模糊综合评价法1
模糊综合评判法(原理)
05
多因素综合评判
根据权重和隶属度，对所有因素进行加权平均，得出 最终的综合评判结果。
02
模糊集合与隶属函数
模糊集合的概念
模糊集合
在经典集合论中，一个对象要么完全 属于某个集合，要么完全不属于该集 合。但在模糊集合中，一个对象可以 部分地属于某个集合。
模糊集合的表示
通常用大括号 {} 表示一个集合，在括 号内用小括号 () 括起来的元素表示该 集合中的成员。例如，A = {(x, y) | y = x^2} 表示一个曲线集合。
隶属函数的定义与分类
隶属函数
用于描述模糊集合中元素属于该集合 的程度。它是一个函数，输入为一个 元素，输出为一个介于0和1之间的实 数，表示该元素属于该集合的隶属度。
分类
根据不同的分类标准，隶属函数可以 分为不同的类型。例如，按照形状可 以分为三角形、梯形、高斯型等；按 照参数化可以分为非参数化、半参数 化、参数化等。
模糊综合评判法(原理)
目
CONTENCT
录
• 模糊综合评判法概述 • 模糊集合与隶属函数 • 模糊矩阵的运算与模糊关系 • 模糊综合评判的步骤与实例 • 模糊综合评判法的改进与发展
01
模糊综合评判法概述
定义与特点
定义
模糊综合评判法是一种基于模糊数学和模糊逻辑的决策方法，用 于解决具有模糊性和不确定性问题的评价和决策。
模糊关系的扩展
将一个普通关系扩展为模糊关系，以便在模糊逻辑中使用。
模糊关系的传递性
模糊关系的传递性定义
如果对于任意三个模糊集合A、B和C，有A∩B=A∩C且A∪B=A∪C，则称A与 B的交集和并集分别等于A与C的交集和并集，即A与B的传递性。
模糊关系传递性的性质
模糊综合评价法
模糊综合评价法原理模糊综合评价法是一种基于模糊数学的综合评价方法，它应用模糊关系综合的原理，将一些界限不清、难以量化的因素量化，进行综合评价。
这种综合评价方法根据模糊数学的隶属度理论，将定性评价转化为定量评价，即利用模糊数学对受多种因素制约的事物或对象进行总体评价。
它具有结果明确、系统性强的特点，能解决模糊、难以量化的问题，适用于解决各种不确定性问题。
其特点是评价结果不是绝对肯定或否定的，而是用一个模糊集来表示。
模糊综合评价通常由目标层和指标层组成。
通过指标层与评价集之间的模糊关系矩阵(即隶属度矩阵)，可以得到目标层对评价集的隶属度向量，从而得到目标层的综合评价结果。
隶属度和隶属度矩阵是模糊综合评价的关键概念。
计算步骤1、确定评价对象的因素集设U={u1,u2,...,um}为刻画被评价对象的m种评价因素（评价指标），其中：m是评价因素的个数，由具体的指标体系所决定。
2、确定评价对象的评语集设V={v1,v2,...,vn},是评价者对被评价对象可能做出的各种总的评价结果组成的评语等级的集合，一般划分为3-5个等级。
3、确定评价因素的权重向量设A=（a1,a2,...,am）为权重分配模糊矢量，其中ai表示第i个因素的权重，要求a1+a2+...+am=1，A反映了各因素的重要程度。
在模糊综合评价中，权重会对最终的评价结果产生很大的影响，不同的权重有时会得到完全不同的结论。
现在权重一般是凭经验给的，但很主观。
确定权重的方法有:(1)专家估计法；(2)加权平均法:当专家人数少于30人时，可采用此方法。
先由多位专家独立给出各因素的权重，然后取各因素的平均值作为其权重；(3)频率分布测定的权重法；(4)模糊协调决策方法:贴近度和贴近度选择原则；(5)层次分析法。
4、进行单因素模糊评价，确立模糊关系矩阵R5、综合评价6、对模糊综合评价结果进行定量分析模糊综合评价的结果是被评价对象对各等级模糊子集的隶属度，它一般是一个模糊矢量，而不是一个值，因而他能提供的信息比其它方法更丰富。
模糊综合评价法
模糊综合评价法模糊综合评价法（Fuzzy Comprehensive Evaluation）是一种常用的多指标决策方法，它可以在不确定、模糊的条件下对不同选项进行评估和排序。
该方法通过将不同指标的评价结果用模糊集合表示，结合权重和评价等级，最终得出各选项的综合评估结果。
