清风数学建模个人笔记--模糊综合评价

目录
一、量
二、分类
三、模糊函数的三种表示方法
四、应用：模糊综合评价（评判）

一、量

①确定性：经典数学（几何、代数）

②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）

二、分类：

• 偏小型：年轻、小、冷
• 中间型：中年、中、暖
• 偏大型：年老、大、热

三、模糊函数的三种表示方法

（1）模糊统计法（设计调查问卷，不推荐，主观性最弱）

（2）借助已有的尺度（需要已有的指标，并能收集到数据）

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：如果找的隶属度不在0-1之间，则可归一化

（3）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）

基本上用这个方法，梯形分布

四、应用：模糊综合评价（评判）

（1）模糊评价问题是要

①把论域中的对象对应评语集中一个指定的评语或者
②将方案作为评语集并选择一个最优的方案。（两个角度）

在模糊综合评价中，引入了三个集合：

①    因素集（评价指标集）U={u1、u2、u3…un}      


②    评语集（评价的结果）V={v1,v2,v2…vm}


③    权重集（评价的结果）A={a1,a2,a3…an}

	例如：评价一名学生的表现
	U={专业排名、课外实践、志愿服务、竞赛成绩}
	V={优、良、差}
	A={0.5,0.1,0.1,0.3}

(2)一级模糊综合评价模型

步骤：

• ① 确定因素集。

• ② 确定评语集。

• ③ 确定各因素的权重集。

    （Delphi法、加权平均法、众人评估法等）
  
    （数学建模）中：
  
    无数据：层次分析法。
  
    有数据：熵权法
  

• ④ 确定模糊综合判断矩阵。

ri表示隶属度，表示对每个评语的隶属度，它是一个从U–>V的模糊关系矩阵。

• ⑤ 综合评价

得到综合评价的结果

B就得到了综合评价结果，从B中选取最大的数值即表示作为该评价结果。

（by the way–隶属函数的选取必须符合正向化~）

应用举例：

1. 例如：评价一名学生的表现:
   	U={专业排名、课外实践、志愿服务、竞赛成绩}
   	V={优、良、差}
   	A={0.5,0.1,0.1,0.3}
   	假设U都是由民主评议打分得：
   	R1=[0.5 0.4 0.1]
   	R2=[0.2 0.5 0.3]
   	R3=[0.1 0.4 0.5]
   	R4=[0.7 0.3  0 ]
   	
   	得到评价矩阵：
   	R=[0.5 0.4 0.1;
   	   0.2 0.5 0.3;
   	   0.1 0.4 0.5;
   	   0.7 0.3  0 ]
   	
   	B=A·R=[0.5 0.1 0.1 0.3]·R(R是上面那个矩阵）
   	得到B = [  0.4900    0.3800    0.1300]
   	选取最大的数据0.4900，表示该名学生的表现为优