模糊数学方法(第七章权重)
权重的确定方法汇总
权重的确定方法汇总1.主观评估法：该方法是根据领域专家的主观判断来确定权重。
专家会根据他们的经验和知识，对不同因素的重要性进行评估，并给出相应的权重。
这种方法适用于主观性较强的问题，如风险评估等。
2.权衡矩阵法：该方法是通过创建一个矩阵来确定权重。
在矩阵中，将各个影响因素两两进行比较，并根据重要性给出分值。
然后，根据分值计算权重。
这种方法适用于多个因素相互关联的问题。
常见的权衡矩阵方法有AHP（层次分析法）和ANP（层次网络过程）。
3.数据驱动方法：该方法是通过数据分析来确定权重。
可以使用统计分析、机器学习等技术，根据历史数据和模型训练结果，计算出各个因素的权重。
这种方法适用于大数据环境下，有足够的数据支持的问题。
4.线性规划法：该方法是通过线性规划模型来确定权重。
首先需要确定目标函数和约束条件，将问题转化为线性规划问题，然后使用线性规划算法求解出最优解，从而确定权重。
这种方法适用于有明确目标和约束的问题。
5.直觉法：该方法是通过个人的直觉和经验来确定权重。
根据个人判断，给出各个因素的权重。
这种方法适用于专家经验丰富、问题较为简单的情况。
6. Delphi法：该方法是通过专家群体的意见和建议来确定权重。
专家群体通过多轮的匿名调查和讨论，逐渐达成共识，最终确定权重。
这种方法适用于问题复杂、需要多个专家意见的情况。
7.模糊数学方法：该方法是通过模糊数学理论来确定权重。
通过模糊数学的模糊相似度和模糊综合评判等方法，计算出各个因素的权重。
这种方法适用于问题涉及的因素模糊性较强的情况。
8.回归分析法：该方法是通过回归分析模型来确定权重。
将因变量和自变量之间的关系建立回归方程，然后分析回归方程中自变量的系数大小，根据系数确定权重。
这种方法适用于因变量和自变量之间存在较强关联的问题。
在实际应用中，选择何种权重确定方法，需要根据问题的具体特点和数据情况来综合考虑。
常见的权重确定方法往往是结合多种方法，通过综合评估，得出最终的权重。
模糊数学评价方法教程
模糊综合评价法（见课件）模糊数学是从量的角度研究和处理模糊现象的科学．这里模糊性是指客观事物的差异在中介过渡时所呈现的“亦此亦比”性．比如用某种方法治疗某病的疗效“显效”与“好转”、某医院管理工作“达标”与“基本达标”、某篇学术论文水平“很高”与“较高”等等．从一个等级到另一个等级间没有一个明确的分界，中间经历了一个从量变到质变的连续过渡过程，这个现象叫中介过渡．由这种中介过渡引起的划分上的“亦此亦比”性就是模糊性．一、单因素模糊综合评价的步骤 1．根据评价目的确定评价指标（evaluation indicator ）集合},,,{21m u u u U =例如评价某项科研成果，评价指标集合为U ={学术水平，社会效益，经济效益}．2．给出评价等级（evaluation grade ）集合},,,{21n v v v V =如评价等级集合为V ={很好，好，一般，差}． 3．确定各评价指标的权重（weight ）},,,{21m W μμμ =权重反映各评价指标在综合评价中的重要性程度，且∑=1i μ． 例如假设评价科研成果，评价指标集合U ={学术水平，社会效益，经济效益}其各因素权重设为}4.0,3.0,3.0{=W ．4．确定评价矩阵R请该领域专家若干位，分别对此项成果每一因素进行单因素评价（one-way evaluation ），例如对学术水平，有50%的专家认为“很好”，30%的专家认为“好”，20%的专家认为“一般”，由此得出学术水平的单因素评价结果为()0,2.0,3.0,5.01=R同样如果社会效益，经济效益两项单因素评价结果分别为()1.0,2.0,4.0,3.02=R ()2.0,3.0,2.0,2.03=R那么该项成果的评价矩阵为⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎭⎫ ⎝⎛=2.03.02.02.01.02.04.03.002.03.05.0321R R R R 5．