模糊层次分析法.pptVIP

例：假设在这个供应商选择的模型中（图左），主要考虑四个因素：成本，质量，服务，企业质量。三个 专家对他们的模糊评价矩阵如下（图右）: * * C1与C2的三个比较模糊值，可以通过以下方式整合为为一个模糊值： C1比C2值为：（0.39，0.67，1.00）。 对其他比值可做相似的处理，得到模糊矩阵： * * 二、计算各个指标的综合权重 Step3：第K层元素i的综合模糊值 （初始权重）。 计算方式如下： 拿FCM1举例：c1的初始权重计算如下。 * * 同理：可以计算出C2,C3,C4的初始权重如下 Step4：去模糊化以及求出c1至C4的最终权重 定义一：M1（l1,m1,u1)和M2（l2,m2,u2)是三角模糊数。M1 ≥M2的可能度用三角模糊函数定义为 将模糊值变为一般的值 * * 三角模糊函数 μM(x) x 1 0 l1 m1 u1 l2 m2 u2 M1 M2 * * 定义二：一个模糊数大于其他K个模糊数的可能度，被定义为： 拿上个例子来说明：对 去模糊化： * * 将以上权重值标准化，得到各指标的最终权重： 注：将（a,b,c ,d）标准化是指将其化为 * * Step5:确定其他层次的各指标权重 利用相同的方法，得到下一层次的指标Ai权重wi。 则指标Ai的总权重: TWi=wcm* wi (m=1,2,3,4;i=1,2…12) 经计算得到下层指标的总权重如下： Am A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 TWm * * 总结： Step1：3个调研对象利用模糊数来表达偏好，如C1与C2的比较，各自得到一个模糊数，分别为： （l1,m1,u1),(l2,m2,u2),(l3,m3,u3) Step2：将3个模糊数整合成一个； Step3：第K层元素i的综合模糊值（初始权重）； Step4：去模糊化以及求出最终权重； Step5: 确定其他层次的各指标权重 * * FAHP应用实例 FAHP的步骤 三角模糊函数 FAHP的基本概念 模糊数简介 * * 实例一：供应商的选择 供应商选择是一个多目标决策问题，选择供应商的评价指标如下图。假设有三个供应商B1，B2，B3 * * 对定量指标的处理：只需标准化统计值来获得权重。 如，B1，B2，B3三个供应商的产品合格率分别为90%，94%，98%。则标准化后得到权重如下。 B1的指标A4的权重V4=0.9/(0.9+0.94+0.98) B1 B2 B3 Qualified rate A4 0.9 0.94 0.98 Weight V4 0.319 0.333 0.348 * * 对定性指标的处理：专家评估来得到模糊判断矩阵。用FAHP中的三角模糊数来表示指标权重。 如，确定B1，B2，B3的企业信用的指标权重。 Step1.专家评估模糊判断 供应商 B1 B2 B3 B1 （1，1，1） （1，2，3） （2，3，4） （1，1，2） （1，1，2） （1，1，2） （1，2，3） B2 （1/3，1/2，1/1） （1/2，1/1，1/1） （1/3，1/2，1/1） （1，1，1，） （1，1，2） （1，2，3） （1，1，2） B3 （1/2，1/1，1/1） （1/2，1/1，1/1） （1/3，1/2，1/1） （1/2，1/1，1/1） （1/3，1/2，1/1） （1/2，1/1，1/1） （1，1，1，） * * Step 2:构造其他指标的两两比较矩阵。略 Step 3：计算“企业信用”的模糊权重Dvi Enterprise credit Fuzzy weight Dvi B1 (0.25,0.45,0.84) B2 (0.17,0.29,0.54) B3 (0.14,0.26,0.40) * * Step 4:将所有模糊数去模糊化。 * * 归一化后，得到个指标的最终权重 Step5：计算总的供应商权重TVBn. B1在指标A10（企业信用）下的权重是： 得到下表： * * B1 B2 B3 A1 0.0551 0.0663 0.0203 A2 0.0407 0.0653 0.0357 A3 0.0079 0.0062 0.0111 A4 0.0694 0.0725 0.0757 A5 0.023 0.0562 0.0261 A6 0.0099 0.0083 0.0051 A7 0.0387 0.0568 0.0853 A8 0.0035 0.0015 0.0019 A9 0.02