模糊综合评价法

定义

在模糊综合评价中，设被评价对象的因素集为 $U=\{u_1,u_2,\dots,u_m\}$，评语集为 $V=\{v_1,v_2,\dots,v_n\}$，其中 $m$ 为评价因素个数，$n$ 为评语等级个数^[7][2]。对单个因素 $u_i$ 作单因素评判，可得它对各评语等级的隶属度向量 $r_i=(r_{i1},r_{i2},\dots,r_{in})$，所有因素的隶属度向量构成模糊评价矩阵 $R=(r_{ij})_{m\times n}$^[8]。矩阵元素 $r_{ij}$ 表示因素 $u_i$ 对评语等级 $v_j$ 的隶属程度，一般经归一化处理^[7]。

再根据各因素的重要程度给出权重向量 $W=(w_1,w_2,\dots,w_m)$，满足 $\sum_{i=1}^{m}w_i=1$^[9]。将权重向量与评价矩阵作模糊合成，得到综合评判向量 $B=W\circ R=(b_1,b_2,\dots,b_n)$；若 $\sum b_j\neq 1$，需作归一化^[8]。最后通常按最大隶属度原则取 $b_j$ 最大者对应的等级作为评价结果^[4]。

背景

经典的评价方法往往依据精确数值或明确的类别划分，遵循非此即彼的逻辑，对界限模糊的对象难以给出贴切判断^[5]。现实中的评价问题常受多个因素共同影响，而“优、良、一般、差”之类的评语本身没有清晰边界，用传统的精确数学方法处理并不理想^[6][5]。

1965年，美国控制论学者查德针对复杂系统与精确描述之间的矛盾，提出用模糊集合刻画事物的模糊性，把元素归属的取值由0或1扩展为区间[0,1]上的隶属度，奠定了模糊数学的基础^[10][3]。模糊综合评价正是在此基础上发展起来的应用方法，它能把定性描述转化为定量结果，在一定程度上弥补了传统评价方法处理模糊信息的不足^[1]。

内容

该方法的一般流程是：先确定评价因素集与评语集，再确定各因素的权重，然后逐因素确定隶属度并构造模糊评价矩阵，经模糊合成、归一化后给出评价结论^[1][2]。因素集由反映评价对象各方面特征的指标构成，评语集则是各评价等级组成的集合，两者都是普通集合^[7]。

各因素在评价中的重要程度不同，需要赋予相应权重，同一层次各因素的权重之和为1^[9]。权重的确定可采用专家调查法、德尔菲法或层次分析法等；层次分析法通过同层次因素的两两比较构造判断矩阵，求出其特征向量作为权重，并作一致性检验，通常一致性比率小于0.1时认为判断矩阵可以接受^[2][7]。

隶属度的确定因指标性质而异。对于定性指标，常由若干评价人员按评语等级作出判断，以某一等级的评判人数占总人数的比例作为该等级的隶属度^[9][2]。对于定量指标，则多用隶属函数计算，常用的分布函数包括三角形、梯形与高斯型等，其中半梯形分布函数应用较广^[7]。

模糊合成常用取小取大算子 $M(\wedge,\vee)$、$M(\cdot,\vee)$ 以及加权平均型算子 $M(\cdot,+)$ 等^[4]。评价结果可依最大隶属度原则确定所属等级，也可对评语等级赋值后加权平均，得到一个便于比较的综合分值^[9]。当因素较多或本身具有层次结构时，可采用多层次模型，由低层向高层逐层合成^[8]。

影响与争议

汪培庄提出的基础模型因计算简便、适应性强，早期即被用于工农业和经济领域^[5]。此后研究者陆续提出多级评判模型、算子调整与广义合成运算，形成多层次评估体系^[5]。其中陈永义等提出的多层综合评判模型，扩大了模型的应用范围^[4]。该方法现已用于教学质量评价、水环境质量评价以及工程质量与安全评价等场景^[2][11][6]。

争议方面，权重多以专家经验确定，带有一定主观性，其是否合理直接影响评价结论的可信度^[11]。已有研究指出，若干合成算子存在信息利用不充分的问题，用最大隶属度原则对评判向量作清晰化也被认为可能丢失较多信息^[4]。为改进这些不足，学者引入区间权重、层次分析法、灰色关联与变权法等确定权重，并发展出基于信度理论、直觉模糊集等的多种评判模型^[4]。

参见

• 模糊数学 —— 模糊综合评价法所依据的数学分支，以模糊集合论为基础。

• 隶属度 —— 描述元素属于某个模糊集合程度的量，是构造评价矩阵的关键。

• 模糊集合 —— 由查德提出、归属取值于[0,1]的集合，是该方法的概念基础。

• 层次分析法 —— 一种常与模糊综合评价结合使用的权重确定方法。

• 汪培庄 —— 中国学者，最早提出模糊综合评判模型。

• 综合评价方法 —— 模糊综合评价所属的方法类别。