系统工程原理之模糊评价.pptVIP

5.4 模糊综合评价法 模糊数学 （二）模糊集合 在人们的思维中，有着许多模糊的概念。例如年轻、大数、高个子、现在、明亮……等，这些语言变量就是模糊的概念。 我们说：“小张年轻”这时虽然不明确知道小张是18岁还是25岁，但人们很明确知道小张是在上述年龄范围之内。 说“ ”是个大数这个概念人们也会认为是正确的，原来 是个确定的数，但是用了“大数”这个词就变成了不确定的数，变成了数轴上很模糊的一系列数字，成了一系列模糊的数的集合。 上述这些模糊概念不能用普通集合加以描述，也就是说，在这样的集合中，一个元素例如20岁是否属于“年轻”集合， 是否属于“大数”集合，不能简单地用“是”或“否”来回答，这里有一个渐变的过程。 对于这种边界不明确的集合我们叫它模糊集合，可表示为 。 怎么描述一个模糊集合呢？ 隶属度：表示在模糊集合中每一个元素u属于模糊集合 的隶属程度，记作 。 可在[0,1]区间连续取值。 例如：22岁、28岁、35岁与标记“年轻”的模糊限制之间的隶属度可以分别是1、0.7、0.2。 隶属度的确定 最简单的方法是根据经验或统计而定，或者由某个权威给出。 常用的方法是建立隶属函数，具体问题需要具体分析来建立。 例如：人们常说风调雨顺五谷丰登。什么的气候条件就可以预测丰产呢？ 预报对象：石家庄小麦的气象产量y 气象因子： 模糊综合评价的步骤： 例3 科技成果的评定 （5）确定隶属度，进而构造评价矩阵： * * * 序 言 模糊数学是研究什么的？ 模糊现象：“亦此亦彼”的不分明现象 模糊数学——研究和揭示模糊现象的定量处理方法。 模糊数学的产生 至今，数学的发展已经历三代： （1）第一代数学：经典数学，研究和处理精确的必然现象； （2）第二代数学：统计数学，研究和处理事物偶然性(随机性)； （3）第三代数学：模糊数学，研究和处理事物的模糊性。 它们都是不确定数学，是精确（确定）数学的延伸和发展。 Fuzzy Maths ，专门用来处理和研究模糊性事物的一种新的数学方法。1965年美国加州大学查德(L.A.Zadeh)教授发表《Fuzzy Sets》一文，标志其诞生。 用数学的眼光看世界，可把我们身边的现象划分为： 1.确定性现象：如水加温到100oC就沸腾，这种现象的规律 性靠经典数学去刻画； 2.随机现象：如掷筛子，观看那一面向上，这种现象的规律 性靠概率统计去刻画; 3.模糊现象：如 “今天天气很热”，“小伙子很帅”，…等等。 此话准确吗？有多大的水分？靠模糊数学去刻画。 模糊数学是定量化研究模糊概念的数学方法。 一、基本概念 （一）普通集合 1、集合的基本概念 论域，被讨论对象的全体叫做论域，或称全域、全集合，通常用大写字母U、E、X、Y等来表示。 元素，组成某一集合的单个对象就称为该集合的一个元素，通常用小写字母表示。 根据集合论的要求，一个对象对应于一个集合，要么属于，要么不属于，二者必居其一，且仅居其一。 如何计算隶属度呢？ 最简单的办法是直接根据经验给出隶属度。 第二种办法是根据隶属函数来计算，前提是先要给出隶属函数。 隶属函数：表示普通集合U中每一个元素u和区间[0,1]中的一个数 结合起来，也就是有一个元素就有一个隶属度相对应，这样就定义了一个函数，称为隶属函数。 石家庄2月中旬的平均气温，（其论域记作 ) “小麦丰产”是定义在 上的模糊集合，记作 取历史资料对 与y作相关分析得知， 与y呈正相关，故 的隶属函数应该是单调上升函数，给出隶属函数： 这里，2与8是根据实际经验确定的对产量有害和有利的温度界限，也就是说，当温度低于2时，对小麦有害，故丰产的隶属度是0；当温度大于等于8时，对小麦产量十分有利，故丰产的隶属度是1。当温度介于2~8之间时，根据其是单增函数，再根据历史资料进行适当修正，给出如上的表达式。 确定评价对象X； 设定评价指标因素集U； 设定评语集V； 确定评价指标权重（经验法、层次分析法等）； 建立评价矩阵R（建立隶属函数，计算隶属度，然后构成评价矩阵或者根据经验、统计结果给出隶属度，构造出评价矩阵）； 做矩阵的合成运算（加权平均型和主因素突出型），并做归一处理； 根据最大隶属度（或加权平均）原则，得出综合评价结果。 模糊综合评价的数学模型 某同学想购买一台电脑，他关心电脑的以下几个指标： “运算功能（数值、图形等）”； “存储容量（内、外存）”； “运行速度（CPU、主板等）”； “外设配置（网卡、调制调解器、多媒体部件