模糊综合评判
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。
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
模糊综合评价法讲解
B1=(0.46,0.18,0.12,0.12,0.12) B2=(0.17,0.17,0.42,0.12,0.12) 若规定评价“好”“较好”要占50%以上才可晋升， 则此教师晋升为教学型教授，不可晋升为科研型教
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），ri 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
1.80 1.93 0.87 1.12 1.21 0.87 0.89 2.52 0.81 0.82 1.01
A＝（0.2，0.3，0.5）
专家评价结果表
由上表，可得甲、乙、丙三个项目各自 的评价矩阵P、Q、R：
0.7 0.2 0.1 P 0.1 0.2 0.7
0.3 0.6 0.1
0.3 0.6 0.1 Q 1 0 0
0.7 0.3 0
0.1 0.4 0.5 R 1 0 0
0.1 0.3 0.6
例3：“晋升”的数学模型，以高校教师晋 升教授为例
因素集：
U={政治表现及工作态度，教学水平，科 研水平，外语水平}；
评判集：
V={好，较好，一般，较差，差}；
（1）建立模糊综合评判矩阵
当学科评审组的每个成员对评判的对象进 行评价，假定学科评审组由7人组成，用打分 或投票的方法表明各自的评价
模糊数学中的模糊综合评判-教案
模糊数学中的模糊综合评判-教案一、引言1.1模糊数学的背景与重要性1.1.1模糊数学的产生与发展1.1.2模糊数学在现代科技中的应用1.1.3模糊数学与传统数学的区别与联系1.1.4模糊数学的研究对象与方法1.2模糊综合评判的概述1.2.1模糊综合评判的定义1.2.2模糊综合评判的基本思想1.2.3模糊综合评判的应用领域1.2.4模糊综合评判的意义与价值1.3教学目标与意义1.3.1培养学生的模糊数学思维1.3.2提高学生解决实际问题的能力1.3.3拓宽学生的知识视野1.3.4增强学生的创新意识二、知识点讲解2.1模糊集合与隶属度2.1.1模糊集合的定义与表示2.1.2隶属度的概念与计算方法2.1.3模糊集合的运算2.1.4模糊集合的性质与应用2.2模糊关系与模糊矩阵2.2.1模糊关系的定义与表示2.2.2模糊矩阵的概念与运算2.2.3模糊关系的合成2.2.4模糊关系在模糊综合评判中的应用2.3模糊综合评判方法2.3.1模糊综合评判的数学模型2.3.2模糊综合评判的步骤与方法2.3.3模糊综合评判结果的解释与分析2.3.4模糊综合评判的改进与发展三、教学内容3.1模糊综合评判的理论基础3.1.1模糊集合论3.1.2模糊关系与模糊矩阵3.1.3模糊逻辑与模糊推理3.1.4模糊综合评判的基本原理3.2模糊综合评判的应用案例3.2.1经济管理领域的应用3.2.2工程技术领域的应用3.2.3医疗诊断领域的应用3.2.4社会科学领域的应用3.3模糊综合评判的教学方法与策略3.3.1理论教学与实践教学相结合3.3.2案例分析与讨论3.3.3课后作业与练习3.3.4教学评价与反馈四、教学目标4.1知识与技能目标4.1.1理解模糊综合评判的基本概念和原理4.1.2掌握模糊综合评判的计算方法和步骤4.1.3能够运用模糊综合评判解决实际问题4.1.4能够分析和解释模糊综合评判的结果4.2过程与方法目标4.2.1培养学生的逻辑思维和抽象思维能力4.2.2提高学生的数据分析和处理能力4.2.3增强学生的团队合作和沟通能力4.2.4培养学生的创新意识和解决问题的能力4.3情感、态度与价值观目标4.3.1培养学生对模糊数学的兴趣和热情4.3.2增强学生对数学应用的认识和理解4.3.3培养学生的批判性思维和科学态度4.3.4培养学生的社会责任感和职业道德五、教学难点与重点5.1教学难点5.1.1模糊集合和隶属度的理解5.1.2模糊关系的合成和应用5.1.3模糊综合评判的计算步骤和方法5.1.4模糊综合评判结果的分析和解释5.2教学重点5.2.1模糊集合的表示和运算5.2.2模糊关系的定义和性质5.2.3模糊综合评判的数学模型和步骤5.2.4模糊综合评判在实际问题中的应用5.3教学策略5.3.1采用直观的图示和实例讲解模糊集合和隶属度5.3.2通过案例分析和讨论加深对模糊关系的理解5.3.3运用实际数据演示模糊综合评判的计算过程5.3.4引导学生进行问题讨论和小组合作，提高解决问题的能力六、教具与学具准备6.1教具准备