进行综合评价通过权系数矩阵W 与评价矩阵R 的模糊变换得到模糊评判集S ： 设m j W ⨯=1)(μ，n m ji r R ⨯=)(，那么()()n mn m m n n m s s s r r r r r rr r r R W S ,,,,,,2121222211121121=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==μμμ其中“ ”为模糊合成算子．进行模糊变换时要选择适宜的模糊合成算子，模糊合成算子通常有四种：(1) ),(∨∧M 算子(){}n k r r s jkj mj jk j mj k ,,2,1,,min max )(11=∧=≤≤=∨μμ＝符号“∧”为取小， “ ∨” 为取大．例如：n k s R W S ⨯==1)( =)4.03.03.0(⎪⎪⎪⎭⎫⎝⎛2.03.02.02.01.02.04.03.002.03.05.0 =()2.03.03.03.0 其中)2.04.0()3.03.0()5.03.0(1∧∨∧∨∧=S =)2.03.03.0(∨∨ =3.0其他k S （)4,3,2=k 求法相同． (2) (M ﹒),∨算子{}n k r r s jk j mj jk j mj k ,,2,1,max )(11=⋅⋅=≤≤=∨μμ＝例如n k s R W S ⨯==1)( =)4.03.03.0(⎪⎪⎪⎭⎫⎝⎛2.03.02.02.01.02.04.03.002.03.05.0 =()08.012.012.015.0 其中)2.04.0()3.03.0()5.03.0(1⨯∨⨯∨⨯=S =)08.009.015.0(∨∨ =15.0其他k S （)4,3,2=k 求法相同． (3) ),(⊕∧M 算子“⊕”是有界和运算，即在有界限制下的普通加法运算．对t 个实数t x x x ,,,21 有⎭⎬⎫⎩⎨⎧=⊕⊕⊕∑=t i i t x x x x 121,1min ．利用),(⊕∧M 算子，有()n k r s m j jk j k ,,2,1,,min ,1min 1 =⎭⎬⎫⎩⎨⎧=∑=μ例如n k s R W S ⨯==1)( =)4.03.03.0(⎪⎪⎪⎭⎫⎝⎛2.03.02.02.01.02.04.03.002.03.05.0 =()3.07.08.08.0 其中)2.04.0()3.03.0()5.03.0(1∧⊕∧⊕∧=S =)2.03.03.0(⊕⊕ =0.8其他k S （)4,3,2=k 求法相同． (4) (M ﹒),⊕算子n k r s m j jk j k ,,2,1,,1min 1 =⎪⎪⎭⎫⎝⎛=∑=μ例如n k s R W S ⨯==1)( =)4.03.03.0(⎪⎪⎪⎭⎫⎝⎛2.03.02.02.01.02.04.03.002.03.05.0 =()3.07.08.08.0 其中3.0(1=S •3.0()5.0⊕•4.0()3.0⊕•)2.0 =)08.009.015.0(⊕⊕ =0.32以上四个算子在综合评价中的特点是：),(∨∧M 和(M ﹒),∨在运算中能突出对综合评判起作用的主要因素，在确定W 时不一定要求其分量之和为1，即不一定是权向量，故为主因素突出型．),(⊕∧M 和(M ﹒),⊕在运算时兼顾了各因素的作用，W 为名符其实的权向量，应满足各分量之和为1，故为加权平均型．最后通过对模糊评判向量S 的分析作出综合结论．一般可以采用以下三种方法：(1) 最大隶属原则模糊评判集S =),,,(21n S S S 中i S 为等级i v 对模糊评判集S 的隶属度，按最大隶属度原则作出综合结论，即),,,m ax (21n S S S M =M 所对应的元素为综合评价结果．该方法虽简单易行，但只考虑隶属度最大的点，其它点没有考虑，损失的信息较多．(2) 加权平均原则加权平均原则是基于这样的思想：将等级看作一种相对位置，使其连续化．为了能定量处理，不妨用“n ,,2,1 ”依次表示各等级，并称其为各等级的秩．然后用S 中对应分量将各等级的秩加权求和，得到被评事物的相对位置．这就是加权平均原则，可表示为∑∑==⋅=n i k ini ki iss u 11*)(νμ （12－1）其中k 为待定系数（k ＝1或k ＝2），目的是控制较大的i s 所起的作用．