文章目录
这里是根据清风数学建模视频课程记录的笔记,我不是清风本人。想系统学习数学建模的可以移步B站搜索相关视频
概述
-
数学中研究的量的划分
- 确定性:经典数学(几何、代数)
- 不确定性
- 随机性(概率论、随机过程)
- 灰性(灰色系统)
- 模糊性(模糊数学)
-
模糊性
- 确定性概念:性别、天气、年龄、身高、体重等
- 模糊性概念:帅、高、白、年轻等
经典集合和模糊集合的基本概念
经典集合和特征函数
- 集合:拥有相同属性的事物的集体
- 集合的基本属性
- 若 a ∈ A , b ∈ A , 则 a ≠ b a∈A,b∈A,则a≠b a∈A,b∈A,则a=b(互斥性)
- a ∈ A a∈A a∈A和 a ∉ A a∉A a∈/A有且仅有之一发生(非此即彼)(确定性)
- 数学中对于经典集合的刻画——特征函数
- f A : U → { 0 , 1 } f_A:U→\{0,1\} fA:U→{0,1}, U U U为论域,即我们感兴趣的一些对象的集合, f A f_A fA表示A集合的特征函数
- 例如: U = { 68 , 77 , 56 , 90 , … , 40 } U=\{68,77,56,90,…,40\} U={68,77,56,90,…,40}是全班成绩的一个集合, f A = { 1 , 成绩 ≥ 60 0 , 成绩< 60 f_A=\begin{cases}{1,成绩≥60}\\{0,成绩<60}\\ \end{cases} fA={1,成绩≥600,成绩<60
- 假设 A = { 60 , 61 , 62 , … , 100 } A=\{60,61,62,…,100\} A={60,61,62,…,100}为及格分数的集合,则最终表示为
- f A ( x ) = { 1 , x ∈ A 0 , x ∉ A , ∀ x ∈ U f_A(x)=\begin{cases}{1,x∈A}\\{0,x∉A}\\ \end{cases},∀x∈U fA(x)={1,x∈A0,x∈/A,∀x∈U(注:U可看作定义域,{0,1}可看作值域)
模糊集合和隶属函数
- 模糊集合:用来描述模糊性概念的集合(帅、高、白、年轻)
- 与经典集合相比,模糊集合承认亦此亦彼(可以属于多个集合)
- 数学中对于模糊集合的刻画——隶属函数
- u A : U → [ 0 , 1 ] u_A:U→[0,1] uA:U→[0,1]
- 例如: U = ( 0 , 150 ) U=(0,150) U=(0,150)表示年龄的集合, A = " 年轻 " A="年轻" A="年轻"(模糊集合)
- 有可能 u A ( x ) = { 1 , 0 < x < 20 40 − x 20 , 20 ≤ x ≤ 40 0 , 40 < x < 150 , x ∈ U u_A(x)=\begin{cases}{1,0<x<20}\\{\frac {40-x}{20},20≤x≤40}\\{0,40<x<150}\\ \end{cases},x∈U uA(x)=⎩ ⎨ ⎧1,0<x<202040−x,20≤x≤400,40<x<150,x∈U
- 注意: u A ( x ) u_A(x) uA(x)不唯一!
- 对于 U U U中每一个元素,均对应于 A A A中的一个隶属度,隶属度介于 [ 0 , 1 ] [0,1] [0,1]之间,数值越大表示越属于这个集合
- 注:若对于一个模糊集合 A A A我们给定了一个隶属函数 u A u_A uA,则我们可以将 A A A和 u A u_A uA视为等同,便于符号展示,如 A ( x ) = u A ( x ) A(x)=u_A(x) A(x)=uA(x)
模糊集合的三种表示方法
论域 U = { x 1 , x 2 , … , x n } U=\{x_1,x_2,…,x_n\} U={x1,x2,…,xn},模糊集合为 A A A,隶属度为 A ( x i ) , i = 1 , 2 , … , n A(x_i),i=1,2,…,n A(xi),i=1,2,…,n
- 扎德(Zadeh)表示法: A = A ( x 1 ) x 1 + A ( x 2 ) x 2 + … + A ( x n ) x n A=\frac {A(x_1)}{x_1}+\frac {A(x_2)}{x_2}+…+\frac {A(x_n)}{x_n} A=x1A(x1)+x2A(x2)+…+xnA(xn)(注意:这仅仅是一种关系的表示,并非真的除法和加法)
- 序偶表示法: A = { ( x 1 , A ( x 1 ) , ( x 2 , A ( x 2 ) , … , ( x n , A ( x n ) } A=\{(x_1,A(x_1),(x_2,A(x_2),…,(x_n,A(x_n)\} A={(x1,A(x1),(x2,A(x2),…,(xn,A(xn)}
- 向量表示法: A = { A ( x 1 ) , A ( x 2 ) , … , A ( x n ) } A=\{A(x_1),A(x_2),…,A(x_n)\} A={A(x1),A(x2),…,A(xn)}
例如:现在有清风、小明、小王、小红四个人,可爱程度分别为0.9,0.6,0.7,0.8,试用模糊集合对其进行表示
- U = { 清风,小明,小王,小红 } , A = 可爱程度 , u A ( 清风 ) = 0.9 , u A ( 小明 ) = 0.6 , u A ( 小王 ) = 0.7 , u A ( 小红 ) = 0.8 U=\{清风,小明,小王,小红\},A=可爱程度,u_A(清风)=0.9,u_A(小明)=0.6,u_A(小王)=0.7,u_A(小红)=0.8 U={清风,小明,小王,小红},A=可爱程度,uA(清风)=0.9,uA(小明)=0.6,uA(小王)=0.7,uA(小红)=0.8
- 扎德表示法: A = 0.9 清风 + 0.6 小明 + 0.7 小王 A=\frac {0.9}{清风}+\frac {0.6}{小明}+\frac {0.7}{小王} A=清风0.9+小明0.6+小王0.7
