模糊数学方法及其应用第版答案

模糊方法

模糊数学方法 在自然科学或社会科学研究中,存在着许多定义不很严格或者说具有模糊性的概念。这里所谓的模糊性，主要是指客观事物的差异在中间过渡中的不分明性，如某一生态条件对某种害虫、某种作物的存活或适应性可以评价为“有利、比较有利、不那么有利、不利”；灾害性霜冻气候对农业产量的影响程度为“较重、严重、很严重”，等等。这些通常是本来就属于模糊的概念，为处理分析这些“模糊”概念的数据，便产生了模糊集合论。 根据集合论的要求，一个对象对应于一个集合，要么属于，要么不属于，二者必居其一，且仅居其一。这样的集合论本身并无法处理具体的模糊概念。为处理这些模糊概念而进行的种种努力，催生了模糊数学。模糊数学的理论基础是模糊集。模糊集的理论是1965年美国自动控制专家查德(L. A. Zadeh)教授首先提出来的，近10多年来发展很快。 模糊集合论的提出虽然较晚，但目前在各个领域的应用十分广泛。实践证明，模糊数学在农业中主要用于病虫测报、种植区划、品种选育等方面，在图像识别、天气预报、地质地震、交通运输、医疗诊断、信息控制、人工智能等诸多领域的应用也已初见成效。从该学科的发展趋势来看，它具有极其强大的生命力和渗透力。 在侧重于应用的模糊数学分析中，经常应用到聚类分析、模式识别和综合评判等方法。在DPS系统中，我们将模糊数学的分析方法与一般常规统计方法区别开来，列专章介绍其分析原理及系统设计的有关功能模块程序的操作要领，供用户参考和使用。 第1节模糊聚类分析 1. 模糊集的概念 对于一个普通的集合A，空间中任一元素x，要么x∈A，要么x?A，二者必居其一。这一特征可用一个函数表示为： A x x A x A ()= ∈ ?? ? ? 1 A(x)即为集合A的特征函数。将特征函数推广到模糊集，在普通集合中只取0、1两值推广到模糊集中为[0, 1]区间。 定义1 设X为全域，若A为X上取值[0, 1]的一个函数，则称A为模糊集。 如给5个同学的性格稳重程度打分，按百分制给分，再除以100，这样给定了一个从域X=｛x1 , x2 , x3 , x4, x5｝到[0, 1]闭区间的映射。 x1：85分，即A(x1)=0.85 x2：75分，A(x2)=0.75 x3：98分，A(x3)=0.98 x4：30分，A(x4)=0.30 x5：60分，A(x5)=0.60 这样确定出一个模糊子集A=(0.85, 0.75, 0.98, 0.30, 0.60)。 定义2 若A为X上的任一模糊集，对任意0 ≤λ≤ 1，记Aλ=｛x｜x∈X, A(x)≥λ｝,称Aλ为A的λ截集。 Aλ是普通集合而不是模糊集。由于模糊集的边界是模糊的, 如果要把模糊概念转化为数学语言，需要选取不同的置信水平λ (0 ≤λ≤ 1) 来确定其隶属关系。λ截集就是将模糊集转化为普通集的方法。模糊集A是一个具有游移边界的集合，它随λ值的变小而增大，即当λ1 <λ2时，有Aλ1∩Aλ2。

模糊数学的应用

本科生论文 模糊数学的应用 指导老师： 作者： 中国矿业大学 二零一一年六月

模糊数学的应用 摘要：二十世纪六十年代，产生了模糊数学这门新兴学科。模糊数学作为一个新兴的数学分支，使过去那些与数学毫不相关或关系不大的学科（如生物学、心理学、语言学、社会科学等）都有可能用定量化和数学化加以描述和处理，从而显示了强大的生命力和渗透力，使数学的应用范围大大扩展。模糊数学自身的理论研究进展迅速；模糊数学目前在自动控制技术领域仍然得到最广泛的应用，并在计算机仿真技术、多媒体辨识等领域的应用取得突破性进展；模糊聚类分析理论和模糊综合评判原理等更多地被应用于经济管理、环境科学以及医药、生物、农业、文体等领域，并取得很好效果。 关键字：模糊数学；应用；模糊评判； 一、模糊数学的简介 （一）发展历史 模糊数学是运用数学方法研究和处理模糊性现象的一门数学新分支。它以“模糊集合”论为基础。它提供了一种处理不肯定性和不精确性问题的新方法，是描述人脑思维处理模糊信息的有力工具。 模糊数学由美国控制论专家L.A.扎德（L.A.Zadeh,1921--）教授所创立。他于1965年发表了题为《模糊集合论》（《FuzzySets》）的论文，从而宣告模糊数学的诞生。L.A.扎德教授提出了“模糊集合论”。在此基础上，现在已形成一个模糊数学体系。模糊数学产生的直接动力，与系统科学的发展有着密切的关系。在多变量、非线性、时变的大系统中，复杂性与精确性形成了尖锐的矛盾，它给描述模糊系统提供了有力的工具。L.A.扎德教授于1975年所发表的长篇连载论著《语言变量的概念及其在近似推理中的应用》，提出了语言变量的概念并探索了它的含义。模糊语言的概念是模糊集合理论中最重要的发展之一，语言变量的概念是模糊语言理论的重要方面。语言概率及其计算、模糊逻辑及近似推理则可以当作语言变量的应用来处理。人类语言表达主客观模糊性的能力特别引人注目，或许从研究模糊语言入手就能把握住主客观的模糊性、找出处理这些模糊性的方法。有人预言，这一理论和方法将对控制理论、人工智能等作出重要贡献。 模糊数学诞生至今仅有22年历史，然而它发展迅速、应用广泛。它涉及纯粹数学、应用数学、自然科学、人文科学和管理科学等方面。在图象识别、人工智能、自动控制、信息处理、经济学、心理学、社会学、生态学、语言学、管理科学、医疗诊断、哲学研究等领域中，都得到广泛应用。把模糊数学理论应用于决策研究，形成了模糊决策技术。只要经过仔细深入研究就会发现，在多数情况下，决策目标与约束条件均带有一定的模糊性，对复杂大系统的决策过程尤其是如此。在这种情况下，运用模糊决策技术，会显得更加自然，也将会获得更加良好的效果。 （二）应用前景 模糊数学是研究现实中许多界限不分明问题的一种数学工具，其基本概念之一是模糊集合。利用模糊数学和模糊逻辑，能很好地处理各种模糊问题。模式识别是计算机应用的重要领域之一。人脑能在很低的准确性下有效地处理复杂问题。如计算机使用模糊数学，便能大大提高模式识别能力，可模