可以证明，当∞→k 时，加权平均原则就是最大隶属原则．例如：对()2.0,3.0,3.0,3.0=S ，评价等级集合为V ={很好，好，一般，差}，各等级赋值)(i νμ分别为{4，3，2，1}，仿照普通加权平均法的计算公式，有*=1k u =2.03.03.03.02.013.023.033.04+++⨯+⨯+⨯+⨯=2.64即该项成果的综合评价结果为好稍偏一般．(3) 模糊向量单值化如果给等级赋予分值，然后用S 中对应的隶属度将分值加权求平均就可以得到一个点值，便于比较排序．设给n 个等级依次赋予分值n c c c ,,,21 ，一般情况下（等级由高到低或由好到差），n c c c >>> 21，且间距相等，则模糊向量可单值化为∑∑==⋅=n i kini ki iss cc 11 （12－2）其中k 的含义与作用同（12－1）中的k 相同．多个被评事物可以依据（12－2）式由大到小排出次序．以上三种方法可以依据评价目的来选用，如果需要序化，可选用后两种方法，如果只需给出某事物一个总体评价结论，则用第一种方法．二、多级模糊综合评判有些情况因为要考虑的因素太多，而权重难以细分，或因各权重都太小，使得评价失去实际意义，为此可根据因素集中各指标的相互关系，把因素集按不同属性分为几类．可先在因素较少的每一类（二级因素集）中进行综合评判，然后再对综合评判的结果进行类之间的高层次评判．如果二级因素集中有些类含的因素过多，可对它再作分类，得到三级以至更多级的综合评判模型．注意要逐级分别确定每类的权重．以二级综合评判为例给出其数学模型： 设第一级评价因素集为},,,{21m u u u U =各评价因素相应的权重集为},,,{21m W μμμ =第二级评价因素集为},,,{21ik i i i u u u U = m i ,,2,1 =相应的权重集为},,,{21ik i i i W μμμ =相应的单因素评判矩阵为：[]nk jl i r R ⨯= k l ,,2,1 =二级综合评判数学模型为⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=m mR W R W R W W B2211三、模糊综合评判应用举例某地对区级医院2001~2002年医疗质量进行总体评价与比较，按分层抽样方法抽取两年内某病患者1250例，其中2001年600例，2002年650例．患者年龄构成与病情两年间差别没有统计学意义，观察三项指标分别为疗效、住院日、费用．规定很好、好、一般、差的标准见表12-1，病人医疗质量各等级频数分布见表12—2．表12-1 很好、好、一般、差的标准指标 很好 好 一般 差 疗效 治愈 显效 好转 无效 住院日≤1516~2021~25＞25 费用（元） ≤14001400~18001800~2200＞2200表12-2 两年病人按医疗质量等级的频数分配表 指标很好 质量好 等级一般差疗效01年 02年 160 170380 41020 1040 60住院日01年 02年 180 200 250 310130 12040 20费用01年 02年 130 110270 320130 12070 100现综合考虑疗效、住院日、费用三项指标对该医院2001与2002两年的工作进行模糊综合评价．1．据评价目的确定评价因素集合评价因素集合为U ={疗效，住院日，费用}． 2．给出评价等级集合如评价等级集合为V ={很好，好，一般，差}． 3．确定各评价因素的权重设疗效，住院日，费用各因素权重依次为0.5，0.2，0.3，即）（3.0,2.0,5.0=W4．2001年与2002年两个评价矩阵R 分别为⎪⎪⎪⎭⎫ ⎝⎛=600/70600/130600/270600/130600/40600/130600/250600/180600/40600/20600/380600/1601R= ⎪⎪⎪⎭⎫ ⎝⎛117.0217.0450.0217.0067.0217.0417.0300.0067.0033.0633.0267.0 ⎪⎪⎪⎭⎫ ⎝⎛=650/100650/120650/320650/110650/20650/120650/310650/200650/60650/10650/410650/1702R=⎪⎪⎪⎭⎫ ⎝⎛154.0185.0492.0169.0031.0185.0477.0308.0092.0015.0631.0262.05．