完整版模糊综合评价法(终版).pptx
合集下载
相关主题
- 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)。
不构成一堆，两粒也不能，……，但另一方面，人们自然同意一亿粒种 子肯定构成一堆，那么这个适当的界限在哪里呢？是不是可以说372658 粒种子不是一堆，而325679粒种子就构成一堆呢？又如，什么年龄的人 是“年青人”，什么样的人是“大胖子”、是“高个子”？天气现象中 什么样的雨是“大雨”、“中雨”、“小雨”、“绵绵细雨”？等等， 这类问题都不可能对它们找到明确的划分界限。
5
.精品课件.
1965年，美国控制论专家扎德教授在《信息与控制》杂志上发表了 论文“模糊集合”。从此,模糊数学宣告诞生。
模糊集合是客观存在的模糊概念的必然反映。所谓模糊概念就是边 界不清晰的概念。比如：“高个子”便是一个模糊概念，因为究竟多高 才能算作高个子是无法说清楚的。显然，这样的概念俯拾即是。正是为 了从数学上把模糊概念说清楚,扎德才引入了模糊集合。
24
.精品课件.
“书”这一概念是明确的，但是“一本好书”这个概念是模糊的，
利用模糊评价法可以使这一概念变得 “清晰”。
主因素 权重
优秀 良好
一般
较差
教育性 0.30
科学性 0.25
艺术性 0.25
技术性 0.20
25
.精品课件.
2.模糊综合判定法的缺点 计算复杂，隶属度和权重的确定、算法的选取等很多方面都带有较 强的主观性； 隶属函数的确定还没有明确的系统的方法。主要有模糊统计法、主 关经验法、神经网络法 当指标集U较大，即指标集个数凡较大时，在权向量和为1的条件约 束下，相对隶属度权系数往往偏小，权向量与模糊矩阵R不匹配，结果 会出现超模糊现象，分辨率很差，无法区分谁的隶属度更高，甚至造 成评判失败，此时可用分层模糊评估法加以改进。
r2m
rn1 rn2
rnm
在确定隶属关系时，一般是由专家或与评价问题相关的专业人员依
据评判等级对评价对象进行投票，然后统计票数结果。
14
.精品课件.
3.确定权重向量
A为评价项目指标的权重或权系数向量。定义因素集的模糊子集为
A {ai}, i 1, 2,…,n ，即因素 ui 在评定因素中起作用大小的度
, j 1, 2,
,n
0.5 0.3 0.2 0
0.3
0.3
0.3
0.3
0.4
0.2
0.1
0.15
0.12
0.09
0.06
0.2 0.2 0.3 0.2
b1
max 0.15, 0.09,
1i3
0.06
0.15
19
.精品课件.
（3）M, 算子（模型三）：
bj min 1,
m
min
1
.精品课件.
模糊综合判定法（FCE法）
2
.精品课件.
本次讲解安排
（一）模糊综合判定法的思想和原理 （二）模糊综合判定法的模型和步骤 （三）模糊综合判定法的优缺点 （四）模糊综合判定法的应用案例分析
3
.精品课件.
(一)模糊综合判定法的思想和原理
4
.精品课件.
1.关于模糊数学 著名理论数学家波莱尔研究了一个古典的希腊悖论：一粒种子肯定
,n
0.5 0.3 0.2 0
0.3
0.3
0.3
0.3
0.4
0.2
0.1
0.3
0.3
0.3
0.2
0.2 0.2 0.3 0.2
b1
max
1i3
0.3,
0.3,
0.2
0.3
18
.精品课件.
（2） M •， 算子（模型二）：
m
bj
i 1
ai , rij
max 1i m
ai rij
个评价等级，m为评价等级的个数。具体等级可以依据评价内容用适 当的语言进行描述，比如评价产品的竞争力可用V={强、中、弱}，评 价地区的社会经济发展水平可用V={高、较高、一般、较低、低}，评 价经济效益可用V={好、较好、一般、较差、差}等。
13
.精品课件.
2.统计、确定单因素评价隶属度向量，并形成隶属度矩阵R
2. 确定各项评价指标的权重 下面先对学生的评价进行模糊综合评价。设1, 2, 3...... 8的权重
分别为 0.15,0.1,0.1,0.15,0.1,0.1,0.15,0.15 ，即教学的各项指标的权
1.建立教学质量的评价指标体系
评价指标为: (1) 准备充分，内容熟练 (2) 思路清晰，逻辑性强 (3) 板书整洁，图线醒目 (4) 深入浅出，讲述生动 (5) 辅导负责，答疑认真
34
.精品课件.
