数学建模：评价决策类——模糊综合评价法

目录

1.引言

2.模糊集合的分类

3.评价问题概述

4.解题步骤

5.举例说明

6.代码实现

---

1.引言

处理现实的数学模型可分为三大类：

1）确定性数学模型，即模型背景具有确定性，对象之间具有必然关系。

2）随机性数学模型，即模型背景具有随机性和偶然性。

3）模糊性模型，即模型背景及关系具有模糊性，判断的‘不分明性’。

今天我们来介绍下模糊性模型。

2.模糊集合的分类

主要有三类：偏小型、中间型和偏大型，类似于TOPSIS法中的极大型、极小型、中间型、区间型指标。

举个例子来说就是：“年轻”是一个偏小型的模糊集合，岁数越小，隶属度越大，就越“年轻”；“年老”则是一个偏大型的模糊集合，岁数越大，隶属度越大，就越“年老”；而“中年”则是一个中间型集合，岁数只有处在某个中间的范围，隶属度才越大。

然而不管模糊集合是哪一种类型，隶属度越大，属于这个集合的程度也越大。

3.评价问题概述

模糊评价问题是要把论域中的对象对应评语集中一个指定的评语，或者将方案作为评语集并选择一个最优方案。
在模糊综合评价中，引入三个集合：
① 因素集（评价指标集）：

② 评语集（评语的结果）：

③ 权重集（指标的权重）：

例如：评价一个学生的表现：

U={专业排名，课外实践，志愿服务，竞赛成绩}

V={优，良，差}

A={0.4，0.2，0.1，0.3}

4.解题步骤

1.一级模糊综合评价：

① 构造判断矩阵R。

② 进行模糊综合评判：B=A·R（即权重·判断矩阵）。

2.多层次模糊综合评价模型（结合后面例题会好理解一些）：

① 给出被评价的对象集合：

② 确定因素集（指标体系）：，
若因素众多，往往将  按某些属性分成 s 个子集，即 

③ 确定评语集： 。

④ 由因素集  与评语集  ，可获得一个评价矩阵  。

⑤ 对每一个  ，分别作出综合决策， 。

⑥ 将每一个  视为一个元素，记