[数学建模]模糊综合评价（隶属函数的建立+一级模糊实例）

建模算法整理，文章主要介绍了 模糊综合评价中的要把论域中的对象对应评语集合一个指定的评语的情况（一级模糊评价）
参考学习资料：清风数学建模 数学建模算法与程序
其他资源：2016到2020美赛o奖论文=== 姜启源 司守奎电子书===论文模板 ====算法代码
如果需要可私信或者评论

1 隶属函数的三种确认方式（获取隶属度）

1.1 模糊统计法（减少主观性）

概述：比赛中用的比较少，要设计发放问卷，可能来不及，但实际上做研究用的比较多。
原理： 找多个人对同一个模糊概念进行描述，用隶属频率去定义隶属度
例子：

1. 定义人的年龄论域为U，调查n个人
2. 让这n个人仔细考虑好“年轻人”的含义后，给出他（她）们认为最合适的年龄区间
3. 对于任意一个确定的年龄，例如25岁，若这n个人有m个人的年龄区间包含25，则称m/n为25对于“年轻人”的隶属频率
4. 以此类推，我们可以找到所有年龄对于“年轻人”的隶属频率
5. 若n很大的时候，隶属频率会趋近稳定，我们可以将其视为隶属度，进而得到隶属函数

1.2 借助已有的客观尺度

概述：需要合适的指标，并且能收集到数据，这里找的指标必须介于0到1之间。（如果不是，则可归一化）

论域	模糊集	隶属度
设备	设备完好	设备完好率
家庭	小康家庭	恩格尔系数
产品	质量稳定	正品率

1.3 指派法（主观性较强）