模糊综合评价法--培训课件.ppt

* 频数统计方法 对每一个因素uj ,在k个专家所给的权重aij中 找出最大值Mj和最小值mj ,即 Mj =max{aij|1 ≤i ≤k}, j =1, 2 , … n; mj =min{aij|1 ≤i ≤k}, j =1, 2 , … n. (2) 选取适当的正整数p,将因素uj所对应的权重 aij从小到大分成p组,组距为(Mj - mj)/p. (3) 计算落在每组内权重的频数与频率 (4) 取最大频率所在分组的组中值(或邻近的值)作 为因素uj的权重. (5) 将所得的结果归一化. * 模糊综合评价方法的优缺点 1、模糊综合评价法的优点 模糊评价通过精确的数字手段处理模糊的评价对象，能对蕴藏信息呈现模糊性的资料作出比较科学、合理、贴近实际的量化评价； 评价结果是一个向量，而不是一个点值，包含的信息比较丰富，既可以比较准确的刻画被评价对象，又可以进一步加工，得到参考信息。 * 2、模糊综合评价法的缺点 计算复杂，对指标权重向量的确定主观性较强； 当指标集U较大，即指标集个数凡较大时，在权向量和为1的条件约束下，相对隶属度权系数往往偏小，权向量与模糊矩阵R不匹配，结果会出现超模糊现象，分辨率很差，无法区分谁的隶属度更高，甚至造成评判失败，此时可用分层模糊评估法加以改进。 * 总结 模糊综合评价法多用于模糊环境下对受多因素影响的事物坐综合决策的领域。比如对企业融资效率、创新能力、经济效益、绩效考核的评价；选址问题；交通路线比选等等模糊性问题中。 此外，模糊综合评价法常常与AHP、DEA、GRA以及BP神经网络等方法一起使用。 * 隶属函数的二元对比排序法 对比平均法 建立U中任意两元素关于A的二元相对比较级 得到相对比较级矩阵F 按照下式确定各元素隶属度 式中 为权，满足 * 算例 设论域U=｛x（五十铃），y（三菱），z（日野）｝，A=“舒适度”，求A的隶属函数。选择10名特约乘客实验，按二元比较法由乘客打分整理后有下表 x y z x 1 0.83 0.70 y 0.17 1 0.68 z 0.30 0.32 1 表 汽车舒适性调查 隶属函数的二元对比排序法 * 其中对日野汽车的偏爱程度比较大，权重为0.4，其余两种汽车等权重为0.3，得 隶属函数为 隶属函数的二元对比排序法 * 优先关系排序法 设论域U=｛u1,u2,u3,u4...un｝,以Cij表示ui与uj相比是ui的优越程度，有Cii=0。 其中0≤Cij≤1且Cij+Cji=1 可得模糊矩阵 称为优先关系矩阵。 给定λ∈[0，1]，得C的λ截矩阵 ，当Cij≥λ， =1 反正为0。 另λ从0到1变化，当矩阵首次出现某行元素除对角线外均为1时，则认为该行为第一优越（不一定唯一）。 删去第一优越元素后，用同样的方法可以得到第二、第三等优越元素。 隶属函数的二元对比排序法 * 乘坐感觉 特好 很好 稍好 相同 稍差 很差 特差 分值 10 9 7 5 3 1 0 算例 设论域U=｛x（五十铃），y（三菱），z（日野）｝，A=“舒适度”。挑选10名司机将参加测评的车辆两两编组，在驾驶一段时间后对汽车的舒适度进行打分。 评分结果 分组 10 9 7 5 3 1 0 对象车总分 优先选择比 1，2 3 2 5 83 0.83 1，3 5 2 1 2 70 0.70 1，4 1 5 3 1 79 0.79 2，3 3 5 2 68 0.68 2，4 1 2 5 2 69 0.69 3，4 6 2 2 74 0.74 隶属函数的二元对比排序法 * 定义 模糊关系的定义 所谓A，B两集合的直积 中的一个模糊关系R，是指以　　　为论域的一个模糊子 集，序偶　　　的隶属度为　 　 一般地，若论域为n个集合的直积　　　　　　　，则它所 对应的是n元模糊关系R，其隶属度函数为n个变量的函数　　　　　　　　 。显然当隶属度函数值只取“0”或“1”时， 模糊关系就退化为普通关系。 模糊关系 * 假设物品之间完全相似者为“1”、完全不相似者为“0”，其余按具体相似程度给出一个0~1之间的数，就可确定出一个U上的模糊关系R，列表如下 R 苹果x1 乒乓球x2 书x3 篮球x4 花x5 桃x6 菱形x7 苹果x1 1.0 0.7 0 0.7 0.5 0.6 0 乒乓球x2 0.7 1.0 0 0.9 0.4 0.5 0 书x3 0 0 1.0 0 0 0 0.1 篮球x4 0.7 0.9 0 1.0 0.4 0.5 0 花x5 0.5 0.4 0