CN108256761A - 顶置武器站灰色模糊综合评价方法 - Google Patents
顶置武器站灰色模糊综合评价方法 Download PDFInfo
- Publication number
- CN108256761A CN108256761A CN201810034797.5A CN201810034797A CN108256761A CN 108256761 A CN108256761 A CN 108256761A CN 201810034797 A CN201810034797 A CN 201810034797A CN 108256761 A CN108256761 A CN 108256761A
- Authority
- CN
- China
- Prior art keywords
- index
- degree
- fuzzy
- membership
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种顶置武器站灰色模糊综合评价方法,涉及模糊评价技术领域。本发明提出了一种顶置武器站灰色模糊综合评价方法,该方法选用灰色系统中研究各因素间相互关系的灰色关联分析进行处理,将灰色理论引入到了模糊评价中去,用擅长处理复杂系统内部结构信息的关联度代替模糊综合评判的因素权重集对目标进行评价,从而提高了顶置武器站性能综合评价方法的可信度。
Description
技术领域
本发明涉及模糊评价技术领域,具体涉及一种顶置武器站灰色模糊综合评价方法。
背景技术
模糊综合评判方法在许多自然科学领域得到了普遍的使用。该方法首先构造一个单因素评判集R(从因素集U到评语集的模糊映射),再确定能够反映各因素的相对重要性的权重集A,通过模糊合成计算,将评判集R与权重集A合成为多因素综合评判集B。权重的确定对模糊综合评判结果起着十分重要的作用,直接决定可靠与否,而对权重的正确赋值又是最困难、最复杂的问题。权重大多是由专家根据经验赋值的,不同的专家对同一个影响因素往往给予不同的权重,所以,事物的权重集不是惟一确定的。权重集反映了人们的主观认识,使得模糊综合评判这种定量研究方法带有了主观性。
模糊综合评判的权重反映了各影响因素的重要程度,大多数情况下人们只能看到影响因素间的表面关系,而看不到其内在联系,因此可以认为事物与影响因素共同构成一个灰色系统。单凭人为主观经验打分获得的权重集将原本灰色的关系白化,并不能体现事物内部结构联系,尤其是影响因素关系复杂,事物本质容易被表面现象掩盖的情况下,其可信度并不高。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何实设计一种可信度高的顶置武器站性能综合评价方法。
(二)技术方案
为了解决上述技术问题,本发明提供了一种顶置武器站灰色模糊综合评价方法,包括以下步骤:
步骤一、划分因素集
因素集U={u1,u2,u3,…,um}是影响被评价对象的指标集合,用来反映评判者从哪些方面来评价目标,本步骤对评估指标体系进行分层,底层评判得到的综合评判向量继续参与上一层次的评判;
步骤二、建立评价集
评价集V={v1,v2,v3,…,vn}是各因素对被评价目标所有评价等级组成的集合,有n种评价等级;
步骤三、建立隶属矩阵
在确定因素集与评价集之后,即可确定因素集中单因素ui(i=1,2,…,m)对上一子集的抉择等级vj(j=1,2,…,n)的隶属度rij,得到单因素ui的评判集ri={ri1,ri2,…,rin},通过对所有评价因素的整合得到评判矩阵,即隶属矩阵R:
(1)定量指标隶属度的确定方法
定量指标的隶属度用隶属函数求得,隶属函数能够定量地反映模糊概念中元素从属于模糊集的程度;
1)选用梯型模糊分布函数作为隶属函数;
2)构造隶属度模糊子集表
定量指标变量的隶属度既可以用连续函数的形式表示,也可以把输入量视为语言变量,这样隶属度函数就能以离散的量化等级形式出现,参照经典隶属函数以及专家调查的结果,构造指标的隶属度模糊子集表;
3)区间划分
采用5段区间取值方法,对定量评价指标数据进行区间划分,根据专家经验建立各定量指标相应的分段函数和分段标准,从而使得所建立的评判模型能够适应任何时候、任何人员的需要,分段函数如下式所示:
式中:
DLZBij表示第i类第j个定量指标的确定值;
yj1、yj2、yj3、yj4、yj5依次表示第1、2、3、4、5变化区间内的数值;
xij表示第i类第j个指标的原始采集的数据值;
