模糊综合评价.pptVIP

最后，利用B1,B2,B3,B4构造基于综合评判因素集U=(U1，U2，U3，U4)的评判矩阵，利用公式计算可得：B=A R= = 上述结果B即为对于该学校教学情况总体水平的综合评判结果，根据最大隶属度原则得出的结论是该学校的教学水平“一般”。 总结 本文结合高校教学评估标准，并根据学校教学评估的特点，为高校教学评估提供了一个较为细化的指标体系和量化方法。利用模糊综合评判不仅考虑了影响高校教学评估的绝大多数影响因素，而且将每一个影响因素尽可能的细化，使评价的可行性增强，也使评价的结果尽可能的客观。 如：考虑年龄集U=[0,100]，A=“年老”，A也是一个年龄集， u = 20 ? A，40 呢？…查德给出了 “年老” 集函数刻画: 1 0 U 50 100 再如，B= “年轻”也是U的一个子集，只是不同的年龄段隶属 于这一集合的程度不一样，查德给出它的隶属函数： 1 0 25 50 U B（u） 用数学眼光看世界，可把我们身边的现象划分为： 1.确定性现象：如水加温到100oC就沸腾，这种现象的规律 性靠经典数学去刻画； 2.随机现象：如掷筛子，观看那一面向上，这种现象的规律 性靠概率统计去刻画; 3.模糊现象：如 “今天天气很热”，“小伙子帅”等等(没有固定的评判标准) 此话准确吗？有多大的水分？靠模糊数学去刻画。 秃子悖论: 天下所有的人都是秃子 模糊综合评判(1965) 模糊综合评判是在模糊环境下，运用模糊数学，对受到多个不确定性因素制约的系统作出一个总的综合评价，进而作出相关决策的过程。如产品质量评定、科技成果评定、某种作物种植适应性的评价等，都属于这类问题。由于从多方面对事物进行评价难免带有模糊性和主观性，采用模糊数学的方法进行模糊综合评判决策，将使结果尽量客观有效。 模糊综合评判数学模型分为一级模型和多级模型。 下面以电脑评判为例来说明如何评价。 某同学想购买一台电脑，他关心电脑的以下几个指标：“运算功能（数值、图形等）”；“存储容量（内、外存）”；“运行速度（CPU、主板等）”；“外设配置（网卡、调制调解器、多媒体部件等）”；价格”。于是请同宿舍同学一起去买电脑。为了数学处理简单，先令 =“运算功能（数值、图形等）”； =“存储容量（内、外存）”； =“运行速度（CPU、主板等）”； =“外设配置（网卡、调制调解器、多媒体部件等）”； =“价格”。 称 因素集。 评语集 其中 =“很受欢迎”； =“较受欢迎”； =“不太受欢迎”； =“不受欢迎”； 任选一台电脑，请同学和购买者对各因素进行评价。 若对于运算功能 有20%的人认为是“很受欢迎”，50%的人认为“较受欢迎”，30%的人认为“不太受欢迎” ，没有人认为“不受欢迎”，则 的单因素评价向量为 同理，对存储容量 ，运行速度 ，外设配置 和价格 分别作出单因素评价，得 组合成评判矩阵 据调查，近来用户对微机的要求是：工作速度快，外设配 置较齐全，价格便宜，而对运算和存储量则要求不高。于 是得各因素的权重分配向量。（指标权重的求方法?） 作模糊变换： 存储容量 运行速度 外设配置 价格 运算功能 若进一步将结果归一化得： 结果表明，用户对这种微机表现为“最受欢迎”的程度为 0.32，“较受欢迎”和“不太受欢迎”的程度均为0.27，“不受欢迎”的程度为0.14。按最大隶属原则，结论是：“最受欢迎”。 （3）生成判断矩阵：R= 通常情况下，用专家评定、打分、统计或者建立模糊隶属函数的方法生成判断矩阵。其中rij表示因素ui对决断vj的隶属度, 表示因素对评判集V的隶属向量，由n个隶属向量生成判断矩阵。 （4）综合评判。 由于对U中各个因素有不同的侧重，需要对每个因素赋予不同的权重，它可表示为U上的一个模糊子集 A=(a1, a2, …, an )，ai表示第i个因素ui的权重， 且规定 在R与A求出之后，则综合评判模型为 B=A ?R。记 B=(b1, b2, …, bm )，它是V上的一个模糊子集， 如果评判结果 就对其结果进行归一化处理。 综合评判向量B=(b1, b2, …, bm )是一个模糊向量，考虑到实际的评判结果总是清晰地，所以还需要对所得的向量进行集化（或清晰化），以确定综合评判的级别。通常采用最大隶属度原则