1. 模糊集
(1) 基本概念
模糊集:分类界限比较模糊,不好量化。多与少,大与小,长与短
μ A \mu_A μA:A的隶属函数
μ A ( x ) \mu_A(x) μA(x):x对A的隶属度
(2) 模糊集的运算
模糊集A,B的隶属关系 μ A ( x ) , μ B ( x ) \mu_A(x),\mu_B(x) μA(x),μB(x)
-
包含: A ⊂ B ⇔ μ A ( x ) ≤ μ B ( x ) A\subset B \Leftrightarrow \mu_A(x) \le \mu_B(x) A⊂B⇔μA(x)≤μB(x)
-
相等: A = B ⇔ μ A ( x ) = μ B ( x ) A=B \Leftrightarrow \mu_A(x) = \mu_B(x) A=B⇔μA(x)=μB(x)
-
并: A ∪ B ⇔ μ C ( x ) = μ A ( x ) ∨ μ B ( x ) A\cup B \Leftrightarrow \mu_C(x) = \mu_A(x) \vee \mu_B(x) A∪B⇔μC(x)=μA(x)∨μB(x)
-
补: A C ⇔ μ A C ( x ) = 1 − μ A ( x ) A^C \Leftrightarrow \mu_{A^C}(x) = 1-\mu_A(x) AC⇔μAC(x)=1−μA(x)
-
内积:
-
外积:
(3) 隶属函数的确定
① 模糊分布法
-
偏小型
-
偏大型
-
中间型
②
2. 模糊综合评价
适用情况:边界不清,不易定量的评价因素
步骤
- 确定被评价对象的因素集和评价集
- 分别确定各因素的权重及它们的隶属度向量,获得模糊评价矩阵
- 将模糊评价矩阵与因素的权向量进行模糊运算并归一化,得到模糊评价综合结果。
模糊合成
模糊合成算子
归一化
最大隶属度法
认定被评价对象的等级为最大隶属度对应的等级,适用于
加权平均法
给评价集 V = v 1 , v 2 , ⋅ ⋅ ⋅ , v n V={v_1,v_2,···,v_n} V=v1,v2,⋅⋅⋅,vn 中的各等级赋以适当的分值 C = c 1 , c 2 , ⋅ ⋅ ⋅ , c n C={c_1,c_2,···,c_n} C=c1,c2,⋅⋅⋅,cn,用归一化的综合评价向量 B = b 1 , b 2 , ⋅ ⋅ ⋅ , b n B={b_1,b_2,···,b_n} B=b1,b2,⋅⋅⋅,bn对C的加权平均值
∑ i = 1 n c i b i \sum_{i=1}^n c_ib_i i=1∑ncibi
主因素突出型
加权平均型