模糊数学模型 1.pptVIP

模糊模型及其应用 模糊集合及隶属度 年老及年轻的隶属函数 教师讲课的综合评判 U是评价因素集，V是评语等级 U={清楚易懂，教材熟练，生动有趣，板书整齐} V={很好，较好，一般，不好} 考虑 如果V或U中元素的个数不同，模糊评价矩阵的结构有何变化？ 权数 我们可以为U中的各元素分配不同的权数，表示各元素隶属于重要的隶属度。 A=（0.5，0.2，0.2，0.1） 例1 有三位同学（张三、李四、王五）的四门外语(英、法、德、日)成绩如下： 把这些成绩折合成隶属度（可采用除100的方法），可得到一个矩阵R： 例2 服装评判 U={花色式样、耐穿程度、价格费用} V={很欢迎、较欢迎、不太欢迎、不欢迎} 一类顾客的评判标准为：A=（0.2,0.5,0.3） 对某一种服装，经市场调查有： 花色式样： （20%的人欢迎，70%较欢迎，10%不太欢迎） 耐穿程度： （40%的人较欢迎，50%不太欢迎，10%不欢迎） 价格费用： （20%的人欢迎，30%较欢迎，40%不太欢迎，10%不欢迎） 因此有 隶属度的确定 调查统计 主观感觉 专家意见 作业 请用模糊综合评判解决生活或工作中的实际问题 * * b a d c e 0 0.2 0.9 1 0.4 这几个图型相对于圆的隶属度 U={a,b,c,d}称为论域 uA(a)=1 uA(b)=0.9 uA(c)=0.4 uA(d)=0.2 称为U在A上的隶属函数 A为圆： 0 0=u=50 uo(u)= 1+((u-50)/5)-2 50u=200 -1 uy(u)= 1+((u-25)/5) 2 25u=200 -1 1 0=u=25 1 0 50 100 年轻 年老 0.004 0.99 100 0.0122 0.0356 0.0384 0.1 0.5 0.96 1 年轻 0.0384 51 0.94 70 0 50 0 40 0 30 0 26 0 =25 年老 年龄 0.4 0.5 0.1 0 0.6 0.3 0.1 0 0.1 0.2 0.6 0.1 0.1 0.2 0.5 0.2 rij表示第i个因素着眼，对被评教师作出第j种评语的可能程度： r11 r12 r13 r14 r21 r22 r23 r24 r31 r32 r33 r34 r41 r42 r43 r44 很好 较好 一般 不好 清楚 易懂 教材 熟练 生动 有趣 板书 整齐 V U 数据来源：可以在某一班级做问卷调查，如在清楚易懂方面有40%的学生认为是很好，50%的学生认为是较好，10%的认为一般，没有人认为不好。其它的因素如法炮制。 模糊评价矩阵R 0.4 0.5 0.1 0 0.6 0.3 0.1 0 0.1 0.2 0.6 0.1 0.1 0.2 0.5 0.2 B=（0.5，0.2，0.2，0.1） 评价模型是：A R，表示取小取大运算 B1=Max{min{0.5,0.4}, min{0.2,0.6}, min{0.2,0.1}, min{0.1,0.1}}=0.4 B2=Max{min{0.5,0.5}, min{0.2,0.3}, min{0.2,0.2}, min{0.1,0.2}}=0.5 B3=Max{min{0.5,0.1}, min{0.2,0.1}, min{0.2,0.6}, min{0.1,0.5}}=0.2 B4=Max{min{0.5,0}, min{0.2,0}, min{0.2,0.1}, min{0.1,0.2}}=0.1 很好 较好 一般 不好 清楚 易懂 教材 熟练 生动 有趣 板书 整齐 很好 较好 一般 不好 B=(0.4, 0.5, 0.2, 0.1) B=(0.33, 0.42, 0.17, 0.08) 根据最大隶属原则，该老师讲课只能是较好。 归一化后： 78 英 王五 66 日 王五 96 德 李四 84 法 张三 86 英 张三 成绩 语种 姓名 0.86 0.84 0 0 0 0 0.96 0 0.78