数学建模系列--模糊综合评价
前言:数学建模系列博客是以竞赛为向导的,侧重于阐述什么时候用模型,怎么用模型,而简述模型背后的原理,模型的起源。
一.什么时候用模糊综合评价?
场景1:将对象对应到评语集中的评语
举例1:评价小翟同学的学习成绩666分(其中:高数600分、微积分60分、毛概6分)属于优秀、中等还是差劲。评语集{优秀 中等 差劲},此处的评价对象是小翟,因素集:{高数、微积分、毛概},最终得到的是一个一行3列的矩阵,假如说评定结果为A={0.7 0.5 0.2},即小翟的成绩对于优秀这个评价的隶属度最高,为0.7,则可以判定小翟的学习成绩为优秀。
说明:模糊综合判定矩阵中的列标签与模糊综合评价的结构矩阵中列标签应保持一致,默认例1的模糊综合判定矩阵列标签依次为 优秀 中等 差劲。
场景2:决策类问题:选择一个最好的方案,与场景1唯一的不同之处:将方案作为评语集。
二.运用前需知的知识点
1-先看一下百度百科对模糊综合评价的介绍:
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。
2-经典的集合与模糊集合
首先回顾一下经典的集合。我们在高中的时候就接触了集合的概念:具有相同属性的事物的集体。这种经典集合有一些基本属性,例如确定性,给定一个集合,任给一个元素,这个元素要么属于,要么不属于这个集合,不存在第三种情况。
在模糊综合评价模型中,我们不用这种经典的集合,因为我们要处理的是模糊概念,所以需要使用模糊集合。模糊集合是用来描述模糊性概念的集合,它与经典集合的区别之一是,模糊集合不具备确定性。例如35岁,我们既可以认为它“年轻”,也可以认为它是“中年”,并没有一个精确的界定。
因此,我们不像传统集合那样,一个元素要么属于一个集合,要么不属于。我们使用“隶属度”来表示元素与模糊集合之间的关系,也就是元素隶属于模糊集合的程度。谈到隶属度,就有必要提到隶属函数,这是一个很重要的概念。简单而言,隶属函数就是隶属度对各个元素的函数,定义域是我们所研究的元素,函数值就是隶属度。隶属度的范围是[0,1],其值越大,就代表越属于这个集合。
以上内容引自知乎用户:小白
3-隶属函数的3种确定方法
- 1.模糊统计法
- 课件如下,需要线下调查
- 2.借助已有的客观尺度 (需要有合适的 指标 , 并能收集到数据)
- 课件如下
- 3.指派法***
- 课件如下,最常用梯形分布
三.实现步骤
1.建立3个模糊集合
- .建立因素集
- 因素集是以影响评价对象的各种因素为元素所组成的一个普通集合,通常用U表示
- 建立评价集/备则集(方案集)
eg:1-3等奖学金;方案1 方案2 方案3 (最优方案的选取)- 评价集是评价者对评价对象可能做出的各种结果所组成的集合,通常用V表示,
- 建立权重集
各阶因素集的权重- 方法:熵权法,层次分析法等
2.建立最高级因素·集的模糊综合评价矩阵R
R中的元素为因素U对相应评价的隶属度,可以由专家评价得到(建模比赛不推荐使用),最常用的是用对应的隶属函数来确定隶属度。
3.最高因素集的权重向量A与对应R相乘=B(模糊向量)-最终的隶属向量/矩阵.
四.举个例子
该例子对应场景二,需要根据已知数据,对已知的5个方案进行优劣排序,且给出最佳方案
评语集V={方案I,方案II,方案III,方案IV,方案V};
权重集A=(0.25,0.20,0.20,0.10,0.25);
因素集为项目所在列的5个因素;
确定隶属函数
将模糊综合判定矩阵R与权重向量A相乘即为综合评价的结果向量B
五.参考文献
清风老师的数学建模课程
数学建模笔记——评价类模型之模糊综合评价 - 知乎 (zhihu.com)
知网论文:基于模糊综合的高速公路应急救援企业救援能力评价模型
数学建模系列--模糊综合评价相关推荐
- 数学建模系列-模糊综合评价FCE
目录 1 模型的含义 2 隶属函数的确定 2.1 模糊统计法(数模比赛很少用,要发放问卷) 2.2 借助已有的客观尺度(需要有合适的指标并有数据) 2.3 指派法 3 模型建立与求解 3.1 建立综合 ...