- 序偶表示法: A = { ( 清风 , 0.9 ) , ( 小明 , 0.6 ) , ( 小王 , 0.7 ) , ( 小红 , 0.8 ) } A=\{(清风,0.9),(小明,0.6),(小王,0.7),(小红,0.8)\} A={(清风,0.9),(小明,0.6),(小王,0.7),(小红,0.8)}
- 向量表示法: A = { 0.9 , 0.6 , 0.7 , 0.8 } A=\{0.9,0.6,0.7,0.8\} A={0.9,0.6,0.7,0.8}
特别地,当论域 U U U为无限集合时, A = ∫ x ∈ U u A ( x ) x A=\int_{x∈U}\frac {u_A(x)}{x} A=∫x∈UxuA(x)
例如: U = ( 0 , 150 ) U=(0,150) U=(0,150)表示年龄的集合, A = " 年轻 " A="年轻" A="年轻"(模糊集合), u A ( x ) = { 1 , 0 < x < 20 40 − x 20 , 20 ≤ x ≤ 40 0 , 40 < x < 150 , x ∈ U u_A(x)=\begin{cases}{1,0<x<20}\\{\frac {40-x}{20},20≤x≤40}\\{0,40<x<150}\\ \end{cases},x∈U uA(x)=⎩ ⎨ ⎧1,0<x<202040−x,20≤x≤400,40<x<150,x∈U,则 A = ∫ x ∈ ( 0 , 20 ) 1 x + ∫ x ∈ [ 20 , 40 ] 40 − x 20 x + ∫ x ∈ ( 40 , 150 ) 0 x A=\int_{x∈(0,20)}\frac 1x+\int_{x∈[20,40]}\frac {\frac {40-x}{20}}{x}+\int_{x∈(40,150)}\frac 0x A=∫x∈(0,20)x1+∫x∈[20,40]x2040−x+∫x∈(40,150)x0
模糊集合的分类
- 偏小型(越小越对):年轻、小、冷
- 中间型(越接近某个值越对):中年、中、暖
- 偏大型(越大越对):年老、大、热
隶属函数的三种确定方法
模糊统计法
- 数模中较少使用,因为要设计问卷发放问卷,时间来不及。但实际中较为常用)
- 原理:找多个人对同一个模糊概念进行描述,再用隶属频率来定义隶属度
- 例如:定义“年轻人”的隶属函数
- 定义人的年龄论域 U U U,总共调查 n n n个人
- 让受调查的人给出他们认为的最符合“年轻人”的年龄区间选择
- 任一确定的年龄,若 n n n个人中有 m m m个人认为该年龄在“年轻人”的年龄区间范围内,则称 m n \frac mn nm为该年龄对于“年轻人”的隶属频率
- 以此类推,可以得到所有年龄的隶属频率
- 若 n n n很大,隶属频率会趋向稳定,此时我们可将其视为隶属度,进而得到隶属函数
借助已有的客观尺度
例如
论域 | 模糊集 | 隶属度 |
---|---|---|
设备 | 设备完好 | 设备完好率 |
产品 | 质量稳定 | 正品率 |
家庭 | 小康家庭 | 恩格尔系数 |
注意:找到的指标必须在[0,1]范围内,若不在,则归一化 x i ∑ x i ( x i ≥ 0 ) \frac {x_i}{\sum x_i}(x_i≥0) ∑xixi(xi≥0)
⭐️指派法
根据问题的性质直接套用某些分布作为隶属函数,主观性较强,但最常用
- 最常用的是梯形分布
- 例1:试用柯西分布确定“年轻人”的隶属函数
- “年轻人”是偏小型,对应的柯西分布为: A ( x ) = { 1 , x ≤ a 1 1 + α ( x − a ) β A(x)=\begin{cases}{1,x≤a}\\{\frac {1}{1+\alpha(x-a)^\beta}} \end{cases} A(x)={1,x≤a1+α(x−a)β1
- 因此我们需要确定三个参数 a , α , β a,\alpha,\beta a,α,β
- 根据生活经验(或者别人的研究成果,常识),我们令 a = 20 , A ( 30 ) = 0.5 a=20,A(30)=0.5 a=20,A(30)=0.5,即表示认为年龄在20岁以下的完全隶属于“年轻人”,因此隶属度为1,令30岁的隶属度为0.5是考虑到40岁一般为中年人,那么20-40岁的中间30岁,可设为 1 2 \frac 12 21
- 对于 β \beta β的确定,一般希望简化模型,因此可以设为1或者2
- 最后对于 α \alpha α的确定,可借助上述数据推算。如 a = 20 , A ( 30 ) = 0.5 , β = 2 a=20,A(30)=0.5,\beta=2 a=20,A(30)=0.5,β=2,可以解得 α = 0.01 \alpha=0.01 α=0.01
- ⭐️⭐️例2:已知某一天 S O 2 SO_2 SO2的浓度为 0.07 m g / m 3 0.07mg/m^3 0.07mg/m3,大气污染物中关于 S O 2 SO_2 SO2的评价标准为
Ⅰ级 | Ⅱ级 | Ⅲ级 | Ⅳ级 |
---|---|---|---|
0.05 | 0.15 | 0.25 | 0.50 |
-
试确定 S O 2 SO_2 SO2在每个等级中的隶属度
-
分析:问题是确定 S O 2 SO_2 SO2在每个等级中的隶属度,表示每个等级都会对应不同的隶属函数。要确定隶属函数首先要确定使用的分布,以及隶属函数类型
-
我们选择使用梯形分布,并且能够判断出Ⅰ级为偏小型, Ⅱ级和Ⅲ级为中间型,Ⅳ级为偏大型
-
Ⅰ级: A 1 = { 1 , x ≤ 0.05 0.15 − x 0.15 − 0.05 , 0.05 < x < 0.15 0 , x ≥ 0.15 A_1=\begin{cases}{1,x≤0.05}\\{\frac {0.15-x}{0.15-0.05},0.05<x<0.15}\\{0,x≥0.15} \end{cases} A1=⎩ ⎨ ⎧1,x≤0.050.15−0.050.15−x,0.05<x<0.150,x≥0.15,由于当浓度小于等于0.05时,是完全隶属于Ⅰ级的,因此隶属度为1,因此确定 a = 0.05 a=0.05 a=0.05。同理可知当浓度大于等于0.15时,已经属于下一等级,因此完全不隶属于该等级,隶属度为0,因此确定 b = 0.15 b=0.15 b=0.15
