第4讲模糊综合评价.ppt

现实世界中的许多现象和关系具有不确定性。这些不确定性的表现形式多种多样，如随机性、灰色性、模糊性和粗糙性等。 模糊数学正是利用模糊集及其运算研究、处理模糊不确定现象和关系的数学分支学科。 许多数学建模问题包括模糊现象 和关系，这类问题往往可以用模糊数学方法处理。 本讲主要介绍模糊集和模糊综合评价。 1. 模糊集 现实中的许多现象及关系比较模糊。如高与矮，长与短，大与小，多与少，穷与富，好与差，年轻与年老等。 这类现象不满足“非此即彼”的排中律，而具有“亦此亦彼”的模糊性。 需要指出的是，模糊不确定不同 于随机不确定。随机不确定是因果律破损造成的不确定，而模糊不确定是由于排中律破损造成的不确定。 为了研究模糊现象和关系，美国控制论专家扎德1965年引入了模糊集概念。 定义 设给定论域 U，所谓U上的一个模糊集A是指对于任意 ，都 都能确定一个正数 ，用其表示 x 属于A的程度。映射 称为A的隶属函数，函数值 称为x对A的隶属度。 显然，每个元素都有隶属度的集合即为模糊集。确定模糊集的关键是构造隶属函数。 下面举例说明如何构造隶属度。 例1 从下列30条线段中选出长线段。 解 “长” 是模糊概念，可用模糊 集描述。 设xi表示第i(i=1,2,…,30)条线段,则论域 U={x1, x2,…, x30}。 若A为“长线段”的集合，则线段xi作为集A的成员资格，就是xi对A的隶属度。 下面建立A的一种隶属函数。 因为线段越长，属于A 的程度越 大，所以线段的长短可作为A的隶属度。从而，令A(x1)=1, A(x30)=0，作直线 从而得第i条线段xi属于“长线段”集A的隶属函数 2. 模糊集的运算 由于模糊集中没有元素和集合间的绝对隶属关系，所以模糊集的运算是通过隶属函数完成的。 设模糊集A,B的隶属函数为 ，则A与B的常用运算有 (1) 包含： (2) 相等： (3) 交： (4) 补： (5) 内积： (6) 外积： 其中 分别表示取大，小运算。 3. 隶属度函数的确定 由模糊集的概念可知，模糊数学的基本思想是隶属度，所以应用模糊数学方法建立数学模型的关键是建立符合实际的隶属函数。然而，如何确定一个模糊集的隶属函数至今还是尚未完全解决的问题。 确定隶属度的常用方法是模糊分布法。 模糊分布法将隶属函数看成一种模糊分布，首先根据问题性质选取适当的模糊分布，然后再依据相关数据确定分布中的参数。 下面简要介绍模糊分布中常用的梯形分布。 (1) 偏小型 (2) 偏大型 (3) 中间型 偏小型一般适用于描述“小”、“少”、“浅”、“淡”等偏向小的程度的模糊现象；偏大型正好与偏小型相反；而中间型一般适用于描述处于中间状态的模糊现象。 评价是人类社会中经常性的、极为重要的认识活动。 对一个事物的评价通常要涉及多个因素或多个指标，评价是在多因素相互作用下的一种综合评判。 综合评价是数学建模竞赛中较为常见的问题，如长江水质的评价与预测(2005A), 艾滋病疗法的评价及疗效 的预测(2006B), 2010上海世博会影响力的定量评估(2010B)。 综合评价的方法众多，常用的有灰色关联分析法、层次分析法、模糊综合评价法、主成分分析法、因子分析法、神经网络评价法等。有时，还可将两种评价方法集成为组合评价方法。 各种评价方法出发点不同，解决问题的思路不同，适用对象不同，各有优缺点。 不同的评价方法会产生不同的评价结论，有时甚至结论相左，即综合评价的结果不是唯一的。 模糊综合评价作为模糊数学的一种具体应用，最早由我国学者汪培庄提出。基本思想是：以模糊数学为基础，应用模糊关系合成原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属等级状况进行综合评价。具体步骤为：首先确定被评价对象的因素集和评价集， 然后再分别确定各因素的权重及它们的隶属度向量，获得模糊评价矩阵，最后将模糊评价矩阵与因素的