模糊综合评价模型原理及matlab实现_模糊综合评判--空气质量评估例题matlab-程序员宅基地

技术标签: 数学建模  MATLAB  

资料来源:微信公众号《数学建模学习交流》

清风老师系列建模视频链接(B站):模糊综合评价

MATLAB入门:matlab入门课

目录

1. 概述

 2. 经典集合和模糊集合的基本概念

2.1 经典集合和特征函数

2.2 模糊集合和隶属函数

3. 隶属函数的三种确定方法

3.1 模糊统计法 

3.2 借助已有的客观尺度

 4. 应用:模糊综合评价(评判)

4.1 评价问题概述

4.2 一级模糊综合评价模型

4.2.1 一级模糊综合评判模型在人事考核中的应用

4.2.2 实例计算 

4.3.3 matlab代码实现

4.3 二级模糊综合评价模型

4.3.1 原理

4.3.2 实例计算——奖学金评定

4.3.3 matlab代码实现


1. 概述

模糊性与确定性是相反的概念。比如高和帅,不同的人有不同的看法,比较具有模糊性,需要计算隶属度才能客观的说明帅。隶属度是【0,1】之间的数,比如小明的帅的隶属度为0.8,那小明就比较帅,隶属度越高越说明他帅。 

 2. 经典集合和模糊集合的基本概念

2.1 经典集合和特征函数

2.2 模糊集合和隶属函数

 需要注意的是zadeh表示法中的“+”并不是指的加减乘除运算中的加,只是一种记录方式。

偏小型指的是越小越好的集合,中间型是位于中间的比较好,偏大型指越大越好的集合。

3. 隶属函数的三种确定方法

3.1 模糊统计法 

 数学建模竞赛中一般用后面两种方法,但是比如问卷调查类的一般就是用模糊统计法。比如满意度、支持度等的计算,可以直接通过问卷统计得到模糊综合评判矩阵(例如:后面讲的《一级模糊综合评判在人事考核中的应用》中用的就是这种方法)。

比如对商品包装这一个问题的满意度进行调查,共对100人进行调查,发现不满意——满意五个评语选择的人数分别为20,25,30,10,15.则商品包装R1=[20/100 25/100 30/100 10/100 15/100]。类似于这样的计算,把所有问题的Ri算出来,就构成了模糊综合评判矩阵。类似于这种矩阵R:

参考文献: 

[1]李芳,何思俊,支锦亦,王超,向泽锐.基于AHP-熵权法的高速列车乘客车厢设计满意度评价[J].机械设计,2020,37(02):121-125.
[2]王江艳,桑发琼,邵红林,龙鑫,何云骜.高校食堂顾客满意度的模糊综合评价法[J].现代商贸工业,2020,41(02):54-55.

3.2 借助已有的客观尺度

 比如如何评价设备是否完好,可以计算设备完好率作为隶属度,计算出的结果越接近于1,说明设备完好程度越高。

3.3 指派法

几种常用的隶属度函数:https://wenku.baidu.com/view/35b005c5910ef12d2af9e76b.html

 4. 应用:模糊综合评价(评判)

4.1 评价问题概述

4.2 一级模糊综合评价模型

4.2.1 一级模糊综合评判模型在人事考核中的应用

4.2.2 实例计算 

4.3.3 matlab代码实现

%% 模糊评判矩阵
R = [0.1 0.5 0.4 0 0
    0.2 0.5 0.2 0.1 0
    0.2 0.5 0.3 0 0
    0.2 0.6 0.2 0 0]
%% 各因素的权重
A = [0.25 0.2 0.25 0.3]
%% 隶属度计算
B = A*R

结果:

4.3 二级模糊综合评价模型

4.3.1 原理

简言之,就是将二级看成一级来算。比如后面的例子,可以将专业课成绩和非专业课成绩单独算一个隶属度B1,看成学习成绩的隶属度。同样计算出竞赛成绩、个人荣誉和志愿服务的隶属度B2、B3、B4。最后组合成新的模糊综合评判矩阵R:

 然后用四个一级指标的权重A 和R相乘即可。

4.3.2 实例计算——奖学金评定

4.3.3 matlab代码实现

%% 模糊评判矩阵
R1 = [0.8 0.2 0; 0.7 0.3 0] % 学习成绩的模糊综合评判矩阵
R2 = [0 0 1; 0.5 0.5 0; 0 0.6 0.4] % 竞赛成绩
%R3 = [] R4=[] 这里就不举例计算了 
%% 各因素的权重
A = [0.4 0.3 0.2 0.1];% 一级指标
A1 = [0.6 0.4]; %二级指标:学习成绩
A2 = [0.5 0.3 0.2];%竞赛成绩
A3 = [0.5 0.3 0.2];%个人荣誉
A4 = [1];%志愿服务
%% 二级指标的隶属度计算
B1 = A1*R1
B2 = A2*R2
%直接假设B3 B4 的值,就不用A3*R3 A4*R4计算了
B3 = [0.4 0.2 0.4]
B4 = [0.1 0.8 0.1]

%% 一级指标的模糊综合评判矩阵
R = [B1;B2;B3;B4]
%% 一级指标的隶属度计算
B = A*R

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/yanyanwenmeng/article/details/105167523

智能推荐

5个超厉害的资源搜索网站,每一款都可以让你的资源满满!_最全资源搜索引擎-程序员宅基地

文章浏览阅读1.6w次,点赞8次,收藏41次。生活中我们无时不刻不都要在网站搜索资源,但就是缺少一个趁手的资源搜索网站,如果有一个比较好的资源搜索网站可以帮助我们节省一大半时间!今天小编在这里为大家分享5款超厉害的资源搜索网站,每一款都可以让你的资源丰富精彩!网盘传奇一款最有效的网盘资源搜索网站你还在为找网站里面的资源而烦恼找不到什么合适的工具而烦恼吗?这款网站传奇网站汇聚了4853w个资源,并且它每一天都会持续更新资源;..._最全资源搜索引擎

Book类的设计(Java)_6-1 book类的设计java-程序员宅基地

文章浏览阅读4.5k次,点赞5次,收藏18次。阅读测试程序,设计一个Book类。函数接口定义:class Book{}该类有 四个私有属性 分别是 书籍名称、 价格、 作者、 出版年份,以及相应的set 与get方法;该类有一个含有四个参数的构造方法,这四个参数依次是 书籍名称、 价格、 作者、 出版年份 。裁判测试程序样例:import java.util.*;public class Main { public static void main(String[] args) { List <Book>_6-1 book类的设计java

基于微信小程序的校园导航小程序设计与实现_校园导航微信小程序系统的设计与实现-程序员宅基地

文章浏览阅读613次,点赞28次,收藏27次。相比于以前的传统手工管理方式,智能化的管理方式可以大幅降低学校的运营人员成本,实现了校园导航的标准化、制度化、程序化的管理,有效地防止了校园导航的随意管理,提高了信息的处理速度和精确度,能够及时、准确地查询和修正建筑速看等信息。课题主要采用微信小程序、SpringBoot架构技术,前端以小程序页面呈现给学生,结合后台java语言使页面更加完善,后台使用MySQL数据库进行数据存储。微信小程序主要包括学生信息、校园简介、建筑速看、系统信息等功能,从而实现智能化的管理方式,提高工作效率。

有状态和无状态登录

传统上用户登陆状态会以 Session 的形式保存在服务器上,而 Session ID 则保存在前端的 Cookie 中;而使用 JWT 以后,用户的认证信息将会以 Token 的形式保存在前端,服务器不需要保存任何的用户状态,这也就是为什么 JWT 被称为无状态登陆的原因,无状态登陆最大的优势就是完美支持分布式部署,可以使用一个 Token 发送给不同的服务器,而所有的服务器都会返回同样的结果。有状态和无状态最大的区别就是服务端会不会保存客户端的信息。