综合评价作权系数矩阵W 与评价矩阵R 的模糊乘积运算．如果突出疗效，且只需对该地区级医院2001~2002年医疗质量进行总体工作情况给出一个总体评价结论，可采用),(∨∧M 算子，确定模糊评判集S ，按最大隶属度原则进行评判：n k s R W S ⨯==111)( = )3.02.05.0(⎪⎪⎪⎭⎫⎝⎛117.0217.0450.0217.0067.0217.0417.0300.0067.0033.0633.0267.0 =()117.0217.0500.0267.0n k s R W S ⨯==122)( = )3.02.05.0(⎪⎪⎪⎭⎫⎝⎛154.0185.0492.0169.0031.0185.0477.0308.0092.0015.0631.0262.0=()154.0185.0500.0262.0按最大隶属度原则，两年最大隶属度均为0.500，可以认为对某地区区级医院2001年与2002年医疗质量评价结果均为“好”．如果突出疗效，且对该地区级医院2001~2002年医疗质量进行排序，也可采用),(∨∧M 算子确定的模糊评判集S ，按加权平均原则进行评判：将评价等级很好，好，一般，差分别赋值为4，3，2，1． 2001年的评价结果为∑∑==*=⋅=41411)(i ii iik ss u νμ=117.0217.0500.0267.0117.01217.02500.03267.04+++⨯+⨯+⨯+⨯=2.8332002年的评价结果为∑∑==*=⋅=41411)(i i i i i k s s u νμ=154.0185.0500.0262.0154.01185.02500.03262.04+++⨯+⨯+⨯+⨯=2.790 2001年的工作质量略好于2002年．以上评判结果均没有充分兼顾住院日与费用的作用，如果充分考虑各因素的作用在作权系数矩阵W 与评价矩阵R 的模糊运算的时候可以采用),(⊕∧M 算子或(M ﹒),⊕算子．。
模糊数学评价法
模糊数学评价法
模糊数学评价法是一种根据模糊数学原理进行评价和决策的方法。
它的基本思想是将事物的评价指标量化为模糊数，并使用模糊运算进行计算和比较。
模糊数学评价法包含以下几个步骤：
1. 确定评价指标：首先确定评价对象的各个指标，例如产品的质量、性能、价格等。
2. 模糊化：将各个指标进行模糊化处理，将其转化为模糊数。
模糊化可以通过专家的经验判断或者数据统计等方法进行。
3. 确定评价集合：根据用户的需求和评价对象的特点，确定评价集合，例如优、良、中、差等。
4. 计算评价指标的隶属度：根据模糊数学的原理，计算各个评价指标在各个评价集合中的隶属度。
5. 模糊运算：根据评价指标的隶属度进行模糊运算，得到评价对象的综合评价。
6. 判断评价对象的等级：根据综合评价的结果，确定评价对象的等级或者排名。
模糊数学评价法可以考虑到评价对象的多样性和不确定性，同时能够处理评价指标之间的相互关系和权重，提高评价结果的
客观性和准确性。
它在产品评价、企业绩效评价、投资决策等方面具有广泛的应用。
第7章模糊决策方法
7.1.3 隶属函数确定方法
（3）借用已有的“客观”尺度
在经济管理、社会科学中，可以直接借用已有的尺度 （经济指标）作为模糊集的隶属度。
（4）二元对比排序法
对于有些模糊集，很难直接给出隶属度，但通过两两 比较，容易确定两个元素相应隶属度的大小。先排序，再 用数学方法加工得到隶属函数。
隶属程度的思想是模糊数学的基本思想，应用模糊数 学方法的关键在于建立符合实际的隶属函数。
L.A.扎德教授多年来致力于“计算机”与“大 系统”的矛盾研究，集中思考了计算机为什么不能像 人脑那样进行灵活的思维与判断问题。
“常规数学方法的应用对于本质上是模糊系统的 分析来说是不协调的，它将引起理论和实际之间的很 大差距。”因此，必须寻找到一套研究和处理模糊性 的数学方法。这就是模糊数学产生的历史必然性。
PPT文档演模板
第7章模糊决策方法
7.1 模糊理论的基本概念