M1、M2、M3、M4、M5依次表示第1、2、3、4、5区间变化的临界值;
定量性能指标包括效益型、成本型和固定型三类,根据各定量指标的分段函数绘制对应的分段标准;
(2)定性指标的确定方法
针对顶置武器站定性指标的特点,采用模糊统计法对定性指标的隶属度进行描述,实施时分别对各专家发放调查问卷,对不同型号武器站的所有定性指标的隶属度进行调查,调查问卷涉及到武器站的型号、定性指标名称以及评价集;
(3)开放性的隶属度矩阵
设计开放性的隶属度矩阵,规定在顶置武器站单独性能评价过程中,缺少数据的指标按照3级语言变量来处理,即规定其隶属度为{0,0.15,0.65,0.17,0.03};当两个武器站性能比较时,只要其中一方武器站指标的数据缺少,另外一方武器站的对应指标同样按照数据缺失来处理;
步骤四、确定权重集
R中不同行向量反映了各因素对上一级模糊子集的隶属程度,权重集的作用就是将R的不同行进行综合,从而得到评价结果,令各因素ui(i=1,2,…,m)所对应权重为ai(i=1,2,…,m),得到权重集A={a1,a2,…,am},本步骤以专家打分并通过相应计算给出权重;
(1)组织专家对影响因素的权重打分
以调查问卷的形式组织10位专家对指标权重进行评定,规定权重数值精度为0.05,具体评价结果经过整理得到矩阵(Whi)10×i,其中Whi是第h位专家对第i个指标评估得出的权重评定值;
(2)偏离度计算
由公式计算相似系数Rhg,由相似系数得出相似矩阵(Rhg)n×n;
式中:m为指标的数量,n为专家的数量;Rhg为第h位专家与第g位专家对第i个指标评估得出的权重结果的相似度;设定偏离度限制D0,权重评价结果偏离度系数大于D0,其调查结果作废,由余下的专家打分数据计算得出的权重值来确定各层指标的权重;
(3)关联系数计算
选择灰色关联度进行权重的计算,设有m个指标,每个指标被n'个有效专家打分:
x1(t)=(x1(1),x1(2),…,x1(n'))
x2(t)=(x2(1),x2(2),…,x2(n'))
………
xm(t)=(xm(1),xm(2),…,xm(n'))
式中:x0(t)为原始参考序列X0={x0(t),t=1,2,…,m}中的元素,xi(t)为对比序列Xi={xi(t),t=1,2,…,m}中的元素,μ为分辨系数,|x0(t)-xi(t)|=Δi(t)为第t点X0与Xi的绝对差,为第一级最小差,为两级最小差,为两级最大差;
(4)每条曲线的关联度
(5)将每条曲线的关联度进行归一化得到权重值;
步骤五、确定模糊综合评价集
n个评判结果并非绝对的肯定和否定,因此综合评价的结果可以看作V={v1,v2,v3,…,vn}上的模糊集,记为:
B={b1,b2,…,bn}
式中:bi反映了第i个评判结果在评价集V中的重要程度;
令隶属矩阵R=(rij)m*n,(i=1,2,…,m;j=1,2,…,n),以及权重集A={a1,a2,…,am},采用加权平均法进行运算,按照矩阵乘法计算则得到模糊综合评价集:
优选地,步骤二中,将顶置武器站性能评价集V的等级数n确定为5,并采用百分制定量评价,即:
V={v1,v2,v3,v4,v5}={1,2,3,4,5} (1)
其中的1,2,3,4,5为等级评定,五个等级均匀而连续地递降排列,分别对应相应的分数。
优选地,步骤三中,所述梯型模糊分布函数表示为:
偏小型:
中间型:
偏大型:
a、b、c、d均为预设阈值。
优选地,步骤三中,选取10位顶置武器站领域的专家参与调查,问卷调查结束之后,分别对各指标的专家调查意见进行统计,得到第i个指标的判断频数向量ri={ri1,ri2,ri3,ri4,ri5},然后对其进行规范化处理,即对ri={ri1,ri2,ri3,ri4,ri5}进行归一化计算,使其满足 计算过程如下:
ri 0={ri1 0,ri2 0,ri3 0,ri4 0,ri5 0}为顶置武器站第i个定性指标的隶属度向量。
优选地,μ在[0,1]取值。
优选地,μ为0.5。
(三)有益效果
本发明提出了一种顶置武器站灰色模糊综合评价方法,该方法选用灰色系统中研究各因素间相互关系的灰色关联分析进行处理,将灰色理论引入到了模糊评价中去,用擅长处理复杂系统内部结构信息的关联度代替模糊综合评判的因素权重集对目标进行评价,从而提高了顶置武器站性能综合评价方法的可信度。
附图说明
图1是本发明的方法主要流程图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
