一、综合评价法
二、模糊综合评判法
(一)模糊综合评价及原理
1.模糊综合评价就是以模糊数学为基础,应用模糊关系合成的原理,将一些边界不清、不易定量的因素定量化,从多个因素对被评价事务隶属等级状况进行综合性评价的一种方法。
2.基本原理:
(1)确定被评判对象的因素(指标)集和评价(等级)集;
(2)确定各个因素的权重及它们的隶属度向量,获得模糊评判矩阵;
(3)把模糊评判矩阵与因素的权向量进行模糊运算并进行归一化,得到模糊评价综合结果。
(二)模型和步骤
1.确定评价指标和评价等级
2.构造评价矩阵和确定权重
3.确定指标权重
- 评价指标集中的各个指标在“评价目标”中有不同的地位和作用,即个评价指标在综合评价中占有不同的比重。
- 拟引入U上的一个模糊子集A,称为权重或权数分配集, ,其中
4.进行单指标模糊评判,并求得评判矩阵
5.确定指标权重
假设男顾客侧重于舒适度和耐用度,而不太讲究花色和样式。
对各因素的权重可确定如下:
(三) 进行模糊合成和作出决策
1.模糊变化
2.决策
三、代码
#算子1
def min_max_operator(A, R):
'''
利用最值算子合成矩阵
:param A:评判因素权向量 A = (a1,a2 ,L,an )
:param R:模糊关系矩阵 R
:return:
'''
B = np.zeros((1, R.shape[1]))
for column in range(0, R.shape[1]):
list = []
for row in range(0, R.shape[0]):
list.append(min(A[row], R[row, column]))
B[0, column] = max(list)
return B
#算子2
def mul_max_operator(A, R):
'''
利用乘法最大值算子合成矩阵
:param A:评判因素权向量 A = (a1,a2 ,L,an )
:param R:模糊关系矩阵 R
:return:
'''
B = np.zeros((1, R.shape[1]))
for column in range(0, R.shape[1]):
list = []
for row in range(0, R.shape[0]):
list.append(A[row] * R[row, column])
B[0, column] = max(list)
return B
#算子3
def min_mymin_operator(A, R):
'''
利用最小值最小值算子合成矩阵
:param A:评判因素权向量 A = (a1,a2 ,L,an )
:param R:模糊关系矩阵 R
:return:
'''
B = np.zeros((1, R.shape[1]))
for column in range(0, R.shape[1]):
list = []
for row in range(0, R.shape[0]):
list.append(min(A[row], R[row, column]))
B[0, column] = mymin(list)
return B
def mymin(list):
for index in range(1, len(list)):
if index == 1:
temp = min(1, list[0]+list[1])
else:
temp = min(1, temp+list[index])
return temp
#算子4
def mul_mymin_operator(A, R):
'''
利用乘法最小值算子合成矩阵
:param A:评判因素权向量 A = (a1,a2 ,L,an )
:param R:模糊关系矩阵 R
:return:
'''
B = np.zeros((1, R.shape[1]))
for column in range(0, R.shape[1]):
list = []
for row in range(0, R.shape[0]):
list.append(A[row] * R[row, column])
B[0, column] = mymin(list)
return B