7.1.1 模糊集与隶属函数
定义7.1.1 设 是论域，称映射
确定了 上的模糊子集 。映射 称为 的隶属函数，
称
为 对 的隶属程度。
隶属度与隶属函数的思想是模糊数学的基本思想。
PPT文档演模板
第7章模糊决策方法
7.1 模糊理论的基本概念
（2）指派方法
指派隶属函数的方法普遍被认为是一种主观方法，它 把人们的实践经验考虑进去。若模糊集定义在实数集上， 则模糊集的隶属函数便被称为模糊分布。指派方法，就是 根据问题的性质套用现成的某些形式的模糊分布，然后根 据测量数据确定分布中所含的参数。
PPT文档演模板
第7章模糊决策方法
7.1 模糊理论的基本概念
7.1.1 模糊集与隶属函数
模糊集的表示方法（以有限论域为例） （1）扎德表示法：
模糊数学方法(第七章权重)
一、建立递阶层次结构
层次分析一般把问题分为三层，各层间关系用线 层次分析一般把问题分为三层， 连接。第一层称为目标层，第二层为准则层，第三层 连接。第一层称为目标层，第二层为准则层， 叫做方案层。如果有次级标准还可以增加次准则层等。 叫做方案层。如果有次级标准还可以增加次准则层等。
例如，上面例子的递阶层次结构为： 例如，上面例子的递阶层次结构为：
层次分析法
(The Analytic Hierarchy process,简称 简称AHP) 简称 层次分析是一种决策分析的方法。它结合了 层次分析是一种决策分析的方法。 定性分析和定量分析，并把定性分析的结果量化。 定性分析和定量分析，并把定性分析的结果量化。
人们在日常生活和工作中， 人们在日常生活和工作中，常常会遇到在多种方案 中进行选择问题。 中进行选择问题。例如假日旅游可以有多个旅游点供选 择；毕业生要选择工作单位；工作单位选拔人才；政府 毕业生要选择工作单位；工作单位选拔人才； 机构要作出未来发展规划； 机构要作出未来发展规划；厂长要选择未来产品发展方 向；科研人员要选择科研课题…… 科研人员要选择科研课题
1 7 2 A 如例1 ： 1 = 1 / 7 1 1 / 4 1 / 2 4 1 1 1 / 5 1 / 4 A3 = 5 1 1 / 2 4 2 1
1 1 / 7 1 / 6 A2 = 7 1 1 / 2 6 2 1 1 1 / 3 5 A4 = 3 1 7 1 / 5 1 / 7 1
（j = 1, 2,L , n)
1 k 权重取加权平均： a j = ∑ aij k i =1 即得权重集
A = (a1 , a2 ,L , an )
2. 频数统计法
权重法的计算方法
权重法的计算方法权重法（Weighting method）是一种常用的决策分析方法，用于确定不同因素或评价指标对决策结果的影响程度。
权重法的计算方法主要包括主观赋权法、客观权重法和模糊综合评价法等。
1.主观赋权法主观赋权法是基于专家判断、经验和直觉来确定权重的一种方法。
主要步骤如下：（1）明确决策目标和评价指标：确定决策的目标，并确定与目标相关的评价指标。
（2）选择专家组成员：选择一些相关背景知识丰富的专家组成专家组。
（3）构建专家问卷：编制一份包含决策目标和评价指标的问卷，要求专家按照自己的认识和经验进行排序或打分。
（4）调查专家意见：向专家组发放问卷，收集专家对于各个评价指标的权重意见。
（5）计算权重：根据专家的评分或排序结果，对各指标进行加权计算，得出权重值。
2.客观权重法客观权重法是利用具体的数据和统计方法来确定权重的方法。
常用的方法有随机权重法、特征因子法和层次分析法等。
（1）随机权重法：通过随机生成不同的权重组合，进行模拟计算，并选取多次模拟计算结果中符合一定条件的组合作为权重。
（2）特征因子法：根据样本数据特征因子的大小及其对决策结果的影响程度，来确定权重。
常见的特征因子有方差、相关系数、熵等。
（3）层次分析法：将决策问题分层次逐级进行分析和比较，在不同层次上建立判断矩阵，通过计算判断矩阵的特征向量和特征值，从而确定权重。
3.模糊综合评价法模糊综合评价法是一种将模糊数学理论与统计学方法相结合的权重计算方法。
主要步骤如下：（1）明确评价指标和评价等级：根据决策目标，确定评价指标和评价等级。
（2）建立模糊评价矩阵：将决策问题中的指标与相应的评价等级建立模糊评价矩阵。