-
Ⅱ级: A 2 = { 0 , x ≤ 0.05 x − 0.05 0.15 − 0.05 , 0.05 < x ≤ 0.15 0.25 − x 0.25 − 0.15 , 0.15 < x < 0.25 0 , x ≥ 0.25 A_2=\begin{cases}{0,x≤0.05}\\{\frac {x-0.05}{0.15-0.05},0.05<x≤0.15}\\{\frac {0.25-x}{0.25-0.15},0.15<x<0.25}\\{0,x≥0.25} \end{cases} A2=⎩ ⎨ ⎧0,x≤0.050.15−0.05x−0.05,0.05<x≤0.150.25−0.150.25−x,0.15<x<0.250,x≥0.25,同理,当浓度小于等于0.05,以及浓度大于等于0.25,都完全不隶属于Ⅱ级,因此隶属度皆为0,因此 a = 0.05 , c = 0.25 a=0.05,c=0.25 a=0.05,c=0.25,中间可根据等级范围来确定得到 b = 0.15 b=0.15 b=0.15
-
Ⅲ级: A 3 = { 0 , x ≤ 0.15 x − 0.15 0.25 − 0.15 , 0.15 < x ≤ 0.25 0.5 − x 0.5 − 0.25 , 0.25 < x < 0.5 0 , x ≥ 0.5 A_3=\begin{cases}{0,x≤0.15}\\{\frac {x-0.15}{0.25-0.15},0.15<x≤0.25}\\{\frac {0.5-x}{0.5-0.25},0.25<x<0.5}\\{0,x≥0.5} \end{cases} A3=⎩ ⎨ ⎧0,x≤0.150.25−0.15x−0.15,0.15<x≤0.250.5−0.250.5−x,0.25<x<0.50,x≥0.5,同理,当浓度小于等于0.15,以及浓度大于等于0.05时,都完全不隶属于 Ⅲ级,因此隶属度皆为0,因此 a = 0.15 , c = 0.5 a=0.15,c=0.5 a=0.15,c=0.5,中间根据等级范围确定得到 b = 0.25 b=0.25 b=0.25
-
Ⅳ级: A 4 = { 0 , x ≤ 0.25 x − 0.25 0.5 − 0.25 , 0.25 < x < 0.5 1 , x ≥ 0.5 A_4=\begin{cases}{0,x≤0.25}\\{\frac {x-0.25}{0.5-0.25},0.25<x<0.5}\\{1,x≥0.5} \end{cases} A4=⎩ ⎨ ⎧0,x≤0.250.5−0.25x−0.25,0.25<x<0.51,x≥0.5,当浓度小于等于0.25时,完全不隶属于该等级,因此隶属度为0,当浓度大于等于0.5时,完全隶属于该等级,因此隶属度为1,因此确定 a = 0.25 , b = 0.5 a=0.25,b=0.5 a=0.25,b=0.5
-
⭐️应用:模糊综合评价
评价问题概述
- 目的
- 将论域中的对象对应到评语集中的符合的评语(如论域的对象为全班同学,评语集中的评语为优、良、差。目的是让每位同学对应相符的等级评价)
- 将方案作为评语集并选择一个最优方案(如此前小明选择旅游景点的问题,提出的方案即为最终的选择范围,也相当于评语集)
- 模糊综合评价中的三个集合
- 因素集(评价指标集) U = { u 1 , u 2 , … , u n } U=\{u_1,u_2,…,u_n\} U={u1,u2,…,un},例如 U = { 专业排名,课外实践,志愿服务,竞赛成绩 } U=\{专业排名,课外实践,志愿服务,竞赛成绩\} U={专业排名,课外实践,志愿服务,竞赛成绩}
- 评语集(评价的结果集) V = { v 1 , v 2 , … , v m } V=\{v_1,v_2,…,v_m\} V={v1,v2,…,vm},例如 V = { 优,良,差 } V=\{优,良,差\} V={优,良,差}
- 权重集(评价指标的权重集) A = { a 1 , a 2 , … , a n } A=\{a_1,a_2,…,a_n\} A={a1,a2,…,an},例如 A = { 0.5 , 0.1 , 0.1 , 0.3 } A=\{0.5,0.1,0.1,0.3\} A={0.5,0.1,0.1,0.3}
一级模糊综合评价模型
在指标个数较少的考核中,运用一级模糊综合评判,而在问题较为复杂、指标较多时,运用多层次模糊综合评判,以提高精度。下面以一级模糊综合评判在人事考核中的应用为例讲解步骤:
确定因素集
对员工的表现,需要从多个方面进行综合评判,如员工的工作业绩、工作态度、沟通能力、政治表现等。记为 U = { u 1 , u 2 , … , u n } U=\{u_1,u_2,…,u_n\} U={u1,u2,…,un}
确定评语集
好、较好、中等、较差、很差等。记为 V = { v 1 , v 2 , … , v n } V=\{v_1,v_2,…,v_n\} V={v1,v2,…,vn}
确定各因素的权重
A = { a 1 , a 2 , … , a n } A=\{a_1,a_2,…,a_n\} A={a1,a2,…,an}, a i a_i ai为第 i i i个因素的权重,且满足 ∑ i = 1 n a i = 1 \sum_{i=1}^na_i=1 ∑i=1nai=1
确定权重的方法有很多,如德尔菲(Delphi)法、加权平均法、众人评估法等(无数据可用层次分析法,有数据可用熵权法)
⭐️确定模糊综合判断矩阵
对指标 u i u_i ui来说,对各个评语的隶属度为 V V V上的模糊子集。对指标 u i u_i ui的评判记为
R i = [ r i 1 , r i 2 , … , r i m ] R_i=[r_{i1},r_{i2},…,r_{im}] Ri=[ri1,ri2,…,rim]
该式中, r i 1 r_{i1} ri1表示指标 u i u_i ui对评语1,即 v 1 v_1 v1的隶属度,后面以此类推
各指标的模糊综合判断矩阵即为
