模糊評價法

一種解決評價問題或者得出最佳方案的方法

主觀性仍比較強

具體定義

三集：因素集，評語集和權重集，通過模擬矩陣的處理得到最合理的評語

具體步驟

因素集

因素集的確定不難，難在對分級評價時，對因素集的分級有技巧

評語集

評語集合既可以是真正意義上的"評語",又可以是不同方案(這時問題就轉變為最佳方案)

模糊集合

模糊集合不是非此即彼，沒有互相排斥的屬性，只能反映相關性，如年輕與年老。

隸屬函數

對于一個元素的隸屬函數，本質上是從評語集中的元素到區間[0,1]的一個映射，越接近于１隸屬程度越強

以下是常見隸屬函數

分類的確定有幾個技巧：
從越多(少)越容易導致成為這個評級入手，可以直接推斷出極小型和極大型，中間的就是中間型

• 分為極小型，中間型，極大型
• 注意極小型靠近０的這一側隸屬程度接近１說明隸屬關系強，以此類推想象

隸屬函數的確定

• 模糊統計法：
  
• F分布:

例題

隸屬函數如果有數據，優先使用F分布確定，沒有數據可以采用模糊評價
確定隸屬函數分布類型：
頻率越高越容易確定為快，所以是極大型；頻率越小越容易確定為慢，所以是極小型，注意從多(少)對于程度判斷的相關程度考慮

---

權重集

權重集是對每一個因素基所占權重的判斷。多重評價中每一個因素集都有對應權重集

• 層次分析法
• 熵權法

模糊矩陣

矩陣列是因素集，行是評價集，還有對應因素集的權重集

最后得到的結果是綜合類所有因素集得到的最終評價集

多級評價體系

不斷綜合低級因素集，生成高級評價集，最終生成最終評價集

個人總結：

關鍵是理解因素集，評價集和權重集的關系和作用：

權重集的確定分為：層次分析或者熵權法
評語集的確定分為：模糊統計和模擬集合
因素集的劃分：多級模糊綜合評價，本質上理解完下面這點，就是一個簡單的遞歸過程
模擬矩陣*權重集合的意義：綜合因素集所有元素后的最佳評價集合