模糊综合评价

借鉴自清风老师课程。

 

评价类模型

层次分析法、Topsis法、灰色关联分析、模糊综合评价模型。

#如果有数据的话，模糊综合评价模型要比Topsis法更好哦~

 

概述

1.数学归纳法

n=1时，成立；

假设n=k时成立，验证n=k+1也成立。

 

2.秃子悖论

减少一根不是秃子；假设减少k跟不是秃子，那么减少k+1根也不是秃子。

 

确定性概念：性别、天气、年龄、身高、体重

模糊性概念：帅、高、白、年轻

 

经典集合和模糊集合的基本概念

 

1.经典集合和特征函数

 

集合：具有相同属性的事物的集体。

集合的基本属性：

 

数学中对于经典集合的刻画：特征函数

 

2.模糊集合和隶属函数

 

模糊集合：用来描述模糊性概念的集合（帅、高、白、年轻）

与经典集合相比，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。

 

模糊集合的分类：1.偏小型（年轻、小、冷）；2.中间型（中年、中、暖）；3.偏大型（年老、大、热）。

 

隶属函数的三种确定方法

 

1.模糊统计法（数模比赛中很少用，要统计发放问卷，可能来不急，但实际做研究时用的较多）

原理：找多个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。

 

2.借助已有的客观尺度（需要有合适的指标，并能收集到数据）

如下表【注：这里我们找的指标必须介于0和1之间，即隶属度的范围。（如果不是，则需要归一化）】：

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

 

3.指派法（找不到数据时，根据问题的性质直接套用某些分布作为隶属函数，主观性较强）

 

应用：模糊综合评价（评判）⭐⭐⭐⭐⭐

 

评价问题的概述：

模糊评价问题是要把论语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的方案 。（两个角度）

在模糊综合评价中，引入了三个集合：

 

1.一级模糊综合评价模型

 

1）确定因素集。

2）确定评语集。

3）确定各因素的权重。

方法：Delphi法、加权平均法、众人评估法、层次分析法（无数据）、熵权法（有数据）。

 

4）确定模糊综合判断矩阵。⭐

它是一个从U到V的模糊关系矩阵。

 

5）综合评判。

 

2.多级模糊综合评价模型

 

1）为什么引入这个概念？

因素集中元素较多（指标较多），可以对其进行归类。归类后可以简化我们的计算。

例如：确定权重时，指标越少越容易。

 

2）二级模糊综合评价模型

1）划分因素集

2）确定评语集

3）再对第一级因素进行综合评判

4）按最大隶属度原则确定相应评语或等级

 

3）三级模糊综合评价模型

大致过程同上。

希望我的笔记能对你有所帮助，比心~