流程图
- FR:模糊可达矩阵的求解
- $FB= FA +I$
- $FB^{(k-1)}≠FB^{k}=FB^{(k+1)}= FR$
- $FR 为模糊可达矩阵$
- $FB 为模糊相乘矩阵$
- $FB 主对角线为1$
- $FB= \begin{array} {c|c|c|c|c|c|c|c}{ FB_{n \times n}} &1 &2 &{\cdots} &n \\ \hline 1 & \color{blue}{1}&{b_{12}}&{\cdots}&{b_{1n}}\\ \hline 2 & {b_{21}}&\color{blue}{1}&{\cdots}&{b_{2n}}\\ \hline {\vdots} &{\vdots}&{\vdots}&\color{blue}{1}&{\vdots}\\ \hline n & {b_{n1}}&{b_{n2}}&{\cdots}&\color{blue}{1}\\ \hline \end{array}$
- $FB 主对角线为1$
- $ 设FC =FB \times FB \quad FC=\left[ c_{ij} \right]_{n \times n} \quad FB=\left[ b_{ij} \right]_{n \times n}$
- $ \begin{equation}\begin{split} c_{ij}&=\sum_{k=1}^n b_{ik}\odot b_{kj} \\ &=(b_{i1} \odot b_{1j}) \oplus (b_{i2} \odot b_{2j}) \oplus (b_{i3} \odot b_{3j}) \cdots \oplus \cdots(b_{in} \odot b_{nj})\\ \end{split}\end{equation}$
- 模糊算子采用查德算子,即最大最小算子,格式如下。
- $ \begin{equation}\begin{split} c_{ij}&=\sum_{k=1}^n b_{ik} \land b_{kj} \\ &=(b_{i1} \land b_{1j}) \vee (b_{i2} \land b_{2j}) \vee (b_{i3} \land b_{3j}) \cdots \vee \cdots(b_{in} \land b_{nj})\\ \end{split}\end{equation}$
偏序,取偏序是最核心的步骤
$$\require{cancel} \require{AMScd} \begin{CD} D=\left[ d_{ij} \right]_{n \times m}@>偏序规则>>A=\left[a_{ij} \right]_{n \times n} \\\end{CD} $$
其中 $D=\left[ d_{ij} \right]_{n \times m}$ 为决策评价矩阵。$n$行$m$列。$n$代表评价对象(要素、方案、样本);$m$代表维度(准则、属性、目标)。
其中 $A=\left[ a_{ij} \right]_{n \times n}$ 为关系矩阵。是一个布尔方阵。$n$代表评价对象(要素、方案、样本)。
对于决策矩阵$D$中 $n$个要素的任何一列都具有严格的可比性。
偏序规则
对于含有m列的评价矩阵D,其中的任意一列即指标维度,具有同属性,可比较的前提。维度的这种优劣的比较至少有着两种属性。
数值越大越优,数值越小越差,称之为正向指标。记作p1、p2……pm。 数值越小越好,数值越大越差,称之为负向指标。记作q1、q2……qm。
对于决策矩阵$D$中的任意两行$x,y$
负向指标有 $d_{(x,p1)} \geqslant d_{(y,p1)} 且d_{(x,p2)} \geqslant d_{(y,p2)} 且 {\cdots}且d_{(x,pm)} \geqslant d_{(y,pm)}$ 同时有
正向指标有 $d_{(x,q1)} \leqslant d_{(y,q1)} 且d_{(x,q2)} \leqslant d_{(y,q2)} 且 {\cdots}且d_{(x,qm)} \leqslant d_{(y,qm)}$
符合上述规则,要素$x$与要素$y$的偏序关系记作:$x ≺ y$
$x \prec y$的意义为$y要素$优于(好于,牛逼于,帅于,猛于)$x要素$ 。
上述规则成为偏序规则。对于决策矩阵通过偏序规则可以得到关系矩阵 $A$
$$a_{xy}= \begin{cases} 1, x \prec y \\ 0, 其它 \end{cases} $$
取偏序的简单示例
把只有1列的决策矩阵$D$中的负向指标想象成排名,A1为第1名。关系矩阵$A$中 A2->A1即A2行A1列对应的单元格意思为A1比A2牛逼,即$A2 \prec A1$
