6/10
今天天气真冷，早上冻醒的。今天的课程是模糊综合评价，first确定评价指标和等级，m个评价指标n种评价等级，next构建模糊综合评价矩阵，对每个评价指标逐一进行模糊评价，得到各指标模糊综合评价矩阵R=（rij）m*n.then确立评价指标的权重，引入模糊向量A=（a1 a2 ... an）权重向量∑ai=1。一般采用变异系数法，设计原理是某项指标的数值差异大，那么各个对象分开各评价对象的能力强，说明该指标的分辨信息丰富。归一化是vi/(∑vi).last模糊合成与综合评价，总体上对各等级的隶属度B=A。R，B按照一定的法则进行综合分析得到结果。上文所述应用在教学评价上还行，其他问题基本无法建立模型。通常m个指标n个等级问题获取矩阵R的常用方法是相对优属度和相对偏差法。今天的重点在于此处，首先是相对偏差模糊矩阵评价法，步骤1.建立一个虚拟的理想方案U 2.建立各个方案与U的偏差矩阵R 3.确定权重A 4.A。R first Ui的建立case 效益型maxj(aij)case成本型minj(aij)Case固定型（ph=7）Second 建立R R=（rij）m*nRij=|aij-ui|/(maxj(aij)-minj(aij))按行取Next变异系数法确定权重wiThen对各个对象的偏差加权平均取最小排前。接下来讲了相对优属度模糊矩阵评价法。First 建立模糊效益矩阵R=（rij）m*n rij case 效益型 aij/maxj(aij) case 成本型 minj(aij)/aij case 固定型 min|aij-aj|/|aij-aj|Then 做法与偏差法一样，仅仅是大值排前。灰色关联、相对优属度、相对偏差均属于综合评价方法，结果略有差异，注重分析，变权重灰色关联，调整分辨系数。睡着过也被吵醒过，大家在一起挺好的。下午代码到手比较晚，只分析了相对优属度和教学评价代码。下午的麻痹大意，没有及时领会，不过自学了下一讲图论。
页:
[1]