本文将介绍模糊综合评价法的概念、基本步骤和具体应用。
模糊综合评价法的核心思想是将模糊集合理论与评价方法相结合，从而克服了传统评价方法只考虑确定性条件下的不足。
在现实问题中，往往存在不确定和模糊的因素，无法用简单的数学模型描述。
而模糊综合评价法可以通过模糊集合的运算和推理，对这些模糊因素进行量化和评估。
模糊综合评价法的基本步骤如下：1. 确定评价指标：根据评价对象的特征和目标，确定几个关键评价指标。
这些指标应该能够反映出评价对象的综合性能。
2. 构建评价集合：对于每个评价指标，需要构建其对应的模糊集合。
模糊集合由隶属函数表示，它可以描述事物的不同特征和评价等级之间的关系。
3. 确定权重：为不同评价指标确定权重，反映出它们在综合评价中的重要性。
常用的方法有主观赋权、层次分析法等。
4. 进行评价计算：根据评价指标的隶属函数和权重，对每个指标进行评估计算。
通常采用隶属度最大值法、隶属度平均值法等方法。
5. 综合评价：将各个指标的评估结果综合起来，得出最终的综合评价结果。
可以通过加权平均法、熵权法等进行综合。
模糊综合评价法在实践中有着广泛的应用。
它可以用于企业绩效评估、项目可行性分析、人才选拔、产品质量评价等领域。
通过综合考虑多个指标，可以更全面地评估对象的优劣，为决策提供科学依据。
然而，模糊综合评价法也存在一些问题和挑战。
首先，评价指标的选择和权重的确定往往具有主观性，不同人对同一指标的看法可能存在差异。
其次，模糊综合评价法的计算过程较为繁琐，需要较高的数学基础和专业知识。
最后，由于模糊综合评价法忽略了指标之间的相互关系，可能导致评价结果的不准确性。
模糊数学综合评价法
模糊数学综合评价法模糊综合评价法（fuzzy prehensive evaluation method）模糊数学综合评价法 1模糊综合评价法是一种基于模糊数学的综合评标方法。
该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。
它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。
模糊数学综合评价法 2为了便于描述，依据模糊数学的基本概念，对模糊综合评价法中的有关术语定义如下：1．评价因素（F）：系指对招标项目评议的具体内容（例如，价格、各种指标、参数、规范、性能、状况，等等）。
为便于权重分配和评议，可以按评价因素的属性将评价因素分成若干类（例如，商务、技术、价格、伴随服务，等），把每一类都视为单一评价因素，并称之为第一级评价因素（F1）。
第一级评价因素可以设置下属的第二级评价因素（例如，第一级评价因素“商务”可以有下属的第二级评价因素：交货期、付款条件和付款方式，等）。
第二级评价因素可以设置下属的第三级评价因素（F3）。
依此类推。
2．评价因素值（Fv）：系指评价因素的具体值。
例如，某投标人的某技术参数为120，那么，该投标人的该评价因素值为120。
3．评价值（E）：系指评价因素的优劣程度。
评价因素最优的评价值为1（采用百分制时为100分）；欠优的评价因素，依据欠优的程度，其评价值大于或等于零、小于或等于1（采用百分制时为100分），即0≤E≤1（采用百分制时0≤E≤100）。
4．平均评价值（Ep）：系指评标委员会成员对某评价因素评价的平均值。
平均评价值（Ep）＝全体评标委员会成员的评价值之和÷评委数5．权重（W）：系指评价因素的地位和重要程度。
一级评价因素的权重之和为1；每个评价因子的下一个评价因子的权重之和为1。
6．加权平均评价值（Epw）：系指加权后的平均评价值。
加权平均评价值（Epw）＝平均评价值（Ep）×权重（W）。
模糊综合评价法和层次分析法比较
模糊综合评价法和层次分析法比较综合评价是一种对事物进行全面、系统评价的方法，它能综合考虑多个因素的权重和影响程度，帮助我们做出准确的判断和决策。
在综合评价的方法中，模糊综合评价法和层次分析法是其中两种常用的方法。
本文将对这两种方法进行比较，探讨其优势和适用情况。
一、模糊综合评价法模糊综合评价法是一种基于模糊数学理论的方法，它克服了传统综合评价方法中不能进行模糊量化的不足。
