建模算法整理，文章主要介绍了 模糊综合评价中的要把论域中的对象对应评语集合一个指定的评语的情况（一级模糊评价）
参考学习资料：清风数学建模 数学建模算法与程序
其他资源：2016到2020美赛o奖论文=== 姜启源 司守奎电子书===论文模板 ====算法代码
如果需要可私信或者评论
模糊评价问题概述
模糊评价问题是：
-
要把论域中的对象对应评语集合一个指定的评语
-
将方案 作为评语集并选择一个最优的方案
在模糊综合评价中，引入三个集合- 因素集（评价指标集） U={u1,u2,u3…un}
U={专业排名、课外实践、志愿服务、竞赛成绩} - 评语集（评价的结果）V={v1,v2,…vm}
V={优 良 差} - 权重集（指标的权重） A={a1,a2,…an}
A={0.5,0.10.1,0.3}
补充：区别于层次分析法考虑的三个问题 目标 指标 方案（选择）
- 因素集（评价指标集） U={u1,u2,u3…un}
一级模糊综合评判概述+步骤（以人事考核案例为例）
**概述说明：**在指标个数较少的考核中，运用一级模糊综合评判，而在问题较为复杂、指标较多时候，运用多层次模糊综合评判以提高精度。
一级模糊综合评判迷性的建立主要包括以下几个步骤：
-
确定因素（指标）集。对员工的表现,需要从多个方面进行综合评判,如员工的工作业 绩、工作态度、沟通能力、政治表现等。所有这些因素构成了评价指标体系集合,即因素 集,记为
U={u1,u2,…un} -
确定评语集。由于每个指标的评价值的不同,往往会形成不同的等级。如对工 作业绩的评价有好、较好、中等、较差、很差等。由各种不同决断构成的集合称为评语集， 记为
V={v1,v2,…vm} -
确定各因素的权重。一般情况下,因素集中的各因素在综合评价中所起的作用 是不相同的,综合评价结果不仅与各因素的评价有关,而且在很大程度上还依赖于各因素 对综合评价所起的作用,这就需要确定一个各因素之间的权重分配,它是U上的一个模 糊向量,记为
A={a1,a2,…an}
补充：确定权重的方法
Delphi 加权平均法 众人评估法（不常用）
无数据：层次分析法（常用）
有数据：熵权法 （常用）
也可以默认指标权重一致（简单做法） -
确定模糊综合判断矩阵。对指标u来说，对各个评语的隶属度为V上的模糊子集。对指标的评判记为
R=[ri1,ri2,…rim]
i:表示第几个指标
m：表示第几个评语
就是各个指标在对评语的隶属度n*m（n指标个数 m评语几类）
![在这里插入图片描述]()
它是一个从U到V的迷糊关系矩阵 -
综合评判。如果有一个从U到V的模糊关系R，那么可以得到一个模糊变换
F(U）->F(V)
由此变化，可得到综合评判结果B=A*R。
![在这里插入图片描述]()
B=[b1,b2…b3]
文字描述：各个指标的权重乘上各个指标在不同评论的隶属值汇总，得到的值数量对应评语的数量。（就是得到各个评语权重的占比）
具体案例带入数值计算
某单位对员工的年终综合评定
解
步一：取因素集
U={政治表现u1,工作能力u2,工作态度u3,工作成绩u4}。
步二：取评语集
V={优秀v1,良好v2,一般v3,较差v4,差v5}。
步三：确定各因素的权重
A=[0.25,0.2,0.25,0.3]。
步四：确定模糊综合评判矩阵,对每个因素u做出评价。
①u1比如由群众评议打分来确定：
R1=[0.1,0.5,0.4,0,0]
解释： 上式表示，参与打分的群众中，有10%的人认为这位员工的政治表现优秀，50%的人认为政治良好，40%的人认为政治表现一般，认为政治表现较差或差的人为0%。用同样的方法对其他因素进行评价。
②u2，u3由部门领导打分来确定：
R2=[0.2,0.5,0.2,0.1,0]
R3=[0.2,0.5,0.3,0,0]
③u4由部门领导打分来确定
R2=[0.2,0.6,0.2,0,0]
④以Ri构建评价矩阵（模糊关系矩阵）
我们需要知道一下三点
- rij的值与隶属度的计算方式有关，题目中只是三种中的其一方式
- 0<rij<1
- 大小为n*m (n表示指标数量 m 表示评语数目)（在前面也提过了）
④模糊综合评判矩阵，进行矩阵合成运算
结果如下： 得到m个数目的值（最终各个评语汇总占比）
我们取隶属度最大的良好作为综合评判结果，则评判结果为良好。
总结
文章纯属建模学习整理。
最后希望给文章点个赞，整理不易！！！
最后希望给文章点个赞，整理不易！！！
最后希望给文章点个赞，整理不易！！！