6.1.1多媒体设备（如投影仪、电脑等）6.1.2教学软件（如MATLAB、Excel等）6.1.3教学模型或实物（如模糊控制器等）6.1.4教学课件或讲义6.2学具准备6.2.1笔记本或草稿纸6.2.2计算器或手机6.2.3相关教材或参考书籍6.2.4小组讨论材料（如案例研究、数据集等）6.3教学环境准备6.3.1安静、舒适的教学环境6.3.3适当的座位安排和教学布局6.3.4网络连接和必要的软件安装七、教学过程7.1导入新课7.1.1引入模糊综合评判的概念和应用背景7.1.2通过实例激发学生对模糊综合评判的兴趣7.1.3明确教学目标和要求7.1.4检查学生的基础知识准备情况7.2知识讲解与演示7.2.1讲解模糊集合和隶属度的概念和运算7.2.2通过实例演示模糊关系的合成和应用7.2.3介绍模糊综合评判的数学模型和步骤7.2.4分析和解释模糊综合评判的结果7.3练习与讨论7.3.1布置练习题，让学生独立完成7.3.2组织小组讨论，分享解题思路和答案7.3.3引导学生提出问题和疑惑，进行解答7.4案例分析与应用7.4.1提供实际案例，让学生运用模糊综合评判方法进行分析7.4.2引导学生讨论案例中的问题和解决方案7.4.3分享和展示学生的案例分析成果7.5.1回顾本节课的主要内容和知识点7.5.3提供反馈和评价，鼓励学生的进步和努力7.5.4布置课后作业和预习任务八、板书设计8.1知识框架8.1.1模糊集合与隶属度8.1.2模糊关系与模糊矩阵8.1.3模糊综合评判方法8.1.4模糊综合评判的应用8.2教学重点与难点8.2.1模糊集合的表示和运算8.2.2模糊关系的合成和应用8.2.3模糊综合评判的计算步骤和方法8.2.4模糊综合评判结果的分析和解释8.3教学案例与实例8.3.1经济管理领域的应用案例8.3.2工程技术领域的应用案例8.3.3医疗诊断领域的应用案例8.3.4社会科学领域的应用案例九、作业设计9.1基础练习题9.1.1模糊集合的运算9.1.2模糊关系的合成9.1.3模糊综合评判的计算9.1.4模糊综合评判结果的分析9.2案例分析题9.2.1经济管理领域的案例分析9.2.2工程技术领域的案例分析9.2.3医疗诊断领域的案例分析9.2.4社会科学领域的案例分析9.3思考与讨论题9.3.1模糊集合与经典集合的区别与联系9.3.2模糊关系在模糊综合评判中的作用9.3.3模糊综合评判方法的优势与局限性9.3.4模糊综合评判在现实生活中的应用前景十、课后反思及拓展延伸10.1教学反思10.1.1教学目标的达成情况10.1.2教学难点与重点的处理情况10.1.3教学方法与策略的有效性10.1.4学生的学习情况和反馈10.2拓展延伸10.2.1模糊数学在其他领域的应用10.2.2模糊综合评判与其他评判方法的比较10.2.3模糊综合评判的改进与发展10.2.4模糊数学的研究前沿与趋势重点关注环节的补充和说明：1.教学难点与重点的处理：在教学过程中，应注重讲解模糊集合和隶属度的概念，通过实例演示和练习加深学生的理解。
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%。
模糊综合评判法(原理)
0.1 0.4 0.5 B3 AR 3 0.2 0.3 0.5 1 0 0 0.37 0.23 0.40 0.1 0.3 0.6
根据最大隶属度原则，项目乙可推荐为优秀项目。
常用的模糊合成算子有以下四种
M ，
b j ai rij max min ai , rij , j 1,2, , n
模糊数学概述
1.确定性现象：物质的汽化、冷凝，运动的速率，这种现
象的规律性靠经典数学去刻画； 2.随机现象：某种事物的分布，故障发生的概率，这种现 象的规律性靠概率统计去刻画; 3.模糊现象：年轻、重、热、美、厚、薄、快、慢、大、 小、高、低、长、短、贵、贱、强、弱，靠模糊数学去刻 画。
j 1
n
k bj j
k b j j 1
n
其中，k为待定系数（k=1或2）目的是控制较大的bj所引起
的作用。当k—>∞时，加权平均原则就是为最大隶属原则。 实际中最常用的方法是最大隶属度原则，但在某些情况下 使用会有些很勉强，损失信息很多，甚至得出不合理的评 价结果。提出使用加权平均求隶属等级的方法，对于多个 被评事物并可以依据其等级位置进行排序。
用加权算子 M ( , )计算如下：
0.7 B1 AR 1 0.2 0.3 0.5 0.1 0.3 0.3 B 2 AR 2 0.2 0.3 0.5 1 0.7 0.2 0.1 0.2 0.7 0.32 0.40 0.28 0.6 0.1 0.6 0.1 0 0 0.71 0.27 0.02 0.3 0
