考虑一个服装评判的问题，为此建立因素集U={u1,u2,u3,u4}，其中u1表示花色，u2表示式样，u3表示耐穿程度，u4表示价格，建立评判集V={v1,v2,v3,v4}，其中v1表示很欢迎，v2表示较欢迎，v3表示不太欢迎，v4表示不欢迎，进行单因素评判的结果如下：

用模型模型即“主因素决定型”，计算综合评判为：

根据最大隶属度原则可知，第一类顾客对此服装“不太欢迎”，第二类顾客对此服装则“比较欢迎” 。

用matlab解决的代码如下：

%新建Example8_4.m文件

function Example8_4

A1=[0.1 0.2 0.3 0.4];

A2=[0.4 0.35 0.15 0.1];

R=[0.2 0.5 0.2 0.1;

0.7 0.2 0.1 0;

0 0.4 0.5 0.1;

0.2 0.3 0.5 0];

fuzzy_zhpj(1,A1,R)

fuzzy_zhpj(1,A2,R)

end

%%

function[B]=fuzzy_zhpj(model,A,R) %模糊综合评判

B=[];

[m,s1]=size(A);

[s2,n]=size(R);

if(s1~=s2)

disp('A的列不等于R的行');

else

if(model==1)                 %主因素决定型

for(i=1:m)

for(j=1:n)

B(i,j)=0;

for(k=1:s1)

x=0;

if(A(i,k)

x=A(i,k);

else

x=R(k,j);

end

if(B(i,j)

B(i,j)=x;

end

end

end

end

elseif(model==2)               %主因素突出型

for(i=1:m)

for(j=1:n)

B(i,j)=0;

for(k=1:s1)

x=A(i,k)*R(k,j);

if(B(i,j)

B(i,j)=x;

end

end

end

end

elseif(model==3)              %加权平均型

for(i=1:m)

for(j=1:n)

B(i,j)=0;

for(k=1:s1)

B(i,j)=B(i,j)+A(i,k)*R(k,j);

end

end

end

elseif(model==4)             %取小上界和型

for(i=1:m)

for(j=1:n)

B(i,j)=0;

for(k=1:s1)

x=0;

x=min(A(i,k),R(k,j));

B(i,j)=B(i,j)+x;

end

B(i,j)=min(B(i,j),1);

end

end

elseif(model==5)            %均衡平均型

C=[];

C=sum(R);

for(j=1:n)

for(i=1:s2)

R(i,j)=R(i,j)/C(j);

end

end

for(i=1:m)

for(j=1:n)

B(i,j)=0;

for(k=1:s1)

x=0;

x=min(A(i,k),R(k,j));

B(i,j)=B(i,j)+x;

end

end

end

else

disp('模型赋值不当');

end

end

end

%%

----------------------------------------------------------------------------------

右击“Example8_4.m”-->run,得到如下结果：

ans =

0.2000    0.3000    0.4000    0.1000

ans =

0.3500    0.4000    0.2000    0.1000

------------------------------------------------------------------------------------

解释如下：

根据最大隶属度原则可知，第一类顾客对此服装“不太欢迎”，

第二类顾客对此服装则“比较欢迎” 。