该方法主要通过建立模糊评价矩阵，从而得出最终的评价结果。
在模糊综合评价法中，首先需要建立模糊评价集合。
这个集合可以包括多个指标或条件，每个指标都有一个模糊集来描述其模糊性。
然后，通过模糊数学中的运算方法，如模糊加、模糊减、模糊乘等，对这些模糊集进行运算和模糊化处理。
最后，通过对结果进行整理和归纳，得出最终的评价结果。
模糊综合评价法的优势在于它可以处理真实世界中存在的模糊不确定性。
由于模糊综合评价法引入了模糊数学的概念，使得评价结果更贴近实际情况，更能反映事物的复杂性和多样性。
二、层次分析法层次分析法是一种系统分析方法，用于解决多层次、多指标的决策问题。
该方法通过将问题层次化，将整体问题划分为若干个层次，并对不同层次的元素进行比较和评价。
在层次分析法中，首先需要建立一个层次结构模型，将整个评价问题分解为若干个层次和元素。
然后，通过构造判断矩阵，对不同层次的元素进行两两比较，得出它们之间的相对权重。
最后，通过对权重进行归一化处理，得出最终的评价结果。
层次分析法的优势在于它可以有效地分析和比较复杂问题中的各个因素的重要性。
通过对不同层次的元素进行比较和权重分配，层次分析法能够更加客观地反映问题的实际情况，提供决策的科学依据。
三、比较模糊综合评价法和层次分析法在评价过程和结果表达上存在一些区别。
在评价过程上，模糊综合评价法更加注重对模糊性的处理。
它通过对模糊评价集合进行模糊运算和模糊化处理，能够更好地处理评价指标的模糊性和不确定性。
而层次分析法更加注重对复杂问题的分解和比较。
模糊综合评价法
模糊综合评价法模糊综合评价当需要对评价对象做出客观全⾯的评价，但是存在⼤量的模糊性的概念，⽐如⼀个⼈的好坏这样的主观因素会起很⼤作⽤，会使很多指标都⽆法量化，这时就很适合⽤模糊综合评价。
⼀级模糊综合评判1. 确定因素集把所有需要评价的指标构成⼀个集合，即因素集U={u1,u2,...u n}其中的每个u i就为⼀个评价指标2. 确定评语集由于每个指标的评价值不同，那么我们需要有⼀个等级制度来评判各个指标把所有等级构成⼀个集合，即为评语集V={v1,v2,...,v m}⽐如V={好，较好，中等，较差，差}3. 确定各个因素的权重W=[w1,w2,...,w n]$w_i$为第i个元素的权重，且满⾜$\sum_{k=1}^{n}w_i=1$确定权重的⽅法有不少，如Delphi法，加权平均法，众⼈评估法等4. 确定模糊综合评价矩阵对于第i个评价指标u i来说，它有m个评语，我们把对它的评判向量记为R iR i=[r i1,r i2,...,r im]那么对各个指标的总模糊综合评价矩阵就为R=[R1,R2,...R n]它是⼀个从U到V的模糊关系矩阵，即是从因素到评语的关系5. 综合评判综合评价结果B就是权重W和关系矩阵R的乘积，即B=W.R那么最后的评价结果就是B=[b1,b2,...,b m]中最⼤的⼀个元素多层次的模糊综合评价1. 实际上多层次的分析就是在单层次的分析上在多⼀次分析就可由第⼀级的分析得到⼀级评判向量B=[b1,b2,...,b m]。
2. B的权重为A=[a1,a2,....a m]3. ⼆级评判向量B2为B2=A.B4. 故也可以继续推出第三级，第四级，甚⾄更⾼层次的步骤。
Processing math: 100%。
模糊综合评价法和层次分析法比较
模糊综合评价法和层次分析法比较模糊综合评价法和层次分析法是两种常见的决策支持方法，它们在不同的领域和情境下被广泛应用。
本文将比较这两种方法，分析它们的优缺点以及适用范围。
一、模糊综合评价法模糊综合评价法是一种基于模糊数学理论的决策方法，通过对评价指标的模糊化处理，将不确定性因素引入决策过程中。
该方法的基本步骤包括问题建模、模糊化处理、建立模糊判断矩阵、确定权重和综合评价。
1. 优点- 能够处理决策过程中的不确定性和模糊性，适用于评价指标难以量化的情况；- 能够灵活地应对不同的问题，适用性广泛；- 算法相对简单，易于操作和理解；- 能够考虑到多个因素之间的相互影响，综合了多个评价指标，提高了决策的准确性。
