介绍
评价模型：
- 没有数据：层次分析法
- 有数据：Topsis+熵权法
- 有数据：灰色关联分析
- 有数据：模糊综合评价模型(最好不用)
不确定性：
- 随机性
- 灰性：无法观测
- 模糊性：无法定量确定：帅、年轻、白；模糊性用模糊集来描述，模糊集用隶属函数来刻画
概念解析
经典集合
特征函数
论域
模糊集合
隶属函数
隶属度
模糊集合的表示方法：A=F(x,A(x))
- 扎德表示法
- 序偶表示法
- 向量表示法
- 偏小型
- 中间型
- 偏大型
隶属函数的确定方法：
- 模糊统计法:用的少，要设计调差问卷(写论文可用，理论上最科学，数模比赛一般不用);隶属频率->隶属度->隶属函数
- 借助已有的客观尺度：需要有合适的指标和数据
- ♥指派法：数学建模一般都用指派法；根据问题的性质套用分布；优点：方便；缺点：主观性比较强，因为是自己选分布。梯形分布用的最多；分布的参数自己选(说根据生活经验或别人的研究成果、常识)
应用：模糊综合评价
三个集合：
- 因素集
- 评语集
- 权重集
一级模糊综合评判建立：
- 1、确定因素集：注意是否分级
- 2、确定评语集
- 3、确定权重集：无数据-层次分析法，有数据-熵权法
- 4、♥确定模糊综合判断矩阵R：元素rij是指标i对评语j的隶属度(符合的程度)
- 5、综合评判：B=A*R
具体例子：
