模糊模型及其應用模糊集合及隸屬度badce00.20.910.4這幾個圖型相對于圓的隸屬度U={a,b,c,d}稱為論域uA(a)=1uA(b)=0.9uA(c)=0.4uA(d)=0.2稱為U在A上的隸屬函數(shù)A為圓：年老及年輕的隸屬函數(shù)00<=u<=50uo(u)=1+((u-50)/5)-250<u<=200-1uy(u)=1+((u-25)/5)225<u<=200-110<=u<=251050100年輕年老年齡年老年輕<=25012600.963000.54000.15000.0384510.03840.0356700.940.01221000.990.004教師講課的綜合評判U是評價因素集，V是評語等級U={清楚易懂，教材熟練，生動有趣，板書整齊}V={很好，較好，一般，不好}0.40.50.100.60.30.100.10.20.60.10.10.20.50.2rij表示第i個因素著眼，對被評教師作出第j種評語的可能程度：r11r12r13r14r21r22r23r24r31r32r33r34r41r42r43r44很好較好一般不好清楚易懂教材熟練生動有趣板書整齊VU數(shù)據(jù)來源：可以在某一班級做問卷調查，如在清楚易懂方面有40%的學生認為是很好，50%的學生認為是較好，10%的認為一般，沒有人認為不好。其它的因素如法炮制。模糊評價矩陣R考慮如果V或U中元素的個數(shù)不同，模糊評價矩陣的結構有何變化？權數(shù)我們可以為U中的各元素分配不同的權數(shù)，表示各元素隸屬于重要的隸屬度。A=（0.5，0.2，0.2，0.1）0.40.50.100.60.30.100.10.20.60.10.10.20.50.2B=（0.5，0.2，0.2，0.1）評價模型是：AR，表示取小取大運算B1=Max{min{0.5,0.4},min{0.2,0.6},min{0.2,0.1},min{0.1,0.1}}=0.4B2=Max{min{0.5,0.5},min{0.2,0.3},min{0.2,0.2},min{0.1,0.2}}=0.5B3=Max{min{0.5,0.1},min{0.2,0.1},min{0.2,0.6},min{0.1,0.5}}=0.2B4=Max{min{0.5,0},min{0.2,0},min{0.2,0.1},min{0.1,0.2}}=0.1很好較好一般不好清楚易懂教材熟練生動有趣板書整齊很好較好一般不好B=(0.4,0.5,0.2,0.1)B=(0.33,0.42,0.17,0.08)根據(jù)最大隸屬原則，該老師講課只能是較好。歸一化后：例1有三位同學（張三、李四、王五）的四門外語(英、法、德、日)成績如下：姓名語種成績張三英86張三法84李四德96王五日66王五英78把這些成績折合成隸屬度（可采用除100的方法），可得到一個矩陣R：0.860.8400000.9600.78000.66英法德日張三李四王五Lily:賀P103例2服裝評判U={花色式樣、耐穿程度、價格費用}V={很歡迎、較歡迎、不太歡迎、不歡迎}一類顧客的評判標準為：A=（0.2,0.5,0.3）對某一種服裝，經(jīng)市場調查有：花色式樣：（20%的人歡迎，70%較歡迎，10%不太歡迎）耐穿程度：（40%的人較歡迎，50%不太歡迎，10%不歡迎）價格費用：（20%的人歡迎，30%較歡迎，40%不太歡迎，10%不歡迎）因此有0.20.70.1000.40.50.10.20.30.40.1B=AR=（0.2，0.5，0.3）=(0.2,0.4,0.5,0.1)