1、关于模糊综合评价的矩阵算法：1、 按模糊矩阵运算（培训教材课堂上的例题）：a、权重系数会事先给出，由此会得出集合 A = 0.2, 0.2, 0.2, 0.4 b、指标集和评价集按下式列出，代入数据表示成集合 R评价集V1 V2 V3 V4 V5指 U 1 0 0.1 0.2 0.3 0.4标 U 2 0.1 0.1 0.4 0.2 0.2 代入数据表示成集 U 3 0 0.1 0.2 0.6 0.1U4 0 0.2 0.5 0.3 0C、综合评价集合的计算 B=AR 即用集合 A 中第一个数和集合 R 中的沿第一列方向的第一个数模糊相乘(0.20)，然后再模糊相加（）集合 A 中第二个数和集
2、合 R 中的沿第一列方向的第二个数模糊相乘(0.20.1)，依次类推得到下式(0.20)(0.2 0.1) (0.2 0) (0.40)按相乘取小，相加取大得出= 0 0.1 0 0 = 0.1然后再用集合 A 中第一个数和集合 R 中的沿第二列方向的第一个数模糊相乘(0.20.1)，然后再模糊相加（）集合 A 中第二个数和集合 R 中的沿第二列方向的第二个数模糊相乘(0.20.1)，依次类推得到下列各算式，按相乘取小，相加取大得出各数值(0.20.1)(0.2 0.1)(0.2 0.1)(0.4 0.2)= 0.2(0.20.2)(0.2 0.4)(0.2 0.2)(0.4 0.5)= 0.
3、4(0.20.3)(0.2 0.2)(0.2 0.6)(0.4 0.3)= 0.3(0.20.4)(0.2 0.2)(0.2 0.1)(0.4 0)= 0.2即 AR = 0.1, 0.2, 0.4, 0.3, 0.2 归一化：0.1/1.2, 0.2/1.2, 0.4/1.2, 0.3/1.2, 0.2/1.2= 0.083, 0.167，0.333，0.250， 0.167 2、 按经典矩阵运算（新第二版教材上的例题）：a、权重系数会事先给出，由此会得出集合 A = 0.2, 0.2, 0.2, 0.4 b、指标集和评价集按下式列出，代入数据表示成集合 R评价集V1 V2 V3 V4 V5
4、指 U 1 0 0.1 0.2 0.3 0.4标 U 2 0.1 0.1 0.4 0.2 0.2 代入数据表示成集 U 3 0 0.1 0.2 0.6 0.1U4 0 0.2 0.5 0.3 0C、综合评价集合的计算 B=AR 即用集合 A 中第一个数和集合 R 中的沿第一列方向的第一个数相乘 0.20，然后再相加（）集合 A中第二个数和集合 R 中的沿第一列方向的第二个数相乘 0.20.1，依次类推得到下式（0.20）（0.20.1） （0.20 ） （0.40）=0.02然后再用集合 A 中第一个数和集合 R 中的沿第二列方向的第一个数相乘 0.20.1，然后再相加（）集合 A 中第二个数
5、和集合 R 中的沿第二列方向的第二个数相乘 0.20.1，依次类推得到下列各算式及值（0.20.1)(0.20.1)(0.20.1)(0.40.2)= 0.14(0.20.2)(0.2 0.4)(0.2 0.2)(0.4 0.5)= 0.36(0.20.3)(0.2 0.2)(0.2 0.6)(0.4 0.3)= 0.34(0.20.4)(0.2 0.2)(0.2 0.1)(0.4 0)= 0.14即 AR = 0.02, 0.14, 0.36，0.34, 0.14（因 0.020.140.360.340.14=1，无需再归一化）3、 考试时采用模糊矩阵运算，因教材上给出的全是模糊矩阵运算公式，而此节讲的又是模糊理论方法，理应采用模糊矩阵运算，但不知为啥教材上用经典矩阵计算。2011 年 11 月 2日
