模糊综合评价法
作业
某市直属单位因工作需要，拟向社会公开招聘8 名公务员，具体的招聘办法和程序如下：
（一）公开考试：凡是年龄不超过30 周岁，大学专科以上学历，身体健康者均可报名参加考试，考试科目有：综合基础知识、专业知识和“行政职业能力测验”三个部分，每科满分为100 分。
根据考试总分的高低排序选出16 人选择进入第二阶段的面试考核。
（二）面试考核：面试考核主要考核应聘人员的知识面、对问题的理解能力、应变能力、表达能力等综合素质。
按照一定的标准，面试专家组对每个应聘人员的各个方面都给出一个等级评分，从高到低分成A/B/C/D 四个等级，具体结果如表1所示。
现要求根据表1中的数据信息对16 名应聘人员作出综合评价，选出8 名作为录用的公务员。
折衷型模糊多属性决策方法
（1）折衷型模糊决策的基本原理
折衷型模糊决策的基本原理是：从原始的样本数据出发，先虚拟模糊正理想和模糊负理想，其中模糊正理想是由每一个指标中模糊指标值的极大值构成；模糊负理想是由每一个指标中模糊指标值的极小值构成。
然后采用加权欧氏距离的测度工具来计算各备选对象与模糊正理想和模糊负理想之间的距离。
在此基础上，再计算各备选对象属于模糊正理想的隶属度，其方案优选的原则是，隶属度越大，该方案越理想。
（2）折衷型模糊决策的基本步骤
Step1：指标数据的三角形模糊数表达
下面运用以上的定义将定性、定量指标以及权重数据统一量化为三角形模糊数.
1) 对于定性指标，可以将两极比例法改进为三角模糊数比例法。
再利用三角模糊数比例法将定性指标转化为定量指标，其具体的转化形式见表2。
表2 定性指标向定量指标转化的三角模糊数比例法
2) 对于精确的定量指标值，也写成三角模糊数的形式。
设a 是一个具体的精确数，由三角模糊数的定义，则a 表示成三角模糊数的形式为：
a = (a,a,a) （1）
当所有的属性指标全部化为三角模糊数后，设此时得到的模糊指标矩阵为
3）对于权重向量的三角模糊数表示
①若权重是定量的形式给出的，则由公式（1）可表示为
②若权重是定性描述给出的，此时可以利用表3 的转化方法将其转化为三角模糊数的表达形式.
Step2: 模糊指标矩阵F 归一化处理
Step3: 构造模糊决策矩阵
将归一化后的模糊指标矩阵R 进行加权处理可得到模糊决策矩阵
建模过程：
①借鉴表2 的思想，对于定性指标值A，B，C，D，可以定义表1 的量化标准，将这些定性指标进行量化，其具体的量化形式见表3。
表3 定性指标量化标准
②由表3 和公式（1）把表1中的指标信息、权重信息化成三角形模糊数，得到
⑤模糊优选决策
由公式（6）～（8），可求出相应的
表4 计算结果数据表
由以上结果可知，16 个人的综合水平的高低排序为: 因此被选种的8 个人员是人员1、4、2、9、8、5、7、12。
计算的MATLAB 程序如下：
%把表3 中的数据复制到纯文本文件mohu.txt 中，然后把A 替换成85 90 100，%B 替换成75 80 85，C 替换成60 70 75，D 替换成50 55 60
clc,clear
load mohu.txt
sj=[repmat(mohu(:,1),1,3),mohu(:,2:end)];
%首先进行归一化处理
n=size(sj,2)/3;m=size(sj,1);
w=[0.5*ones(1,3),0.125*ones(1,12)];
w=repmat(w,m,1);
y=[];
for i=1:n
tm=sj(:,3*i-2:3*i);
max_t=max(tm);
max_t=repmat(max_t,m,1);
max_t=max_t(:,3:-1:1);
yt=tm./max_t;yt(:,3)=min([yt(:,3)';ones(1,m)]);
y=[y,yt];
end
%下面求模糊决策矩阵
r=[];
for i=1:n
tm1=y(:,3*i-2:3*i);tm2=w(:,3*i-2:3*i);
r=[r,tm1.*tm2];
end
%求M＋、M－和距离
mplus=max(r);mminus=min(r);
dplus=dist(mplus,r');dminus=dist(mminus,r');
%求隶属度
mu=dminus./(dplus+dminus);
[mu_sort,ind]=sort(mu,'descend')。
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》课件
与熵权法的比较
熵权法是一种基于信息论的属性权重确定方法，通过计算各个属性的信息熵，确定 各个属性的权重，从而对各个属性进行综合评价。
模糊综合评价法与熵权法的区别在于，模糊综合评价法更加注重各个因素之间的模 糊性和不确定性，而熵权法更加注重各个属性的信息熵。
