R语言讲座篇4 模糊综合评价法

原理

模糊综合评价(Fuzzy Comprehensive Evaluation)是一种基于模糊数学的多指标决策方法。相比传统的评分法,模糊综合评价能更好地处理评价指标难以量化的情形,提供更科学、更合理的评价结果。它广泛应用于投资评估、项目评选、产品评测等领域。

计算步骤

完整模糊综合评价计算步骤如下:

1. 确定因子集$U=u1,u2,...,un$

2. 确定权重向量$W=(w1,w2,...,wn)$,，满足 $wj>=0$，$\sum wj=1$

3. 对于每个因子$uj$，确定评价集$Vj=v1,v2,...,vm$，并构建模糊关系矩阵$Rj$：

   $$Rj=\left[\begin{array}{cccc}rj(v1)& rj(v2)& \dots & rj(vm)\end{array}\right]$$
   其中$rj(vk)$表示$uj$对$vk$的匹配度，$rj(vk)\in [0,1]$。

4. 进行模糊综合,得到综合评价向量:

   $$B=W\ast R=(w1,w2,...,wn)\cdot \left[\begin{array}{c}R1\\ R2\\ ⋮\\ Rn\end{array}\right]=(b1,b2,...,bm)$$
   其中
   $$bm=\sum wj\ast rj(vk),k=1,2,...,m$$

5. 对B进行解模糊,得到评价对象的单一评价结果。

这里的关键是构建模糊关系矩阵R,它直接影响最终的评价结果。R的确定可以采用专家评定、实验统计等方法。

影响最终的评价结果。R的确定可以采用专家评定、实验统计等方法。

实战演练

代码如下

# 模糊综合评价
# 定义手机变量
factors <- c("性能","外观","价格") 
# 定义权重向量  
weights <- c(0.35, 0.25, 0.4)
# 定义评价集
# 模糊综合评价
# 定义手机变量
factors <- c("性能","外观","价格") 
# 定义权重向量  
weights <- c(0.35, 0.25, 0.4)
# 定义评价集
levels <- c("好","良","差")
# 构建因子关系矩阵
r1 <- c(0.8, 0.2, 0)
r2 <- c(0.4, 0.6, 0) 
r3 <- c(0.2, 0.6, 0.2)
R <- rbind(r1, r2, r3)# 计算综合评价向量
b <- weights %*% R
b
# 解模糊处理
max_level <- levels[which.max(b)]
print(paste("评价结果:", max_level))```