数学建模|模糊综合评价|简要原理+matlab代码实现

zzztutu 2023-05-26 原文

1. 原理简介

1.1 因素集与评价集

因素集（又称“评价指标”，是我们要选取的评价对象）

$U = \left\{ {\mathop {\mathop u\nolimits_1 ,u}\nolimits_2 ,\mathop u\nolimits_3 ,...,\mathop u\nolimits_m } \right\}$

上式中U称为因素集，里面含有m个待评价的对象。

例：当评价花店中某一品种的花时

U={花色，花香，样式，价格}

评价集（是我们给待评价对象设置的评级等级）（一般划分为3~5个等级）

$[V = \left\{ {\mathop v\nolimits_1 ,\mathop v\nolimits_2 ,\mathop v\nolimits_3 ,...,\mathop v\nolimits_n } \right\}\]$

上式中V称为评价集，里面含有n个评价等级。

例：当评价花店中某一品种的花时

V={很受欢迎，欢迎，一般，不受欢迎}

1.2 评价指标权重向量

概念介绍

$[A = \left\{ {\mathop a\nolimits_1 ,\mathop a\nolimits_2 ,\mathop a\nolimits_3 ,...,\mathop a\nolimits_m } \right\}\]$

上式中A为权重向量，里面每一个元素代表每一个待评价的指标占待评价对象的权重。

例：当评价花店中某一品种的花时

A={0.4,0.4,0.1,0.1}

表示：

花色在评价这中花的权重为0.4

花香在评价这中花的权重为0.4

样式在评价这中花的权重为0.1

价格在评价这中花的权重为0.1

确定方法（2种）

主观：层次分析法
客观：变异系数法

【主要讲解变异系数法】

$[\mathop v\nolimits_i = \mathop s\nolimits_i /\left| {\overline {\mathop x\nolimits_i } } \right|\]$

上式中vi属于变异系数（可以理解为权重）；si为每一个指标的标准差；xi为每一个指标的均值

1.3 模糊综合评价矩阵

概念介绍

$R={{\left( \mathop{\text{r}}_{\text{ij}} \right)}_{\text{m }\!\!\times\!\!\text{ n}}}\text{=}\left( \begin{matrix} \mathop{r}_{11} & \mathop{r}_{12} & ... & \mathop{r}_{1n} \\ \mathop{r}_{21} & \mathop{r}_{22} & \cdots & \mathop{r}_{2n} \\ \vdots & \vdots & \vdots & \vdots \\ \mathop{r}_{m1} & \mathop{r}_{m2} & \cdots & \mathop{r}_{mn} \\ \end{matrix} \right)$

上式中rij表示ui对vj的隶属度。

确定方法（2种）

相对偏差法
相对优属度法

【主要讲解相对偏差法】

（1）建立一个虚拟理想方案u

（2）建立相对偏差模糊矩阵R

（3）确定权重向量wi

（4）偏差加权

（5）F值综合评价

2. 相对偏差法+变异系数法求解思路

2.1 建立虚拟矩阵

$U = \left\{ {\mathop {\mathop u\nolimits_1 ,u}\nolimits_2 ,\mathop u\nolimits_3 ,...,\mathop u\nolimits_m } \right\}$

其中

效益型指标：越高越好的指标

例如：收益、回报等。

成本型指标：越低越好的指标

例如：成本、投资费用，污染度。

2.2 建立相对偏差模糊矩阵

其中

$\mathop r\nolimits_{ij} = \frac{{\left| {\mathop a\nolimits_{ij} - \mathop u\nolimits_j } \right|}}{{\mathop {\max }\limits_j \left\{ {\mathop a\nolimits_{ij} } \right\} - \mathop {\min }\limits_j \left\{ {\mathop a\nolimits_{ij} } \right\}}}$

2.3 变异系数法确定权重向量

$[\mathop v\nolimits_i = \mathop s\nolimits_i /\left| {\overline {\mathop x\nolimits_i } } \right|\]$

$\mathop w\nolimits_i = \left\{ {\mathop v\nolimits_1 ,\mathop v\nolimits_2 ,\mathop v\nolimits_3 , \cdots ,\mathop v\nolimits_m } \right\}$

2.4 对各方案偏差加权

$\mathop F\nolimits_j = \sum\limits_{i = 1}^m {\mathop w\nolimits_i \mathop r\nolimits_{ij} \left( {j = 1,2, \cdots ,n} \right)}$

2.5 用F值进行综合评价

若 $\mathop F\nolimits_i < \mathop F\nolimits_s$ ，则第i个方案排在第s个方案之前【F值越小，方案优先级越高，方案越好】

