模糊综合评价法
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问题中，评价方法的选择对于得出准确的结论至关重要。
模糊综合评价法和层次分析法是两种常用的评价方法，它们各自有着不同的特点和适用范围。
本文将对这两种方法进行比较，并分析它们的优缺点及适用场景。
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。
它能够处理一些无法精确描述的决策问题，具有一定的模糊性。
模糊综合评价法的主要步骤包括：建立评价指标体系、建立模糊评价矩阵、确定模糊数的隶属度函数、计算权重系数、模糊综合评价以及结果分析。
模糊综合评价法的优点在于可以处理非常模糊的信息，对于具有一定主观性的问题有着较好的适应性。
其模糊矩阵可以对决策变量之间的关系进行直观表示，提高了决策的可理解性。
此外，模糊综合评价法还能够灵活地处理多个评价指标之间的关系，适用于复杂问题的决策。
然而，模糊综合评价法也存在一些缺点。
首先，模糊综合评价法在建立模糊矩阵时需要依赖专家的主观评价，其可靠性存在一定的局限性。
其次，在计算权重系数时，需要对每个指标的重要性进行模糊隶属度函数的设定，这可能会引入一定的主观偏差。
另外，由于模糊综合评价法对决策问题的要求较高，需要专业的知识和经验支持，所以在应用中需要慎重选择。
二、层次分析法层次分析法是一种将复杂问题分解为多个层次结构，并通过定量分析和专家判断来确定各个层次的权重的方法。
层次分析法的主要步骤包括：构建层次结构模型、确定判断矩阵、计算权重向量、一致性检验以及结果分析。
层次分析法的优点在于可以将复杂的决策问题分解为多个相对简单的子问题进行处理，提高了问题的可解性和可行性。
其通过定量化的方式确定各个层次的权重，减少了主观性的干扰。
此外，层次分析法具有较好的一致性检验方法，可以对决策结果的可靠性进行判断。
然而，层次分析法也存在一些不足之处。
首先，层次分析法在评价指标比较多或问题比较复杂时，计算量较大，耗时较长。
其次，层次分析法在构建判断矩阵和确定权重向量时，需要征求专家的意见和判断，其可靠性和准确性也受到专家主观因素的影响。
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。
AHP-模糊综合评判法
11
【引例】科研成果评价
假设评价科研成果，评价指标集合
U={u1 ，u2 ，u3}
={学术水平，社会效益，经济效益}，
其各因素权重设为
A {0.3,0.3,0.4}
12
确定评语集为V= {V1 ，V2 ，V3 ，V4} ={很好，好，一般，差}
26
评语集 V {v1 , v2 , v3 , v4 } 其中
v3 =“不太受欢迎”； v1 =“很受欢迎”；v2 =“较受欢迎”；
v4 =“不受欢迎”；
对于某个型号的电脑，请一些用户对各因素进行评价： 若对于运算功能
u1 ,有20%的人认为是“很受欢迎”，50%的
的单因素评价向量为
人认为“较受欢迎”，30%的人认为“不太受欢迎” ，没有
对各指标分别表示如下：
u1 =“运算功能（数值、图形等）”； u 2 =“存储容量（内、外存）”； u3 =“运行速度（CPU、主板等）”； u 4 =“外设配置（网卡、调制调解器、多媒体部件等）”；
u5 =“价格”。
则
U {u1 , u2 , u3 , u4 , u5} 构成指标集或因素集。
R1 ,
R2 , R3 , R4 ,
R5 组合成评判矩阵 R
28
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
A2 (0.4,0.35,0.15,0.1)
23
（5）用算子 M (,) 计算综合评判为
ahp-模糊综合评价法
AHP-模糊综合评价法是一种将层次分析法（AHP）与模糊综合评价法相结合的评价方法。
这种方法结合了AHP的层次化、结构化的思维过程和模糊综合评价法的模糊数学处理，使得在复杂问题的决策过程中，可以更加科学、准确地进行评价。
AHP的应用可以使决策者的思维过程化、主观判断规范化和数量化。
通过将与问题相关的因素划分成目标、准则和方案等多个层次，AHP能够在结合实际的情况下，科学地计算各层次中因素重要性的权重值。
这有助于决策者进行合理的决策。
而模糊综合评价法则是基于模糊数学的一种评价方法。
它将考察对象的基本特征和影响因素组合成模糊集合，通过建立相应的隶属函数，进行集合的变换运算，从而对考察对象进行定量分析，并制定综合评价的方法。
这种方法特别适用于处理那些受多个影响因子综合作用，且评价对象具有模糊性的问题。
将AHP与模糊综合评价法相结合，可以发挥两者的优势。
首先，通过AHP确定各因素的权重，这有助于在评价过程中区分不同因素的重要性。
其次，利用模糊综合评价法对因素进行模糊评价，可以处理评价对象中的模糊性，使评价结果更加全面、准确。
总的来说，AHP-模糊综合评价法是一种有效的多属性决策方法，特别适用于处理复杂、模糊的评价问题。
这种方法在企业管理、项目评估、环境评价等领域有着广泛的应用前景。
模糊综合评价法
3、进行单因素评价，建立模糊关系矩阵R
单独从一个因素出发进行评价，以确定评价对象 对评价集合V的隶属程度，称为单因素模糊评价。 在构造了等级模糊子集后，就要逐个对被评价对象 从每个因素 u i ( i = 1, 2 , L , m ) 上进行量化，也就是确 定从单因素来看被评价对象对各等级模糊子集的隶 属度，进而得到模糊关系矩阵：
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： 层次分析法 Delphi法 加权平均法 专家估计法
5、多因素模糊评价
利用合适的合成算子将A与模糊关系矩阵R合成得 到各被评价对象的模糊综合评价结果向量B。 R中不同的行反映了某个被评价对象从不同的单 因素来看对各等级模糊子集的隶属程度。用模糊权 向量A将不同的行进行综合就可以得到该被评价对 象从总体上来看对各等级模糊子集的隶属程度，即 模糊综合评价结果向量B。
常用的模糊合成算子有以下两种： M (∧ ， ) 算子： ∨
