文章目录

1 举例讲解

例1:

对某品牌电视机进行综合模糊评价

设评价指标集合:

U= {图像，声音，价格} ;

评语集合:

V={很好，较好，-般，不好} ;

这样一个模糊评价矩阵就建立完毕。

2 另一个例子

考虑一个服装评判的问题，为此建立因素集U={u1,u2,u3,u4}，其中u1表示花色，u2表示式样，u3表示耐穿程度，u4表示价格，建立评判集V={v1,v2,v3,v4}，其中v1表示很欢迎，v2表示较欢迎，v3表示不太欢迎，v4表示不欢迎，进行单因素评判的结果如下：

用模糊模型即“主因素决定型”，计算综合评判为：

根据最大隶属度原则可知，第一类顾客对此服装“不太欢迎”，第二类顾客对此服装则“比较欢迎” 。

用matlab解决的代码如下：%新建Example8_4.m文件function Example8_4A1=[0.1 0.2 0.3 0.4];A2=[0.4 0.35 0.15 0.1];R=[0.2 0.5 0.2 0.1;0.7 0.2 0.1 0;0 0.4 0.5 0.1;0.2 0.3 0.5 0];fuzzy_zhpj(1,A1,R)fuzzy_zhpj(1,A2,R)end%%function[B]=fuzzy_zhpj(model,A,R) %模糊综合评判B=[];[m,s1]=size(A);[s2,n]=size(R);if(s1~=s2)disp('A的列不等于R的行');elseif(model==1) %主因素决定型for(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)x=0;if(A(i,k)<R(k,j))x=A(i,k);elsex=R(k,j);endif(B(i,j)<x)B(i,j)=x;endendendendelseif(model==2)%主因素突出型for(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)x=A(i,k)*R(k,j);if(B(i,j)<x)B(i,j)=x;endendendendelseif(model==3) %加权平均型for(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)B(i,j)=B(i,j)+A(i,k)*R(k,j);endendendelseif(model==4) %取小上界和型for(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)x=0;x=min(A(i,k),R(k,j));B(i,j)=B(i,j)+x;endB(i,j)=min(B(i,j),1);endendelseif(model==5) %均衡平均型C=[];C=sum(R);for(j=1:n)for(i=1:s2)R(i,j)=R(i,j)/C(j);endendfor(i=1:m)for(j=1:n)B(i,j)=0;for(k=1:s1)x=0;x=min(A(i,k),R(k,j));B(i,j)=B(i,j)+x;endendendelsedisp('模型赋值不当');endendend%%----------------------------------------------------------------------------------右击“Example8_4.m”-->run,得到如下结果：ans =0.2000 0.3000 0.4000 0.1000ans =0.3500 0.4000 0.2000 0.1000------------------------------------------------------------------------------------解释如下：根据最大隶属度原则可知，第一类顾客对此服装“不太欢迎”，第二类顾客对此服装则“比较欢迎” 。

3 输出结果截图