j=1,2……n k=1,2……m 表2.14 Ak综合评价表（一） r u z U1(F1) U2(F2) …… Ul(Fl) z1(w1) ｒ11(k) ｒ12(k) …… ｒ1l(k) Z2(w2) ｒ21(k) ｒ22(k) …… ｒ2l(k) …… …… …… …… …… zn(wn) ｒn1(k) ｒn1(k) …… ｒnl(k) 综合隶属度 V1（k） V2（k） …… Vl（k） 综合价值量 V(k) 基本原理 在前述关联矩阵法中，当首先给出各指标的等级分表后，即可据此表来确定方案Ak关于指标Zj的等级分Vj(k) ，此确定等级分的原理是采用了确定性的“非此即彼”的原理，亦即方案Ak关于指标Z；实际水平要么属于等级U1，要么属于等级U2，…或属于Ul。或当且仅当取这U1， U2，…Ul中的一个等级，这种判断方式是人们的一种“非此即彼”的刚性法则。它是确定性数学数理逻辑的基础。然而在模糊数学中，打破了这一刚性法则而引进了方案Ak关于指标Zj的属于等级Ul的隶属度Vjl(k)的概念，即允许有属于等级U1的隶属度Vj1(k) ，属于等级U2的隶属度Vj2(k)，…属于等级Ul的隶属度Vjl(k) 。 显然这样如表2.14所示的非刚性模糊表述更能客观地，全面地反映人们的判断意识，从而有利于人们据此得出的客观结果。当然这种由刚性到模糊性（由确定性到不确定性）的转变只是一个中间过程，因为人们的习惯思维仍然是刚性的，因此利用模糊数学来求解问题还必须给出一个由模糊性到刚性（由不确定性到确定性）的过程，即需要有一个刚性→模糊性→刚性（确定性→不确定性→确