b j = ∨ (a i ∧ rij ) = max {min (a i , rij )} j = 1, 2 , L , n ,
m i =1 1≤ i ≤ m
M (⋅， ) 算子： ∨
b j = ∨ (a i , rij ) = max
m i =1
ri = (ri1 , ri 2 , L , rim ) 来刻画的（在其他评价方法中多
是由一个指标实际值来刻画，因此从这个角度讲， 模糊综合评价要求更多的信息），r i 称为单因素评 价矩阵，可以看作是因素集U和评价集V之间的一种 模糊关系，即影响因素与评价对象之间的“合理关 系”。
在确定隶属关系时，通常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打分 ，然后统计打分结果，然后可以根据绝对值减数法 求得 r ij ，即：
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%。
模糊综合分析法
模糊综合评价法模糊综合评价法是一种基于模糊数学的综合评价方法。
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。
中文名模糊综合评价法理论依据模糊数学属性综合评标方法提出人查德模糊集合理论(fuzzy sets)的概念于1965 年由美国自动控制专家查德（L．A．Zadeh）教授提出，用以表达事物的不确定性。
术语定义为了便于描述，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）：是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）：是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）：是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）：是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）：是指评价因素的地位和重要程度。
第一级评价因素的权重之和为1；每一个评价因素的下一级评价因素的权重之和为1 。
模糊综合评价方法
模糊综合评价方法
1.建立评价指标体系：根据评价对象的性质和评价目标，建立评价指
标体系。
评价指标体系应具有科学性、全面性和可操作性，包括定性指标
和定量指标。
2.构建评价模型：根据评价指标体系的准则层和子准则层，采用层次
分析法或层次分解法构建评价模型。
通过对指标之间的层次关系进行定量
分析，确定每个指标的权重，并将其转化为模糊权重。
3.收集评价数据：根据评价指标体系，收集评价数据。
评价数据可以
是具体数值，也可以是模糊数值或模糊语言，通过对数据进行模糊化处理，将其转化为模糊数值。
4.建立模糊评价矩阵：将收集到的评价数据构建成模糊评价矩阵。
模
糊评价矩阵是一个模糊数矩阵，其中每个元素代表一个指标对应的模糊评价。
5.计算模糊评价值：通过模糊综合运算，计算出模糊评价值。
常用的
模糊综合运算方法有模糊加法、模糊乘法、模糊加权平均等。
6.做出评价决策：根据模糊评价值，进行评价决策。
可以通过与模糊
评价值相对应的评价等级或评价区间来进行判断和决策。
需要注意的是，模糊综合评价方法的可行性和有效性依赖于评价指标
体系的合理性和模糊度的合理界定。
评价指标体系应尽可能全面反映评价
对象的特征，模糊度的合理界定可以通过专家知识和历史数据进行确定。
- 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)。
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R
5、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。
对多个评价对象比较并排序，就需要进一步处理，即计算每个评价对象的综合分值，按大小排序，按序则优，将综合评价结果B转换为综合分值，于是可依其大小进行排序，从而挑选出最优者。
案例
1、一级模糊综合评判在人事考核中的应用
以某单位员工年终综合考评为例。
（1）取因素集U={政治表现u1,工作能力u2,工作态度u3,工作成绩u4}
（2）取评语集V={优秀v1,良好v2,一般v3,较差v4,差v5}
（3）确定各因素权重：A=[0.25,0.2,0.25,0.3]
（4）确定模糊综合判断矩阵：
u1由群众评议打分来确定：R1=[0.1,0.5,0.4,0,0]
u2、u3由部门领导打分来确定：
R2=[0.2,0.5,0.2,0.1,0]，R3=[0.2,0.5,0.3,0,0]
u4由单位考核组成员打分来确定：
R4=[0.2,0.6,0.2,0,0]
（5）模糊综合评判，进行矩阵合成运算
R=[R1;R2;R3;R4]
B=A·R=[0.175,0.53,0.275,0.02,0]
（6）综合分数转换
S=B×P=[0.175,0.53,0.275,0.02,0]×[5,4,3,2,1]T=3.86
根据最大隶属度可知：评判结果为良好，综合分数为
3.86
2、多层次糊综合评判在人事考核中的应用
（1）先对各个子因素进行一级模糊综合评判：
B1=A1·R1
B2=A2·R2
B3=A3·R3
B4=A4·R4
（2）最后二级模糊综合评判：
R=[B1;B2;B3;B4]
B=A·R
优缺点
（一）模糊综合评价法的优点：
模糊评价通过精确的数字手段处理模糊的评价对象，可以对带有模糊信息的数据做出更加科学、合理、真实的定量评价。
评价结果是一个向量，而不是一个点的值，包含了丰富的信息，不仅可以准确刻画被评价对象，还可以进一步处理得到参考信息。
（二）模糊综合评价法的缺点：
1、计算复杂，对指标权重矢量的确定主观性较强；
2、当指标集U较大，即指标集个数凡较大时，在权矢量和为1的条件约束下，相对隶属度权系数往往偏小，权矢量与模糊矩阵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。