r11 r12 r21 r22 B A R a1 , a2 ,, am r m1 rm 2 r1n r2 n b1 , b2 ,, bn rmn
模糊综合评价
2 模糊综合评价在对许多事物进行客观评判时，其评判因素往往很多，我们不能只根据某一个指标的好坏就作出判断，而应该依据多种因素进行综合评判，如技术方案的选择、经济发展的比较等.模糊综合评判可有效地对受多种因素影响的事物作出全面评价.2.1 理论介绍模糊综合评判通常包括以下三个方面：设与被评价事物相关的因素有n 个，记为12{,,,}n U u u u =，称之为因素集。
又设所有可能出现的评语有 m 个，记为12{,,,}m V v v v =，称之为评判集。
由于各种因素所处地位不同，作用也不一样，通常考虑用权重来衡量，记为 12{,,,}n A a a a =。
1.评判步骤进行模糊综合评判通常按以下步骤进行： （1）确定因素集12{,,,}n U u u u =。
（2）确定评判集12{,,,}m V v v v =。
（3）进行单因素评判得12{,,,}i i i im r r r r =。
（4）构造综合评判矩阵：111212122212m m n n nm r r r r r r R r r r ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦ （5）综合评判：对于权重12{,,,}n A a a a =，计算B A R =，并根据最大隶属度原则作出评判。
2.算子的定义在进行综合评判时，根据算子 的不同定义，可以得到不同的模型。
1）模型I :(,)M ∧∨——主因素决定型 运算法则为max{(),1,2,,}j i ij b a r i n =∧=(1,2,,)j m = 。
该模型评判结果只取决于在总评判中起主要作用的那个因素，其余因素均不影响评判结果，比较适用于单项评判最优就能认为综合评判最优的情形。
2）模型II (,)M ∨：——主因素突出型运算法则为max{(),1,2,,}j i ij b a r i n ==(1,2,,)j m =。
该模型与模型I比较接近，但比模型I 更精细些，不仅突出了主要因素，也兼顾了其他因素，比较适用于模型I 失效，即不可区别而需要加细时的情形。
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 。
模糊综合层次评判法
模糊综合层次评判法（FAHP)FAHP评价法是一种将模糊综合评判法（Fuzzy Comprehensive Evaluation，FCE）和层次分析法（Analytic Hierarchy Process，AHP）相结合的评价方法，在体系评价、效能评估，系统优化等方面有着广泛的应用，是一种定性与定量相结合的评价模型，一般是先用层析分析法确定因素集，然后用模糊综合评判确定评判效果。
模糊法是在层次分析法之上，两者相互融合，对评价有着很好的可靠性。
模糊数学的相关理论研究1965年，美国加利福尼亚大学控制论专家L.A.Zadeh教授发表了《模糊集合》一文，这标志着模糊数学的诞生。
模糊数学是研究和处理模糊性现象的一种数学方法。
模糊性基本概念模糊性是事物类属的不确定性，是对象资格程度的渐变性。
例如，对于一座山，有人可以认为是高山，但可能有人觉得它并不高。
事物的这种不清晰类属的特性就是模糊性，而这类事物我们通常称为模糊事物。
模糊事物在类属问题上不能做出“是”或“不是”，“属于”或“不属于”，“存在”或“不存在”等的是非断言，只能区别程度和等级。
模糊集合概念论域X上的模糊集合A定义是：A={（x,A(x)）｜x∈X}或者A={（x,μA（x））｜x∈X}其中A(x)或μA（x）称为隶属函数，它满足A：X→M，M称为隶属空间上式表示模糊集合A是论域X到隶属空间的一个映射。
隶属函数A(x)用于刻画元素x对模糊集合A的隶属程度，通常称为隶属度。
模糊集合A的每一个元素（x, A(x)）都能明确的表现出x的隶属等级。
A(x)的值越大，x的隶属度就越高。
例如，当隶属空间是（0，1）时，若A(x)=1，则说明x完全属于A；而若A(x)=0时，说明x不属于A；而A(x)值介于0与1之间时，说明隶属度也介于属于与不属于之间——模糊的。
隶属函数的构造与经典集合可由其特征函数所确定一样，模糊集合A也能由其隶属函数所确定。
在解决实际问题时，往往首先遇到的问题是确定隶属函数。
- 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)。
r
jk
)
ml
表达了的 X Z 上的一种模糊关系，称之为 Q 与 R
~
~
的合成，记为
Q
~
R
~
.