模糊数学评价方法教程

模糊综合评价法（见课件） 模糊数学是从量的角度研究和处理模糊现象的科学．这里模糊性是指客观事物的差异在中介过渡时所呈现的“亦此亦比”性．比如用某种方法治疗某病的疗效“显效”与“好转”、某医院管理工作“达标”与“基本达标”、某篇学术论文水平“很高”与“较高”等等．从一个等级到另一个等级间没有一个明确的分界，中间经历了一个从量变到质变的连续过渡过程，这个现象叫中介过渡．由这种中介过渡引起的划分上的“亦此亦比”性就是模糊性． 一、单因素模糊综合评价的步骤 1． 根据评价目的确定评价指标（evaluation indicator ）集 合 },,,{21m u u u U = 例如评价某项科研成果，评价指标集合为U ={学术水平，社会效益，经济效益}． 2． 给出评价等级（evaluation grade ）集合 },,,{21n v v v V = 如评价等级集合为V ={很好，好，一般，差}． 3． 确定各评价指标的权重（weight ） },,,{21m W μμμ = 权重反映各评价指标在综合评价中的重要性程度，且∑=1i μ． 例如假设评价科研成果，评价指标集合U ={学术水平，社会效益，

经济效益}其各因素权重设为}4.0,3.0,3.0{=W ． 4．确定评价矩阵R 请该领域专家若干位，分别对此项成果每一因素进行单因素评价（one-way evaluation ），例如对学术水平，有50%的专家认为“很好”，30%的专家认为“好”，20%的专家认为“一般”，由此得出学术水平的单因素评价结果为()0,2.0,3.0,5.01=R 同样如果社会效益，经济效益两项单因素评价结果分别为 ()1.0,2.0,4.0,3.02=R ()2.0,3.0,2.0,2 .03=R 那么该项成果的评价矩阵为 ???? ? ??=????? ??=2.03.02.02.01.02.04.03.002.03.05.0321R R R R 5．进行综合评价 通过权系数矩阵W 与评价矩阵R 的模糊变换得到模糊评判集S ： 设m j W ?=1)(μ，n m ji r R ?=)(，那么 ()()n mn m m n n m s s s r r r r r r r r r R W S ,,,,,,212 1 22221 11211 21 =???? ?? ? ??==μμμ 其中“ ”为模糊合成算子． 进行模糊变换时要选择适宜的模糊合成算子，模糊合成算子通 常有四种： (1) ),(∨∧M 算子

《模糊数学及其应用》教学大纲

《模糊数学及其应用》课程教学大纲 课程编号：09206 课程类别：学位课 学时：68 学分：3 适用学科（专业）：全院各专业 授课单位：理学院 一、课程的性质、目的与任务： 模糊数学及其应用工科院校控制理论与控制工程、应用数学、机械设计及其自动化、计算机技术、管理等学科的硕士研究生必修的技术基础课之一。通过本课程的学习，使学生对模糊数学的原理和思想方法有一个完整的认识。掌握应用模糊数学的原理分析和解题的基本技巧。了解模糊数学方法在各个领域的应用，特别是模糊信息技术与模糊控制。为理工科研究生在一定的数学基础上，应用模糊数学知识解决问题打下基础。 二、基本要求： 本课以课堂讲授为主，结合多媒体。适当补充一些模糊数学在实际中应用的实例，做到精讲多练，理论联系实际。在各章中均可安排一些内容引导学生自学，通过布置作业和讨论题，提高学生自己解决问题与分析问题的能力。同时，也可适当让学生自己来寻找一些实际问题，应用学过的知识来进行分析、综合、评判，以期达到更好的巩固、应用的目的。 (一) 模糊数学的基本理论和基本原理 1、模糊集合是处理模糊事物的新的数学概念，是模糊数学的基础。理解模糊集的定义、表示方法、模糊集的运算。了解模糊算子的定义及各种模糊算子，了解模糊集的模糊度定义。 2、理解模糊集截集的定义及性质，掌握模糊数学的基本原理：分解定理（联系普通集与模糊集的桥梁）、扩张原理、多元扩张原理。了解凸模糊集、区间数、模糊数及模糊数的运算。 (二) 模糊数学方法及其在各领域中的应用 1、理解模糊关系的概念及性质，深入理解在有限域的情况下，模糊关系可以用矩阵表示。理解模糊关系合成的定义及性质。理解掌握贴近度概念及最大隶属原则和择近原则。掌握模糊映射、模糊变换。 2、对于模糊数学方法的应用。重点掌握模糊模式识别、模糊聚类分析、模糊综合评判、模糊故障诊断，以及了解它们在不同领域的应用举例。 （三）模糊信息技术与模糊控制 掌握模糊语言，模糊推理模型及算法、重点掌握模糊控制的原理及简单应用，了解模糊辨识、模糊T-S模型、模糊自适应控制。 课程主要内容

