模糊综合评判法
1. 原理简介
1.1 因素集与评价集
因素集(又称“评价指标”,是我们要选取的评价对象)
\[U={u1,u2,u3,...,um}\]
上式中U称为因素集,里面含有m个待评价的对象。
例:当评价花店中某一品种的花时
U={花色,花香,样式,价格}
评价集(是我们给待评价对象设置的评级等级)(一般划分为3~5个等级)
[V={v1,v2,v3,...,vn}\]
上式中V称为评价集,里面含有n个评价等级。
例:当评价花店中某一品种的花时
V={很受欢迎,欢迎,一般,不受欢迎}
1.2 评价指标权重向量
概念介绍
[A={a1,a2,a3,...,am}\]
上式中A为权重向量,里面每一个元素代表每一个待评价的指标占待评价对象的权重。
例:当评价花店中某一品种的花时
A={0.4,0.4,0.1,0.1}
表示:
花色在评价这中花的权重为0.4
花香在评价这中花的权重为0.4
样式在评价这中花的权重为0.1
价格在评价这中花的权重为0.1
确定方法(2种)
主观:层次分析法
客观:变异系数法
【主要讲解变异系数法】
上式中vi属于变异系数(可以理解为权重);si为每一个指标的标准差;xi为每一个指标的均值
1.3 模糊综合评价矩阵
概念介绍
上式中rij表示ui对vj的隶属度。
确定方法(2种)
相对偏差法
相对优属度法
【主要讲解相对偏差法】
(1)建立一个虚拟理想方案u
(2)建立相对偏差模糊矩阵R
(3)确定权重向量wi
(4)偏差加权
(5)F值综合评价
2. 相对偏差法+变异系数法 求解思路
2.1 建立虚拟矩阵
其中
效益型指标:越高越好的指标
例如:收益、回报等。
成本型指标:越低越好的指标
例如:成本、投资费用,污染度。
2.2 建立相对偏差模糊矩阵
其中
2.3 变异系数法确定权重向量
2.4 对各方案偏差加权
2.5 用F值进行综合评价
若 ,则第i个方案排在第s个方案之前【F值越小,方案优先级越高,方案越好】
多层级模糊综合评判
对于一些复杂的系统,如人事考核中涉及的指标较多时,需要考虑的因素很多,这时如果仍用一级模糊综合评判,则会出现两个方面的问题:一是因素过多,它们的权数分配难以确定;另一方面,即使确定了权分配,由于需要满足归一化条件,每个因素的权值都小,对这种系统,可以采用多层次模糊综合评判方法。对于人事考核而言,采用二级系统就足以解决问题了,如果实际中要划分更多的层次,那么可以用二级模糊综合评判的方法类推。
实现的思路是将每一个原指标作为一级指标,划分出二级指标,从而可以对一级指标进行评判。然后根据结果再进行一次评判。
只有一级指标时,一级指标的评价分数由其他方法给出。划分出二级指标后,由其他方法给出二级指标的评价分数。下图即为某位员工的二级指标打分情况。将一级评判的结果作为一级指标的打分。具体步骤可见程序。
待处理数据
复制以下数据并保存在mhdata.txt文件中,即上图中的二级指标打分表。
0.8 0.15 0.05 0 0
0.2 0.6 0.1 0.1 0
0.5 0.4 0.1 0 0
0.1 0.3 0.5 0.05 0.05
0.3 0.5 0.15 0.05 0
0.2 0.2 0.4 0.1 0.1
0.4 0.4 0.1 0.1 0
0.1 0.3 0.3 0.2 0.1
0.3 0.2 0.2 0.2 0.1
0.1 0.3 0.5 0.1 0
0.2 0.3 0.3 0.1 0.1
0.2 0.3 0.35 0.15 0
0.1 0.3 0.4 0.1 0.1
0.1 0.4 0.3 0.1 0.1
0.3 0.4 0.2 0.1 0
0.1 0.4 0.3 0.1 0.1
0.2 0.3 0.4 0.1 0
0.4 0.3 0.2 0.1 0
原代码
clc, clear
a=load('mhdata.txt');
% 一级指标权重
w=[0.4 0.3 0.2 0.1];
% 二级指标权重
w1=[0.2 0.3 0.3 0.2];
w2=[0.3 0.2 0.1 0.2 0.2];
w3=[0.1 0.2 0.3 0.2 0.2];
w4=[0.3 0.2 0.2 0.3];
% 对子因素进行一级模糊综合评判
b(1,:)=w1*a([1:4],:);
b(2,:)=w2*a([5:9],:);
b(3,:)=w3*a([10:14],:);
b(4,:)=w4*a([15:end],:);
% 进行二级模糊综合评判,c即为评判结果
c=w*b
运行结果为“优秀、良好、一般、较差、差”五个评价等级的打分。
c =
0.2880 0.3540 0.2355 0.0865 0.0360
可以看到,综合评价结果在“良好”一项分数最高,根据最大隶属度原则,可以认为对该员工的评价良好。
对模糊综合评判中的矩阵运算,应该进行模糊运算,将矩阵相乘中的相乘变为取小,相加变为取大。请读者考虑更简单的实现方法。