九大角度全方位对比Android、iOS开发_ios 开发角度-程序员宅基地

文章浏览阅读784次。发表于10小时前| 2674次阅读| 来源TechCrunch| 19 条评论| 作者Jon EvansiOSAndroid应用开发产品编程语言JavaObjective-C摘要:即便Android市场份额已经超过80%,对于开发者来说,使用哪一个平台做开发仍然很难选择。本文从开发环境、配置、UX设计、语言、API、网络、分享、碎片化、发布等九个方面把Android和iOS_ios 开发角度

搜索引擎的发展历史

搜索引擎的发展历史可以追溯到20世纪90年代初,随着互联网的快速发展和信息量的急剧增加,人们开始感受到了获取和管理信息的挑战。这些阶段展示了搜索引擎在技术和商业模式上的不断演进,以满足用户对信息获取的不断增长的需求。

随便推点

控制对象的特性_控制对象特性-程序员宅基地

文章浏览阅读990次。对象特性是指控制对象的输出参数和输入参数之间的相互作用规律。放大系数K描述控制对象特性的静态特性参数。它的意义是:输出量的变化量和输入量的变化量之比。时间常数T当输入量发生变化后,所引起输出量变化的快慢。(动态参数) ..._控制对象特性

FRP搭建内网穿透(亲测有效)_locyanfrp-程序员宅基地

文章浏览阅读5.7w次,点赞50次,收藏276次。FRP搭建内网穿透1.概述:frp可以通过有公网IP的的服务器将内网的主机暴露给互联网,从而实现通过外网能直接访问到内网主机;frp有服务端和客户端,服务端需要装在有公网ip的服务器上,客户端装在内网主机上。2.简单的图解:3.准备工作:1.一个域名(www.test.xyz)2.一台有公网IP的服务器(阿里云、腾讯云等都行)3.一台内网主机4.下载frp,选择适合的版本下载解压如下:我这里服务器端和客户端都放在了/usr/local/frp/目录下4.执行命令# 服务器端给执_locyanfrp

UVA 12534 - Binary Matrix 2 (网络流‘最小费用最大流’ZKW)_uva12534-程序员宅基地

文章浏览阅读687次。题目:http://acm.hust.edu.cn/vjudge/contest/view.action?cid=93745#problem/A题意:给出r*c的01矩阵,可以翻转格子使得0表成1,1变成0,求出最小的步数使得每一行中1的个数相等,每一列中1的个数相等。思路:网络流。容量可以保证每一行和每一列的1的个数相等,费用可以算出最小步数。行向列建边,如果该格子是_uva12534

免费SSL证书_csdn alphassl免费申请-程序员宅基地

文章浏览阅读504次。1、Let's Encrypt 90天,支持泛域名2、Buypass:https://www.buypass.com/ssl/resources/go-ssl-technical-specification6个月,单域名3、AlwaysOnSLL:https://alwaysonssl.com/ 1年,单域名 可参考蜗牛(wn789)4、TrustAsia5、Alpha..._csdn alphassl免费申请

测试算法的性能(以选择排序为例)_算法性能测试-程序员宅基地

文章浏览阅读1.6k次。测试算法的性能 很多时候我们需要对算法的性能进行测试,最简单的方式是看算法在特定的数据集上的执行时间,简单的测试算法性能的函数实现见testSort()。【思想】:用clock_t计算某排序算法所需的时间,(endTime - startTime)/ CLOCKS_PER_SEC来表示执行了多少秒。【关于宏CLOCKS_PER_SEC】:以下摘自百度百科,“CLOCKS_PE_算法性能测试

Lane Detection_lanedetectionlite-程序员宅基地

文章浏览阅读1.2k次。fromhttps://towardsdatascience.com/finding-lane-lines-simple-pipeline-for-lane-detection-d02b62e7572bIdentifying lanes of the road is very common task that human driver performs. This is important ..._lanedetectionlite

推荐文章

热门文章

相关标签