(6) 作业适当，批改认真 (7) 启发思维，培养能力 (8) 要求严格，学有收获
35
.精品课件.
min 1,
m
ai
rij
,
j 1, 2,
,n
i1
0.5 0.3 0.2 0
0.3
0.3
0.3
0.3 0.2
0.4 0.2
0.2 0.3
00..21 0.3
0.27
0.21
0.09
b1
mห้องสมุดไป่ตู้n
1,
3
0.15
0.09
0.06
min
1,
0.3
0.3
i1
21
.精品课件.
（三）模糊综合判定法的优缺点
ai , rij
,
j
1, 2,
,n
i1
0.5 0.3 0.2 0
0.3
0.3
0.3
0.3
0.4
0.2
0.1 0.8
0.8
0.7
0.3
0.2 0.2 0.3 0.2
b1 min 1, 3 0.3 0.3 0.2 0.8
i1
.精品课件.
20
（4）M•, 算子（模型四）：
bj
相同 ，故本例选定某类男顾客。经了解，他们比较侧重于舒适度和 耐用度，而不太讲究花色和样式，对各因素的权数可确定如下：
A=(0.10，0.10，0.15，0.30，0.35) U＝{花色，式样，价格，耐用度，舒适度}
由此确定评判模型：
.精品课件.
30
BA R
0.2, 0.5, 0.3, 0.0
结果表明，这种服装在男顾客中，32%的人“很欢迎”，27% 的人“欢迎”，27%的人态度“一般”，14%的人“不欢迎”。
32
.精品课件.
如果评判者是女顾客，由于她们特别看中花色和样式，故各因 素的权为；A=(0.30,0.35,0.10,0.10,0.05) 则综合评判的结果为：B=（0.20,0.30,0.35,0.10） 将上述评判指标归一化得B`=（0.21,0.315,0.37.0.105） 这表明，这种服装在女顾客中，21%的人“很欢迎”，31.5%的人“欢 迎”，37%的人态度“一般”，10.5%的人“不欢迎”。
6
.精品课件.
粗略地说，在一个模糊集合中，某些元素是否属于这个模糊集合并 不是非此即彼的，说得更明确些就是：既不能认为这些元素完全属于这 个集合，也不能认为它们完全不属于这个集合，而是处于一种亦此亦彼、 模棱两可的状态。
7
.精品课件.
例如，张三身高1.70m，即不能说他绝对是个“高个子”。也不能 说他绝对不是个“高个子”。那么，怎样确定一个元素对某个模糊集 合的隶属关系呢？方法很简单，就是用单位闭区间[0,1]中的某个数 字来界定该元素隶属这个模糊集合的一种程度，称之为隶属度。如上 文的张三属于“高个子”这个模糊集的隶属度可根据常识与经验确定 为0.7。我们知道,集合是现代数学的基础，现在既然有了模糊集合， 那么以模糊集合代替原来的分明集合，把经典数学模糊化，便产生了 以模糊集合为基础的崭新的数学——模糊数学。
重。即将评定（语）集用数值来表示 B'，例如，将{优、良、中、差}数
值化为 B' ={100、85、70、55}。归一化结果得到评定（语）集的模糊子
集 B 0.32
0.27
0.23
0.18
，且
m
bj
1
。
j 1
16
.精品课件.
4.按某种运算法则，计算综合评定向量Ｓ（综合隶属度向量）及综合评
定值 （综合得分）
通常S A R ， B'ST 。
最终可以用综合评定向量Ｓ（综合隶属度向量）及综合评定值 （
综合得分）来描述评价对象的综合性能。
17
.精品课件.
二、模型
一般模糊合成算子有以下四种：
（1）M ， 算子（模型一）：
m
bj
i 1
ai rij
max 1im
min
ai , rij
, j 1, 2,
28
.精品课件.
3.进行单因素模糊评判，并求得评判矩阵 R R1=(0.2,0.5,0.3,0.0) R2=(0.1,0.3,0.5,0.1) R3=(0.0,0.1,0.6,0.3) R4=(0.0,0.4,0.5,0.1) R5=(0.5,0.3,0.2,0.0)
29
.精品课件.
