模糊综合评价法 什么时候用?
模糊综合评价法 根据模糊数学的隶属度理论把定性评价转化为定量评价,用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题。
模糊综合评价法 适合各种非确定性、多级评判指标问题的解决
模糊综合评价法的顺序
① 指标的构建(确定因素集 和 评语集)
② 构建评价矩阵(建立隶属函数)
③ 构建权重向量(用熵权法 或 层次分析法)
④ 综合评判(矩阵和权重的合成)
演示模糊综合评价的两种类型(一级与多级)
① 一级模糊综合评价
一、构建评语集和因素集
因素集U = {可采矿量,基建投资,采矿成本,不稳定费用,净现值}
评语集V = {方案Ⅰ,方案Ⅱ,方案Ⅲ,方案Ⅳ,方案Ⅴ}
二、确定隶属函数(这个阶段相当于Topsis的正向化)
可采矿量属于偏大型,隶属函数
μ
A
(
x
)
=
x
8800
\mu_{A}(x)=\frac{x}{8800}
μA(x)=8800x
基建投资属于偏小型,隶属函数 μ B ( x ) = 1 − x 8000 \mu_{B}(x)=1-\frac{x}{8000} μB(x)=1−8000x
采矿成本属于中间型,隶属函数
μ
c
(
x
)
=
{
1
,
0
⩽
x
⩽
a
1
a
2
−
x
a
2
−
a
1
,
a
1
⩽
x
⩽
a
2
0
,
a
2
<
x
\mu_{c}(x)=\left\{\begin{array}{ll} 1, & 0 \leqslant x \leqslant a_{1} \\ \frac{a_{2}-x}{a_{2}-a_{1}}, & a_{1} \leqslant x \leqslant a_{2} \\ 0, & a_{2}<x \end{array}\right.
μc(x)=⎩⎨⎧1,a2−a1a2−x,0,0⩽x⩽a1a1⩽x⩽a2a2<x
不稳定费用也属于偏小型,隶属函数
μ
D
(
x
)
=
1
−
x
200
\mu_{D}(x)=1-\frac{x}{200}
μD(x)=1−200x
净现值属于区间型,隶属函数 μ E ( x ) = x − 50 1500 − 50 \mu_{E}(x)=\frac{x-50}{1500-50} μE(x)=1500−50x−50
三、建立评价矩阵
根据 隶属度表(上图)可以得出 评价矩阵R(下表)
R
=
[
0.5341
0.7614
0.6705
1
0.8636
0.3750
0.3125
0.3375
0.15
0.25
1
0.76
1
0.4
0.48
0.85
0.75
0.8
0
0.2
1
0.4480
0.6552
0
0.0345
]
\boldsymbol{R}=\left[\begin{array}{ccccc}0.5341 & 0.7614 & 0.6705 & 1 & 0.8636 \\ 0.3750 & 0.3125 & 0.3375 & 0.15 & 0.25 \\ 1 & 0.76 & 1 & 0.4 & 0.48 \\ 0.85 & 0.75 & 0.8 & 0 & 0.2 \\ 1 & 0.4480 & 0.6552 & 0 & 0.0345\end{array}\right]
R=⎣⎢⎢⎢⎢⎡0.53410.375010.8510.76140.31250.760.750.44800.67050.337510.80.655210.150.4000.86360.250.480.20.0345⎦⎥⎥⎥⎥⎤
每行代表: 每个方案(评语集)对一个项目(因素集)的隶属度
每列代表: 一个方案(评语集)对每个项目(因素集)的隶属度
四、确定权重
可根据熵权法或层次分析法求出权重
本题求得:权重集A = {0.25,0.20,0.20,0.10,0.25}
五、综合评判
最后用评价矩阵乘以权重集可得到结果集
结果集B = 权重集 A A A ∗ * ∗ 评判矩阵 R R R = [0.743,0.591,0.678,0.360,0.390]
由此可知:方案Ⅰ > > > 方案Ⅲ > > > 方案Ⅱ > > > 方案Ⅴ > > > 方案Ⅳ
%% 因素集正向化
U1 = [0.5341 0.7614 0.6705 1 0.8636];
U1 = U1 / 8800;
U2 = [0.3750 0.3125 0.3375 0.15 0.25]; % 转为极大型
U2 = U2 / 8000 * -1;
U2 .+ 1;
...
