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~