数学建模-模糊综合评价法(评价模型)

 

 

 

 

 

 

 

 

 代码实现

%模糊评价矩阵
R =[0.2 0.5 0.3 0;
    0.1 0.3 0.5 0.1;
    0 0.4 0.5 0.1;
    0 0.1 0.6 0.3;
    0.5 0.3 0.2 0];
%各因素权重
A = [0.1 0.1 0.3 0.15 0.35];
%隶属度计算
B = A*R

 

 

 

 

 

 

 

 

 代码实现

%模糊判断矩阵
R1=[0.36 0.24 0.13 0.27;
    0.20 0.32 0.25 0.23;
    0.40 0.22 0.26 0.12];
R2=[0.30 0.28 0.24 0.18;
    0.26 0.36 0.12 0.20;
    0.22 0.42 0.16 0.10];
R3=[0.38 0.24 0.08 0.20;
    0.34 0.25 0.30 0.11;
    0.40 0.28 0.30 0.18];
%各因素的权重
A=[0.2 0.35 0.45];
A1=[0.3 0.42 0.28];
A2=[0.2 0.5 0.3];
A3=[0.3 0.3 0.4];
%二级指标的隶属度分析
B1=A1*R1
B2=A2*R2
B3=A3*R3
%一级指标的模糊度综合判断矩阵
R = [B1;B2;B3]
%一级指标的隶属度计算
B = A*R

 

 

 

 

  • 9
    点赞
  • 63
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
数学建模综合评价模型是一种通过对各个评价指标进行量化,并将它们按照权重进行加权,最终得到一个综合评价值的方法。这个模型可以应用于多指标决策问题,用于对被评价对象进行排名或分类。常见的数学建模综合评价模型包括模糊综合评价模型、灰色关联分析模型、Topsis(理想解法)、线性加权综合评价模型、熵值法和秩和比法等。 模糊综合评价模型是一种基于模糊数学理论的方法,它将评价指标的模糊程度考虑在内,得到一个模糊评价结果。该模型的步骤包括确定评价指标及其权重、构建模糊评价矩阵、进行模糊运算、得到模糊评价结果。 灰色关联分析模型是一种用于分析指标间关联性的方法,它可以帮助我们确定各个指标对被评价对象的影响程度。该模型的步骤包括确定关联度计算方法、计算各个指标的关联度、得到综合关联度。 Topsis(理想解法)是一种基于距离的方法,它通过计算每个评价对象与理想解的距离,得到一个综合评价值。该模型的步骤包括确定正负理想解、计算距离、得到综合评价值。 线性加权综合评价模型是一种常用的多指标决策方法,它将各个评价指标的权重与指标值线性组合起来,得到一个综合评价值。该模型的优点是简单易操作,计算方便,可以对各个指标的重要性进行量化,并将其考虑在评价中。但是,该模型的权重确定较为主观,且假设指标之间相互独立,不考虑相关性。 熵值法是一种基于信息熵理论的方法,它通过计算每个指标的熵值,得到一个综合评价值。该模型的步骤包括计算指标的熵值、计算权重、得到综合评价值。 秩和比法是一种用于处理多指标决策问题的方法,它通过计算指标的秩和比,得到一个综合评价值。该模型的步骤包括编秩、计算秩和比、得到综合评价值。 根据具体的评价需求和问题特点,我们可以选择合适的数学建模综合评价模型来进行评价。每个模型都有其优点和缺点,需要根据具体情况进行选择和应用。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [数学建模——评价模型](https://blog.csdn.net/fighterDMU/article/details/128508142)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

会思想的苇草i

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值