2. 缺点- 对指标权重的确定比较主观，容易受到决策者的主观偏好影响；- 对评价指标的模糊化处理存在一定的主观性；- 结果的可解释性相对较差，不利于分析和决策结果的有效传达。
二、层次分析法层次分析法是一种基于分层结构的决策方法，通过构建层次结构模型，对决策问题进行分解和层次化处理，然后进行判断矩阵的构建和权重的确定，最后综合得出最优方案。
1. 优点- 相对客观可靠，能够减少主观因素对决策结果的影响；- 结果具有良好的可解释性和可比性；- 能够很好地反映各个评价指标之间的相对重要性；- 算法相对简单，易于操作。
2. 缺点- 只能处理定性指标的权重确定问题，对定量指标的处理能力有限；- 在处理复杂决策问题时，模型可能变得庞大和复杂，计算量增加；- 在处理有环结构的问题时，可能会导致矛盾结果。
三、比较与适用范围1. 比较- 评价指标处理：模糊综合评价法将评价指标进行模糊化处理，层次分析法将评价指标进行层次化处理；- 确定权重方法：模糊综合评价法基于决策者的主观偏好确定权重，层次分析法通过专家判断和数学方法确定权重。
2. 适用范围- 模糊综合评价法适用于评价指标难以量化、不确定性较高的问题；- 层次分析法适用于多个评价指标之间具有内在关系的问题。
模糊综合评价法和层次分析法比较
模糊综合评价法和层次分析法比较在决策分析领域，模糊综合评价法和层次分析法是常用的两种数学方法。
它们都具有一定的优势和适用范围，但也存在一些差异。
本文将对这两种方法进行比较，以便读者能够更好地了解它们的特点和应用场景。
一、概念简介1. 模糊综合评价法：模糊综合评价法是一种基于模糊数学理论来进行定性和定量分析的方法。
它通过建立模糊综合评价模型，将模糊的评价指标转化为数值计算，得到最终的评价结果。
2. 层次分析法：层次分析法是一种多层次的决策分析方法，它通过建立层次结构模型，将复杂的决策问题分解为一系列层次和因素，利用专家的判断和对比，计算出每个因素的权重，并最终得出决策结果。
二、比较分析1. 方法特点比较：(1) 模糊综合评价法适用于评价指标多样性大、评价对象模糊不清的情况，能够处理具有模糊性和不确定性的决策问题。
而层次分析法则更适合于因素之间具有明确关系和层次结构的决策问题。
(2) 模糊综合评价法使用模糊数学理论进行计算，能够有效地处理定性和定量的评价指标，反映出不同指标之间的相互关系。
而层次分析法则通过对比和判断，计算出因素的权重，能够准确地反映各因素对决策结果的重要性。
2. 优缺点比较：(1) 模糊综合评价法的优点在于能够处理决策问题中的模糊性和不确定性，评价结果更符合实际情况。
但是，它在计算过程中对数据的要求较高，需要专家对评价指标进行准确的模糊量化。
(2) 层次分析法的优点在于能够将决策问题分解为层次结构，使得决策过程更加清晰和透明。
同时，它对专家的知识和经验要求较低，适用范围更广。
但是，层次分析法在处理模糊性和不确定性方面的能力相对较弱。
三、应用选择1. 模糊综合评价法适用于：(1) 评价指标多样性大、难以精确量化的决策问题；(2) 评价对象模糊、边界不明确的决策问题；(3) 对评估结果要求较为精细和准确的决策问题。
2. 层次分析法适用于：(1) 因素之间存在明确关系和层次结构的决策问题；(2) 需要对因素的重要性进行准确评估的决策问题；(3) 对专家知识和经验要求较低的决策问题。
- 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)。
指标
很好
好
一般
差
疗效
治愈
显效
好转
无效
住院日
≤15
16~20
21~25
＞25
费用（元）
≤1400
1400~1800
1800~2200
＞2200
表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
住院日
01年 02年
01年 02年
160 170
180 200
380 410
250 310
R1 (0.2,0.5,0.3,0)
同理，对存储容量 u2 ，运行速度 u3 ，外设配置