（3）确定隶属度函数：根据具体情况，选择适当的隶属度函数，将评价等级转化为模糊数值。
（4）计算权重：根据模糊评价矩阵和隶属度函数，通过模糊综合评价法计算各个评价指标的权重。
以上是权重法的主要计算方法，根据实际应用的情况和需求，选择合适的方法进行权重计算，可以为决策问题的选择和优化提供科学依据。
确定权重的方法有哪些
确定权重的方法有哪些确定权重的方法有以下几种：1. 主观评价法：主观评价法是通过主观判断确定权重的方法。
这种方法主要依赖于专家的经验和判断。
可以通过专家讨论、问卷调查、专家打分等方式获取权重。
这种方法的优点是简单、快捷，但由于受个人主观因素的影响较大，可能存在一定的不确定性和误差。
2. 层次分析法（AHP）：层次分析法是一种通过层次结构将问题分解为若干个互相关联的属性和准则，再通过对两两比较构建判断矩阵，最终计算权重的方法。
AHP方法综合了专家经验和定量数据，通过对判断矩阵进行运算，可以得出权重的相对大小。
这种方法的优点是结构化、可操作性好，但需要系统性的分析和计算，且对于问题的结构和判断矩阵的构建比较依赖。
3. TOPSIS法：TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）方法是一种将问题转化为离差最小的理想解和离差最大的负理想解的距离，通过计算属性与理想解的相似程度，确定权重的方法。
这种方法通过比较属性与理想解的距离，综合考虑多个属性的影响，确定权重。
TOPSIS方法适用于多属性决策问题，优点是计算相对简单，可以充分考虑各属性的重要性。
4. 熵权法：熵权法是一种根据信息熵原理进行权重确定的方法。
该方法通过计算各属性的信息熵值，反映属性的不确定性和随机性，进而计算出权重。
熵权法的优点是不涉及主观评价，避免了主观偏差，同时可以充分考虑属性的信息量和差异。
5. 模糊数学方法：模糊数学方法是一种基于模糊逻辑的判断和决策方法。
这种方法适用于问题属性之间存在模糊性和不确定性的情况。
通过建立模糊隶属函数，对属性进行模糊化处理，并进行模糊比较和加权，最终确定权重。
模糊数学方法的优点是能够应对复杂的问题和模糊的信息，但计算过程较为复杂。
6. 统计分析方法：统计分析方法是一种利用数据分析和统计方法确定权重的方法。
通过对历史数据或实验数据进行分析和建模，可以得出不同属性的权重。
模糊数学方法
模糊数学⽅法模糊数学⽅法在⾃然科学或社会科学研究中,存在着许多定义不很严格或者说具有模糊性的概念。
这⾥所谓的模糊性，主要是指客观事物的差异在中间过渡中的不分明性，如某⼀⽣态条件对某种害⾍、某种作物的存活或适应性可以评价为“有利、⽐较有利、不那么有利、不利”；灾害性霜冻⽓候对农业产量的影响程度为“较重、严重、很严重”，等等。
这些通常是本来就属于模糊的概念，为处理分析这些“模糊”概念的数据，便产⽣了模糊集合论。
根据集合论的要求，⼀个对象对应于⼀个集合，要么属于，要么不属于，⼆者必居其⼀，且仅居其⼀。
这样的集合论本⾝并⽆法处理具体的模糊概念。
为处理这些模糊概念⽽进⾏的种种努⼒，催⽣了模糊数学。
模糊数学的理论基础是模糊集。
模糊集的理论是1965年美国⾃动控制专家查德(L. A. Zadeh)教授⾸先提出来的，近10多年来发展很快。
模糊集合论的提出虽然较晚，但⽬前在各个领域的应⽤⼗分⼴泛。
实践证明，模糊数学在农业中主要⽤于病⾍测报、种植区划、品种选育等⽅⾯，在图像识别、天⽓预报、地质地震、交通运输、医疗诊断、信息控制、⼈⼯智能等诸多领域的应⽤也已初见成效。
从该学科的发展趋势来看，它具有极其强⼤的⽣命⼒和渗透⼒。
在侧重于应⽤的模糊数学分析中，经常应⽤到聚类分析、模式识别和综合评判等⽅法。
在DPS系统中，我们将模糊数学的分析⽅法与⼀般常规统计⽅法区别开来，列专章介绍其分析原理及系统设计的有关功能模块程序的操作要领，供⽤户参考和使⽤。
第1节模糊聚类分析1. 模糊集的概念对于⼀个普通的集合A，空间中任⼀元素x，要么x∈A，要么x?A，⼆者必居其⼀。
这⼀特征可⽤⼀个函数表⽰为：A x x A x A()=∈1A(x)即为集合A的特征函数。