灰色模糊综合评价是以模糊性为大背景的综合评价,在此基础上引进灰色理论的思想,以解决系统内部深层次的灰色关系。该方法继承了模糊综合评价法与灰色综合评价法的优点,适合解决评价根据不足、认识落后于实际、“以点代面”、伪信息干扰多等情况。
模糊系统并不能很好的处理事物内部的灰色关系,而选用灰色系统中研究各因素间相互关系的灰色关联分析进行处理,就能很好解决事物间的灰色关系。步骤为把被评判目标的数据序列作为母序列,把其影响因素的数据序列作为子序列,运用灰色关联法计算子母序列的关联度。关联度越大,说明子因素与主因素的关系越紧密,即该因素对目标的影响能力越大。因此,灰色理论中的关联度与模糊理论中的权重在基本意义上是相通的,将灰色理论引入到了模糊评价中去,用擅长处理复杂系统内部结构信息的关联度代替模糊综合评判的因素权重集对目标进行评价是科学的。另外,关联度分析最大的特点是对数据量没有严格的要求,不管数据多还是少都可以进行分析。
本发明的顶置武器站灰色模糊综合评价方法的具体步骤如图1所示。首先是确定影响因素,建立评价指标体系和模糊因素集。
步骤一、划分因素集
因素集U={u1,u2,u3,…,um}是影响被评价对象的指标集合,用来反映评判者从哪些方面来评价目标。本发明对评估指标体系进行了分层,底层评判得到的综合评判向量继续参与上一层次的评判。
步骤二、建立评价集
评价集V={v1,v2,v3,…,vn}是各因素对被评价目标所有评价等级组成的集合。n表示有n种评价等级,一般评价等级数为3至7,如果评价等级数过大会对模糊综合评判带来困难,如果评价数过小会降低评价准确度。为了直观反映性能的好坏,将顶置武器站性能评价集V的等级数确定为5,并采用百分制定量评价,即:
V={v1,v2,v3,v4,v5}={1,2,3,4,5} (1)
其中的1,2,3,4,5为等级评定,五个等级均匀而连续地递降排列,分别对应相应的分数,这样做不但可以量化指标也提高了准确性。各评价等级对应的评语及相应赋分值如表1所示:
表1评价尺度表
步骤三、建立隶属矩阵
在确定因素集与评价集之后,即可确定因素集中单因素ui(i=1,2,…,m)对上一子集的抉择等级vj(j=1,2,…,n)的隶属度rij,可得到单因素ui的评判集ri={ri1,ri2,…,rin},通过对所有评价因素的整合得到评判矩阵(即隶属矩阵)R:
在评价系统的层次结构中,性能指标具有多种的类型和量纲,各指标值无法直接进行综合运算,为了使各指标数据之间具有可比性,应对各评价指标数据进行量化。模糊综合评价的指标量化是通过隶属度的形式表示的,因此获得准确的隶属度是顶置武器站性能评价问题的前提,隶属度的确定方法是多种多样的,需要跟据指标的性质进行选择。武器站的评价指标按照性质可分为定量指标和定性指标两种,它们表现出不可公度性和矛盾性的特点,针对两种指标的特性分别选取两类不同隶属度确定方法。
(1)定量指标隶属度的确定方法
定量指标的隶属度可以用隶属函数求得,隶属函数能够定量地反映模糊概念中元素从属于模糊集的程度。由于人头脑思维存在差异,每个人对同一事物的认识一般是不同的,因此每个人头脑中的隶属函数也是不同的,隶属函数的确定难免不同程度上受到主观因素的影响,但由于主观与客观有着必然的关联性,存在确定的隶属函数来反映客观实际。
1)选取隶属函数
隶属函数的确定方法有三种,分别是模糊统计法、二元对比排序法、典型函数法:模糊统计法是通过对受访者进行模糊统计试验,再综合统计出他们认为最合适隶属函数的方法,在接受试验时,受访者要对模糊概念A有了充分的认识和思考后,列出的概念区间才更加合理;二元对比排序法适用于模糊集合很难直接给出隶属度的情况,对于这些集合,首先要通过两两比较两个因素的隶属度大小,为元素的隶属度排序,再使用数学方法求得隶属函数;典型函数法是将隶属函数用各种曲线函数的形式表达出来的方法,适用于模糊集合定义在实数域的情况。
其中,典型函数法常用的模糊分布包括:梯型模糊分布函数、抛物线模糊分布函数、Γ型分布模糊分布函数、正态分布模糊分布函数、柯西分布模糊函数。
本发明选用相对易于操作的梯型模糊分布函数作为隶属函数。梯型模糊分布函数表示为:
偏小型:
中间型:
偏大型:
a、b、c、d均为预设阈值。
2)构造隶属度模糊子集表
定量指标变量的隶属度既可以用连续函数的形式表示,也可以把输入量视为语言变量,这样隶属度函数就能以离散的量化等级形式出现。参照经典隶属函数以及专家调查的结果,构造指标的隶属度模糊子集表。模糊子集表在确定隶属度作用方面与隶属函数相同,但比隶属函数更加方便。以各档次语言变量为列,以五个评价等级为行,直接根据专家的经验和概率分布的原理构造得出评分隶属度模糊子集表,如表2所示。
