原理
模糊综合评价法是一种基于模糊数学的综合评价方法，应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化，进行综合评价。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示。
模糊综合评价中通常分有目标层和指标层，通过指标层与评价集之间的模糊关系矩阵（即隶属度矩阵）可以得到目标层对于评价集的隶属度向量，从而得到目标层的综合评价结果。
隶属度与隶属度矩阵是模糊综合评价的关键性概念。
计算步骤
1、确定评价对象的因素集
设U={u1,u2,...,um}为刻画被评价对象的m种评价因素（评价指标），其中：m是评价因素的个数，由具体的指标体系所决定。
2、确定评价对象的评语集
设V={v1,v2,...,vn},是评价者对被评价对象可能做出的各种总的评价结果组成的评语等级的集合，一般划分为3-5个等级。
3、确定评价因素的权重向量
设A=（a1,a2,...,am）为权重分配模糊矢量，其中ai表示第i个因素的权重，要求a1+a2+...+am=1，A反映了各因素的重要程度。
在进行模糊综合评价时，权重对最终的评价结果会产生很大的影响，不同的权重有时会得到完全不同的结论。现在通常是凭经验给出权重，但带有主观性。确定权重的方法有：（1）专家估计法；（2）加权平均法：当专家人数不足30人时，可用此法，首先多位专家各自独立地给出各因素权重，然后取各因素权重的平均值作为其权重；（3）频率分布确定权数法；（4）模糊协调决策法：贴近度与择近原则；（5）层次分析法。
4、进行单因素模糊评价，确立模糊关系矩阵R
5、综合评价
6、对模糊综合评价结果进行定量分析
模糊综合评价的结果是被评价对象对各等级模糊子集的隶属度，它一般是一个模糊矢量，而不是一个值，因而他能提供的信息比其它方法更丰富。对多个评价对象比较并排序，就需要进一步处理，即计算每个评价对象的综合分值，按大小排序，按序则优，将综合评价结果B转换为综合分值，于是可依其大小进行排序，从而挑选出最优者。
案例
1、一级模糊综合评判在人事考核中的应用
以某单位对员工的年终综合评定为例。
（1）取因素集U={政治表现u1,工作能力u2,工作态度u3,工作成绩u4}
（2）取评语集V={优秀v1,良好v2,一般v3,较差v4,差v5}
（3）确定各因素权重：A=[0.25,0.2,0.25,0.3]
（4）确定模糊综合判断矩阵：
u1由群众评议打分来确定：R1=[0.1,0.5,0.4,0,0]
u2、u3由部门领导打分来确定：R2=[0.2,0.5,0.2,0.1,0]，R3=[0.2,0.5,0.3,0,0]
u4由单位考核组成员打分来确定：R4=[0.2,0.6,0.2,0,0]
（5）模糊综合评判，进行矩阵合成运算
R=[R1;R2;R3;R4]
B=A·R=[0.175,0.53,0.275,0.02,0]
（6）综合分数转换
S=B×P=[0.175,0.53,0.275,0.02,0]×[5,4,3,2,1]T=3.86
根据最大隶属度可知：评判结果为良好，综合分数为3.86
2、多层次糊综合评判在人事考核中的应用
（1）先对各个子因素进行一级模糊综合评判：
B1=A1·R1
B2=A2·R2
B3=A3·R3
B4=A4·R4
（2）最后二级模糊综合评判：
R=[B1;B2;B3;B4]
B=A·R
优缺点
（一）模糊综合评价法的优点：
模糊评价通过精确的数字手段处理模糊的评价对象，能对蕴藏信息呈现模糊性的资料作出比较科学、合理、贴近实际的量化评价；评价结果是一个矢量，而不是一个点值，包含的信息比较丰富，既可以比较准确的刻画被评价对象，又可以进一步加工，得到参考信息。
（二）模糊综合评价法的缺点：
1、计算复杂，对指标权重矢量的确定主观性较强；
2、当指标集U较大，即指标集个数凡较大时，在权矢量和为1的条件约束下，相对隶属度权系数往往偏小，权矢量与模糊矩阵R不匹配，结果会出现超模糊现象，分辨率很差，无法区分谁的隶属度更高，甚至造成评判失败，此时可用分层模糊评估法加以改进。
————————————————
版权声明：本文为CSDN博主「阳望」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_23860475/article/details/85274053
最大隶属度原则
图片.png
隶属度函数
模糊统计法
图片.png
图片.png
指派法
图片.png
常见的隶属度函数
图片.png
图片.png
图片.png
