数学建模方法 — 【02】模糊综合评价方法

模糊综合评价方法

1. 概念:

    根据多个因素对事物进行评定,称为综合评判。在日常生活中,当要对某种东西作出好、较好、不好等评价时,常常感到不易判断。因为这是一个模糊的概念,同时涉及的因素很多,如果运用模糊数学的方法,将可以较好地解决。

2. 模糊合成算子

B = A ∘ \circ B = ( a 1 , a 2 , . . . , a m ) ∘ ( b 11 b 12 . . . . b 1 n b 21 b 22 . . . b 2 n . . . . . . . . . . . . b m 1 b m 2 . . . b m n ) (a_1, a_2,...,a_m) \circ\left( \begin{matrix} b_{11} & b_{12}&....& b_{1n} \\ b_{21} & b_{22} & ... & b_{2n} \\ ... & ... & ... & ... \\ b_{m1} & b_{m2} & ... & b_{mn} \end{matrix} \right) (a1,a2,...,am)b11b21...bm1b12b22...bm2.............b1nb2n...bmn = ( c 1 , c 2 , . . . , c n ) (c_1, c_2,...,c_n) (c1,c2,...,cn)
其中 ∘ \circ 模糊合成算子

  1. M( ∧ , ∨ \wedge, \vee ,)算子
    m k = ∨ j = 1 m ( a j ∧ b j k ) = max ⁡ 1 < j ≤ m { min ⁡ ( a j , b j k ) } , m_k =\vee^m_{j=1}(a_j \wedge b_{jk}) = \max\limits_{1<j\leq m}\{\min(a_j , b_{jk})\}, mk=j=1m(ajbjk)=1<jmmax{min(aj,bjk)} k = 1 , 2... n k=1,2...n k=1,2...n
    举 个 栗 子 : 举个栗子: :
    (0.3  0.3  0.4) ∘ \circ ( 0.5 0.3 0.2 0 0.3 0.4 0.2 0.1 0.2 0.2 0.3 0.2 ) \left( \begin{matrix} 0.5 & 0.3 & 0.2 & 0 \\ 0.3 & 0.4 & 0.2 & 0.1 \\ 0.2 & 0.2 & 0.3 & 0.2 \end{matrix} \right) 0.50.30.20.30.40.20.20.20.300.10.2
    = (0.3  0.3  0.3  0.2)
     
  2. M( ∙ , ∨ \bullet, \vee ,)算子( ∙ \bullet 为点乘)
    m k = ∨ j = 1 m ( a j ∙ b j k ) = max ⁡ 1 < j ≤ m { a j ∙ b j k } , m_k =\vee^m_{j=1}(a_j \bullet b_{jk}) = \max\limits_{1<j\leq m}\{a_j \bullet b_{jk}\}, mk=j=1m(ajbjk)=1<jmmax{ajbjk} k = 1 , 2... n k=1,2...n k=1,2...n
    举 个 栗 子 : 举个栗子: :
    (0.3  0.3  0.4) ∘ \circ ( 0.5 0.3 0.2 0 0.3 0.4 0.2 0.1 0.2 0.2 0.3 0.2 ) \left( \begin{matrix} 0.5 & 0.3 & 0.2 & 0 \\ 0.3 & 0.4 & 0.2 & 0.1 \\ 0.2 & 0.2 & 0.3 & 0.2 \end{matrix} \right) 0.50.30.20.30.40.20.20.20.300.10.2
    = (0.15  0.12  0.12  0.08)
     
  3. M( ∧ , ⊕ \wedge, \oplus ,)算子
    m k = min ⁡ { 1 , ∑ j = 1 m min ⁡ ( a j , b j k ) } , m_k = \min\{1, \sum\limits_{j=1}^m{\min(a_j , b_{jk})}\}, mk=min{1,j=1mmin(aj,bjk)} k = 1 , 2... n k=1,2...n k=1,2...n
    举 个 栗 子 : 举个栗子: :
    (0.3  0.3  0.4) ∘ \circ ( 0.5 0.3 0.2 0 0.3 0.4 0.2 0.1 0.2 0.2 0.3 0.2 ) \left( \begin{matrix} 0.5 & 0.3 & 0.2 & 0 \\ 0.3 & 0.4 & 0.2 & 0.1 \\ 0.2 & 0.2 & 0.3 & 0.2 \end{matrix} \right) 0.50.30.20.30.40.20.20.20.300.10.2
    = (0.08  0.08  0.07  0.03)
     