表2隶属度模糊子集表
3)区间划分
本发明采用5段区间取值方法,对定量评价指标数据进行区间划分。根据专家经验建立各定量指标相应的分段函数和分段标准,从而使得所建立的评判模型能够适应任何时候、任何人员的需要。分段函数如式3-5所示:
式中:
DLZBij表示第i类第j个定量指标的确定值;
yj1、yj2、yj3、yj4、yj5依次表示第1、2、3、4、5变化区间内的数值;
xij表示第i类第j个指标的原始采集的数据值;
M1、M2、M3、M4、M5依次表示第1、2、3、4、5区间变化的临界值。
定量性能指标主要有效益型、成本型和固定型三类。根据各定量指标的分段函数绘制对应的分段标准,例如表3和表4。
表3火控系统反应时间分段标准(s)
表4有效射程分段标准(m)
(2)定性指标的确定方法
定性指标无法直接利用数学这种定量工具进行表达,因此在评价前要对定性指标进行量化,然后还要进行规范化处理。针对顶置武器站定性指标的特点,本文采用模糊统计法对定性指标的隶属度进行描述。实施时分别对各专家发放调查问卷,对不同型号武器站的所有定性指标的隶属度进行调查,调查问卷涉及到武器站的型号、定性指标名称以及评价集。
理论上调查专家的数量越多,数据的真实性越高,但为方便调查数据的统计以及排除干扰因素的影响,本发明选取10位顶置武器站领域的权威专家参与调查。问卷调查结束之后,分别对各指标的专家调查意见进行统计,得到第i个指标的判断频数向量ri={ri1,ri2,ri3,ri4,ri5},然后对其进行规范化处理,即对ri={ri1,ri2,ri3,ri4,ri5}进行归一化计算,使其满足 计算过程如下:
ri 0={ri1 0,ri2 0,ri3 0,ri4 0,ri5 0}为顶置武器站第i个定性指标的隶属度向量。
(3)开放性的隶属度矩阵
由于客观条件限制,在顶置武器站性能评价过程中,不论是通过实物样机进行性能评价,还是通过虚拟样机进行性能评价,都可能出现输入数据不齐全的现象,按照传统评价方法不易获得评价结果。
为了解决这了问题,本发明设计了开放性的隶属度矩阵。规定在顶置武器站单独性能评价过程中,缺少数据的指标按照3级语言变量来处理,即规定其隶属度为{0,0.15,0.65,0.17,0.03};当两个武器站性能比较时,只要其中一方武器站指标的数据缺少,另外一方武器站的对应指标同样按照数据缺失来处理。开放性隶属度矩阵的设计,使得顶置武器站在部分数据(实物样机数据和虚拟样机数据)缺少的情况下,依然可以进行评价,具有较强的客观性、开放性和可操作性。
步骤四、确定权重集
因素集中各因素对所评价对象有着不同的作用与影响,即体现在各因素在综合评价中占有的比重有所差别。R中不同行向量反映了各因素对上一级模糊子集的隶属程度,权重集的作用就是将R的不同行进行综合,从而得到评价结果。因此权重的确定对于评价是非常重要的,只有合理的权重分配,才能进行科学的评价。令各因素ui(i=1,2,…,m)所对应权重为ai(i=1,2,…,m),得到权重集A={a1,a2,…,am},本发明以专家打分并通过相应计算给出权重。
(1)组织专家对影响因素的权重打分
以调查问卷的形式组织10位专家对指标权重进行评定。为了降低给专家带来的难度,规定权重数值精度为0.05,具体评价结果经过整理得到矩阵(Whi)10×i,其中Whi是第h位专家对第i个指标评估得出的权重评定值。
(2)偏离度计算
由公式计算相似系数Rhg,由相似系数得出相似矩阵(Rhg)n×n。
式中:m为指标的数量,n为专家的数量。Rhg为第h位专家与第g位专家对第i个指标评估得出的权重结果的相似度。设定偏离度限制D0,权重评价结果偏离度系数大于D0,其调查结果作废,由余下的专家打分数据计算得出的权重值来确定各层指标的权重。
(3)关联系数计算
本发明选择灰色关联度进行权重的计算。设有m个指标,每个指标被n'个有效专家打分:
x1(t)=(x1(1),x1(2),…,x1(n'))
x2(t)=(x2(1),x2(2),…,x2(n'))
………
xm(t)=(xm(1),xm(2),…,xm(n'))
式中:x0(t)为原始参考序列X0={x0(t),t=1,2,…,m}中的元素,xi(t)为对比序列Xi={xi(t),t=1,2,…,m}中的元素,μ为分辨系数,在[0,1]取值,一般为0.5。|x0(t)-xi(t)|=Δi(t)为第t点X0与Xi的绝对差,为第一级最小差,为两级最小差,为两级最大差。