R = [ r 11 r 12 ⋯ r 1 m r 21 r 22 ⋯ r 2 m ⋮ ⋮ ⋱ ⋮ r n 1 r n 2 ⋯ r n m ] = [ R 1 R 2 ⋮ R n ] R=\begin{bmatrix} {r_{11}}&{r_{12}}&{\cdots}&{r_{1m}}\\ {r_{21}}&{r_{22}}&{\cdots}&{r_{2m}}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {r_{n1}}&{r_{n2}}&{\cdots}&{r_{nm}}\\ \end{bmatrix}=\begin{bmatrix}{R_1}\\{R_2}\\{\vdots}\\R_n \end{bmatrix} R= r11r21⋮rn1r12r22⋮rn2⋯⋯⋱⋯r1mr2m⋮rnm = R1R2⋮Rn
该矩阵第一列表示各个指标 ( u i ) (u_i) (ui)对于评语1 ( v 1 ) (v_1) (v1)的隶属度,第二列表示各个指标 ( u i ) (u_i) (ui)对评语2 ( v 2 ) (v_2) (v2)的隶属度,以此类推
综合评判
利用前一步的R矩阵就可以的到一个模糊变换,得到综合评判结果 B 1 ∗ m = A 1 ∗ n ∗ R n ∗ m B_{1*m}=A_{1*n}*R_{n*m} B1∗m=A1∗n∗Rn∗m,即
B = [ a 1 a 2 ⋯ a n ] ∗ [ r 11 r 12 ⋯ r 1 m r 21 r 22 ⋯ r 2 m ⋮ ⋮ ⋱ ⋮ r n 1 r n 2 ⋯ r n m ] = [ b 1 b 2 ⋯ b m ] B=\begin{bmatrix}{a_1}&{a_2}&{\cdots}&{a_n} \end{bmatrix}*\begin{bmatrix} {r_{11}}&{r_{12}}&{\cdots}&{r_{1m}}\\ {r_{21}}&{r_{22}}&{\cdots}&{r_{2m}}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {r_{n1}}&{r_{n2}}&{\cdots}&{r_{nm}}\\ \end{bmatrix}=\begin{bmatrix}{b_1}&{b_2}&{\cdots}&{b_m} \end{bmatrix} B=[a1a2⋯an]∗ r11r21⋮rn1r12r22⋮rn2⋯⋯⋱⋯r1mr2m⋮rnm =[b1b2⋯bm]
其中 b 1 = a 1 ∗ r 11 + a 2 ∗ r 21 + … + a n ∗ r n m b_1=a_1*r_{11}+a_2*r_{21}+…+a_n*r_{nm} b1=a1∗r11+a2∗r21+…+an∗rnm,则** b 1 b_1 b1表示评价对象对于评语1的隶属度, b 2 b_2 b2表示评价对象对于评语2的隶属度**
(因为由上一步可知,每一列为各个指标对于某一评语的隶属度,此时乘上各个指标的权重,并将各个指标综合,那么综合所有指标的即为一个评价对象,因此最后的 B B B矩阵即为综合评判结果)
最后观察得到 m a x { b 1 , b 2 , … , b m } = b k max\{b_1,b_2,…,b_m\}=b_k max{b1,b2,…,bm}=bk,则最终将该评价对象划分为评语 k k k这一类
一级综合模糊评价案例
某单位对员工的年终综合评定
1、取因素集 U = { 政治表现 u 1 , 工作能力 U 2 , 工作态度 U 3 , 工作成绩 U 4 } U=\{政治表现u_1,工作能力U_2,工作态度U_3,工作成绩U_4\} U={政治表现u1,工作能力U2,工作态度U3,工作成绩U4}
2、取评语集 V = { 优秀 v 1 , 良好 v 2 , 一般 v 3 , 较差 v 4 , 差 v 5 } V=\{优秀v_1,良好v_2,一般v_3,较差v_4,差v_5\} V={优秀v1,良好v2,一般v3,较差v4,差v5}
3、确定各因素的权重 A = { 0.25 , 0.2 , 0.25 , 0.3 } A=\{0.25,0.2,0.25,0.3\} A={0.25,0.2,0.25,0.3}
4、确定模糊综合评判矩阵,对每个因素 u i u_i ui做出评价
1) u i u_i ui由群众评议打分确定 R 1 = [ 0.1 , 0.5 , 0.4 , 0 , 0 ] R_1=[0.1,0.5,0.4,0,0] R1=[0.1,0.5,0.4,0,0],该式表示,参与打分的群众中,有 10 % 10\% 10%的人认为这位员工的政治表现优秀,则我们可以认为0.1为该员工政治表现指标对于优秀这一评语的隶属度。同理,有 50 % 50\% 50%的人认为这位员工政治表现为好,则我们认为0.5为该员工政治表现指标对于好这一评语的隶属度。后面同理。
2) u 2 , u 3 u_2,u_3 u2,u3由部门领导打分确定 R 2 = [ 0.2 , 0.5 , 0.2 , 0.1 , 0 ] , R 3 = [ 0.2 , 0.5 , 0.3 , 0 , 0 ] R_2=[0.2,0.5,0.2,0.1,0],R_3=[0.2,0.5,0.3,0,0] R2=[0.2,0.5,0.2,0.1,0],R3=[0.2,0.5,0.3,0,0]
3) u 4 u_4 u4由单位考核组成员打分确定 R 4 = [ 0.2 , 0.6 , 0.2 , 0 , 0 ] R_4=[0.2,0.6,0.2,0,0] R4=[0.2,0.6,0.2,0,0]
最后,构成评价矩阵
R = [ 0.1 0.5 0.4 0 0 0.2 0.5 0.2 0.1 0 0.2 0.5 0.3 0 0 0.2 0.6 0.2 0 0 ] R=\begin{bmatrix} {0.1}&{0.5}&{0.4}&{0}&{0}\\ {0.2}&{0.5}&{0.2}&{0.1}&{0}\\ {0.2}&{0.5}&{0.3}&{0}&{0}\\ {0.2}&{0.6}&{0.2}&{0}&{0}\\ \end{bmatrix} R= 0.10.20.20.20.50.50.50.60.40.20.30.200.1000000