二.模糊关系与模糊矩阵
在有限论域 X X 上的模糊关系 R 可用模糊方 ~
阵 R ~
rij
nn 来表达.
如果
模糊方
阵
R
~
rij
nn 中有 rii
1 , rij
rji ，
则模糊方阵 R 称为相似模糊矩阵，相应的模糊关系 ~
模糊关系，仍记为
R
~
.若
x与y
在
R
~
(
x,
y)
程度上满足
关系
R
~
，记为
x
R
~
y
.
二.模糊关系与模糊矩阵
例 7 X Y 同例 6，考察 X 与Y 之间的“大约相等”
这一模糊关系 R ，如果认为， 400 401, 65 70, 8 9 ， ~
R (400,401) 0.9, R (65,70) 0.3, R (8,9) R (9,8) 0.1
~~
x1
x2
x3
x4
x5
0.5 0.5 0.3 0.4 0.2
x1 x2 x3 x4 x5
一.模糊概念与模糊集合
模糊集合满足幂等律、交换律、结合律、吸收律、分
配律、复原律、对偶律、定常律传递律.
设 A 是一个模糊集，对任意 [0,1] ，则普通集合 ~ A x A (x) ~
称为 A 的 截集. ~
U a,b, c, d, e, f , g, h
一.模糊概念与模糊集合
在此论域上，“男人”这一概念的内涵(按生理 学标准界定)是清晰的，其外延(适合“男人”这一概 念的一切对象)也是清晰的，可记为Cantor集（普通 集合），因此，“男人”是一清晰概念。然而在此论 域上来讨论“青年人”这一概念，哪些人是“青年 人”？只能模糊的非惟一的回答，我们无法用一个 Cantor集表达该概念的外延，因此，“青年人”是一 模糊概念.为了表达模糊概念的外延，就产生了模糊 集合（Fuzzy Sets）.
三.模糊综合评判
模糊综合评判是应用模糊数学方法对所论对 象的多种特性进行综合,从而将这些对象进行排 序，或者按某种方法从论域中选出最优对象. 模糊 综合评判又称为模糊综合决策. 模糊综合评判的 一般方法如下.
三.模糊综合评判
第一步: 确定因素集U u1,u2 ,,un .
因素集又称为指标集，它的元素是研究对象的 n 种因素或指标，一般都是很明确的.
二.模糊关系与模糊矩阵
R (x, y) x y (8,8),(9,9)是笛卡尔积集 X Y 的
一个子集，此处 R 表示了 X 与Y 的一种“=”关系，
当 (x, y) R 时， x y .
若 R 是 X Y 的一个模糊子集，其隶属函数为 ~
R (x, y) (x X , y Y ) ，则它确定了 X 与 Y 的一个 ~
R 称为相似模糊关系.
~
二.模糊关系与模糊矩阵
例 9 设 X 8, 9, 65, 400，模糊矩阵
1 0.1 0 0
R 0.1 1 0 0 ~ 0 0 1 0
0
0 0 1
表达
X
X
上的模糊关系
R
~
=“大约相等”，容易验
证矩阵 R 是模糊等价矩阵，关系 R 是 X X 上的模
~
~
糊等价关系.
第二步:确定评判集V v1, v2 ,, vm .
评判集又称为评语集、评价集、决策集等，该 集的元素个数和名称由评判者根据实际问题确定.
第三步:确定模糊评判矩阵 R rij nm .
三.模糊综合评判
在对研究对象做模糊多因素综合评判之前，先 要对每个单因素做模糊评判.由于模糊评判的评判 集是模糊的，对单因素的模糊评判是评判集
1 0 0 0
R0.1
1 0
0
1 0 0
0 1 0
0 0 1
，
R0.2
0 0 0
1 0 0
0 1 0
0
0 1
，
0 0 0 1
S 0.7
0 0
1
0 0 1
1 0 1
1 1 0
，…
二.模糊关系与模糊矩阵
在有限论域 XX 上的模糊关系 R 可用模糊方阵 ~
R
~
rij
nn 来表达.
