資料來源：微信公眾號《數(shù)學(xué)建模學(xué)習(xí)交流》

清風(fēng)老師系列建模視頻鏈接（B站）：模糊綜合評價(jià)

MATLAB入門：matlab入門課

目錄

1. 概述

?2. 經(jīng)典集合和模糊集合的基本概念

2.1 經(jīng)典集合和特征函數(shù)

2.2 模糊集合和隸屬函數(shù)

3. 隸屬函數(shù)的三種確定方法

3.1 模糊統(tǒng)計(jì)法?

3.2 借助已有的客觀尺度

?4. 應(yīng)用：模糊綜合評價(jià)（評判）

4.1 評價(jià)問題概述

4.2 一級模糊綜合評價(jià)模型

4.2.1 一級模糊綜合評判模型在人事考核中的應(yīng)用

4.2.2 實(shí)例計(jì)算?

4.3.3 matlab代碼實(shí)現(xiàn)

4.3 二級模糊綜合評價(jià)模型

4.3.1 原理

4.3.2 實(shí)例計(jì)算——獎(jiǎng)學(xué)金評定

4.3.3?matlab代碼實(shí)現(xiàn)

---

1. 概述

模糊性與確定性是相反的概念。比如高和帥，不同的人有不同的看法，比較具有模糊性，需要計(jì)算隸屬度才能客觀的說明帥。隸屬度是【0,1】之間的數(shù)，比如小明的帥的隸屬度為0.8，那小明就比較帥，隸屬度越高越說明他帥。?

?2. 經(jīng)典集合和模糊集合的基本概念

2.1 經(jīng)典集合和特征函數(shù)

2.2 模糊集合和隸屬函數(shù)

?需要注意的是zadeh表示法中的“+”并不是指的加減乘除運(yùn)算中的加，只是一種記錄方式。

偏小型指的是越小越好的集合，中間型是位于中間的比較好，偏大型指越大越好的集合。

3. 隸屬函數(shù)的三種確定方法

3.1 模糊統(tǒng)計(jì)法?

?數(shù)學(xué)建模競賽中一般用后面兩種方法，但是比如問卷調(diào)查類的一般就是用模糊統(tǒng)計(jì)法。比如滿意度、支持度等的計(jì)算，可以直接通過問卷統(tǒng)計(jì)得到模糊綜合評判矩陣（例如：后面講的《一級模糊綜合評判在人事考核中的應(yīng)用》中用的就是這種方法）。

比如對商品包裝這一個(gè)問題的滿意度進(jìn)行調(diào)查，共對100人進(jìn)行調(diào)查，發(fā)現(xiàn)不滿意——滿意五個(gè)評語選擇的人數(shù)分別為20,25,30,10,15.則商品包裝R1=[20/100 25/100 30/100 10/100 15/100]。類似于這樣的計(jì)算，把所有問題的Ri算出來，就構(gòu)成了模糊綜合評判矩陣。類似于這種矩陣R：

參考文獻(xiàn)：?

[1]李芳,何思俊,支錦亦,王超,向澤銳.基于AHP-熵權(quán)法的高速列車乘客車廂設(shè)計(jì)滿意度評價(jià)[J].機(jī)械設(shè)計(jì),2020,37(02):121-125.

[2]王江艷,桑發(fā)瓊,邵紅林,龍鑫,何云驁.高校食堂顧客滿意度的模糊綜合評價(jià)法[J].現(xiàn)代商貿(mào)工業(yè),2020,41(02):54-55.

3.2 借助已有的客觀尺度

?比如如何評價(jià)設(shè)備是否完好，可以計(jì)算設(shè)備完好率作為隸屬度，計(jì)算出的結(jié)果越接近于1，說明設(shè)備完好程度越高。

3.3 指派法

幾種常用的隸屬度函數(shù)：https://wenku.baidu.com/view/35b005c5910ef12d2af9e76b.html

?4. 應(yīng)用：模糊綜合評價(jià)（評判）

4.1 評價(jià)問題概述

4.2 一級模糊綜合評價(jià)模型

4.2.1 一級模糊綜合評判模型在人事考核中的應(yīng)用

4.2.2 實(shí)例計(jì)算?

4.3.3 matlab代碼實(shí)現(xiàn)

%% 模糊評判矩陣 R = [0.1 0.5 0.4 0 00.2 0.5 0.2 0.1 00.2 0.5 0.3 0 00.2 0.6 0.2 0 0] %% 各因素的權(quán)重 A = [0.25 0.2 0.25 0.3] %% 隸屬度計(jì)算 B = A*R

結(jié)果：

4.3 二級模糊綜合評價(jià)模型

4.3.1 原理

簡言之，就是將二級看成一級來算。比如后面的例子，可以將專業(yè)課成績和非專業(yè)課成績單獨(dú)算一個(gè)隸屬度B1，看成學(xué)習(xí)成績的隸屬度。同樣計(jì)算出競賽成績、個(gè)人榮譽(yù)和志愿服務(wù)的隸屬度B2、B3、B4。最后組合成新的模糊綜合評判矩陣R:

?然后用四個(gè)一級指標(biāo)的權(quán)重A 和R相乘即可。

4.3.2 實(shí)例計(jì)算——獎(jiǎng)學(xué)金評定

4.3.3?matlab代碼實(shí)現(xiàn)

%% 模糊評判矩陣 R1 = [0.8 0.2 0; 0.7 0.3 0] % 學(xué)習(xí)成績的模糊綜合評判矩陣 R2 = [0 0 1; 0.5 0.5 0; 0 0.6 0.4] % 競賽成績 %R3 = [] R4=[] 這里就不舉例計(jì)算了 %% 各因素的權(quán)重 A = [0.4 0.3 0.2 0.1];% 一級指標(biāo) A1 = [0.6 0.4]; %二級指標(biāo)：學(xué)習(xí)成績 A2 = [0.5 0.3 0.2];%競賽成績 A3 = [0.5 0.3 0.2];%個(gè)人榮譽(yù) A4 = [1];%志愿服務(wù) %% 二級指標(biāo)的隸屬度計(jì)算 B1 = A1*R1 B2 = A2*R2 %直接假設(shè)B3 B4 的值，就不用A3*R3 A4*R4計(jì)算了 B3 = [0.4 0.2 0.4] B4 = [0.1 0.8 0.1]%% 一級指標(biāo)的模糊綜合評判矩陣 R = [B1;B2;B3;B4] %% 一級指標(biāo)的隸屬度計(jì)算 B = A*R

總結(jié)

以上是生活随笔為你收集整理的模糊综合评价模型原理及matlab实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。