%% 模糊评判矩阵
R = [U1; U2; U3; U4; U5]; %% 下面就是最终判断矩阵
R = [0.5341 0.7614 0.6705 1 0.8636;
0.3750 0.3125 0.3375 0.15 0.25 ;
1 0.76 1 0.4 0.48 ;
0.85 0.75 0.8 0 0.2 ;
1 0.4480 0.6552 0 0.0345] %% 注释
%% 各因素的权重
A = [0.25 0.2 0.25 0.3]
%% 隶属度计算
B = A * R
%% 最佳方案
W = max(B)
② 多级模糊综合评价(以三级为例)
问:对某陶瓷厂生产的6种产品的销售前景进行判断,下图是已经 归一化 的产品评价值
一、构建评语集和因素集
一级因素集U = {产品情况,销售能力,市场需求} 二级因素U = {…} 三级因素U = {…}
评语集V = {产品 1,产品 2,产品 3,产品 4,产品 5,产品 6}
二、针对三级因素集
下表是影响
U
23
U_{23}
U23运行费用 的各因素的 评价矩阵
R
23
{R}_{23}
R23 (已正向化过)
R 23 = [ 0.18 0.14 0.18 0.14 0.13 0.23 0.15 0.20 0.15 0.25 0.10 0.15 0.25 0.12 0.13 0.12 0.18 0.20 0.16 0.15 0.21 0.11 0.20 0.17 0.23 0.18 0.17 0.16 0.15 0.11 0.19 0.13 0.12 0.12 0.11 0.33 0.17 0.16 0.15 0.08 0.25 0.19 ] \boldsymbol{R}_{23}=\left[\begin{array}{ccccc}0.18 & 0.14 & 0.18 & 0.14 & 0.13 & 0.23 \\ 0.15 & 0.20 & 0.15 & 0.25 & 0.10 & 0.15 \\ 0.25 & 0.12 & 0.13 & 0.12 & 0.18 & 0.20 \\ 0.16 & 0.15 & 0.21 & 0.11 & 0.20 & 0.17 \\ 0.23 & 0.18 & 0.17 & 0.16 & 0.15 & 0.11 \\ 0.19 & 0.13 & 0.12 & 0.12 & 0.11 & 0.33 \\ 0.17 & 0.16 & 0.15 & 0.08 & 0.25 & 0.19\end{array}\right] R23=⎣⎢⎢⎢⎢⎢⎢⎢⎢⎡0.180.150.250.160.230.190.170.140.200.120.150.180.130.160.180.150.130.210.170.120.150.140.250.120.110.160.120.080.130.100.180.200.150.110.250.230.150.200.170.110.330.19⎦⎥⎥⎥⎥⎥⎥⎥⎥⎤
根据熵权法或层次分析法求得:权重集
A
23
A_{23}
A23 = {0.02,0.15,0.10,0.10,0.20,0.25,0.10}
运行费用的三级评判
B
23
{B}_{23}
B23 =
A
23
∗
R
23
A_{23} * {R}_{23}
A23∗R23 = [0.191,0.156,0.159,0.146,0.150,0.196]
二、针对二级因素集
与针对三级因素集类似 :
- 先列出 U 1 U_{1} U1产品情况 、 U 2 U_{2} U2营销能力 、 U 3 U_{3} U3市场需求 的 评价矩阵 R 1 {R}_{1} R1 、 R 2 {R}_{2} R2 、 R 3 {R}_{3} R3 (已正向化过)
- 再分别乘以各自的 权重集 A 1 A_{1} A1 、 A 2 A_{2} A2 、 A 3 A_{3} A3
- 得出 各自的二级评判 B 1 {B}_{1} B1、 B 2 {B}_{2} B2 、 B 3 {B}_{3} B3
三、针对一级因素集
将 二级评判结果
B
1
{B}_{1}
B1、
B
2
{B}_{2}
B2 、
B
3
{B}_{3}
B3 作为行,组成 一级评判矩阵R (已正向化过)
R
=
(
B
1
B
2
B
3
)
\boldsymbol{R}=\left(\begin{array}{l}\boldsymbol{B}_{1} \\ \boldsymbol{B}_{2} \\ \boldsymbol{B}_{3}\end{array}\right)
R=⎝⎛B1B2B3⎠⎞最终评判结果
B
B
B = 权重集
A
A
A
∗
*
∗ 一级评判矩阵
R
R
R
结果集B = [0.148,0.142,0.156,0.186,0.157,0.209]
由此可知:产品 6 > > > 产品 4 > > > 产品 5 > > > 产品 3 > > > 产品 3 > > > 产品 2
%% 三级指标的隶属度计算
B23 = A23 * R23
%% 将算出的 B23 代替进初始的模糊矩阵,得到新的模糊矩阵 R2
%% 二级指标的隶属度计算
B1 = A1 * R1
B2 = A2 * R2 % R2
B3 = A3 * R3
%% 将算出的 B1 B2 B3 代替进前一步的模糊矩阵,得到新的模糊矩阵 R
%% 一级指标的模糊综合评判矩阵
R = [B1; B2; B3]
%% 一级指标的隶属度计算
B = A * R
%% 最佳方案
W = max(B)
切记不能直接用于论文中,要根据题目适当的修改,避免查重
模糊综合评价法的评估
模糊综合评价法 的优点:
(1) 使用明确的数字代替模糊的评价对象,能对隐藏的信息呈现模糊性的资料作出较为准确、有效、简单易懂的量化评价标准
(2) 评价对象是一个矢量,并非一个点值,所蕴含的信息比较充实,不仅可以比较合理的描述被评价对象,还可以进行再加工,获取参考信息
模糊综合评价法 的缺点:
计算较为复杂,在对评价对象的矢量上有较强的主观性