模糊数学方法在财务报表分析中的应用

财务分析是企图了解一个企业经营业绩和财务状况的真实面目，从晦涩的会计程序中将会计数据背后的经济涵义挖掘出来，为投资者和债权人提供决策基础。由于会计系统只是有选择地反映经济活动，而且它对一项经济活动的确认会有一段时间的滞后，再加上会计准则自身的不完善性，以及管理者有选择会计方法的自由，使得财务报告不可避免地会有许多不恰当的地方。虽然审计可以在一定程度上改善这一状况，但审计师并不能绝对保证财务报表的真实性和恰当性，他们的工作只是为报表的使用者作出正确的决策提供一个合理的基础，所以即使是经过审计，并获得无保留意见审计报告的财务报表，也不能完全避免这种不恰当性。这使得财务分析变得尤为重要。 一、财务分析的主要方法 一般来说，财务分析的方法主要有以下四种： 1.比较分析：是为了说明财务信息之间的数量关系与数量差异，为进一步的分析指明方向。这种比较可以是将实际与计划相比，可以是本期与上期相比，也可以是与同行业的其他企业相比； 2.趋势分析：是为了揭示财务状况和经营成果的变化及其原因、性质，帮助预测未来。用于进行趋势分析的数据既可以是绝对值，也可以是比率或百分比数据； 3.因素分析：是为了分析几个相关因素对某一财务指标的影响程度，一般要借助于差异分析的方法；

4.比率分析：是通过对财务比率的分析，了解企业的财务状况和经营成果，往往要借助于比较分析和趋势分析方法。 上述各方法有一定程度的重合。在实际工作当中，比率分析方法应用最广。二、财务比率分析 财务比率最主要的好处就是可以消除规模的影响，用来比较不同企业的收益与风险，从而帮助投资者和债权人作出理智的决策。它可以评价某项投资在各年之间收益的变化，也可以在某一时点比较某一行业的不同企业。由于不同的决策者信息需求不同，所以使用的分析技术也不同。 1.财务比率的分类 一般来说，用三个方面的比率来衡量风险和收益的关系： 1)偿债能力：反映企业偿还到期债务的能力； 2)营运能力：反映企业利用资金的效率； 3)盈利能力：反映企业获取利润的能力。 上述这三个方面是相互关联的。例如，盈利能力会影响短期和长期的流动性，而资产运营的效率又会影响盈利能力。因此，财务分析需要综合应用上述比率。 2.主要财务比率的计算与理解：

模糊评价方法的基本步骤

模糊综合评价 模糊综合评价法是一种基于模糊数学的综合评标方法。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。其基本步骤可以归纳为： ①首先确定评价对象的因素论域 可以设N 个评价指标，12(,, ...)n X X X X =； ②确定评语等级论域 设12n =(W ,W , ...W )A ，每一个等级可对应一个模糊子集，即等级集合。 ③建立模糊关系矩阵 在构造了等级模糊子集后，要逐个对被评事物从每个因素(=1,2,,n)i X i ……上 进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度i X （R ），进而 得到模糊关系矩阵11112122122212nm ......=..................m m n n n nm X r r r X r r r X r r r ??????????????????????????（R ）（R ）R=（R ），其中，第i 行第j 列元素，表示某个被评事物i X 从因素来看对j W 等级模糊子集的隶属度。 ④确定评价因素的权向量 在模糊综合评价中，确定评价因素的权向量：12(,, ...)n U u u u =。一般采用层 次分析法确定评价指标间的相对重要性次序。从而确定权系数，并且在合成之前归一化。 ⑤合成模糊综合评价结果向量 利用合适的算子将U 与各被评事物的R 进行合成，得到各被评事物的模糊综合评价结果向量B 即：

111212122 2121212nm ......(,, ...)(,, ...)...............m m n m n n nm r r r r r r U R u u u b b b B r r r ??????===?????? 其中，i b 表示被评事物从整体上看对j W 等级模糊子集的隶属程度。 ⑥对模糊综合评价结果向量进行分析 实际中最常用的方法是最大隶属度原则，但在某些情况下使用会有些很勉强，损失信息很多，甚至得出不合理的评价结果。提出使用加权平均求隶属等级的方法，对于多个被评事物并可以依据其等级位置进行排序。

