1樓：匿名使用者
模糊綜合評價法
模糊綜合評價法（fuzzy ***prehensive evaluation method）
什麼是模糊綜合評價法
模糊綜合評價法是一種基於模糊數學的綜合評標方法。該綜合評價法根據模糊數學的隸屬度理論把定性評價轉化為定量評價，即用模糊數學對受到多種因素制約的事物或物件做出一個總體的評價。它具有結果清晰,系統性強的特點,能較好地解決模糊的、難以量化的問題,適合各種非確定性問題的解決。
模糊綜合評價法的術語及其定義
為了便於描述，依據模糊數學的基本概念，對模糊綜合評價法中的有關術語定義如下：
1．評價因素（f）：係指對招標專案評議的具體內容（例如，**、各種指標、引數、規範、效能、狀況，等等）。
為便於權重分配和評議，可以按評價因素的屬性將評價因素分成若干類（例如，商務、技術、**、伴隨服務，等），把每一類都視為單一評價因素，並稱之為第一級評價因素（f1）。第一級評價因素可以設定下屬的第二級評價因素（例如，第一級評價因素「商務」可以有下屬的第二級評價因素：交貨期、付款條件和付款方式，等）。
第二級評價因素可以設定下屬的第**評價因素（f3）。依此類推。
2．評價因素值（fv）：係指評價因素的具體值。例如，某投標人的某技術引數為120，那麼，該投標人的該評價因素值為120。
3．評價值（e）：係指評價因素的優劣程度。評價因素最優的評價值為1（採用百分制時為100分）；欠優的評價因素，依據欠優的程度，其評價值大於或等於零、小於或等於1（採用百分制時為100分），即0≤e≤1（採用百分制時0≤e≤100）。
4．平均評價值（ep）：係指評標委員會成員對某評價因素評價的平均值。
平均評價值（ep）＝全體評標委員會成員的評價值之和÷評委數
5．權重（w）：係指評價因素的地位和重要程度。
第一級評價因素的權重之和為1；每一個評價因素的下一級評價因素的權重之和為1 。
6．加權平均評價值（epw）：係指加權後的平均評價值。
加權平均評價值（epw）＝平均評價值（ep）×權重（w）。
7．綜合評價值（ez）：係指同一級評價因素的加權平均評價值（epw）之和。綜合評價值也是對應的上一級評價因素的值。
模糊綜合評價法的特點
模糊綜合評價法的最顯著特點是：
一、相互比較。以最優的評價因素值為基準，其評價值為1；其餘欠優的評價因素依據欠優的程度得到響應的評價值。
二、可以依據各類評價因素的特徵，確定評價值與評價因素值之間的函式關係（即：隸屬度函式）。確定這種函式關係（隸屬度函式）有很多種方法，例如，f統計方法，各種型別的f分佈等。
當然，也可以請有經驗的評標專家進行評價，直接給出評價值。
模糊綜合評價法的一個應用案例
財政部檔案《財政部關於加強**採購貨物和服務專案**評審管理的通知》（財庫[2007]2號）中規定：
「綜合評分法中的**分統一採用低價優先法計算，即滿足招標檔案要求且投標**最低的投標**為評標基準價，其**分為滿分。其他投標人的**分統一按照下列公式計算：
投標**得分=（評標基準價／投標**）×**權值×100」
我們可以看到，上述規定有如下特徵：
1．相互比較。將投標**最優的設定為評標基準價，其評價值為1（採用百分制時，為100分）；其它的投標**均與該評標基準價比較，得出響應的評價值（分值）。
評價值（投標**得分）＝評標基準價÷投標**（如果採用百分制，×100）。注意，這裡得出的是加權前的評價值（分值）。
2．評價值與評價因素值之間的關係是函式關係（在這裡用的是反比例函式關係，如果有更科學更合理的函式關係，也可用其它函式關係）。
說明：在這裡，**是評價（標）因素；投標人的具體投標**稱為評價因素值；對投標人的投標**計算得分稱為評價值。
實際上，財政部的上述規定在有意無意中應用了模糊數學的基本概念，是模糊綜合評價法的應用。世界銀行諮詢服務評標也應用該方法。
既然評價因素「**」可以採用這種評價方法，其它的評價因素也可以採用這種評價方法。
---------------------
----------------------
模糊綜合評判演算法 c語言版本
2008-01-05 22:24
本演算法評價集個數為5，評價因子個數為6，採用超標加權法計算權重，線性降半階隸屬函式
#include
#define matrixrows 5
#define matrixcols 6
double calculateaverage(int m,double a[matrixrows][matrixcols]) //計算平均值,m表示第m列的平均值
double eweight(int m,double a[matrixrows][matrixcols],double b[matrixcols]) //計算權重陣列e,m為第m列的權重值}}
return b[m][n];
}double lishudu(int m,int n,double a[matrixrows][matrixcols],double b[matrixcols]) //計算當前樣本b[matrixcols]對各個評價因子的隸屬度
if(k==1||k==2||k==3)
if(k==4)}}
}}return lsdresult[m][n];
}double fuzzyevalution(int x,int m,int n,double a[matrixrows][matrixcols],double b[matrixcols])
void main()
}printf("輸出a[matrixrows][matrixcols]每一列中的四個數字排序後的結果:\n");
for(i=0;i printf("\n"); printf("評判集和評判因子的關係矩陣:\n"); for(i=0;i for(j=0;j for(i=0;i printf("\n"); for(i=0;i printf("以下為運算結果:\n"); for(i=0;i