matlab学习系列.模糊综合评价解析

matlab学习系列.模糊综合评价解析

ID:15505493

大小:162.57 KB

页数:15页

时间:2018-08-03

matlab学习系列.模糊综合评价解析_第1页
matlab学习系列.模糊综合评价解析_第2页
matlab学习系列.模糊综合评价解析_第3页
matlab学习系列.模糊综合评价解析_第4页
matlab学习系列.模糊综合评价解析_第5页
资源描述:

《matlab学习系列.模糊综合评价解析》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、21.模糊综合评价(一)模糊理论简述一、模糊集与隶属度用数学的眼光看世界,现象分为确定性现象、随机现象、模糊现象(如“今天天气很热”,“小伙子很高”等)。其基本思想是,用属于程度代替属于或不属于(如某人属于高个子的程度为0.8)。经典集合语言:只有两种情况,要么x∈A要么x∉A,用特征函数χA()→{0,1}表示:模糊集合语言:用隶属度函数μA()→[0,1]表示,它确定了X上的一个模糊集A.μA(x)越接近1,表明x属于A的程度越大。注:一般用A(x)表示x对模糊集A的隶属度。例1考虑年龄集U=[0,10

2、0],O=“年老”,O也是一个年龄集,u=20∉O,u=40呢?Zadeh给出了“年老”集隶属度函数刻画:Y=“年轻”也是U的一个子集,只是不同的年龄段隶属于这一集合的程度不一样,Zadeh给出它的隶属度函数:例2设身高集U={140,150,160,170,180,190},“高个子集”A的隶属度可定义为。实际问题中隶属函数常用模糊统计方法确定(统计隶属频率)。二、模糊集的运算(1)相等A=BóA(x)=B(x),∀x∈X(2)包含A⊆BóA(x)≤B(x),∀x∈X(3)并(∨表示取大运算)(A∪B)(

3、x)=A(x)∨B(x)=max{A(x),B(x)},∀x∈X(4)交(∧表示取小运算)(A∩B)(x)=A(x)∧B(x)=min{A(x),B(x)},∀x∈X(5)余Ac(x)=1-A(x),∀x∈X三、模糊矩阵设R=(rij)n×m为矩阵,满足0≤rij≤1,则称R为模糊矩阵,当rij只取0或1时,R称为布尔矩阵。设A,B分别为X和Y上的模糊集,X与Y之间存在模糊关系,可用n×m模糊矩阵R表示,则称为模糊变换。模糊矩阵的运算类似于前面模糊集的运算。设A=(aij)m×s,B=(bij)s×n,则模

4、糊矩阵其中,称为模糊合成。(二)模糊综合评价(FuzzyComprehensiveEvaluation)一、算法步骤1.确定因素集及权重向量设事物的评价因素有n个,记作U={u1,u2,…,un},称为因素集。由于各种因素所处地位和作用的不同,考虑用权重向量A={a1,a2,…,am}来衡量。例如,某人要购买一件衣服,他要考虑的因素有:u1=“色彩”u2=“做工”u3=“品牌”u4=“款式”四个因素在评判过程中的权重分别为:“色彩”a1=0.3,“做工”a2=0.3,“品牌”a3=0.3,“款式”a4=0.

5、1.2.确定评语集设所有可能出现的评语有m个,记作V={v1,v2,…,vm},称为评语集。例如,买衣服问题的评语集有v1=“好”v2=“较好”v3=“一般”v4=“差”3.建立评判矩阵(1)先对每个因素进行评价(评委打分或隶属度函数)例如,对于“色彩”u1,70%的评委认为是“好”,20%的评委认为是“较好”,5%的评委认为是“一般”,5%的评委认为是“差”。则对这件衣服“色彩”u1的评价为:r1={0.70.20.050.05}同样对“做工”u2的评价为:r2={0.50.10.20.2}对“品牌”u3

6、的评价为:r3={0.60.20.10.1}对“款式”u4的评价为:r4={0.70.20.10}(2)得到评判矩阵4.模糊综合评判基于合适的模糊合成算子计算总评价,一般对B进行归一化处理,再根据最大隶属度原则做出判断。例如,计算出B=[0.330.220.220.22],由于B中最大数0.33出现在第一位,故对应的评价“好”就是最终稿评判结果。二、常用的模糊合成算子1.M(∧,∨)——取小取大,主因素决定型通常用的算子,其评判结果只取决于在总评价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

7、单项评判最优就能作为综合评判最优的情况。2.M(·,∨)——乘积最大,主因素突出型与M(∧,∨)相近,但比M(∧,∨)精细些,不仅突出了主要因素,也兼顾了其他因素。此模型适用于模型M(∧,∨)失效(不可区别),需要“加细”的情况。3.M(·,+)——乘加,加权平均型该算子依权重的大小对所有因素均衡兼顾,比较适用于要求总和最大的情形。4.M(∧,⊕)——取小上界和型在使用此算子时,需要注意的是:各个ai不能取得偏大,否则可能出现bj均等于1的情形;各个ai也不能取得太小,否则可能出现bj均等于各个ai之和的情

8、形,这将使单因素评判的有关信息丢失。5.M(∧,+)——均衡平均型该算子实际上先对评判矩阵R中的列向量做了归一化处理,适用于R中元素rij偏大或偏小的情形。(三)Matlab实现模糊合成算子的计算函数:fce.mfunctionB=fce(A,R,type)%实现模糊合成算子的计算%A为因素集各因素的权重向量,R为评判矩阵,要求A的列数等于R的行数%type选择模糊合成算子的类型,1-5分别对应前文的5种不同算子

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。