- 【数学建模】模糊综合评价
文章目录 一.学习内容 二.学习时间 三.学习产出 3.1 基本概念 3.2 一般步骤 一.学习内容 模糊综合评价 二.学习时间 2020.12.12 三.学习产出 模糊综合评价的基本概念(学习于清风 ...
- Python数学建模系列(五):微分方程
文章目录 前言 往期文章 1.微分方程分类 2.微分方程解析解 3.微分方程数值解 3.1 场线图与数值解 3.2 洛伦兹曲线与数值解 4.传染病模型 模型一:SI-Model 模型二:SIS mod ...
- Python数学建模系列(六):蒙特卡洛算法
文章目录 前言 往期文章 1.蒙特卡洛算法 样例1 样例2 样例3 2.三门问题 3.M*M豆问题 结语 前言 Hello!小伙伴! 非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出- ...
- Python数学建模系列(八):图论
文章目录 前言 往期文章 1 图论模型 - Dijkstra 样例1 2 图论模型-Floyd 样例2 3 机场航线设计 0.Airlines.csv数据 1.数据导入.观察变量 2.数据清洗 3.时 ...
- Python数学建模系列(四):数值逼近
文章目录 前言 往期文章 1. 一维插值 1.1 线性插值与样条插值(B-spline) 1.2 高阶样条插值 2. 二维插值 2.1 图像模糊处理--样条插值 2.2 二维插值的三维图 3. 最小 ...
- 数学建模系列-评价模型(一)---模糊综合评价法
目前我们讲解评价方法,也是最简单的方法之一. 底层逻辑:考虑多变量.表现来进行一个综合排名. 有些事综合排名,有些是将我们的排名继续量化为几个大类. 也可以分为极值问题和稳态问题. 主要步骤: 1.将 ...
- 数学建模系列笔记5:综合评价和因子分析
文章目录 5-1-1 模糊综合评价 5-1-2 恋爱对象的模糊综合评价 5-2 层次分析法 5-3 Topsis法 5-4 主成分综合评价 5-5-1 因子分析的思想原理 5-5-2 因子分析的应用 ...
- 数学建模系列:历年优秀论文+入门+进阶+国赛+美赛+其他
数模系列:历年优秀论文+入门+进阶+国赛+美赛+其他(待更新中) 数模成绩为国二\省一\o奖\H奖,在博客做一个总结.先放国赛美赛的历年优秀论文,资料来源微信公众号数学模型.(目前完成部分:入门+进阶 ...
- 数学建模常见的综合评价方法及预测方法
综合评价方法 •简单加权法 1. 线性加权综合法 适用条件:各评价指标之间相互独立. 对不完全独立的情况,其结果将导致各指标间信息的重复,使评价结果不能客观地反映实际. 主要特点: (1)各评价指标间 ...
最新文章
- debian java 安装路径_Debian安装JAVA环境(转载)
- 安装PHP出现make: *** [sapi/cli/php] Error 1 解决办法
- Win10上运行Docker
- ios 动态化视图_如何在iOS应用中使高度收集视图动态化
- app源码 php,PHP大型B2B2C商城源码带APP源码
- GPS测量误差来源分析
- 2019年日本上班的你必须知道的社会保障和源泉所得税
- 人机交互技术的发展趋势是怎样的?
- Redhat之SSH
- 从零开始安装Gentoo
- Balanced Substring
- 记录一次jar文件在windows系统下开机自启
- 20230327 作业
- SAP 物料号系统内部编码导入BAPI报错(E M_ 17)
- hal库中的UART使用
- 偶然发现,Javascript中双重否定的写法
- 分频电路的verilog实现
- 安防视频流媒体服务器Easy NVR搭建之DASH直播平台的搭建需要具备哪些条件?
- 悄悄送你几个黑科技资源网站 赶紧收藏起来
- 墨者靶场--手工注入mysql数据库
热门文章
- 客车网上售票系统(Java源码+sql脚本)
- [读书笔记]《你的灯亮着吗?》
- MAX422与422转USB及485以及232接线方法
- Layui 个人博客网站源码 (带运行文档)
- 编程语言python入门-Python基础教程,Python入门教程(非常详细)
- MATLAB函数之image、imagesc、imshow的用法
- mysql数据恢复或数据找回方法
- java cms 源码_PublicCMS开源Java系统 v4.0.190312
- mysql中转换日期格式,MySQL日期格式转换
- 【Android测试】AndroidStudio通过UIAutomator进行测试