学生素质评价模糊数学模型的构建与应用

学生素质评价模糊数学模型的构建与应用 在高等教育中，高等职业教育是一个非常重要的组成部分，下 面是搜集的一篇探究构建学生素质评价模型基本原则的论文范文，欢迎阅读查看。 对高职高专学生进行素质评价，目的在于使学生的评价内容走 向多元化，实现过程发展性和终结性评价的有机结合。因此，需要一种行之有效的评价工具，促使学生发挥个性、潜能以及创造性，从而使其具备持续发展的自信和能力。 一、模糊数学与数学模型 模糊数学是处理和研究模糊性现象的方法和理论。由于模糊性 概念发展了模糊集的具体描述方式，人们可运用概念进行评价、推理、控制、判断和决策，也可通过模糊数学进行描述。比如，模糊综合评判、模糊控制、模糊聚类分析、模糊决策等，这一系列方法最终构成一种模糊性理论，在气象、石油、环境、农业、化工、控制、教育、医学、地质、经济管理、语言等诸多领域已取得研究成果。 数学模型是实际问题与数学理论相结合发展起来的一门新学科。它将实际问题归为数学问题，并利用数学方法、概念和理论，进行深入研究，从定量或定性角度对实际问题进行分析，同时为解决实际问题提供可靠指导和精确数据。可见，数学模型是利用数学方法和语言解决现实问题的过程，是培养学生创造力的有效途径。 二、综合素质评价

“综合素质评价”指在每个学期期末或每个学年期末，全国各地的学校组织的一次对全体在校学生综合素质和能力评价的测评任务。综合素质评价一般分为六个维度(不同的地区或学校结构略有差异)，分别是“道德品质”“公民素养”“学习能力”“交流合作与实践创新”“运动与健康”“审美”“表现能力”.六个维度又分别被分为若干个项目。等级分别为A(优秀)，B(良好)，C(一般)，D(较差)。或者是百分制，100-80(优秀)、79-60(良好)、59-30(一般)、29-0(较差)。 对学生进行综合素质评价是新时期高职高专教学评价的主要内容，因而需要制定一种有效的素质评价模型。基于模糊数学的高职高专学生素质评价模型具有标准的数据支撑，说服力较强，适宜运用于学生综合素质评价。 三、构建学生素质评价模型的基本原则 (一)一个目标 在高等教育中，高等职业教育是一个非常重要的组成部分。实现现代化建设与高职高专学生的能力和素质有直接关系。从我国的发展要求以及发达国家的发展经验看，无论是发展和解放生产力、建设小康社会，还是创建和谐社会、加快城市化建设，高等职业所培养的应用型人才不可或缺。因此，职业技术教育应坚持以就业为导向，以服务为宗旨，以培养学生综合素质、职业道德以及动手能力为重点，突出实用性。 (二)三个维度

翻译质量评估(TQA)中以模糊数学为基础的量化方法探讨-精选教育文档

翻译质量评估（TQA）中以模糊数学为基础的量化方法探讨 翻译质量评估（TQA）的方法存在传统定性评估与数学定量评估两个相对对立的方法。20世纪60年代美国加利福尼亚大学控制论专家、系统工程教授L.A.札德发表《模糊集合》论文，创立了模糊数学理论，该理论之后被大量应用于模糊控制、信息检索、医学、气象学、结构力学、心理学等多个领域。后来，语言学学者也开始尝试将其应用于语言学研究领域。在中国，将模糊数学基础理论与方法引入翻译质量评估（TQA）的过程中作为一种参数参照，正处于可行性验证与起步阶段，这是中国翻译界的一次大胆尝试。合理的模糊量化分析能够逐渐实现翻译质量评估评的综合化与合理化，具有较为重要的科学意义。 一、国内利用模糊数学方法进行翻译质量评估现状 国内学者将模糊数学与翻译评价相结合的第一人是范守义，他在《中国翻译》1987年第4期的发表的《模糊数学与译文评价》一文中，利用模糊集合中隶属度的概念从定量的角度对译文质量进行评价，大体分三步步骤：（1）选择模糊集合的必要元素，即译文评价单位；（2）确定译文评价特征依据，如修辞、风格、句法、语义等；（3）明确信度控制点，从译文内容各单位部分各自的隶属度相加求出的平均值结果来评价译文的质量。在此之前，范守义（1986）在国内首次将“信、达、雅”标准用

数学公式“I=（R/F）?（S’/S）”进行表示，其中“I”为译文与原文的接近程度指数，“F”代表“信”，“R”代表“达”，“S”代表原文中的“雅”，而“S’”则代表译文所达到的“雅”，“F”与“S”为常量，公式中的“R”对应“F”，“S”对应“S’”，对应量的数值彼此越接近，则“I”越接近最大值“1”。之后，范守义（1990）又对应用与译文评价中的数学模型进行了修改，将主标准与次标准的并集纳入语言变量下，用公式表示为：Q=X∪Y∪Z，或扩展为：Q=[X1，X2，（X3）]∪[Y1，Y2，（Y3）]∪[Z1，Z2，（Z3）]。其中：“X”代表中心信息，即：X1：信息量；X2：形象转换；X3：虚设标准。“Y”代表附加信息，即：Y1：风格层次；Y2：情感元素；Y3：虚设标准。“Z”代表结构信息，即：Z1：元语言方面；Z2：修辞与逻辑；Z3：音韵。 同时，范守义提出了以计算机编程为取向的公式运作方式，包括“数据输入”、“加权”、“计算”与“数据输出”。从其研究所处的时期看来，范守义的研究具有远见性，也具有使用价值，为利用模糊数学的理论与方法对翻译质量进行评估展奠定了基础。 在此期间，徐盛恒也进行了相关研究，他（1987）曾针对范守义公式中存在的不足提出了改进：（W1，W2...Wn）?|X1， X2，…Xn|，其中“W”与“X”分别代表“权值”与“标准”，并规定样本抽样方法必须为等距离抽样，标准的确定依据必须为