3. Matlab代码实现

题目要求是：

代码实现：

%相对偏差评价法

%获取数据
A = xlsread("D:\Desktop\模糊评价practice.xlsx",1,"B2:E9")

%建立虚拟理想方案[注意行列代表什么，最大最小值取行还是列]【效益型取最大，成本型取最小】
[m,n]=size(A);%找出多少行多少列
maxA = max(A,[],2);%找出几种方案的最大值
minA = min(A,[],2);%找出几种方案的最小值
G = maxA-minA;%最大值减去最小值

A1=max(A(1:3 , :),[],2);%第一行-第三行为效益型(越大越好)
A2=min(A(4:7 , :),[],2);%第四行-第七行为成本型(越小越好)
A3=max(A(8 , :),[],2);%第八行为效益型
u=[A1',A2',A3'];% u 为理想方案


%建立相对偏差模糊矩阵R
R=zeros(m,n);%将模糊综合矩阵初值设置为0
% 如下是得出模糊综合矩阵
for i=1:m
    for j=1:n
        R(i,j)=abs(A(i,j)-u(i))/G(j) %注意：u是索引行还是列
    end
end

%利用变异系数计算权向量
x=mean(A,2);%注意：一定是计算指标集的统计量
s=std(A,0,2);
v=s ./ x;
v2=sum(v);
c=zeros(1,8);
for i=1:8
    c(i)=v(i)/v2;
end

%根据F值进行综合评价（越小越好）
FF=c*R;

4. 代码总结

min，max函数求最值

% max()函数
M = max(A) 返回数组的最大元素。
%如果 A 是向量，则 max(A) 返回 A 的最大值。
%如果 A 为矩阵，则 max(A) 是包含每一列的最大值的行向量。
M = max(A,[],dim)
%返回维度 dim 上的最大元素。例如，如果 A 为矩阵，则 max(A,[],2) 是包含每一行的最大值的列向量。
M = max(A,[],2) %返回每一行的最大值，并用列向量输出