(4)每条曲线的关联度
(5)将每条曲线的关联度进行归一化就得到了权重值。
步骤五、确定模糊综合评价集
n个评判结果并非绝对的肯定和否定,因此综合评价的结果可以看作V={v1,v2,v3,…,vn}上的模糊集,记为:
B={b1,b2,…,bn}
式中:bi反映了第i个评判结果在评价集V中的重要程度。
令隶属矩阵R=(rij)m*n,(i=1,2,…,m;j=1,2,…,n),以及权重集A={a1,a2,…,am},采用加权平均法进行运算,按照矩阵乘法计算则得到模糊综合评价集:
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种顶置武器站灰色模糊综合评价方法,其特征在于,包括以下步骤:
步骤一、划分因素集
因素集U={u1,u2,u3,…,um}是影响被评价对象的指标集合,用来反映评判者从哪些方面来评价目标,本步骤对评估指标体系进行分层,底层评判得到的综合评判向量继续参与上一层次的评判;
步骤二、建立评价集
评价集V={v1,v2,v3,…,vn}是各因素对被评价目标所有评价等级组成的集合,有n种评价等级;
步骤三、建立隶属矩阵
在确定因素集与评价集之后,即可确定因素集中单因素ui(i=1,2,…,m)对上一子集的抉择等级vj(j=1,2,…,n)的隶属度rij,得到单因素ui的评判集ri={ri1,ri2,…,rin},通过对所有评价因素的整合得到评判矩阵,即隶属矩阵R:
(1)定量指标隶属度的确定方法
定量指标的隶属度用隶属函数求得,隶属函数能够定量地反映模糊概念中元素从属于模糊集的程度;
1)选用梯型模糊分布函数作为隶属函数;
2)构造隶属度模糊子集表
定量指标变量的隶属度既可以用连续函数的形式表示,也可以把输入量视为语言变量,这样隶属度函数就能以离散的量化等级形式出现,参照经典隶属函数以及专家调查的结果,构造指标的隶属度模糊子集表;
3)区间划分
采用5段区间取值方法,对定量评价指标数据进行区间划分,根据专家经验建立各定量指标相应的分段函数和分段标准,从而使得所建立的评判模型能够适应任何时候、任何人员的需要,分段函数如下式所示:
式中:
DLZBij表示第i类第j个定量指标的确定值;
yj1、yj2、yj3、yj4、yj5依次表示第1、2、3、4、5变化区间内的数值;
xij表示第i类第j个指标的原始采集的数据值;
M1、M2、M3、M4、M5依次表示第1、2、3、4、5区间变化的临界值;
定量性能指标包括效益型、成本型和固定型三类,根据各定量指标的分段函数绘制对应的分段标准;
(2)定性指标的确定方法
针对顶置武器站定性指标的特点,采用模糊统计法对定性指标的隶属度进行描述,实施时分别对各专家发放调查问卷,对不同型号武器站的所有定性指标的隶属度进行调查,调查问卷涉及到武器站的型号、定性指标名称以及评价集;
(3)开放性的隶属度矩阵
设计开放性的隶属度矩阵,规定在顶置武器站单独性能评价过程中,缺少数据的指标按照3级语言变量来处理,即规定其隶属度为{0,0.15,0.65,0.17,0.03};当两个武器站性能比较时,只要其中一方武器站指标的数据缺少,另外一方武器站的对应指标同样按照数据缺失来处理;
步骤四、确定权重集
R中不同行向量反映了各因素对上一级模糊子集的隶属程度,权重集的作用就是将R的不同行进行综合,从而得到评价结果,令各因素ui(i=1,2,…,m)所对应权重为ai(i=1,2,…,m),得到权重集本步骤以专家打分并通过相应计算给出权重;
(1)组织专家对影响因素的权重打分
以调查问卷的形式组织10位专家对指标权重进行评定,规定权重数值精度为0.05,具体评价结果经过整理得到矩阵(Whi)10×i,其中Whi是第h位专家对第i个指标评估得出的权重评定值;
(2)偏离度计算
由公式计算相似系数Rhg,由相似系数得出相似矩阵(Rhg)n×n;
式中:m为指标的数量,n为专家的数量;Rhg为第h位专家与第g位专家对第i个指标评估得出的权重结果的相似度;设定偏离度限制D0,权重评价结果偏离度系数大于D0,其调查结果作废,由余下的专家打分数据计算得出的权重值来确定各层指标的权重;
(3)关联系数计算
选择灰色关联度进行权重的计算,设有m个指标,每个指标被n'个有效专家打分:
x1(t)=(x1(1),x1(2),…,x1(n'))