5、模糊综合评判
B = A ∗ R = [ 0.25 , 0.2 , 0.25 , 0.3 ] ∗ [ 0.1 0.5 0.4 0 0 0.2 0.5 0.2 0.1 0 0.2 0.5 0.3 0 0 0.2 0.6 0.2 0 0 ] = [ 0.175 , 0.53 , 0.275 , 0.02 , 0 ] B=A*R=[0.25,0.2,0.25,0.3]*\begin{bmatrix} {0.1}&{0.5}&{0.4}&{0}&{0}\\ {0.2}&{0.5}&{0.2}&{0.1}&{0}\\ {0.2}&{0.5}&{0.3}&{0}&{0}\\ {0.2}&{0.6}&{0.2}&{0}&{0}\\ \end{bmatrix}=[0.175,0.53,0.275,0.02,0] B=A∗R=[0.25,0.2,0.25,0.3]∗ 0.10.20.20.20.50.50.50.60.40.20.30.200.1000000 =[0.175,0.53,0.275,0.02,0]
其中,0.175表示该员工对于优秀等级的隶属度,0.53表示该员工对于良好等级的隶属度,后面同理。最终选择数值最大的隶属度,即0.53的评语作为综合评判结果,评判结果为良好。
空气质量
下表给出了大气污染物评价标准,今测得某日某地表中这些污染物日均浓度依次为
(
0.07
,
0.2
,
0.12
,
5.00
,
0.08
,
0.14
)
(0.07,0.2,0.12,5.00,0.08,0.14)
(0.07,0.2,0.12,5.00,0.08,0.14),各污染物权重确定如下
(
0.1
,
0.2
,
0.3
,
0.3
,
0.05
,
0.05
)
(0.1,0.2,0.3,0.3,0.05,0.05)
(0.1,0.2,0.3,0.3,0.05,0.05)
1、确定因素集
U = { S O 2 , T S P , N O x , C O , P M 1 , O 3 } U=\{SO_2,TSP,NO_x,CO,PM_1,O_3\} U={SO2,TSP,NOx,CO,PM1,O3}
2、确定评语集
V = { Ⅰ级 , Ⅱ级 , Ⅲ级 , Ⅳ级 } V=\{Ⅰ级,Ⅱ级,Ⅲ级,Ⅳ级\} V={Ⅰ级,Ⅱ级,Ⅲ级,Ⅳ级}
3、确定权重集
A = { ( 0.1 , 0.2 , 0.3 , 0.3 , 0.05 , 0.05 ) } A=\{(0.1,0.2,0.3,0.3,0.05,0.05)\} A={(0.1,0.2,0.3,0.3,0.05,0.05)}
4、确定模糊综合判断矩阵
1)确定隶属函数:选择梯形分布
- Ⅰ级(偏小型): A 1 = { 1 , x ≤ 0.05 0.15 − x 0.15 − 0.05 , 0.05 < x < 0.15 0 , x ≥ 0.15 A_1=\begin{cases}{1,x≤0.05}\\{\frac {0.15-x}{0.15-0.05},0.05<x<0.15}\\{0,x≥0.15} \end{cases} A1=⎩ ⎨ ⎧1,x≤0.050.15−0.050.15−x,0.05<x<0.150,x≥0.15
- Ⅱ级(中间型): A 2 = { 0 , x ≤ 0.05 x − 0.05 0.15 − 0.05 , 0.05 < x ≤ 0.15 0.25 − x 0.25 − 0.15 , 0.15 < x < 0.25 0 , x ≥ 0.25 A_2=\begin{cases}{0,x≤0.05}\\{\frac {x-0.05}{0.15-0.05},0.05<x≤0.15}\\{\frac {0.25-x}{0.25-0.15},0.15<x<0.25}\\{0,x≥0.25} \end{cases} A2=⎩ ⎨ ⎧0,x≤0.050.15−0.05x−0.05,0.05<x≤0.150.25−0.150.25−x,0.15<x<0.250,x≥0.25
- Ⅲ级(中间型): A 3 = { 0 , x ≤ 0.15 x − 0.15 0.25 − 0.15 , 0.15 < x ≤ 0.25 0.5 − x 0.5 − 0.25 , 0.25 < x < 0.5 0 , x ≥ 0.5 A_3=\begin{cases}{0,x≤0.15}\\{\frac {x-0.15}{0.25-0.15},0.15<x≤0.25}\\{\frac {0.5-x}{0.5-0.25},0.25<x<0.5}\\{0,x≥0.5} \end{cases} A3=⎩ ⎨ ⎧0,x≤0.150.25−0.15x−0.15,0.15<x≤0.250.5−0.250.5−x,0.25<x<0.50,x≥0.5
- Ⅳ级(偏大型): A 4 = { 0 , x ≤ 0.25 x − 0.25 0.5 − 0.25 , 0.25 < x < 0.5 1 , x ≥ 0.5 A_4=\begin{cases}{0,x≤0.25}\\{\frac {x-0.25}{0.5-0.25},0.25<x<0.5}\\{1,x≥0.5} \end{cases} A4=⎩ ⎨ ⎧0,x≤0.250.5−0.25x−0.25,0.25<x<0.51,x≥0.5
2)计算隶属度
-
A 1 ( 0.07 ) = 0.15 − 0.07 0.15 − 0.05 = 0.8 A_1(0.07)=\frac {0.15-0.07}{0.15-0.05}=0.8 A1(0.07)=0.15−0.050.15−0.07=0.8
-
A 2 ( 0.07 ) = 0.07 − 0.05 0.15 − 0.05 = 0.2 A_2(0.07)=\frac {0.07-0.05}{0.15-0.05}=0.2 A2(0.07)=0.15−0.050.07−0.05=0.2
-
A 3 ( 0.07 ) = A 4 ( 0.07 ) = 0 A_3(0.07)=A_4(0.07)=0 A3(0.07)=A4(0.07)=0
-
注意:这里使用梯形分布得到四个评语的隶属度的和恰好为1,但使用其他分布得到的隶属度的和不一定为1哦!
