-
对于有数据的题目更加科学一些【相较于topsis来说】
-
题目中给定数据可以自己设定隶属函数/直接给出隶属函数时使用这个方法(自己计算数据时间不够,自己编数据不要被发现)
数学知识基础
一、模糊数学的概念
(1)数学归纳法和秃子悖论
-
n=1成立
-
n=k成立推n=k+1成立
-
所有n都成立
(2)量的划分
(3)生活中的模糊性(和确定性相对)
二、模糊集合和隶属函数
(1)经典集合和特征函数
-
互斥性和确定性(非此即彼)
-
特征函数作用:帮助确定对应数是否在集合中
(2)模糊集合和隶属函数
-
承认亦此亦彼
-
隶属函数:对模糊函数的刻画:确定其隶属度(使用A(x)带Ua(x)表示隶属函数)
从特征函数的两个值到隶属函数的一个范围
(3)模糊集合的表示方法
这里的表示方法只是一种记法:并不是“除”的意思
(4)模糊集合的分类对应不同的隶属函数
三、隶属函数的确定
(1)模糊统计法(数模比赛中少用、科研论文较多)
用隶属频率近似模糊度
(2)借助已有的客观尺度(有合适指标且能收集到数据)
注:所搜集到的指标需要在0-1之间。(归一化处理或其他方法)
(3)指派法(直接套用某种分布作为隶属函数,主观性较强,使用频率高)
例:柯西分布
例2:梯形分布(重点)
确定;类型模型后进行转换
数学模型应用
四、应用:模糊综合评价
1、运用概念
两个角度:
-
对象对应指定评语
-
选择最优方案
-
一级模糊评价:指标个数少且相关 性不强
-
指标较多时用多级模糊综合评价
2、一级模糊综合评价模型
-
确定因素集(找出评价的角度)v
-
确定评语集(评价的度量)u
-
确定各因素的权重(找1中各元素占综合评价的权重)
-
德尔菲法(专家调查法):征求专家意见后再反馈给专家,再次征求意见,直到意见统一(耗时过长,不推荐使用)
-
无数据:层次分析法
-
有数据:熵权法
-
-
判断模糊综合判断()
-
得到一个各个评价对各个指标的隶属度矩阵
-
行代表评语集n
-
列代表因素集m
-
每行表示评语集对ui的隶属度
-
-
综合评判
-
权重和矩阵相乘
-
取数值最 大的评语作为评判结果(谁大选谁)
-
小例题1 年终评定
这道题的评语集和隶属度矩阵都已知
小例题2 空气质量测量
综合多个因素对空气质量的影响
整体评价空气质量
-
根据表格算出对应的依赖度
-
算出每个污染物对应模糊评价的综合评判矩阵
-
最后乘权重得到最后的结论
小例题三 方案的选择(采矿方案)
方案起到推荐的作用,没有绝对的方案
最后的结果可以绘制一个直观的图像
隶属函数不唯一,合理即可
3、多级模糊综合评价模型
概念
最多考虑到三级,再多就太复杂了
元素较多的时候,就可以引入多级评价模型进行归类
(1)划分因素集
-
划分是各元素集不能有交集
-
且并集就是U
-
根据相关性进行划分:哪些指标相关性强就划分到一个因素集里
(2)确定评语集v,并对二级因素集进行操作
对二级因素集进行一级模糊综合评价
(3)对第一集因素进行综合评价
(4)按最大隶属度原则确定最终答案
小例题1-二级模糊评价模型-主观因素评价的奖学金评定(无数据,自己设定)
小例题2-三级模型-陶瓷厂产品销售前景
三级也就是:从小到大依次拼接起来
确定隶属函数时一定要进行正向化
最后结果可以使用柱状图进行可视化