x2(t)=(x2(1),x2(2),…,x2(n'))
………
xm(t)=(xm(1),xm(2),…,xm(n'))
式中:x0(t)为原始参考序列X0={x0(t),t=1,2,…,m}中的元素,xi(t)为对比序列Xi={xi(t),t=1,2,…,m}中的元素,μ为分辨系数,|x0(t)-xi(t)|=Δi(t)为第t点X0与Xi的绝对差,为第一级最小差,为两级最小差,为两级最大差;
(4)每条曲线的关联度
(5)将每条曲线的关联度进行归一化得到权重值;
步骤五、确定模糊综合评价集
n个评判结果并非绝对的肯定和否定,因此综合评价的结果可以看作V={v1,v2,v3,…,vn}上的模糊集,记为:
B={b1,b2,…,bn}
式中:bi反映了第i个评判结果在评价集V中的重要程度;
令隶属矩阵R=(rij)m*n,(i=1,2,…,m;j=1,2,…,n),以及权重集
采用加权平均法进行运算,按照矩阵乘法计算则得到模糊综合评价集:
2.如权利要求1所述的方法,其特征在于,步骤二中,将顶置武器站性能评价集V的等级数n确定为5,并采用百分制定量评价,即:
V={v1,v2,v3,v4,v5}={1,2,3,4,5} (1)
其中的1,2,3,4,5为等级评定,五个等级均匀而连续地递降排列,分别对应相应的分数。
3.如权利要求1所述的方法,其特征在于,步骤三中,所述梯型模糊分布函数表示为:
偏小型:
中间型:
偏大型:
a、b、c、d均为预设阈值。
4.如权利要求1所述的方法,其特征在于,步骤三中,选取10位顶置武器站领域的专家参与调查,问卷调查结束之后,分别对各指标的专家调查意见进行统计,得到第i个指标的判断频数向量ri={ri1,ri2,ri3,ri4,ri5},然后对其进行规范化处理,即对ri={ri1,ri2,ri3,ri4,ri5}进行归一化计算,使其满足 计算过程如下:
为顶置武器站第i个定性指标的隶属度向量。
5.如权利要求1所述的方法,其特征在于,μ在[0,1]取值。
6.如权利要求5所述的方法,其特征在于,μ为0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810034797.5A CN108256761A (zh) | 2018-01-15 | 2018-01-15 | 顶置武器站灰色模糊综合评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810034797.5A CN108256761A (zh) | 2018-01-15 | 2018-01-15 | 顶置武器站灰色模糊综合评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108256761A true CN108256761A (zh) | 2018-07-06 |
Family
ID=62726821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810034797.5A Pending CN108256761A (zh) | 2018-01-15 | 2018-01-15 | 顶置武器站灰色模糊综合评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256761A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510211A (zh) * | 2018-04-17 | 2018-09-07 | 西南石油大学 | 一种烃源岩有机质丰度评价方法 |
CN110299192A (zh) * | 2019-06-28 | 2019-10-01 | 中国兵器工业第五九研究所 | 一种轻武器部件及其复合材料、高分子材料的环境适应性评价方法 |
CN110727801A (zh) * | 2019-04-04 | 2020-01-24 | 郑州师范学院 | 基于本体的模糊评价搜索引擎广告优化方法 |
CN111596277A (zh) * | 2020-04-30 | 2020-08-28 | 柳州达迪通信技术股份有限公司 | 基于模糊综合评价法的飞行目标威胁度识别方法及系统 |
CN112053037A (zh) * | 2020-08-14 | 2020-12-08 | 华中科技大学 | 一种柔性pcb车间调度优化方法和系统 |