在某些情况下，模糊综合评价法可以与熵权法结合使用，以更好地处理复杂问题。
《模糊综合评价法》 ppt课件
目录
• 模糊综合评价法概述 • 模糊综合评价法的原理 • 模糊综合评价法的应用实例 • 模糊综合评价法的优缺点 • 模糊综合评价法与其他评价方法的比较 • 模糊综合评价法的未来发展
01
模糊综合评价法概述
定义与特点
定义
模糊综合评价法是一种基于模糊 数学和模糊逻辑的综合性评价方 法，用于处理具有模糊性的评价 对象。
合理的评价结果。
权重可调
该方法允许为不同的因素设置不 同的权重，从而更好地反映实际
情况和决策者的偏好。
结果清晰
模糊综合评价法得出的结果通常 比较清晰，易于理解，能够为决
策提供有力的支持。
缺点
01
主观பைடு நூலகம்强
模糊综合评价法的评价过程涉及较多的人为因素，如确定因素权重、划
分等级等，这使得评价结果在一定程度上依赖于决策者的主观判断。
理复杂问题。
06
模糊综合评价法的未来 发展
模糊综合评价法在大数据时代的应用
模糊综合评价法在处理大数据时具有 优势，能够处理不确定性和模糊性， 应对数据复杂性和规模性的挑战。
结合大数据技术和云计算平台，模糊 综合评价法可以实现更高效、精准的 评价分析，提高决策的科学性和准确 性。
在大数据时代，模糊综合评价法将进 一步拓展应用领域，例如在金融风险 评估、医疗诊断、智能交通等领域发 挥重要作用。
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。
模糊综合评价的方法
模糊综合评价的方法
模糊综合评价方法是一种用于处理不确定性和模糊性的评价方法，它基于模糊逻辑理论，将模糊集合理论应用于评价问题。
以下是一种常用的模糊综合评价方法：
1. 确定评价指标：首先确定评价对象的各个指标，这些指标可以是
qualitätskriterien（质量标准），wie Snalligkeit（快速性），Zuverlässigkeit （可靠性），剩余期限（余剩期限）等。
这些指标应该与评价对象的特性和要求相关。
2. 选择评价集：根据评价指标的取值范围和等级划分，选择合适的评价集，用于描述指标的表现。
3. 建立模糊评价矩阵：根据评价集和评价指标的要求，建立模糊评价矩阵。
4. 确定权重矩阵：确定各个评价指标的权重，可以采用专家调查、层次分析法等方法。
5. 计算隶属度矩阵：通过将评价指标的取值与评价集进行对比，计算出各个评价指标在不同评价集中的隶属度。
6. 计算模糊评价值：根据权重矩阵和隶属度矩阵，计算出各个评价指标的加权隶属度，并将其进行求和得到模糊评价值。
7. 判断评价等级：根据模糊评价值的大小，将评价对象划分为不同的评价等级，如优秀、良好、一般、较差等。
模糊综合评价方法能够考虑到评价指标之间的相互关系和不确定性因素，提高了评价的准确性和全面性。
但是在实际应用中，需要根据具体情况选择适当的方法和参数，以达到最优的评价结果。
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。
模糊综合评价法(终版)
综合性：能够综 合考虑多个因素 对多属性或多指 标进行综合评价
适用性：适用于 多领域、多场景 的评价问题应用 范围广泛
灵活性：可以根 据实际需求调整 评价模型具有较 好的灵活性
缺点
计算复杂度高 对数据要求较高 主观因素影响较大 难以处理不确定性和模糊性
改进方向
优化模糊隶属度函数的选 取提高评价的准确性
引入人工智能技术实现自 动化评价
结合其他评价方法提高评 价的全面性和客观性
针对具体应用领域开展针 对性的改进研究
感谢观看
汇报人：
进行模糊合成和决策Fra bibliotek根据模糊权重向 量和模糊矩阵进 行模糊合成运算
根据模糊合成结 果确定评价对象 的等级归属
根据评价对象的 等级归属进行决 策分析
输出评价结果和 决策建议
01
模糊综合评价法的应用案例
案例一：企业财务状况评价
添加 标题
案例背景：企业财务状况评价是模糊综合评价法的 重要应用之一通过对企业财务状况进行全面、客观、 准确的分析和评价为企业决策提供有力支持。
划分评价等级：将评价因素 划分为若干个等级以便进行
模糊评价
建立模糊关系矩阵
确定评价因素和 评价等级
建立模糊关系矩 阵根据模糊关系 公式计算各因素 之间的相似程度
对模糊关系矩阵 进行归一化处理 得到各评价因素 在各评价等级上 的隶属度
根据最大隶属度 原则确定评价结 果所属的等级
确定评价因素的权重
确定评价因素：明确评价对象的各项指标 确定权重：根据评价因素的重要程度为其分配相应的权重值 权重赋值：根据实际情况为每个评价因素赋予具体的权重值 权重调整：根据评价结果对权重进行调整以提高评价准确性
常用的隶属度函 数：三角形、梯 形、高斯型等