将特征函数推⼴到模糊集，在普通集合中只取0、1两值推⼴到模糊集中为[0, 1]区间。
定义1 设X为全域，若A为X上取值[0, 1]的⼀个函数，则称A为模糊集。
如给5个同学的性格稳重程度打分，按百分制给分，再除以100，这样给定了⼀个从域X=｛x1 , x2 , x3 , x4, x5｝到[0, 1]闭区间的映射。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
p
a j wi xi i 1
得到权重集：
( j 1, 2, , n)
A (a1, a2, , an )
§7.2 层次分析法 (The Analytic Hierarchy process,简称AHP)
层次分析是一种决策分析的方法。它结合了 定性分析和定量分析，并把定性分析的结果量化。
一致性指标均小于0.1， 一致性满意。
最大特征值和对应正特征向量分别为： λ=3.002，X=(5.903867500, 0.8066923031, 3.086293726)T λ=3.080，X=(0.0846216595,0.4466019878,0.6734288503)T λ=3.094，X=(0.09138978270, 0.3366828382, 0.4961400716)T λ=3.065，X=(3.658853431, 8.514030366, 0.943422178)T λ=4.0155, X=(9.15749285,3.529892637,3.90998156,1.8409641)T
为了把这种定性分析的结果量化，20世纪70年代，美 国数学家 Saaty等人首先在层次分析中引入了九级比例标 度和两两比较矩阵A=(aij)。
两个元素相互比较时，以其中一个元素作为比较元1， 如相对上一层,ui与uj（ uj为1）比较,若好坏相同，则aij记
为1；若ui比uj较好, 记为3; 若ui比uj好, 记为5； 若ui比uj明
wi
=
1n n j1
aij
n
alj
l 1
(i 1, 2, , n)
2. 最小夹角法
(1)
将矩阵A的列向量单位化，得到的矩阵设为B
=
(bij
)n?
；
n（2）计算n Nhomakorabea bij
wi =
j 1 nn
bij
i1 j1
(i 1, 2, , n)
即B的行元素和与B的总元素和之比。
A1
uuu123
1
1 1
/ /
7 2
7 1 4
2
1
/4 1
旅游
景色
住宿
费用
交通
u1
u2
u3
如果我们通过判断矩阵A1, 可以准确的确定 u1 ,u2 ,u3 相对“景点”的重要程度, 就可以通过对 “景色”“住宿”“费用”“交通”等所有考虑 到的因素的重要程度, 再通过这些因素的重要程度, 最后确定出各方案对目标的重要程度。
W（2）
12
n2
第三层n3个元素对第二层n2个元素的权重（排序）向量为
W1 ,W2 , ,Wn2
将它们构成分块矩阵：
W = (W1 ,W2 , ,Wn2 ) 则第三层元素对第一层目标的权重（排序）向量为
W（3） WW（2） (W1 ,W2 ,
,Wn2
)
0.5589
0.5368
0.07169
第二层4个元素对目标的权重（排序）向量为
0.4966
W
(2)
0.1914
0.2120
0.0998
于是第三层3个元素对元素对目标的权重（排序）向量为
0.4966
W
(3)
WW
(2)
第七章 权重的确定方法
§7.1 专家评估统计法
1. 算术平均法
设因素集U {u1,u2, ,un}
k个专家，每个专家独立给出的因素u
的权重
j
a1 j
a2
j
akj
k个专家给出所有因素的权重排成矩阵
a11 a12
a21
a22
ak1 ak1
12
n2
1W1 2W2 n2Wn2
1 7 2
如例1
：A1
1/
1
/
7 2
1 4
1/ 4
1
1 1/ 5 1/ 4
A3
5 4
1 2
1/ 2
1
1 1/ 7 1/ 6
A2
7
6
1 2
1/ 2
1
aik akj aij 则称A为一致性矩阵。
但在实际问题中很难使A满足一致性。虽然AHP并不 要求判断矩阵具有完全的一致性，但是偏离一致性要 求过大的判断矩阵所作出的最终决策也会于实际情况 偏差太大，因此有必要对判断矩阵进行一致性检验。