模糊数学综合评价模型

三种电视机模糊综合评价模型 摘要 本文通过顾客对三种电视机的图像，价格，音质三种评价因素建立的模糊综合评价的模型，此模型首先设定了评价指标因素集U 和评语集V ,从而建立了评价矩阵R , 然后根据评价指标权重集A 最后分别运用了四个算子，进而采用了加权平均原则的方法建立了如下四个模型，最终得出 模型一：运用① 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出11 2.73B =，12 2.62B =，13 2.46B =，即第一种电视机最受顾客青睐 模型二：运用② 和加权平均原则方法对三种电视机建立模糊综合评价模型，得出21 2.72B =，22 2.75B =，23 2.51B =，即第二种电视机最受顾客青睐 模型三：运用③ 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出31 2.71B =，32 2.58B =，3 3 2.32B =，即第一种电视机最受顾客青睐 模型四：运用④ 算子和最大隶属原则方法对三种电视机建立模糊 综合评价模型，得出41 2.75B =，4 2 2.71B =，43 2.39B =，即顾客对第二种电视机做出综合评价较好。 综合四个模型这三种电视机的综合评价在较好和可以之间并且在这三种电视机中第一种电视机最受顾客青睐，第二种次之，第三种最不受欢迎。 关键词：综合评价 模糊数学 加权平均原则 算子 ),(∨∧M (,)M ?∨算子),(⊕∧M ),(⊕?M

一、问题重述 在对电视机质量的评价中，其涉及的因素很多，一般说来基本要考虑图像，声音，价格等等，而每一类因素的质量水平受许多因素的影响。这些评价因素往往具有模糊性。评价的结果本身也带有模糊性。如何合理地评价电视机的质量呢？ 假设对电视机的评价因素U={图像u1，声音u2，价格u3}，评语集合V={很好v1，较好v2，可以v3，不好v4}，现请专家10人对三种电视机进行评价，结果如下： 设某类顾客主要关心图像、价格，对音质不太关心，即 试对以上三种电视机进行模糊综合评价。 二、问题分析 根据对题目的理解，我们知道问题的求解是根据10位专家对三种电视机的图像，价格，音质的评价结果，而要求我们对这三种电视机进行模糊综合评价，所以我采用四种算子方法。 即① 算子 评语 因素 (1)第一类电视机 (2)第二类电视机 (3)第三类电视机 v1 v2 v3 v4 v1 v2 v3 v4 v1 v2 v3 v4 u1 5 4 1 0 4 3 2 1 1 5 2 2 u2 4 3 2 1 5 1 2 2 4 3 1 2 u3 0 1 3 6 2 1 3 4 2 4 4 (0.5,0.2,0.3) A =(){}n k r r s jk j m j jk j m j k ,,2,1, ,min max )(11 =∧=≤≤=∨μμ＝),(∨∧M

MATLAB在模糊数学教学中应用示例

摘要：作者探讨了在模糊数学教学中运用matlab软件来辅助课程教学的方法，并以示例积极推进可视化教学，提高了教学质量，其结果表明教学效果明显. 关键词： matlab 模糊数学教学效果 自1965年扎德（l.a.zadeh）提出“模糊集合”的概念，模糊数学便作为一门新的数学学科诞生了.近五十年来，它的发展非常迅速，应用十分广泛.其理论和应用涉及社会科学、自然科学和思维科学诸多领域.在上世纪九十年代，国外应用模糊数学原理研制和推出了首批模糊家用电器，而现在，模糊洗衣机、模糊吸尘器、模糊电饭煲、模糊空调机等已进入了国外千家万户，部分产品进入我国国内，由此可见，其应用前景是举世瞩目的.所以，学生学好模糊数学十分重要.另外，模糊数学在培养学生辩证唯物主义的认识论、方法论，教学素养和应用能力等方面也有着良好的教育功能.由于模糊数学本身是系统化的，涉及的知识深广，使不少学生感到理论太复杂，太抽象，对所学内容难把握，易产生畏难情绪，仅仅通过板书讲授方式难以达到理想的教学效果.因而，加强实践教学是必不可少的一个重要环节.随着高校教学手段的改革，多媒体辅助教学法越来越受师生的欢迎，据统计，60%以上的高校都愿接受，其中数学软件matlab是评价最高的有效的数值和工程计算的软件.针对本科生课程的特点，结合matlab语言所独具的优势，本文着重介绍matlab在模糊数学中的实际应用示例，从而积极推进和改善可视化教学，强化教学效果.下面给出详细示例. 一、利用matlab建立隶属度函数的辅助教学 隶属度是模糊集的基本概念，也是模糊控制的应用基础，由此，正确构造隶属度函数是用好模糊控制的关键之一，而此概念对学生而言是一个抽象的概念，在授课过程中，将基本概念及原理给学生讲透的同时，充分利用计算机的表现能力会将抽象的东西具体化、形象化. 例1.设某污染河水中酚的含量t=0.0012mg/l，给定酚的水质分级标准为： 试建立各级水的隶属度函数. 二、利用matlab来计算λ―截矩阵的辅助教学 在模糊数学中模糊聚类分析法是将事物根据一定的特征，并按某种特定要求或规律分类的一种方法，在分类过程中不是仅仅考虑事物之间有无关系，而是考虑事物之间的深浅程度，λ―截矩阵在该分析法中是一个很重要的概念.其定义和计算如下： 三、利用matlab求解模糊线性规划 普通线性规划其约束条件和目标函数都是确定的，但在一些实际问题中，约束条件可能带有弹性，必须借助模糊集的方法来处理.模糊线性规划是将约束条件和目标函数模糊化，引入隶属函数，从而导出一个新的纯属规划问题，它的最优解称为原问题的模糊最优解.求解模糊线性规划需要分别求出三个普通的线性规则，从而加上伸缩率后的普通线性规划进而添加新变量入和新的约束条件，求解模糊线性规划的具体方法如下： 结果：最优解为z=33.2，此时z=14.93. 以上示例仅是模糊数学中常见的一些问题求解，从中可以观察出，matlab在解决这些问题时简洁、灵活的特点，增强了学生对复杂问题了解时的直观性，缓解了教学课时偏少及当前实验室跟不上教学需求的困境；也让学生在课程学习的同时，轻松地学会一些编程问题，加深、加强了编程能力，使学生更能产生学习matlab及模糊数学的欲望，积极推进模糊数学的教学，使之更高效、更具利用价值. 参考文献： ［1］张驰.试论模糊数学的教育功能［j］.数学教育学报，1997，6，（4）:90-93. ［2］周维.高校“模糊数学”选修课教法初探［j］.淮南工业学院学报（社会科学版），