4、建立评判模型，进行综合评判 由于对服装的评判，不同层次、不同年龄、不同性别的观点各不
26
.精品课件.
（四）模糊综合判定法的应用案例分析
27
.精品课件.
案例分析一
某服装厂生产某种服装，欲了解顾客对该种服装的欢迎程度。现采用 模糊综合评价法来解决这个问题。
1.确定模糊综合评判指标
取U＝{花色，式样，价格，耐用度，舒适度}
2.建立综合评判的评价集
取V＝{很欢迎 ，欢迎，一般，不欢迎}
33
.精品课件.
案例分析二
教师课堂教学质量评价是院校教学质量评估的重要内容，开展教学 质量评价对提高教师的教学质量和水平有重要的促进作用。由于课堂 教学质量评价涉及的内容较多，评价指标一般是定性描述，评价者在 评价过程中容易掺杂个人主观因素，有明显的模糊性，因此教学质量 的评价是一个模糊综合评价问题、本文以某学院为例，探讨利用模糊 综合评价法对教师的课堂教学质量进行评价。
一、步骤 1.确定因素集U和评定（语）集V
因素集U即评价项目或指标的集合，设U {ui}, i 1, 2,…,n
。也就是说有n个评价指标，表明我们对被评价对象从哪些方面来进 行评价。
12
.精品课件.
评定集或评语集V即评价等级的集合，设 V {v j }, j 1, 2,…,m
。实际上就是对被评价对象变化区间的一个划分。其中 v j 代表第j
23
.精品课件.
可以将不完全信息、不确定信息转化为模糊概念, 使定性问题定量 化, 提高评估的准确性、可信性，对蕴藏信息呈现模糊性的资料作出 比较科学、合理、贴近实际的量化评价； 评价结果是一个向量，而不是一个点值，克服传统数学中唯一解的
“弊端”，包含的信息比较丰富，既可以比较准确的刻画被评价对 象，又可以进一步加工，得到参考信息。
8
.精品课件.
2.模糊综合判定法的思想 在客观世界中存在着大量的模糊概念和模糊现象。模糊数学就是试
图用数学工具解决模糊事物方面的问题。 模糊综合判定法是借助模糊数学的一些概念，对实际的综合评价问
题提供一些评价的方法。具体地说，模糊综合判定法就是以模糊数学为 基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定 量化，从多个因素对被评价事物隶属等级状况进行综合性评价的一种方 法。
9
.精品课件.
3.模糊综合判定法的原理 首先确定被评价对象的因素（指标）集和评价（等级）集；再分别
确定各个因素的权重及它们的隶属度向量，获得模糊评判矩阵；最后把 模糊评判矩阵与因素的权向量进行模糊运算并进行归一化，得到模糊综 合评价结果。
10
.精品课件.
（二）模糊综合判定法的步骤和模型
11
.精品课件.
隶属度是模糊综合评价中最基本和最重要的概念。所谓隶属度 rij 是
指多个评价主体对某个评价对象在 ui 方面作出 v j评定的可能性大小
m
（可能性程度）。隶属度向量 Ri (ri1, ri2 ,…,rim ), i 1, 2,..., n, rij 1
j 1
r11 r12
R
r21
r22
r1m
量，且
n
ai
1
，反映了各因素的重要程度。
i 1
权重选择的合适与否直接关系到模型的成败。确定权重的方法有以
下几种：专家估计法(专家估测法)、德尔菲（Delphi）法(专家调查法)
加权平均法、频率分布确定权数法、层次分析法(AHP)。
15
.精品课件.
另外，还可有评定（语）集的数值化结果（标准满意度向量）或权
22
.精品课件.
1.模糊综合判定法的优点 模糊综合判定法是将评价对象和评价指标运用模糊数学的方法转
变为隶属度和隶属函数，然后通过模糊复合运算来得到模糊结果集进 而得到综合评价结果的一种方法。具有以下优点： 模糊评价通过精确的数字手段处理模糊的评价对象，虽然运用模
糊数学，但是数学模型简单，容易掌握，可以对涉及模糊因素的 对象系统进行综合评价，而且更加适合于评价因素多的对象系统。
0.1,
0.5,
0.3,
0.1
(0.10, 0.10, 0.15, 0.30, 0.35) 0.0, 0.1, 0.6, 0.3
0.0,
0.4,
0.5,
0.1
0.5, 0.3, 0.2, 0.0
(0.35, 0.30, 0.30, 0.15)
31
.精品课件.