$$ 示例二: \begin{CD} D=\begin{array}{c|c|c|c|c|c|c}{M_{17 \times2}} & 正向指标 & 正向指标 \\ \hline A1 &1.9223 &0.59336 \\ \hline A2 &2.86838 &0.16965\\ \hline A3 &1.38284 &0.22882\\ \hline \end{array} @>取偏序>> A=\begin{array}{c|c|c|c|c|c|c}{M_{3 \times 3}} & A1 &A2 &A3\\ \hline A1 &- & & \\ \hline A2 & &- &\\ \hline A3 &1 & & -\\ \hline \end{array} \end{CD} $$在三组数据中只有A3的两个属性值都小于于A1。关系矩阵$A$中 A3->A1即A3行A1列对应的单元格意思为A1比A3牛逼,即$A3 \prec A1$
模糊相乘矩阵
$$\tilde B=\begin{array} {c|c|c}{M_{13 \times13}} &R1 &R2 &R3 &R4 &R5 &R6 &R7 &R8 &R9 &R10 &R11 &R12 &R13\\ \hline R1 &1 &0.87 &0.93 &0 &0.76 &0 &0 &0.58 &0.9 &0 &0 &0 &0.42\\ \hline R2 &0 &1 &0 &0 &0.68 &0 &0 &0 &0 &0 &0.64 &0 &0\\ \hline R3 &0 &0 &1 &0 &0.81 &0 &0 &0 &0 &0 &0.53 &0 &0\\ \hline R4 &0 &0 &0 &1 &0 &0 &0 &0.43 &0 &0 &0.75 &0 &0\\ \hline R5 &0 &0 &0 &0 &1 &0 &0 &0.63 &0 &0 &0 &0 &0\\ \hline R6 &0 &0 &0 &0.61 &0.55 &1 &0 &0 &0 &0 &0 &0 &0\\ \hline R7 &0 &0 &0 &0 &0.54 &0 &1 &0.94 &0 &0 &0 &0 &0\\ \hline R8 &0 &0 &0 &0 &0 &0 &0 &1 &0 &0 &0 &0 &0\\ \hline R9 &0 &0 &0 &0 &0.91 &0 &0 &0 &1 &0.62 &0 &0 &0\\ \hline R10 &0 &0 &0 &0 &0 &0 &0 &0 &0 &1 &0.73 &0 &0\\ \hline R11 &0 &0 &0 &0 &0 &0 &0 &0 &0 &0 &1 &0 &0\\ \hline R12 &0 &0 &0 &0 &0 &0 &0 &0.85 &0 &0 &0 &1 &0\\ \hline R13 &0 &0 &0 &0.45 &0 &0.48 &0 &0.66 &0 &0 &0 &0.89 &1\\ \hline \end{array} $$
模糊可达矩阵
$$\tilde R=\begin{array} {c|c|c}{M_{13 \times13}} &R1 &R2 &R3 &R4 &R5 &R6 &R7 &R8 &R9 &R10 &R11 &R12 &R13\\ \hline R1 &1 &0.87 &0.93 &0.42 &0.9 &0.42 &0 &0.63 &0.9 &0.62 &0.64 &0.42 &0.42\\ \hline R2 &0 &1 &0 &0 &0.68 &0 &0 &0.63 &0 &0 &0.64 &0 &0\\ \hline R3 &0 &0 &1 &0 &0.81 &0 &0 &0.63 &0 &0 &0.53 &0 &0\\ \hline R4 &0 &0 &0 &1 &0 &0 &0 &0.43 &0 &0 &0.75 &0 &0\\ \hline R5 &0 &0 &0 &0 &1 &0 &0 &0.63 &0 &0 &0 &0 &0\\ \hline R6 &0 &0 &0 &0.61 &0.55 &1 &0 &0.55 &0 &0 &0.61 &0 &0\\ \hline R7 &0 &0 &0 &0 &0.54 &0 &1 &0.94 &0 &0 &0 &0 &0\\ \hline R8 &0 &0 &0 &0 &0 &0 &0 &1 &0 &0 &0 &0 &0\\ \hline R9 &0 &0 &0 &0 &0.91 &0 &0 &0.63 &1 &0.62 &0.62 &0 &0\\ \hline R10 &0 &0 &0 &0 &0 &0 &0 &0 &0 &1 &0.73 &0 &0\\ \hline R11 &0 &0 &0 &0 &0 &0 &0 &0 &0 &0 &1 &0 &0\\ \hline R12 &0 &0 &0 &0 &0 &0 &0 &0.85 &0 &0 &0 &1 &0\\ \hline R13 &0 &0 &0 &0.48 &0.48 &0.48 &0 &0.85 &0 &0 &0.48 &0.89 &1\\ \hline \end{array} $$