模糊综合评价法的数学建模方法简介_任丽华

８ 《商场现代化》２００６年７月（中旬刊）总第４７３期 ２０世纪８０年代初，汪培庄提出了对绿色供应链绩效进行评价的模糊综合评价模型，此模型以它简单实用的特点迅速波及到国民经济和工农业生产的方方面面，广大实际工作者运用此模型取得了一个又一个的成果。本文简单介绍模糊综合评价法的数学模型方法。 一、构造评价指标体系 模糊综合评价的第一步就是根据具体情况建立评价指标体系的层次结构图，如图所示： 二、确定评价指标体系的权重 确定各指标的权重是模糊综合评价法的步骤之一。本文根据绿色供应链评价体系的层次结构特点，采用层次分析法确定其权重。尽管层次分析法中也选用了专家调查法，具有一定的主观性，但是由于本文在使用该方法的过程中，对多位专家的调查进行了数学处理，并对处理后的结果进行了一致性检验，笔者认为，运用层次分析法能够从很大程度上消除主观因素带来的影响，使权重的确定更加具有客观性，也更加符合实际情况。 在此设各级指标的权重都用百分数表示，且第一级指标各指标的权重为Ｗｉ，ｉ＝１，２，…，ｎ，ｎ为一级指标个数。一级指标权重向量为： Ｗ＝（Ｗ１，…，Ｗｉ，…Ｗｎ） 各一级指标所包含的二级指标权重向量为： Ｗ＝（Ｗｉ１，…，Ｗｉｓ，…Ｗｉｍ），ｍ为各一级指标所包含的二级指标个数，ｓ＝１，２，…，ｍ。 各二级指标所包含的三级指标权重向量为： Ｗｉｓ＝（Ｗｉｓ１，…Ｗｉｓ２，…Ｗｉｍｑ），ｑ为各二级指标所包含的三级指标个数。三、确定评价指标体系的权重建立模糊综合评价因素集将因素集Ｘ作一种划分，即把Ｘ分为ｎ个因素子集Ｘ１，Ｘ２，…Ｘｎ，并且必须满足： 同时，对于任意的ｉ≠ｊ，ｉ，ｊ＝１，２，…，均有 即对因素Ｘ的划分既要把因素集的诸评价指标分完，而任一个评 价指标又应只在一个子因素集Ｘｉ中。 再以Ｘｉ表示的第ｉ个子因素指标集又有ｋｉ个评价指标即：Ｘｉ＝｛Ｘｉ１，Ｘｉ２，…，ＸｉＫｉ｝，ｉ＝１，２，…，ｎ 这样，由于每个Ｘｉ含有Ｋｉ个评价指标，于是总因素指标集Ｘ其有 个评价指标。 四、　进行单因素评价，建立模糊关系矩阵Ｒ 在上一步构造了模糊子集后，需要对评价目标从每个因素集Ｘｉ上进行量化，即确定从单因素来看评价目标对各模糊子集的隶属度，进而得到模糊关系矩阵： 其中ｓｉ（ｉ＝１，２，…，ｍ）表示第ｉ个方案，而矩阵Ｒ中第ｈ行第ｊ列元素ｒｈｊ表示指标Ｘｉｈ在方案ｓｊ下的隶属度。对于隶属度的确定可分为两种 情况：定量指标和定性指标。 （１）定量指标隶属度的确定 对于成本型评价因素可以用下式计算： 对于效益型评价因素可以用下式计算：对于区间型评价因素可以用下式计算：上面三个式子中：ｆ（ｘ）为特征值，ｓｕｐ（ｆ），ｉｎｆ（ｆ）分别为对应于同一个指标的所有特征值的上下界，即是同一指标特征值的最大值和最小 模糊综合评价法的数学建模方法简介 任丽华　东营职业学院 ［摘　要］　本文一种数学模型方法构造了一种对绿色供应链绩效进行评价的模糊综合评价法，主要从构造评价指标体系，确定评价指标体系的权重，确定评价指标体系的权重，建立模糊综合评价因素集，进行单因素评价、建立模糊关系矩阵Ｒ，计算模糊评价结果向量Ｂ等五个方面介绍这种评价方法。 ［关键词］　绿色供应链绩效评价　模糊综合评价法　数学模型方法 流通论坛