5.评判指标处理法 将上述指标归一化得，B ' (0.32,0.27,0.27,0.14)
5
.精品课件.
1965年，美国控制论专家扎德教授在《信息与控制》杂志上发表了 论文“模糊集合”。从此,模糊数学宣告诞生。
模糊集合是客观存在的模糊概念的必然反映。所谓模糊概念就是边 界不清晰的概念。比如：“高个子”便是一个模糊概念，因为究竟多高 才能算作高个子是无法说清楚的。显然，这样的概念俯拾即是。正是为 了从数学上把模糊概念说清楚,扎德才引入了模糊集合。
24
.精品课件.
“书”这一概念是明确的，但是“一本好书”这个概念是模糊的，
利用模糊评价法可以使这一概念变得 “清晰”。
主因素 权重
优秀 良好
一般
较差
教育性 0.30
科学性 0.25
艺术性 0.25
技术性 0.20
25
.精品课件.
2.模糊综合判定法的缺点 计算复杂，隶属度和权重的确定、算法的选取等很多方面都带有较 强的主观性； 隶属函数的确定还没有明确的系统的方法。主要有模糊统计法、主 关经验法、神经网络法 当指标集U较大，即指标集个数凡较大时，在权向量和为1的条件约 束下，相对隶属度权系数往往偏小，权向量与模糊矩阵R不匹配，结果 会出现超模糊现象，分辨率很差，无法区分谁的隶属度更高，甚至造 成评判失败，此时可用分层模糊评估法加以改进。
r2m
rn1 rn2
rnm
在确定隶属关系时，一般是由专家或与评价问题相关的专业人员依
据评判等级对评价对象进行投票，然后统计票数结果。
14
.精品课件.
3.确定权重向量
A为评价项目指标的权重或权系数向量。定义因素集的模糊子集为
A {ai}, i 1, 2,…,n ，即因素 ui 在评定因素中起作用大小的度
, j 1, 2,
,n
0.5 0.3 0.2 0
0.3
0.3
0.3
0.3
0.4
0.2
0.1
0.15
0.12
0.09
0.06
0.2 0.2 0.3 0.2
b1
max 0.15, 0.09,
1i3
0.06
0.15
19
.精品课件.
（3）M, 算子（模型三）：
bj min 1,
m
min
1
.精品课件.
模糊综合判定法（FCE法）
2
.精品课件.
本次讲解安排
（一）模糊综合判定法的思想和原理 （二）模糊综合判定法的模型和步骤 （三）模糊综合判定法的优缺点 （四）模糊综合判定法的应用案例分析
3
.精品课件.
(一)模糊综合判定法的思想和原理
4
.精品课件.
1.关于模糊数学 著名理论数学家波莱尔研究了一个古典的希腊悖论：一粒种子肯定
,n
0.5 0.3 0.2 0
0.3
0.3
0.3
0.3
0.4
0.2
0.1
0.3
0.3
0.3
0.2
0.2 0.2 0.3 0.2
b1
max
1i3
0.3,
0.3,
0.2
0.3
18
.精品课件.
（2） M •， 算子（模型二）：
m
bj
i 1
ai , rij
max 1i m
ai rij
个评价等级，m为评价等级的个数。具体等级可以依据评价内容用适 当的语言进行描述，比如评价产品的竞争力可用V={强、中、弱}，评 价地区的社会经济发展水平可用V={高、较高、一般、较低、低}，评 价经济效益可用V={好、较好、一般、较差、差}等。
13
.精品课件.
2.统计、确定单因素评价隶属度向量，并形成隶属度矩阵R
2. 确定各项评价指标的权重 下面先对学生的评价进行模糊综合评价。设1, 2, 3...... 8的权重
分别为 0.15,0.1,0.1,0.15,0.1,0.1,0.15,0.15 ，即教学的各项指标的权
1.建立教学质量的评价指标体系
评价指标为: (1) 准备充分，内容熟练 (2) 思路清晰，逻辑性强 (3) 板书整洁，图线醒目 (4) 深入浅出，讲述生动 (5) 辅导负责，答疑认真
34
.精品课件.
