模糊综合评价模型

引入-模糊数学

（1）数学归纳法和秃子悖论
n=1时成立，假设n=k时成立，可以验证n=k+1也成立 => 对于所有的n都成立。

假如带入减少头发的根数，假设减小一根不会变成秃子，再假设减少n根也不是，在这里推导到n+1就产生了矛盾。
（2）量有确定性和不确定性，确定性有几何和代数
不确定性有概率论，随机过程，灰色系统，模糊数学。
（3）事情存在模糊性和确定性，比如帅是一个模糊的概念。

经典集合和模糊集合

经典集合–特征函数

具有相同属性的事物的集体
属性：互斥性，非此即彼

论域，感兴趣的一些对象的集合
看成定义域和值域，中间存在映射关系。
把Ω->{0.1}，比如看是否及格。从分数到结果
最后就只有两种可能。

模糊集合和隶属函数–隶属度，把握

模糊集合：用来描述模糊性概念的集合，比如年轻
和经典集合相比，模糊集合承认亦此亦彼。
数学中对于模糊集合的刻画：隶属函数
Ω->[0,1]
从年龄到年轻，只能哟隶属度表示。
隶属函数不唯一，可以解释通就可以了。

对于Ω中每一个元素，均对应于A中一个隶属度，隶属度 介于[0,1],越大表示越属于这种集合。
对于任意一个隶属函数，可以把A和UA看成等同。

模糊集合的三种表示方法
论域–模糊集合–隶属度A（xi) i=1,2,……n
扎德表示法，一种表示方法，并无数学含义。
序偶表示法：有限个，论域元素加隶属度o
向量表示法：只写出隶属度

无限集合：用一个积分号来表示。
模糊集合的分类
偏小型
中间型
偏大型

函数的图像和模糊集合分类有关
比如可以联想到年轻，中年，老年
分别在开头，中间，结尾有高峰

隶属函数的三种确定

（1）模糊统计法
找特别多人去对同一个模糊概念进行描述，用隶属频率去定义隶属度。
比如，定义年轻人的隶属函数

（2）借助已有的客观尺度，需要有合适的指标，且可以收集到数据
论域中有设备，产品，家庭。
模糊集有设备完好，质量稳定，小康家庭。
隶属度有设备完好率，正品率，恩格尔系数。
恩格尔系数：食品占家庭收入比例，越富有越小。
归一化方法把隶属度变为0到1范围

（3）指派法 （多使用）
主观性强，根据问题的性质直接套用某些分布作为隶属函数，主观性强。
多用梯形分布。

比如我们可以用柯西分布确定年轻人的隶属函数。
还有确定SO2在每个等级中的隶属度。
一般选择梯形分布。

应用 评价问题

评价问题概述
模糊评价问题是要把论域中的对象对于评语集中一个指定的评语或者把方案作为评语集并选择一个最优的方案。

因素集（评价指标集合) U
评语集（评价的结果）V
权重集（指标的权重） A

一级模糊综合评价
看评价的层级
主要步骤
1 确定因素集，因素小，相关性不强（如果强可以用多级，划分跟价精确)
2.确定评语集，由不同决断构成的集合，比如不同的方案集。
3.确定各个因素的权重 A
4.确定模糊综合判断矩阵 R
对于指标u来说，对各个评语的隶属度为V上的模糊子集，对指标u的评判记为Ri ，按照列的话，第一列表示各个指标对于评语1的隶属度。可以看成从U到V的模糊关系矩阵。
5.综合评判。如果有一个从U到V的模糊关系，就可以利用得到一个模糊变换。
最后得到的结果就是要评价的对象对于评语的隶属度，可以表示相符程度。把需要评价的对象划到对应评语就可以了。其中最大的就是最后的隶属。

B=A*R

实际问题1-员工表现（通过模糊统计法确定评价矩阵）

取因素集U=（工作能力，工作态度）
取评语集V=（优秀，良好，一般，较差，差）
确定各个因素的权重A
比如层次分析法的求解思路。
分别写出因素集中元素相比起来对工作能力的重要程度，即判断矩阵，通过一致性检验后计算权重即可。
确定模糊综合评判矩阵，对每个因素做出评价
隶属度确定：模糊统计法，组成评价矩阵，因素集U到评语集V的一个模糊关系矩阵。
比如我们这里用模糊统计法对隶属度进行确定。
然后是模糊综合评判,进行矩阵合成运算。
B=A*R,得到从论域集中元素通过模糊关系矩阵得到的 评判结果。

实际问题二-空气质量评价（利用函数来计算隶属度）

有实际数据，就可以用一级模综合评价模型。
对每个级别，列出对应隶属度函数，求解得到隶属度，计算复杂了一点。
综合=多指标。

实际问题三 --方案选择（类似topsis)

带有数据，通过熵权法计算权重

有点像topsis方法，指标权重间接通过构造隶属函数正向化。
利用结果计算实际问题。

实际问题 四 多级评价模型

指标多，可以对其进行归类，归类后可以简化计算，指标越少，越容易得到结果。

总结–什么是模糊综合评价

模糊综合评价的对象是一些难以由实际确定的对象，比如一个人的年轻，中年，老年。
进行的步骤主要是按照题目分解出因素集和评语集，即要评价对象的指标和评价的结果。然后根据层次分析法，或者是熵权法得到各个指标所占的评价结果的权重。构造一评价矩阵，把指标映射到评价结果上，就是给不同人进行一个初步的评价打分，看在评语集的占比，得到因素集中元素对评语集中每个元素的隶属度。可以用模糊统计法。最后就得到评价矩阵。因素（指标）数目*评语数目。
然后模糊矩阵合成，把论域中的对象对应一个指定评语。