一致性检验的步骤：
（1）计算判断矩阵的一致性指标CI :
在模糊综合评判中，对所选择的多个因素赋 予权重时，哪一个的权重应大一些？这也是在 对因素赋予权重之前应该解决的问题。
不管是方案的优先还是权重的重要程度的比较， 我们都可以采用对方案或权重排序的方法来确 定它们的优先或重要程度。 层次分析法就是对方案或因素的排序权重的方法。 以下举例说明层次分析法对方案或因素的排序 或权重的确定方法。
特征向量归一化得第三层3个元素对第二层4个元素的权 重（排序）向量为：
0.6028 0.07023 0.09888 0.2791
W1
0.08236
,W2
0.3706
,W3
0.3643
,
W4
0.6494
0.3151
(W1
,W2
,W3
,W4
)
0.1914 0.2120
0.0998
0.4966W1 0.1914W2 0.2120W3 0.0998W4
0.6028
0.07023
0.09888
0.2791
0.4966
0.08236
例1 某家庭预备 “五·一”出游，手上有三个旅游点u1， u3的资料。u1景色优美，但u1是一个旅游热点，住宿条件 不十分好, 费用也较高；u2交通方便, 住宿条件很好，价钱 也不贵，只是旅游景点很一般；u3点旅游景点不错, 住宿、 花费都挺好，就是交通不方便。究竟选择哪一个更好呢？
在这个问题中，首先有一个目标——旅游选择；其次 是选择方案的标准——景点好坏、交通是否方便、费用 高低、住宿条件等；第三个是可供选择的方案。
0.1914
0.3706
0.2120
0.3643
0.0998
0.6494
0.3151
0.5589
0.5368
0.07169
0.3617
0.2538
0.3845
由计算结果和最大隶属原则，u1，u2，u3三个 旅游点相对旅游目标来说，综合排序结果是： u3点为首选，u1次之，u2点最后。即排序为：
人们在日常生活和工作中，常常会遇到在多种方案 中进行选择问题。例如假日旅游可以有多个旅游点供选 择；毕业生要选择工作单位；工作单位选拔人才；政府 机构要作出未来发展规划；厂长要选择未来产品发展方 向；科研人员要选择科研课题……
人们在选择时，最困难的就是在众多方案中 都不是十全十美的,往往这方面很好，其它方面 就不十分满意，这时，比较各方案哪一个更好 些，就成为首要问题了。
CI max n
n1 （2） 根据矩阵的阶数由下表查找平均随机一致性指标RI;
n
3456789
RI 0.58 0.90 1.12 1.24 1.32 1.41 1.45
（3）计算一致性比例CR : CR CI RI
若CR 0.1,认为A具有满意的一致性，接受A; 否则，放弃A或对A的数据做适当的调整。
一、建立递阶层次结构
层次分析一般把问题分为三层，各层间关系用线 连接。第一层称为目标层，第二层为准则层，第三层 叫做方案层。如果有次级标准还可以增加次准则层等。
例如，上面例子的递阶层次结构为：
旅游
———— 目标层
景色
住宿
费用
交通 ———— 准则层
u1
u2
u3 ———— 方案层
二、构造两两比较判断矩阵
作单因素u
的权重统计:
j
(1)
在每个专家所给出的u
的权重
j
a1 j
a2
j
akj
中找出最大值M j和最小值m（j j 1, 2,
n)；
（2）适当选择正整数p( p为组数），由公式 M j mj p
计算出组距，将权重由小到大分为p组；
（3）计算落在每组内的权重的频数和频率； （4）取最大频率所在的组的组中值作为因素
显好,记为7;若 ui比uj好的多，则记为9; 2, 4, 6, 8则是介于 1,3,5,7,9之间的情况。
把与上层某元素有关系的所有下层元素逐一 比较，且每一个元素与各元素比较的结果排成一 行则可得到一个方阵A=(aij)n×n，称为两两比较矩
阵。设ui与uj比为aij，则uj与ui比应为aji=1/aij ,
u j的权重a（j j=1,2, ,n),得到权重集： A (a1, a2 , , an )
3. 加权统计法
加权统计法的前两步（1），（2）同频数统计法。
（3）设第i组的组中值为xi，频数为Ni ,频率为