(6) 作业适当，批改认真 (7) 启发思维，培养能力 (8) 要求严格，学有收获
35
.精品课件.
min 1,
m
ai
rij
,
j 1, 2,
,n
i1
0.5 0.3 0.2 0
0.3
0.3
0.3
0.3 0.2
0.4 0.2
0.2 0.3
00..21 0.3
0.27
0.21
0.09
b1
mห้องสมุดไป่ตู้n
1,
3
0.15
0.09
0.06
min
1,
0.3
0.3
i1
21
.精品课件.
（三）模糊综合判定法的优缺点
ai , rij
,
j
1, 2,
,n
i1
0.5 0.3 0.2 0
0.3
0.3
0.3
0.3
0.4
0.2
0.1 0.8
0.8
0.7
0.3
0.2 0.2 0.3 0.2
b1 min 1, 3 0.3 0.3 0.2 0.8
i1
.精品课件.
20
（4）M•, 算子（模型四）：
bj
相同 ，故本例选定某类男顾客。经了解，他们比较侧重于舒适度和 耐用度，而不太讲究花色和样式，对各因素的权数可确定如下：
A=(0.10，0.10，0.15，0.30，0.35) U＝{花色，式样，价格，耐用度，舒适度}
由此确定评判模型：
.精品课件.
30
BA R
0.2, 0.5, 0.3, 0.0
结果表明，这种服装在男顾客中，32%的人“很欢迎”，27% 的人“欢迎”，27%的人态度“一般”，14%的人“不欢迎”。
32
.精品课件.
如果评判者是女顾客，由于她们特别看中花色和样式，故各因 素的权为；A=(0.30,0.35,0.10,0.10,0.05) 则综合评判的结果为：B=（0.20,0.30,0.35,0.10） 将上述评判指标归一化得B`=（0.21,0.315,0.37.0.105） 这表明，这种服装在女顾客中，21%的人“很欢迎”，31.5%的人“欢 迎”，37%的人态度“一般”，10.5%的人“不欢迎”。
6
.精品课件.
粗略地说，在一个模糊集合中，某些元素是否属于这个模糊集合并 不是非此即彼的，说得更明确些就是：既不能认为这些元素完全属于这 个集合，也不能认为它们完全不属于这个集合，而是处于一种亦此亦彼、 模棱两可的状态。
7
.精品课件.
例如，张三身高1.70m，即不能说他绝对是个“高个子”。也不能 说他绝对不是个“高个子”。那么，怎样确定一个元素对某个模糊集 合的隶属关系呢？方法很简单，就是用单位闭区间[0,1]中的某个数 字来界定该元素隶属这个模糊集合的一种程度，称之为隶属度。如上 文的张三属于“高个子”这个模糊集的隶属度可根据常识与经验确定 为0.7。我们知道,集合是现代数学的基础，现在既然有了模糊集合， 那么以模糊集合代替原来的分明集合，把经典数学模糊化，便产生了 以模糊集合为基础的崭新的数学——模糊数学。
重。即将评定（语）集用数值来表示 B'，例如，将{优、良、中、差}数
值化为 B' ={100、85、70、55}。归一化结果得到评定（语）集的模糊子
集 B 0.32
0.27
0.23
0.18
，且
m
bj
1
。
j 1
16
.精品课件.
4.按某种运算法则，计算综合评定向量Ｓ（综合隶属度向量）及综合评
定值 （综合得分）
通常S A R ， B'ST 。
最终可以用综合评定向量Ｓ（综合隶属度向量）及综合评定值 （
综合得分）来描述评价对象的综合性能。
17
.精品课件.
二、模型
一般模糊合成算子有以下四种：
（1）M ， 算子（模型一）：
m
bj
i 1
ai rij
max 1im
min
ai , rij
, j 1, 2,
28
.精品课件.
3.进行单因素模糊评判，并求得评判矩阵 R R1=(0.2,0.5,0.3,0.0) R2=(0.1,0.3,0.5,0.1) R3=(0.0,0.1,0.6,0.3) R4=(0.0,0.4,0.5,0.1) R5=(0.5,0.3,0.2,0.0)
29
.精品课件.
4、建立评判模型，进行综合评判 由于对服装的评判，不同层次、不同年龄、不同性别的观点各不
26
.精品课件.
（四）模糊综合判定法的应用案例分析
27
.精品课件.
