模糊评价模型-以2018美赛为例

前言

本文用尽量简短和明了的方式说明什么是模糊评价模型，以及怎么使用，所以表述可能在数理上不太严谨，请读者多加包涵。

什么是模糊数学模型

1965 年，美国著名计算机与控制专家查德(L.A.Zadeh)教授提出了模糊的概念，并在国际期刊《Information and Control》并发表了第一篇用数学方法研究模糊现象的论文“Fuzzy Sets”(模糊集合)，开创了模糊数学的新领域。

模糊数学中有一个研究的热点问题就是“模糊决策”，它就是研究在模糊环境下或者模糊系统中进行决策的数学理论和方法。模糊决策的目标是把决策论域中的对象在模糊环境下进行排序，或按某些模糊限制条件从决策域中选择出最优对象。

当被评价的对象有两个以上时，从多个对象中选择出一个最优的方法称为多目标模糊综合评价决策法。可以将多个事物排序，得到相对排名和得分。
对于美赛，很多问题都可以通过模糊评价模型来得到答案。

基本步骤

1. 为属性确定特征及其隶属函数
2. 计算隶属度矩阵
3. 确定评价矩阵，计算权重
4. 检验评价矩阵
5. 计算最后得分并排序
6. 选取前6个

模糊评价模型的基本概念

模糊集和隶属函数

模糊集：我们要排序的事物集合，这里不妨记作A。
特征：为了将A排序，我们自然要从多维度进行考虑，我们将这些维度称为A中元素的特征。
隶属函数f(feature_value)：对于每一个特征，我们都人为设计一个函数，称作隶属函数，