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）：$U=\begin{Bmatrix} u_1,u_2,...,u_n \end{Bmatrix}$

② 评语集（评语的结果）：$V=\begin{Bmatrix} v_1,v_2,...,v_n \end{Bmatrix}$

③ 权重集（指标的权重）：$A=\begin{Bmatrix} a_1,a_2,...,a_n \end{Bmatrix}$

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：$X=\begin{Bmatrix} x_1,x_2,...,x_k \end{Bmatrix}$

② 确定因素集（指标体系）：$U=\begin{Bmatrix} u_1,u_2,...,u_n \end{Bmatrix}$，
若因素众多，往往将 $U=\begin{Bmatrix} u_1,u_2,...,u_n \end{Bmatrix}$ 按某些属性分成 s 个子集，即 $U_i=\begin{Bmatrix} u_{1}^{(i)},u_{2}^{(i)},...,u_{ni}^{(i)} \end{Bmatrix}\ ,i=1,2,...,s$

③ 确定评语集：$V=\begin{Bmatrix} v_1,v_2,...,v_m \end{Bmatrix}$ 。

④ 由因素集 $U_i$ 与评语集 $V$ ，可获得一个评价矩阵 $R_i$ 。

⑤ 对每一个 $U_i$ ，分别作出综合决策，$B_i=A_i\cdot R_i$ 。

⑥ 将每一个 $U_i$ 视为一个元素，记