预测模型可靠性的模糊数学评价方法

收稿日期:2003-11-10 作者简介:许康(1969-),男(汉族),江苏宜兴人,讲师,博士研究生,从事油气储运与热能工程方面的教学与科研工作。 文章编号:1000-5870(2004)04-0102-03 预测模型可靠性的模糊数学评价方法 许 康,张劲军,陈 俊,李鸿英 (石油大学石油天然气工程学院,北京102249) 摘要:预测模型的可靠程度是通过预测结果中分布规律的可信度体现出来的。针对常见的预测模型可靠性评价中存在的问题,将预测模型预测结果的可信概率定义为预测模型的可靠度,提出了一种评价预测模型的新方法。在新方法中,运用模糊数学理论对预测结果的可信程度进行了评价,建立了预测结果可信度与预测结果相对误差绝对值之间的隶属函数关系,并将模糊数学与可靠性理论相结合,给出了求解预测模型可靠度的计算公式。以含蜡原油粘温关系模型为例,对新方法的评价过程进行了验证。结果表明,对同一种油样采用不同的隶属函数,或对不同油样采用同一个隶属函数,所得预测模型的可靠度均不相同,这说明该方法具有通用性。关键词:含蜡原油;粘温关系;预测模型;可靠度;评价方法;模糊数学;隶属函数中图分类号:O 159 文献标识码:A A new assessment method for reliability of prediction model with fuzzy mathematics XU Kang,ZHANG Jin -jun,CH EN Jun,LI Hong -ying (College of Petr oleum Engineer ing in the University of Petroleum ,China,Beij ing 102249,China) Abstract :T he distribution of the authentic forecast results can embo dy the fiduciar y level o f the prediction model.T he probability o f the authentic for ecast results obtained by t he prediction model w as defined as the fiduciary lev el o f prediction model.A new method for assessment of t he fiduciary level of prediction model was proposed.In or der to assess the fiduciary lev el of the for ecast results,a membership function for describing the relationship betw een the fiduciary lev el and absolute value of relative err or of fo recast results was established on the theory of fuzzy mathematics.By using the fuzzy mat hemat ics and reliabilit y theory ,the formula to calculate the fiduciary level of the pr edict ion model w as provided.A prediction model for waxy o il viscosity was taken as an ex ample to prove the applicability of the assessment method.T he r esults show that the fiduciary levels of prediction model are different fo r the same o il sample with the different membership function or for the different oil sample with the same membership function. Key w ords :w ax y oil;viscosity -temperature r elationship;prediction model;reliabilit y;assessment method;fuzzy mathe -matics;membership function 我国生产的原油80%以上属于含蜡原油,其组成复杂,粘度及粘温关系的变化规律往往不能用纯液体的粘度模型进行描述。原油粘度及粘温关系 直接影响其管道输送的摩阻,是管输工艺设计及运行管理所需的重要基础数据。国内外研究者提出了若干含蜡油粘度模型,这些模型都是基于实验数据统计分析得出的经验模型,对于预测模型预测结果的可靠程度,常见的方法是用大量的预测结果与实测值之间的(绝对或相对)误差的平均值和其中最大 值来说明。但是预测结果是否 准确可信 是一个很模糊的概念,预测结果的 准确可信 与 不可信 之间没有一个明显的界限,对预测结果可信程度的评 价用常规的数学方法不能解决,需要引入模糊数学的理论。对于使用预测模型进行预测时获得可信的预测结果的概率(可靠度),用常用的预测模型的评价方法是无法得出的。因此,笔者根据模糊数学和可靠性理论提出一种评价预测模型可靠性的新方法,介绍新方法的评价过程。 2004年 第28卷 石油大学学报(自然科学版) Vol.28 No.4 第4期 Journal of the U niversity of Petroleum,China Aug.2004

模糊数学的应用

第一部分模糊计算课后任务 找一些使用模糊数学作为基础的实际应用，并归类整理。对每种实际应用进行简单介绍，并形成文档。 模糊数学的应用 1、模糊模式识别 2、模糊聚类分析 3、模糊综合评价 4、模糊控制系统 5、模糊数学在决策中的应用 1、模糊模式识别 模式识别就是机器的识别，目的在于让机器自动识别事物。 一个典型的模式识别系统，由数据获取、预处理、特征提取和选择、分类决策以及分类器组成。一般分为学习过程和识别过程，通过这两个过程对未知类别进行分类。 在生活中有些模式的界限是不明确的，所以对于界限不明确的模式识别就称为模糊模式识别。模糊模式识别主要分为三个步骤： （1）、提取特征 （2）、建立标准类型模型 （3）、建立识别判决准则 例如：医疗诊断问题，通过病人的症状对病人进行诊断。 设病人集合为P={p1,p2,p3,p4},症状结合X={x1(发烧),x2(头痛),x3(胃疼),x4(咳嗽),x5(胸痛)},诊断结论的集合D={A1(病毒性感冒),A2(疟