u4 和价格
u5 分别作出单因素评价，得
R2 (0.1,0.3,0.5,0.1)
R3 (0,0.4,0.5,0.1)
R4 (0,0.1,0.6,0.3)
R5 (0.5,0.3,0.2,0.0)
(0.35,0.3,0.3,0.15)
若进一步将结果归一化得：
B (0.32,0.27,0.27,0.14)
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”的程度为0.27，“不 受欢 迎”的程度为0.14。按最大隶属原则，结论是：“很受欢 迎”。
模糊集合论的基础知识
定义1： 从论域U到闭区间[0,1]的任意一个映 射： A :U 0,1 ，对任意 A u u∈U， Au ，Au 0,1 ，那么 A 叫做 A u 叫做u的隶属函数，也 U的一个模糊子集， 记做 u 。
A
模糊集合论的基础知识
((0.1 0.2) (0.1 0.1) (0.3 0.0) (0.15 0.0) (0.35 0.5), (0.1 0.5) (0.1 0.3) (0.3 0.4) (0.15 0.1) (0.35 0.3), (0.1 0.3) (0.1 0.5) (0.3 0.5) (0.15 0.6) (0.35 0.2), (0.1 0.0) (0.1 0.1) (0.3 0.1) (0.15 0.3) (0.35 0.0)) (0.1 0.1 0.0 0.0 0.35, 0.1 0.1 0.3 0.15 0.2, 0.1 0.1 0.3 0.1 0.3, 0.0 0.1 0.1 0.15 0.0)
运算功能 存储容量 运行速度
外设配置
价格
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：
A (0.1,0.1,0.3,0.15,0.35)
作模糊变换：
0 .2 0 .1 0 .0 (0.1 0.1 0.3 0.15 0.35) 0 .0 0 .5
引言
用数学的眼光看世界，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”，“小伙子很帅”，…等 等。
此话准确吗？有多大的水分？靠模糊数学去刻画。
0.8 0.8 0.7 0.3
算子
(4)
M ( , )
m , k 1, 2 ,, n s k min 1 , r j jk j 1
(0.3 0.30 0 .3 0 .4 0 .2 0 .1 0 .2 0 .2 0 .3 0 .2
0.3 0.3 0.3 0.2
算子
(2) M (,)算子
s k ( j r jk )＝ max j r jk , k 1 , 2 , , n
m j 1 1 j m
(0.3 0.3 0.4)
0 .5 0 .3 0 .2 0 0.3 0.4 0.2 0.1 0.15 0.12 0.12 0.08 0 .2 0 .2 0 .3 0 .2
常用表示方法
模糊集合论的基础知识
模糊集合论的基础知识
模糊集合论的基础知识
模糊集合论的基础知识
模糊集合论的基础知识
模糊集合的运算
模糊集合论的基础知识
模糊集合论的基础知识
模糊集合论的基础知识
分解定理
模糊数学应用
模糊综合评价 模糊综合评价的一般步骤如下： （1） 确定评价对象的因素集； （2） 确定评语集； （3） 作出单因素评价； （4） 综合评价。 例：评价某种牌号的手表U＝{x1,x2,x3,x4}，其中x1 表示外观式样，x2表示走时准确，x3表示价格，x4 表示质量。 评语集为V＝{y1,y2,y3}，其中y1表示很满意，y2表 示满意，y3表示不满意。
• 术语来源
Fuzzy: 毛绒绒的，边界不清楚的
模糊，不分明，弗齐，弗晰，勿晰
模糊数学的产生与基本思想
•产生 1965年，L.A. Zadeh（扎德） 发表了文章《模糊集 》
(Fuzzy Sets，Information and Control, 8, 338-353 )
•基本思想
用属于程度代替属于或不属于。 某个人属于秃子的程度为0.8, 另一个人属于 秃子的程度为0.3等.