-
其他污染物对于不同评语的隶属度如上计算,总共要算24次
3)得到综合评判矩阵
R = [ 0.8 0.2 0 0 0.56 0.44 0 0 0 0.6 0.4 0 0 0.5 0.5 0 0.7 0.3 0 0 0.5 0.5 0 0 ] R=\begin{bmatrix}{0.8}&{0.2}&{0}&{0}\\{0.56}&{0.44}&{0}&{0}\\{0}&{0.6}&{0.4}&{0}\\{0}&{0.5}&{0.5}&{0}\\{0.7}&{0.3}&{0}&{0}\\{0.5}&{0.5}&{0}&{0}\end{bmatrix} R= 0.80.56000.70.50.20.440.60.50.30.5000.40.500000000
5、综合评判
B
=
A
∗
R
=
(
0.252
,
0.478
,
0.27
,
0
)
B=A*R=(0.252,0.478,0.27,0)
B=A∗R=(0.252,0.478,0.27,0)
因此确定空气质量为二级
以方案为评语的案例
某露天煤矿有五个边坡设计方案,其各项参数根据分析计算结果得到边坡设计方案的参数如下表所示
项目 | 方案Ⅰ | 方案Ⅱ | 方案Ⅲ | 方案Ⅳ | 方案Ⅴ |
---|---|---|---|---|---|
可采矿量/万吨 | 4700 | 6700 | 5900 | 8800 | 7600 |
基建投资/万元 | 5000 | 5500 | 5300 | 6800 | 6000 |
采矿成本/(元·吨 − 1 ^{-1} −1) | 4.0 | 6.1 | 5.5 | 7.0 | 6.8 |
不稳定费用/万元 | 30 | 50 | 40 | 200 | 160 |
净现值/万元 | 1500 | 7000 | 1000 | 50 | 100 |
据勘探,该矿探明储量8800吨,开采总投资不超过8000万元,试做出个方案的优劣排序,选出最佳方案
1、确定因素集
U = { 可采矿量,基建投资,采矿成本,不稳定费用,净现值 } U=\{可采矿量,基建投资,采矿成本,不稳定费用,净现值\} U={可采矿量,基建投资,采矿成本,不稳定费用,净现值}
2、确定评语集
V = { 方案Ⅰ,方案Ⅱ,方案Ⅲ,方案Ⅳ,方案Ⅴ } V=\{方案Ⅰ,方案Ⅱ,方案Ⅲ,方案Ⅳ,方案Ⅴ\} V={方案Ⅰ,方案Ⅱ,方案Ⅲ,方案Ⅳ,方案Ⅴ}
3、确定隶属函数
1)可采矿量的隶属函数(偏大型)
μ A ( x ) = x 8800 \mu_A(x)=\frac {x}{8800} μA(x)=8800x(隶属函数不唯一,合理就行。一般根据专家建议、根据他人写的文章等都可以确定)
2)基建投资的隶属函数(偏小型)
μ B ( x ) = 1 − x 8000 \mu_B(x)=1-\frac {x}{8000} μB(x)=1−8000x(因为是偏小型,因此该函数当 x x x越大,隶属度越小,符合偏小型)
3)采矿成本的隶属函数(偏小型)
根据专家意见,采矿成本 a 1 ≤ 5.5 元 / 吨 a_1≤5.5元/吨 a1≤5.5元/吨为低成本, a 2 = 8.0 元 / 吨 a_2=8.0元/吨 a2=8.0元/吨为高成本,故
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)=\begin{cases}{1,0≤x≤a_1}\\{\frac {a_2-x}{a_2-a_1},a_1≤x≤a_2}\\{0,a_2<x} \end{cases} μC(x)=⎩ ⎨ ⎧1,0≤x≤a1a2−a1a2−x,a1≤x≤a20,a2<x
- 也可以定义 μ C ( x ) = 1 − x 7 \mu_C(x)=1-\frac x7 μC(x)=1−7x(7为表中采矿成本最大值,隶属函数不唯一)
4)不稳定费用的隶属函数(偏小型)
μ D ( x ) = 1 − x 200 \mu_D(x)=1-\frac x{200} μD(x)=1−200x
5)净现值的隶属函数
取上限15百万元,下限0.5百万元,采用线性隶属函数
μ E ( x ) = x − 50 1500 − 50 \mu_E(x)=\frac {x-50}{1500-50} μE(x)=1500−50x−50
5、计算隶属度
将原表中的数据带入对应的隶属函数,计算隶属度,可以得到下表
项目 | 方案Ⅰ | 方案Ⅱ | 方案Ⅲ | 方案Ⅳ | 方案Ⅴ |
---|---|---|---|---|---|
可采矿量/万吨 | 0.5341 | 0.7614 | 0.6705 | 1 | 0.8636 |
基建投资/万元 | 0.3750 | 0.3125 | 0.3375 | 0.15 | 0.25 |
采矿成本/(元·吨 − 1 ^{-1} −1) | 1 | 0.76 | 1 | 0.4 | 0.48 |
不稳定费用/万元 | 0.85 | 0.75 | 0.8 | 0 | 0.2 |
净现值/万元 | 1 | 0.4480 | 0.6552 | 0 | 0.0345 |
6、确定单因素评判矩阵
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 ] R=\begin{bmatrix}{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{bmatrix} R= 0.53410.375010.8510.76140.31250.760.750.44800.67050.337510.80.655210.150.4000.86360.250.480.20.0345
7、综合评判