案例分析一
某服装厂生产某种服装，欲了解顾客对该种服装的欢迎程度。现采用 模糊综合评价法来解决这个问题。
1.确定模糊综合评判指标
取U＝{花色，式样，价格，耐用度，舒适度}
2.建立综合评判的评价集
取V＝{很欢迎 ，欢迎，一般，不欢迎}
33
.精品课件.
案例分析二
教师课堂教学质量评价是院校教学质量评估的重要内容，开展教学 质量评价对提高教师的教学质量和水平有重要的促进作用。由于课堂 教学质量评价涉及的内容较多，评价指标一般是定性描述，评价者在 评价过程中容易掺杂个人主观因素，有明显的模糊性，因此教学质量 的评价是一个模糊综合评价问题、本文以某学院为例，探讨利用模糊 综合评价法对教师的课堂教学质量进行评价。
一、步骤 1.确定因素集U和评定（语）集V
因素集U即评价项目或指标的集合，设U {ui}, i 1, 2,…,n
。也就是说有n个评价指标，表明我们对被评价对象从哪些方面来进 行评价。
12
.精品课件.
评定集或评语集V即评价等级的集合，设 V {v j }, j 1, 2,…,m
。实际上就是对被评价对象变化区间的一个划分。其中 v j 代表第j
23
.精品课件.
可以将不完全信息、不确定信息转化为模糊概念, 使定性问题定量 化, 提高评估的准确性、可信性，对蕴藏信息呈现模糊性的资料作出 比较科学、合理、贴近实际的量化评价； 评价结果是一个向量，而不是一个点值，克服传统数学中唯一解的
“弊端”，包含的信息比较丰富，既可以比较准确的刻画被评价对 象，又可以进一步加工，得到参考信息。
8
.精品课件.
2.模糊综合判定法的思想 在客观世界中存在着大量的模糊概念和模糊现象。模糊数学就是试
图用数学工具解决模糊事物方面的问题。 模糊综合判定法是借助模糊数学的一些概念，对实际的综合评价问
题提供一些评价的方法。具体地说，模糊综合判定法就是以模糊数学为 基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定 量化，从多个因素对被评价事物隶属等级状况进行综合性评价的一种方 法。
9
.精品课件.
3.模糊综合判定法的原理 首先确定被评价对象的因素（指标）集和评价（等级）集；再分别
确定各个因素的权重及它们的隶属度向量，获得模糊评判矩阵；最后把 模糊评判矩阵与因素的权向量进行模糊运算并进行归一化，得到模糊综 合评价结果。
10
.精品课件.
（二）模糊综合判定法的步骤和模型
11
.精品课件.
隶属度是模糊综合评价中最基本和最重要的概念。所谓隶属度 rij 是
指多个评价主体对某个评价对象在 ui 方面作出 v j评定的可能性大小
m
（可能性程度）。隶属度向量 Ri (ri1, ri2 ,…,rim ), i 1, 2,..., n, rij 1
j 1
r11 r12
R
r21
r22
r1m
量，且
n
ai
1
，反映了各因素的重要程度。
i 1
权重选择的合适与否直接关系到模型的成败。确定权重的方法有以
下几种：专家估计法(专家估测法)、德尔菲（Delphi）法(专家调查法)
加权平均法、频率分布确定权数法、层次分析法(AHP)。
15
.精品课件.
另外，还可有评定（语）集的数值化结果（标准满意度向量）或权
22
.精品课件.
1.模糊综合判定法的优点 模糊综合判定法是将评价对象和评价指标运用模糊数学的方法转
变为隶属度和隶属函数，然后通过模糊复合运算来得到模糊结果集进 而得到综合评价结果的一种方法。具有以下优点： 模糊评价通过精确的数字手段处理模糊的评价对象，虽然运用模
糊数学，但是数学模型简单，容易掌握，可以对涉及模糊因素的 对象系统进行综合评价，而且更加适合于评价因素多的对象系统。
0.1,
0.5,
0.3,
0.1
(0.10, 0.10, 0.15, 0.30, 0.35) 0.0, 0.1, 0.6, 0.3
0.0,
0.4,
0.5,
0.1
0.5, 0.3, 0.2, 0.0
(0.35, 0.30, 0.30, 0.15)
31
.精品课件.
5.评判指标处理法 将上述指标归一化得，B ' (0.32,0.27,0.27,0.14)