CN112364932A (zh) * | 2020-11-20 | 2021-02-12 | 沈阳理工大学 | 一种基于图像特征的拟态度建模系统及方法 |
CN112396345A (zh) * | 2020-12-01 | 2021-02-23 | 福州市天弓信息科技有限公司 | 一种应急数据收集整理和分析处理方法 |
CN113139737A (zh) * | 2021-04-30 | 2021-07-20 | 上海交通大学 | 一种面向全电力船舶电力系统弹性的综合评价方法 |
CN113744076A (zh) * | 2020-07-17 | 2021-12-03 | 北京京东振世信息技术有限公司 | 面辅料调配方法、装置及计算机可读介质 |
CN114220046A (zh) * | 2021-11-25 | 2022-03-22 | 中国民用航空飞行学院 | 基于灰色综合关联度的火灾图像模糊隶属度识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392087A (zh) * | 2014-09-22 | 2015-03-04 | 中国人民解放军装甲兵工程学院 | 一种顶置武器站性能评估方法 |
CN104573945A (zh) * | 2014-12-29 | 2015-04-29 | 国家电网公司 | 一种地市级电网发展情况评价方法 |
CN105281373A (zh) * | 2015-11-12 | 2016-01-27 | 南方电网科学研究院有限责任公司 | 不同风电出力水平下电网弃风电量计算方法和系统 |
CN105760994A (zh) * | 2016-02-05 | 2016-07-13 | 交通运输部公路科学研究所 | 一种基于cpq&osq的城乡客运服务质量评价方法 |
-
2018
- 2018-01-15 CN CN201810034797.5A patent/CN108256761A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392087A (zh) * | 2014-09-22 | 2015-03-04 | 中国人民解放军装甲兵工程学院 | 一种顶置武器站性能评估方法 |
CN104573945A (zh) * | 2014-12-29 | 2015-04-29 | 国家电网公司 | 一种地市级电网发展情况评价方法 |
CN105281373A (zh) * | 2015-11-12 | 2016-01-27 | 南方电网科学研究院有限责任公司 | 不同风电出力水平下电网弃风电量计算方法和系统 |
CN105760994A (zh) * | 2016-02-05 | 2016-07-13 | 交通运输部公路科学研究所 | 一种基于cpq&osq的城乡客运服务质量评价方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510211A (zh) * | 2018-04-17 | 2018-09-07 | 西南石油大学 | 一种烃源岩有机质丰度评价方法 |
CN110727801A (zh) * | 2019-04-04 | 2020-01-24 | 郑州师范学院 | 基于本体的模糊评价搜索引擎广告优化方法 |
CN110299192A (zh) * | 2019-06-28 | 2019-10-01 | 中国兵器工业第五九研究所 | 一种轻武器部件及其复合材料、高分子材料的环境适应性评价方法 |
CN111596277B (zh) * | 2020-04-30 | 2023-06-30 | 柳州达迪通信技术股份有限公司 | 基于模糊综合评价法的飞行目标威胁度识别方法及系统 |
CN111596277A (zh) * | 2020-04-30 | 2020-08-28 | 柳州达迪通信技术股份有限公司 | 基于模糊综合评价法的飞行目标威胁度识别方法及系统 |
CN113744076B (zh) * | 2020-07-17 | 2024-04-16 | 北京京东振世信息技术有限公司 | 面辅料调配方法、装置及计算机可读介质 |
CN113744076A (zh) * | 2020-07-17 | 2021-12-03 | 北京京东振世信息技术有限公司 | 面辅料调配方法、装置及计算机可读介质 |