根据专家评价,诸因素在决策中占的权重为 A = ( 0.25 , 0.2 , 0.2 , 0.1 , 0.25 ) A=(0.25,0.2,0.2,0.1,0.25) A=(0.25,0.2,0.2,0.1,0.25),于是诸方案的综合评价为 B = A ∗ R = ( 0.7435 , 0.5919 , 0.6789 , 0.3600 , 0.3905 ) B=A*R=(0.7435,0.5919,0.6789,0.3600,0.3905) B=A∗R=(0.7435,0.5919,0.6789,0.3600,0.3905),因此方案Ⅰ最佳,Ⅲ次之,方案Ⅳ最差
- 注意:权重确定可以用层次分析法(无数据)或者熵权法(有数据)确定
多级模糊综合评价模型
因素集中元素较多的话我们可以先对其进行归类
二级模糊综合评价模型
1、根据相关性划分因素集 U = { u 1 , u 2 , … , u n } U=\{u_1,u_2,…,u_n\} U={u1,u2,…,un}为若干组 U = { U 1 , U 2 , … , U k } U=\{U_1,U_2,…,U_k\} U={U1,U2,…,Uk},且 U = ∪ i = 1 k U i U=\cup_{i=1}^kU_i U=∪i=1kUi并且 U i ∩ U j = ∅ ( i ≠ j ) U_i\cap U_j=\varnothing(i≠j) Ui∩Uj=∅(i=j)
U U U称为第一级因素集, U i U_i Ui称为第二级因素集
2、确定评语集 V = { v 1 , v 2 , … , v m } V=\{v_1,v_2,…,v_m\} V={v1,v2,…,vm},并对第二级因素集 U i = { u 1 ( i ) , u 2 ( i ) , … , u n i ( i ) } U_i=\{u_1^{(i)},u_2^{(i)},…,u_{n_i}^{(i)}\} Ui={u1(i),u2(i),…,uni(i)}进行评判得到综合评判矩阵(总共有K个这样的矩阵)
R i = [ r 11 ( i ) r 12 ( i ) ⋯ r 1 m ( i ) r 21 ( i ) r 22 ( i ) ⋯ r 2 m ( i ) ⋮ ⋮ ⋱ ⋮ r n i 1 ( i ) r n i 2 ( i ) ⋯ r n i m ( i ) ] R_i=\begin{bmatrix} {r_{11}^{(i)}}&{r_{12}^{(i)}}&{\cdots}&{r_{1m}^{(i)}}\\ {r_{21}^{(i)}}&{r_{22}^{(i)}}&{\cdots}&{r_{2m}^{(i)}}\\ {\vdots}&{\vdots}&{\ddots}&{\vdots}\\ {r_{n_i1}^{(i)}}&{r_{n_i2}^{(i)}}&{\cdots}&{r_{n_im}^{(i)}}\\ \end{bmatrix} Ri= r11(i)r21(i)⋮rni1(i)r12(i)r22(i)⋮rni2(i)⋯⋯⋱⋯r1m(i)r2m(i)⋮rnim(i)
若 U i = { u 1 ( i ) , u 2 ( i ) , … , u n i ( i ) } U_i=\{u_1^{(i)},u_2^{(i)},…,u_{n_i}^{(i)}\} Ui={u1(i),u2(i),…,uni(i)}的权重为 A i = { a 1 ( i ) , a 2 ( i ) , … , a n i ( i ) } A_i=\{a_1^{(i)},a_2^{(i)},…,a_{n_i}^{(i)}\} Ai={a1(i),a2(i),…,ani(i)},则综合评判为 B i = A i ∗ R i ( i = 1 , 2 , … , k ) B_i=A_i*R_i(i=1,2,…,k) Bi=Ai∗Ri(i=1,2,…,k)
3、再对第一级因素 U = { U 1 , U 2 , … , U k } U=\{U_1,U_2,…,U_k\} U={U1,U2,…,Uk}进行综合评判,若权重为 A = { a 1 , a 2 , … , a k } A=\{a_1,a_2,…,a_k\} A={a1,a2,…,ak},则
R = [ B 1 B 2 ⋮ B k ] R=\begin{bmatrix}B_1\\B_2\\{\vdots}\\B_k \end{bmatrix} R= B1B2⋮Bk ,综合评判为 B = A ∗ R B=A*R B=A∗R
4、最后按照最大隶属度原则确定相应评语或等级
奖学金案例
评价学生的表现并作为奖学金的评判标准
因素集 U = { 专业课成绩,非专业课成绩,国家级竞赛成绩,省级竞赛成绩,校级竞赛成绩,国家级荣誉奖项,省级荣誉奖项,校级荣誉奖项,志愿服务时长 } U=\{专业课成绩,非专业课成绩,国家级竞赛成绩,省级竞赛成绩,校级竞赛成绩,国家级荣誉奖项,省级荣誉奖项,校级荣誉奖项,志愿服务时长\} U={专业课成绩,非专业课成绩,国家级竞赛成绩,省级竞赛成绩,校级竞赛成绩,国家级荣誉奖项,省级荣誉奖项,校级荣誉奖项,志愿服务时长}
将其归类得到(后面的数字为权重)