mean函数求均值

mean(A)%返回每一列的均值
mean(A,2)%返回每一行的均值作为列向量

std函数求标准差

S = std(A) %计算每一列的标准差
S = std(A,0,2) %计算每一行的标准差

数学建模简要 20 5Cmathop Cmathop 算法 matlab 矩阵

有关数学建模|模糊综合评价|简要原理+matlab代码实现的更多相关文章

ruby - 如何在 buildr 项目中使用 Ruby 代码？ - 2
如何在buildr项目中使用Ruby？我在很多不同的项目中使用过Ruby、JRuby、Java和Clojure。我目前正在使用我的标准Ruby开发一个模拟应用程序，我想尝试使用Clojure后端(我确实喜欢功能代码)以及JRubygui和测试套件。我还可以看到在未来的不同项目中使用Scala作为后端。我想我要为我的项目尝试一下buildr(http://buildr.apache.org/)，但我注意到buildr似乎没有设置为在项目中使用JRuby代码本身!这看起来有点傻，因为该工具旨在统一通用的JVM语言并且是在ruby中构建的。除了将输出的jar包含在一个独特的、仅限ruby
ruby-on-rails - Rails 源代码 : initialize hash in a weird way? - 2
在rails源中:https://github.com/rails/rails/blob/master/activesupport/lib/active_support/lazy_load_hooks.rb可以看到以下内容@load_hooks=Hash.new{|h,k|h[k]=[]}在IRB中，它只是初始化一个空哈希。和做有什么区别@load_hooks=Hash.new 最佳答案查看rubydocumentationforHashnew→new_hashclicktotogglesourcenew(obj)→new_has
ruby-on-rails - 建模收藏夹 - 2
我希望将Favorite模型添加到我的User和Link模型。业务逻辑用户可以有多个链接(即可以添加多个链接)用户可以收藏多个链接(他们自己的或其他用户的)一个链接可以被多个用户收藏，但只有一个所有者我对如何为这种关联建模以及在模型就位后如何创建用户收藏夹感到困惑？classUser 最佳答案下面的数据模型怎么样:classUser:destroyhas_many:favorite_links,:through=>:favorites,:source=>:linkendclassLink:destroyhas_many:favor
ruby - 如何根据特征实现 FactoryGirl 的条件行为 - 2
我有一个用户工厂。我希望默认情况下确认用户。但是鉴于unconfirmed特征，我不希望它们被确认。虽然我有一个基于实现细节而不是抽象的工作实现，但我想知道如何正确地做到这一点。factory:userdoafter(:create)do|user,evaluator|#unwantedimplementationdetailshereunlessFactoryGirl.factories[:user].defined_traits.map(&:name).include?(:unconfirmed)user.confirm!endendtrait:unconfirmeddoenden
ruby-on-rails - 浏览 Ruby 源代码 - 2
我的主要目标是能够完全理解我正在使用的库/gem。我尝试在Github上从头到尾阅读源代码，但这真的很难。我认为更有趣、更温和的踏脚石就是在使用时阅读每个库/gem方法的源代码。例如，我想知道RubyonRails中的redirect_to方法是如何工作的:如何查找redirect_to方法的源代码？我知道在pry中我可以执行类似show-methodmethod的操作，但我如何才能对Rails框架中的方法执行此操作？您对我如何更好地理解Gem及其API有什么建议吗？仅仅阅读源代码似乎真的很难，尤其是对于框架。谢谢! 最佳答案 Ru
ruby - 模块嵌套代码风格偏好 - 2
我的假设是moduleAmoduleBendend和moduleA::Bend是一样的。我能够从thisblog找到解决方案,thisSOthread和andthisSOthread.为什么以及什么时候应该更喜欢紧凑语法A::B而不是另一个，因为它显然有一个缺点？我有一种直觉，它可能与性能有关，因为在更多命名空间中查找常量需要更多计算。但是我无法通过对普通类进行基准测试来验证这一点。最佳答案这两种写作方法经常被混淆。首先要说的是，据我所知，没有可衡量的性能差异。(在下面的书面示例中不断查找)最明显的区别，可能也是最著名的，是你的
ruby - 寻找通过阅读代码确定编程语言的ruby gem？ - 2
几个月前，我读了一篇关于rubygem的博客文章，它可以通过阅读代码本身来确定编程语言。对于我的生活，我不记得博客或gem的名称。谷歌搜索“ruby编程语言猜测”及其变体也无济于事。有人碰巧知道相关gem的名称吗？最佳答案是这个吗:http://github.com/chrislo/sourceclassifier/tree/master 关于ruby-寻找通过阅读代码确定编程语言的rubygem？，我们在StackOverflow上找到一个类似的问题：
ruby - Net::HTTP 获取源代码和状态 - 2
我目前正在使用以下方法获取页面的源代码:Net::HTTP.get(URI.parse(page.url))我还想获取HTTP状态，而无需发出第二个请求。有没有办法用另一种方法做到这一点？我一直在查看文档，但似乎找不到我要找的东西。最佳答案在我看来，除非您需要一些真正的低级访问或控制，否则最好使用Ruby的内置Open::URI模块:require'open-uri'io=open('http://www.example.org/')#=>#body=io.read[0,50]#=>"["200","OK"]io.base_ur
程序员如何提高代码能力？ - 2
前言作为一名程序员，自己的本质工作就是做程序开发，那么程序开发的时候最直接的体现就是代码，检验一个程序员技术水平的一个核心环节就是开发时候的代码能力。众所周知，程序开发的水平提升是一个循序渐进的过程，每一位程序员都是从“菜鸟”变成“大神”的，所以程序员在程序开发过程中的代码能力也是根据平时开发中的业务实践来积累和提升的。提高代码能力核心要素程序员要想提高自身代码能力，尤其是新晋程序员的代码能力有很大的提升空间的时候，需要针对性的去提高自己的代码能力。提高代码能力其实有几个比较关键的点，只要把握住这些方面，就能很好的、快速的提高自己的一部分代码能力。1、多去阅读开源项目，如有机会可以亲自参与开源
Matlab imread（）读到了什么（浅显当复习文档了） - 2
matlab打开matlab，用最简单的imread方法读取一个图像clcclearimg_h=imread('hua.jpg');返回一个数组（矩阵），往往是a*b*cunit8类型解释一下这个三维数组的意思，行数、数和层数，unit8：指数据类型，无符号八位整形，可理解为0~2^8的数三个层数分别代表RGB三个通道图像rgb最常用的是24-位实现方法，即RGB每个通道有256色阶（2^8）。基于这样的24-位RGB模型的色彩空间可以表现256×256×256≈1670万色当imshow传入了一个二维数组，它将以灰度方式绘制；可以把图像拆分为rgb三层，可以以灰度的方式观察它figure(1

数学建模|模糊综合评价|简要原理+matlab代码实现

1. 原理简介

1.1 因素集与评价集

1.2 评价指标权重向量

概念介绍

确定方法（2种）

1.3 模糊综合评价矩阵

概念介绍

确定方法（2种）

2. 相对偏差法+变异系数法 求解思路

2.1 建立虚拟矩阵

2.2 建立相对偏差模糊矩阵

2.3 变异系数法确定权重向量

2.4 对各方案偏差加权

2.5 用F值进行综合评价

3. Matlab代码实现

4. 代码总结

有关数学建模|模糊综合评价|简要原理+matlab代码实现的更多相关文章

随机推荐

2. 相对偏差法+变异系数法求解思路