模糊综合评价法

.作业某市直属单位因工作需要，拟向社会公开招聘8 名公务员，具体的招聘办法和程序如下：（一）公开考试：凡是年龄不超过 30 周岁，大学专科以上学历，身体健康者均可报名参加考试，考试科目有：综合基础知识、专业知识和“行政职业能力测验”三个部分，每科满分为100 分。根据考试总分的高低排序选出16 人选择进入第二阶段的面试考核。（二）面试考核：面试考核主要考核应聘人员的知识面、对问题的理解能力、应变能力、表达能力等综合素质。按照一定的标准，面试专家组对每个应聘人员的各个方面都给出一个等级评分，从高到低分成A/B/C/D 四个等级，具体结果如表1所示。现要求根据表1中的数据信息对16 名应聘人员作出综合评价，选出8 名作为录用的公务员。折衷型模糊多属性决策方法（1）折衷型模糊决策的基本原理折衷型模糊决策的基本原理是：从原始的样本数据出发，先虚拟模糊正理想和模糊负理想，其中模糊正理想是由每一个指标中模糊指标值的极大值构成；模糊负理想是由每一个指标中模糊指标值的极小值构成。然后采用加权欧氏距离的测度工具来计算各备选对象与模糊正理想和模糊负理想之间的距离。在此基础上，再计算各备选对象属于模糊正理想的隶属度，其方案优选的原则是，隶属度越大，该方案越理想。（2）折衷型模糊决策的基本步骤Step1：指标数据的三角形模糊数表达下面运用以上的定义将定性、定量指标以及权重数据统一量化为三角形模糊数.1) 对于定性指标，可以将两极比例法改进为三角模糊数比例法。再利用三角模糊数比例法将定性指标转化为定量指标，其具体的转化形式见表2。表2 定性指标向定量指标转化的三角模糊数比例法2) 对于精确的定量指标值，也写成三角模糊数的形式。设a 是一个具体的精确数，由三角模糊数的定义，则a 表示成三角模糊数的形式为：a = (a,a,a) （1）当所有的属性指标全部化为三角模糊数后，设此时得到的模糊指标矩阵为3）对于权重向量的三角模糊数表示 若权重是定量的形式给出的，则由公式（1）可表示为 若权重是定性描述给出的，此时可以利用表3 的转化方法将其转化为三角模糊数的表达形式.Step2: 模糊指标矩阵F 归一化处理Step3: 构造模糊决策矩阵将归一化后的模糊指标矩阵R 进行加权处理可得到模糊决策矩阵建模过程： 借鉴表2 的思想，对于定性指标值A，B，C，D，可以定义表1 的量化标准，将这些定性指标进行量化，其具体的量化形式见表3。表3 定性指标量化标准 由表3 和公式（1）把表1中的指标信息、权重信息化成三角形模糊数，得到 模糊优选决策由公式（6）（8），可求出相应的表4 计算结果数据表由以上结果可知，16 个人的综合水平的高低排序为:因此被选种的 8 个人员是人员1、4、2、9、8、5、7、12。计算的 MATLAB 程序如下：%把表3 中的数据复制到纯文本文件mohu.txt 中，然后把A 替换成85 90 100，%B 替换成75 80 85，C 替换成60 70 75，D 替换成50 55 60clc,clearload mohu.txtsj=repmat(mohu(:,1),1,3),mohu(:,2:end);%首先进行归一化处理n=size(sj,2)/3;m=size(sj,1);w=0.5*ones(1,3),0.125*ones(1,12);w=repmat(w,m,1);y=;for i=1:ntm=sj(:,3*i-2:3*i);max_t=max(tm);max_t=repmat(max_t,m,1);max_t=max_t(:,3:-1:1);yt=tm./max_t;yt(:,3)=min(yt(:,3);ones(1,m);y=y,yt;end%下面求模糊决策矩阵r=;for i=1:ntm1=y(:,3*i-2:3*i);tm2=w(:,3*i-2:3*i);r=r,tm1.*tm2;end%求M、M和距离mplus=max(r);mminus=min(r);dplus=dist(mplus,r);dminus=dist(mminus,r);%求隶属度mu=dminus./(dplus+dminus);mu_sort,ind=sort(mu,descend).