因素集 U = { 学习成绩 ( U 1 ) 0.4 { 专业课成绩 ( u 1 ( 1 ) ) , 0.6 非专业课成绩 ( u 2 ( 1 ) ) , 0.4 竞赛成绩 ( U 2 ) 0.3 { 国家级竞赛成绩 ( u 1 ( 2 ) ) , 0.5 省级竞赛成绩 ( u 2 ( 2 ) ) , 0.3 校级竞赛成绩 ( u 3 ( 2 ) ) , 0.2 个人荣誉 ( U 3 ) 0.2 { 国家级荣誉奖项 ( u 1 ( 3 ) ) , 0.5 省级荣誉奖项 ( u 2 ( 3 ) ) , 0.3 校级荣誉奖项 ( u 3 ( 3 ) ) , 0.2 志愿服务 ( U 4 ) 0.1 { 志愿服务时长 ( u 1 ( 4 ) ) , 1 因素集U=\begin{cases}学习成绩(U_1)0.4{\begin{cases}专业课成绩(u_1^{(1)}),0.6\\非专业课成绩(u_2^{(1)}),0.4 \end{cases}}\\竞赛成绩(U_2)0.3{\begin{cases}国家级竞赛成绩(u_1^{(2)}),0.5\\省级竞赛成绩(u_2^{(2)}),0.3\\校级竞赛成绩(u_3^{(2)}),0.2 \end{cases}}\\个人荣誉(U_3)0.2{\begin{cases}国家级荣誉奖项(u_1^{(3)}),0.5\\省级荣誉奖项(u_2^{(3)}),0.3\\校级荣誉奖项(u_3^{(3)}),0.2 \end{cases}}\\志愿服务(U_4)0.1{\begin{cases}志愿服务时长(u_1^{(4)}),1 \end{cases}} \end{cases} 因素集U=⎩ ⎨ ⎧学习成绩(U1)0.4{专业课成绩(u1(1)),0.6非专业课成绩(u2(1)),0.4竞赛成绩(U2)0.3⎩ ⎨ ⎧国家级竞赛成绩(u1(2)),0.5省级竞赛成绩(u2(2)),0.3校级竞赛成绩(u3(2)),0.2个人荣誉(U3)0.2⎩ ⎨ ⎧国家级荣誉奖项(u1(3)),0.5省级荣誉奖项(u2(3)),0.3校级荣誉奖项(u3(3)),0.2志愿服务(U4)0.1{志愿服务时长(u1(4)),1
设评语集为 V = { 一等奖学金 v 1 , 二等奖学金 v 2 , 无奖学金 v 3 } V=\{一等奖学金v_1,二等奖学金v_2,无奖学金v_3\} V={一等奖学金v1,二等奖学金v2,无奖学金v3}
接着使用模糊统计法,根据专家评委的投票来确定隶属度得到
R 1 = [ 0.8 0.2 0 0.7 0.3 0 ] R_1=\begin{bmatrix}0.8&0.2&0\\0.7&0.3&0 \end{bmatrix} R1=[0.80.70.20.300]
其中,0.8的意思是有80%的人认为该同学的学习成绩 ( U 1 ) (U_1) (U1)中的专业课成绩 ( u 1 ( 1 ) ) (u_1^{(1)}) (u1(1))应该隶属于一等奖学金。0.2说明有20%的人认为该同学的学习成绩 ( U 1 ) (U_1) (U1)中的专业课成绩 ( u 1 ( 1 ) ) (u_1^{(1)}) (u1(1))应该隶属于二等奖学金
0.7的意思是有70%的人认为该同学学习成绩 ( U 1 ) (U_1) (U1)中的非专业课成绩 ( u 2 ( 1 ) ) (u_2^{(1)}) (u2(1))应该隶属于一等奖学金。0.3说明有30%的人认为该同学学习成绩 ( U 1 ) (U_1) (U1)中的非专业课成绩 ( u 2 ( 1 ) ) (u_2^{(1)}) (u2(1))应该隶属于二等奖学金
同理我们可以得到竞赛成绩、个人荣誉、志愿服务的评判矩阵(等同于隶属度) R 2 , R 3 , R 4 R_2,R_3,R_4 R2,R3,R4
又根据题中的权重,可以计算综合评价
B 1 = [ 0.6 0.4 ] ∗ R 1 = [ 0.6 0.4 ] ∗ [ 0.8 0.2 0 0.7 0.3 0 ] = [ 0.76 0.24 0 ] B_1=\begin{bmatrix}0.6&0.4 \end{bmatrix}*R_1=\begin{bmatrix}0.6&0.4 \end{bmatrix}*\begin{bmatrix}0.8&0.2&0\\0.7&0.3&0 \end{bmatrix}=\begin{bmatrix}0.76&0.24&0 \end{bmatrix} B1=[0.60.4]∗R1=[0.60.4]∗[0.80.70.20.300]=[0.760.240]同理可以计算 B 2 , B 3 , B 4 B_2,B_3,B_4 B2,B3,B4
B 2 = [ 0.5 0.3 0.2 ] B_2=\begin{bmatrix}0.5&0.3&0.2 \end{bmatrix} B2=[0.50.30.2]
B 3 = [ 0.15 0.27 0.58 ] B_3=\begin{bmatrix}0.15&0.27&0.58 \end{bmatrix} B3=[0.150.270.58]
B 4 = [ 0.1 0.8 0.1 ] B_4=\begin{bmatrix}0.1&0.8&0.1 \end{bmatrix} B4=[0.10.80.1]
那么构造 R = [ B 1 B 2 B 3 B 4 ] = [ 0.76 0.24 0 0.15 0.27 0.58 0.4 0.2 0.4 0.1 0.8 0.1 ] R=\begin{bmatrix}B_1\\B_2\\B_3\\B_4 \end{bmatrix}=\begin{bmatrix}0.76&0.24&0\\0.15&0.27&0.58\\0.4&0.2&0.4\\0.1&0.8&0.1 \end{bmatrix} R= B1B2B3B4 = 0.760.150.40.10.240.270.20.800.580.40.1
又因为 A = [ 0.4 0.3 0.2 0.1 ] A=\begin{bmatrix}0.4&0.3&0.2&0.1 \end{bmatrix} A=[0.40.30.20.1]
则 B = A ∗ R = [ 0.439 0.297 0.264 ] B=A*R=\begin{bmatrix}0.439&0.297&0.264 \end{bmatrix} B=A∗R=[0.4390.2970.264]
由于0.439最大,所以该同学应评为一等奖学金