CN112053037A (zh) * | 2020-08-14 | 2020-12-08 | 华中科技大学 | 一种柔性pcb车间调度优化方法和系统 |
CN112053037B (zh) * | 2020-08-14 | 2023-03-10 | 华中科技大学 | 一种柔性pcb车间调度优化方法和系统 |
CN112364932A (zh) * | 2020-11-20 | 2021-02-12 | 沈阳理工大学 | 一种基于图像特征的拟态度建模系统及方法 |
CN112364932B (zh) * | 2020-11-20 | 2024-02-02 | 沈阳理工大学 | 一种基于图像特征的拟态度建模系统及方法 |
CN112396345A (zh) * | 2020-12-01 | 2021-02-23 | 福州市天弓信息科技有限公司 | 一种应急数据收集整理和分析处理方法 |
CN113139737A (zh) * | 2021-04-30 | 2021-07-20 | 上海交通大学 | 一种面向全电力船舶电力系统弹性的综合评价方法 |
CN114220046A (zh) * | 2021-11-25 | 2022-03-22 | 中国民用航空飞行学院 | 基于灰色综合关联度的火灾图像模糊隶属度识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256761A (zh) | 顶置武器站灰色模糊综合评价方法 | |
CN113792982A (zh) | 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置 | |
CN101739416A (zh) | 多指标综合权重视频排序方法 | |
CN111126865B (zh) | 一种基于科技大数据的技术成熟度判断方法和系统 | |
CN109636467A (zh) | 一种品牌的互联网数字资产的综合评估方法及系统 | |
CN107122887A (zh) | 多维工业企业诚信评价方法 | |
CN108830417A (zh) | 一种基于arma和回归分析的生活能源消费预测方法及系统 | |
CN113469470A (zh) | 基于电力大脑中枢的用能数据与碳排放量关联分析方法 | |
CN107341332A (zh) | 一种车用电机驱动系统的评价指标权重的确定方法 | |
CN113642922A (zh) | 一种中小微企业信用评估方法及装置 | |
CN113837578B (zh) | 一种电力监理企业网格化监督管理评价方法 | |
CN109636184B (zh) | 一种品牌的账号资产的评估方法及系统 | |
CN114330716A (zh) | 一种基于cart决策树的大学生就业预测方法 | |
CN100454290C (zh) | 卷烟感官质量定性指标评估方法 | |
CN115860569A (zh) | 一种基于云模型距离相似度的数字化视域下能源互联网综合价值评估方法 | |
CN115115212A (zh) | 一种适用于相似方案的自主优选排序方法 | |
CN115099624B (zh) | 一种基于直觉模糊熵和区间模糊熵的多属性决策系统 | |
CN107093008A (zh) | 评价指标量化计算方法 | |
CN113902290B (zh) | 一种面向评估任务的专家匹配效度测算方法 | |
Geng et al. | Application of AHP FSE method in the network course quality evaluation | |
CN116721714A (zh) | 一种配方产品感官质量的数字化评估方法 | |
CN113221332B (zh) | 一种基于云模型理论的海岸侵蚀脆弱性评估方法 | |
CN110474796B (zh) | 基于用户体验质量的异构网络选择方法 | |
Indriani et al. | Analysis of Factors Affecting Poverty Depth Index in Papua Province Using Panel Data Regression | |
CN111401764B (zh) | 一种基于cpn网络模型的图书馆用户满意度综合评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180706 |