如果模糊方阵
R
V v1, v2 ,, vm 上的模糊子集，设对单因素 u i 的
模糊评判为 f (ui ) (ri1, ri2 ,rim ), i 1,2,, n ，
三.模糊综合评判
上述 n 个模糊评判诱导出U V 上的一个模糊关
A
~
xU
A
~
(x)
x
一.模糊概念与模糊集合
隶属函数
A
~
(
x)
完全确定了模糊集
A
~
.
对任意的 x U ，
有下述定义：
i）空集Φ Φ (x) 0 ；ii） 全集U U (x) 1；
iii）
等集
A
~
B
~
A
~
(x)
B
~
(x)
；
iv）
子集
A
~
B
~
A
~
B
~
v） 补集
Ac
~
Ac (x)
~
1 A (x) ； ~
vi）并集
C
~
A
~
B
~
C
~
(
x)
A
~
(
x)
B
~
(
x)
max
A(x), B(x)
~
~
；
vii）交集
D
~
A
~
B
~
D
~
(
x)
A
~
(
x)
B
~
(
x)
mim
A(x), B(x)
~
~
.
一.模糊概念与模糊集合
判别确定和选定的隶属函数是否符合实际，不是看单 个元素隶属度的数值如何，而是要看这个函数是否正确反 映了元素从属于集合到不属于集合这一变化过程的整体 特性。
上式意指： a 不属于 A ， e 属于 A ， b 属于 A 的程度是
~
~
~
0.7 等等，并非普通算式.
一.模糊概念与模糊集合
一般地，所谓论域 U 上的一个模糊子集 A ，就是给定 ~
一个映射 A (x), x U,0 1 .称 A (x) 为 A 的隶属函
~
~
~
数. 模糊子集 A 可统一记为 ~
确定隶属函数的主要原则： （1）运用模糊统计试验和对试验结果予以数学推理确定
其隶属函数。 （2）运用专家经验打分，并总结出人为技巧对模糊事物
进行推理来确定隶属函数，然后通过应用进行实践检验， 不断修改和完善。 （3）当可用实数闭区间表示论域时，可根据问题的性质， 选择恰当的隶属函数。
一.模糊概念与模糊集合
系.
二.模糊关系与模糊矩阵
设 X x1, x2 ,, xm ， Y y1, y2 ,, yn ，
Z
z1
,
z
2
,,
z
l
，模糊矩阵
Q
~
qij
mn 表达 X Y
上的
模糊关系 Q ，模糊矩阵 R
~
~
rjk
nl 表达 Y Z 上的模
糊关系 R ，则模糊矩阵 ~
Q R
~~
n
j1(qij
设 S 是 X Y 上的模糊关系“小很多”，我们给出 ~
模糊矩阵 R 和 S 如下：
~
~
1 0.1 0 0
0 0.3 0.5 1
R 0.1 1
0
0
S 0.3
0
0.7
1
~ 0
0
0 0
0.3 0
0 0.9
，
~
0
1
0.6 1
0.1 0.9
0.9
0
，
二.模糊关系与模糊矩阵
则有
1 1 0 0
~
~
R和S 的隶属函数，则以
~~
RS (x, y) max[R (x, y),S (x, y)]
~~
~
~
为隶属函数的模糊关系称为 R与S 之并，记为 R S .
~~
~~
设 有 限 集 X x1, x2 ,, xm 与 Y y1, y2 ,, yn 之 间
的模糊关系 R 的隶属度为 rij R (xi , y j )
例 3 设U x1, x2 , x3 , x4 , x5为五名大学生之集合，已
知 U 上表示“数学能力强”的模糊集
0.8 0.5 1 0.4 0.2 A ~ x1 x2 x3 x4 x5 和表示“计算机能力强”的模糊集
B
~
0.5 x1
0.6 x2
0.3 x3
0.4 x4
0.7 x5
，
一.模糊概念与模糊集合
~
rij
nn 中有 rii
1 , rij
rji ，则模糊方
阵 R 称为相似模糊矩阵，相应的模糊关系 R 称为相似模糊
~
~
关系.
n
若 rii 1 , rij rji , k1(rik rkj ) rij
,
则R ~
rij
nn 称为
模糊等价矩阵，相应的关系 R 称为 X X 上的模糊等价关 ~