R1 ,
R2 , R3 , R4 ,
R5 组合成评判矩阵 R
0 .2 0 .1 R 0 .0 0 .0 0 .5
0 .5 0 .3 0 .0 0 .3 0 .5 0 .1 0 .4 0 .5 0 .1 0 .1 0 .6 0 .3 0 .3 0 .2 0 .0
算子
(1) M (,)算子
s k ( j r jk )＝ maxmin j , r jk
m j 1 1 j m
,
k 1, 2 ,, n
(0.3 0.3 0.4)
0 .5 0 .3 0 .2 0 0 .3 0 .4 0 .2 0 .1 0 .2 0 .2 0 .3 0 .2
模糊综合评价
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
W {0.3,0.3,0.4}
模糊综合评价
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
R1 0.5 , 0.3 , 0.2 , 0
R2 0.3 , 0.4 , 0.2 , 0.1
R1 0.5 0.3 0.2 0 R R2 0.3 0.4 0.2 0.1 R 0.2 0.2 0.3 0.2 3
模糊综合评判法
•模糊数学基本概念 •隶属度的含义及确定【重点】 •模糊集合的表示方法 •模糊集合的运算【重点、难点】 •模糊集合分解定理【重点、难点】
•模糊综合评判法的步骤
•常见模糊算子【重点、难点】 •模糊综合评判法的应用【重点、难点】
什么是模糊数学
•模糊概念
秃子悖论: 天下所有的人都是秃子
设头发根数n n=1 显然
u1 =“运算功能（数值、图形等）”；
u2 =“存储容量（内、外存）”； u3 =“运行速度（CPU、主板等）”； u4 =“外设配置（网卡、调制调解器、多媒体部件等）”； u5 =“价格”。
称
U {u1 , u2 , u3 , u4 , u5} 因素集。
评语集 V {v1 , v2 , v3 , v4 } 其中
20 10
(3) 模糊向量单值化
c
k c s i i i 1 k s i i 1 n
n
模糊综合评价
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1，病人医疗质量各等级频数分 布见表2．
算子
(3)
M ( , )
m s k min1 , min j , r jk , k 1 , 2 , , n j 1
(0.3 0.3 0.4)
0 .5 0 .3 0 .2 0 0 .3 0 .4 0 .2 0 .1 0 .2 0 .2 0 .3 0 .2
0.8 0.8 0.7 0.3
模糊综合评价
以上四个算子在综合评价中的特点是
模糊综合评价
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 M max(S1 , S 2 ,, S n ) (2) 加权平均原则 ( ) s
BA R
0 .5 0 .3 0 .0 0 .3 0 .5 0 .1 0 .4 0 .5 0 .1 0 .1 0 .6 0 .3 0 .3 0 .2 0 .0
((0.1 0.2) (0.1 0.1) (0.3 0.0) (0.15 0.0) (0.35 0.5), (0.1 0.5) (0.1 0.3) (0.3 0.4) (0.15 0.1) (0.35 0.3), (0.1 0.3) (0.1 0.5) (0.3 0.5) (0.15 0.6) (0.35 0.2), (0.1 0.0) (0.1 0.1) (0.3 0.1) (0.15 0.3) (0.35 0.0))