  4. M( ∙ , ⊕ \bullet, \oplus ,)算子
    m k = min ⁡ { 1 , ∑ j = 1 m a j ∙ b j k } , m_k = \min\{1, \sum\limits_{j=1}^m{a_j \bullet b_{jk}}\}, mk=min{1,j=1majbjk} k = 1 , 2... n k=1,2...n k=1,2...n
    举 个 栗 子 : 举个栗子: :
    (0.3  0.3  0.4) ∘ \circ ( 0.5 0.3 0.2 0 0.3 0.4 0.2 0.1 0.2 0.2 0.3 0.2 ) \left( \begin{matrix} 0.5 & 0.3 & 0.2 & 0 \\ 0.3 & 0.4 & 0.2 & 0.1 \\ 0.2 & 0.2 & 0.3 & 0.2 \end{matrix} \right) 0.50.30.20.30.40.20.20.20.300.10.2
    = (0.08  0.08  0.07  0.03)

总结:

特点算子
算子1算子2算子3算子4
体现权数作用不明显明显不明显明显
综合程度
利用R的信息不充分不充分比较充分充分
类型主因素突出型主因素突出型加权平均型加权平均型
3. 作出综合评价

经过算子后,通过对模糊评判向量B的分析作出综合结论,有三种方法:

  • 法一:最大隶属度原则
       M = m a x ( b 1 , b 2 , . . . , b n ) M = max(b_1, b_2, ..., b_n) M=max(b1,b2,...,bn)
  • 法二:加权平均原则
      aver = ∑ i = 1 n a ( v i ) ∙ m i k ∑ i = 1 n m i k {{\sum\limits_{i=1}^na(v_i)}\bullet m_i^k \over {\sum\limits_{i=1}^nm_i^k}} i=1nmiki=1na(vi)mik
    栗子:
    B = (0.3, 0.3, 0.3, 0.2)
    评价等级集合为={很好,好,一般,差},各等级赋值分别为{4,3,2,1}
    aver = 4 × 0.3 + 3 × 0.3 + 2 × 0.3 + 1 × 0.2 0.3 + 0.3 + 0.3 + 0.2 = 2.64 {{4\times0.3+3\times0.3+2\times0.3+1\times0.2}\over {0.3+0.3+0.3+0.2}}=2.64 0.3+0.3+0.3+0.24×0.3+3×0.3+2×0.3+1×0.2=2.64
  • 法三:模糊向量单值化
    c = ∑ i = 1 n c i ∙ m i k ∑ i = 1 n m i k {{\sum\limits_{i=1}^nc_i}\bullet m_i^k \over {\sum\limits_{i=1}^nm_i^k}} i=1nmiki=1ncimik
  • 1
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
数学建模竞赛中,评价模糊问题通常使用模糊统计法。这种方法可以通过问卷调查等方式获得模糊综合评判矩阵,例如计算满意度、支持度等指标。在人事考核中,可以使用一级模糊综合评判方法来进行评价\[1\]。 在Matlab中,可以使用以下代码来计算模糊矩阵的评价值。首先,定义一个函数func,输入参数为模糊矩阵R和权重矩阵A。函数内部的计算步骤如下: ```matlab function B = func(R, A) B = \[ max(min(R, A)) sum(min(R, A)) max(R .* A) sum(R .* A) \]; % 四种合成因子计算出来的B值 B = B ./ sum(B, 2); % 归一化 end ``` 另外,还可以使用以下代码来计算相对偏差模糊矩阵的评价值。同样,定义一个函数func,输入参数为评价矩阵mat。函数内部的计算步骤如下: ```matlab function omega = func(mat) \[~, n\] = size(mat); x = mean(mat, 2); v = sqrt(sum((mat - x) .^ 2, 2) ./ (n - 1)) ./ abs(x); omega = v / sum(v); end ``` 这些代码可以帮助你在Matlab中进行数学建模模糊评价的计算\[2\]\[3\]。 #### 引用[.reference_title] - *1* [模糊综合评价模型原理及matlab实现](https://blog.csdn.net/yanyanwenmeng/article/details/105167523)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [【Matlab数学建模模糊综合评价](https://blog.csdn.net/qq_52247089/article/details/124121522)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值