数学建模入门-python实现单目标模糊综合评价法

算法简介

模糊综合评价方法，是应用模糊关系合成的原理，从多个因素(指标)对被评价事物隶属等级状况进行综合性评判的一种方法

调用示例

例题

代码

根据不同的算子合成结果

具体实现

常用算子1

算法理论

算法代码

def min_max_operator(A, R):
    '''
    利用最值算子合成矩阵
    :param A:评判因素权向量 A = (a1,a2 ,L,an )
    :param R:模糊关系矩阵 R
    :return:
    '''
    B = np.zeros((1, R.shape[1]))
    for column in range(0, R.shape[1]):
        list = []
        for row in range(0, R.shape[0]):
            list.append(min(A[row], R[row, column]))
        B[0, column] = max(list)
    return B

常用算子2

算法理论

算法代码

def mul_max_operator(A, R):
    '''
    利用乘法最大值算子合成矩阵
    :param A:评判因素权向量 A = (a1,a2 ,L,an )
    :param R:模糊关系矩阵 R
    :return:
    '''
    B = np.zeros((1, R.shape[1]))
    for column in range(0, R.shape[1]):
        list = []
        for row in range(0, R.shape[0]):
            list.append(A[row] * R[row, column])
        B[0, column] = max(list)
    return B

常用算子3

算法理论

算法代码

def min_mymin_operator(A, R):
    '''
    利用最小值最小值算子合成矩阵
    :param A:评判因素权向量 A = (a1,a2 ,L,an )
    :param R:模糊关系矩阵 R
    :return:
    '''
    B = np.zeros((1, R.shape[1]))
    for column in range(0, R.shape[1]):
        list = []
        for row in range(0, R.shape[0]):
            list.append(min(A[row], R[row, column]))
        B[0, column] = mymin(list)
    return B

其中为了代码便于理解，单独封装了一个mymin来求那个特殊的最小值

def mymin(list):
    for index in range(1, len(list)):
        if index == 1:
            temp = min(1, list[0]+list[1])
        else:
            temp = min(1, temp+list[index])
    return temp

常用算子4

算法理论

算法代码

其中的mymin依旧是之前封装的

def mul_mymin_operator(A, R):
    '''
    利用乘法最小值算子合成矩阵
    :param A:评判因素权向量 A = (a1,a2 ,L,an )
    :param R:模糊关系矩阵 R
    :return:
    '''
    B = np.zeros((1, R.shape[1]))
    for column in range(0, R.shape[1]):
        list = []
        for row in range(0, R.shape[0]):
            list.append(A[row] * R[row, column])
        B[0, column] = mymin(list)
    return B