疾),A3(伤寒),A4(胃病),A5(胸部问题)}。通过专家经验数据，可以得到症状与诊断结果的关系，然后通过数据关系建立症状与诊断结果的标准模型，最后经过判别准则对新的病人进行诊断。这里判别准则大致有以下几种，最大隶属度原则、阈值原则、折近原则等等。 2、模糊聚类分析 “聚类”就是按照一定的要求和规律对事物进行区分和分类，传统的聚类分析是一种硬划分，他把每个待分类的对象严格的划分到某类中，即划分界限是明确的。生活中对象大多数都没有明确的界限划分，所以，需要利用模糊集的理论来对对象进行分类，这种聚类分析叫做模糊聚类分析。常用的模糊聚类分析大致分为两类，其一是基于模糊关系（矩阵）的聚类分析，其二是基于目标函数的聚类分析。 基于模糊关系的聚类分析：即利用模糊集合之间的相似程度来对对象进行分类，大致步骤为： （1）、数据规格化 （2）、构造模糊相似矩阵 （3）、模糊分类 数据规格化的方法有： （1）标准化方法 （2）均值规格化方法 （3）中心规格化方法 （4）最大值规格化方法

模糊数学教学大纲

《模糊数学》教学大纲 院系名称数学与应用数学系 制定人董媛媛 制定时间 2008年7月6日

《模糊数学》教学大纲 一、总则 1、课程代码： 2、课程名称：中文名称：模糊数学 英文名称：Fuzzy Mathematics 3、开课对象：数学与应用数学专业的本科生 4、课程性质：专业任选课 模糊数学诞生于1965年，40余年来，它的思想已广泛渗透到数学的许多分支，在科技、工程等领域显示出了强大的生命力，并在人文科学（经济、管理、社会等）领域里，也已获得了相当多的应用。本课程是数学系专业选修课，为数学系本科数学与应用数学专业四年级学生所选修。 5、教学目的和要求： 通过本门课程的学习： （1）了解和掌握模糊集合，模糊关系，模糊矩阵，模糊聚类与模糊变换等基本概念和基本理论；掌握模糊聚类分析，模糊模型识别，模糊决策的实际应用所运用的模糊数学方法；初步了解模糊规划及模糊控制理论，并运用上述有关理论和方法进行进一步的科学研究与实际应用； （2）掌握模糊数学有关方面的理论知识和处理模糊现象的基本思维方法； （3）培养学生的抽象概括问题、自我学习接受知识的能力及科学研究能力；同时培养学生综合运用所学知识分析并通过相关数学模型的建立与运用进而解决生活中实际问题的能力。（4）提高学生的素质，为部分考研学生的后继学习以及将来从事科学研究等工作奠定必要的数学基础。 6、教学内容： 本课程主要研究了利用用模糊数学的知识来解决实际问题的理论及其方法。主要内容有：模糊集合的基本概念、模糊聚类分析、模糊模型识别、模糊决策、模糊线性规划、模糊控制。 7、教学重点与难点： 重点：通过本课程的学习，掌握模糊数学的基本思想，基础理论，从而进一步了解模糊理论的基本应用，能够运用模糊理论解决生活中的实际问题。 难点：模糊数学的基本理论及如何正确运用这些理论知识来解决实际问题。 8、先修课程：

模糊数学在实际生活中的应用

浅谈模糊数学及在实际中的一些应用 摘要：美国数学家查德早在1965年发表论文《模糊集合》，标志着模糊数学的诞生。这门新兴学科的产生使得心理学、语言学等过去与数学不相关的学科能够用数学化进行处理和描述，大大地扩展了数学的应用范围。目前，模糊数学体系已基本形成。系统学科的发展需要促使模糊数学的产生，在多变量的大系统中，模糊性与精确性构成了一复杂的矛盾体，模糊数学成为描述模糊信息强有力的数学工具。在深入研究中发现，在决策对象与约束条件较为模糊的情况下，将模糊数学理论应用于决策研究，便成为模糊决策技术工具，大大降低了决策研究的难度系数，从而获得更好的决策结果。本次研究主要阐述模糊数学的产生及基本理论，从而分析模糊数学在考古、医学、模糊识别等领域的实际运用。 关键字：模糊数学；发展；应用； Abstract: American mathematician Chad as early as in 1965 published "fuzzy set", marks the birth of fuzzy mathematics. The generation of this new discipline in the past such as psychology, linguistics and mathematical unrelated disciplines can use mathematical processing and description, enlarges the application range of the mathematics. At present, fuzzy system has basically formed. System subject to prompt the development of fuzzy mathematics, in multivariable system, fuzziness and accuracy make a contradiction of the complex, fuzzy mathematics to describe fuzzy information powerful mathematical tool. Found in the study, objects and constraints in the decision under the condition of relatively fuzzy, fuzzy mathematics theory was applied to the decision-making research, become fuzzy decision technology tools, greatly reduced the difficulty coefficient of decision-making research, in order to gain better decisions. This research mainly elaborated and the basic theory of fuzzy mathematics, so fuzzy mathematical analysis in archaeology, medicine and the practical application of fuzzy recognition and other fields. Key words: fuzzy mathematics; Development; Application