畢業(yè)設(shè)計（論文）外文翻譯譯文：關(guān)于 Fuzzy 綜合評價模型的研究

畢業(yè)設(shè)計（論文）--文獻翻譯原文題目ResearchesontheModelofFuzzySyntheticEvaluation譯文題目關(guān)于Fuzzy綜合評價模型的研究專業(yè)信息與計算科學(xué)姓名學(xué)號指導(dǎo)教師

摘要討論了Fuzzy模型的算法規(guī)則的三種情形,即,,,以及二種評定法則:(1)簡單評定法:當時定為級。(2)復(fù)合評定法:當且時定為級,當且時定為級,當且時定為級。當模糊復(fù)雜度具有一定實際含義下,可能引發(fā)誤判的三個定理。在三個定理條件下,一次性判定及聯(lián)合判定均判定為級,但當模糊復(fù)雜度有一定實際含義時,會發(fā)生不應(yīng)判定為級的現(xiàn)象。同時給出了減少誤判的措施。關(guān)鍵詞:系統(tǒng);綜合評價;模糊;復(fù)雜度;誤判分析定理假設(shè)在接下來的討論中。關(guān)于模糊模型：I)表示，II)表示，III)表示，IV)表示。定理1讓并且權(quán)重，如果然后，而且如果，之后就會造成誤判。事實上：且，如果，則。如果則。因此。定理2假設(shè)，然后：，：；；；；；，并且是一個一個足夠小的正數(shù)。根據(jù)最佳解決方案中，然后，并且如果包含一定的實際意義，可能會導(dǎo)致誤判。事實上：這個定理的第一個限制確保了并且等級評估是。第二和第三個限制確保了分數(shù)的全面評估是。而在某些實際意義上，可能會導(dǎo)致錯誤判斷。在定理2中，為松弛變量，為人工變量，是一種預(yù)先給定的正小數(shù)它很小，可以防止右邊從0到0的方程，會導(dǎo)致嚴重的退化，導(dǎo)致死亡周期。定理3假設(shè)，然后：，：；；；；；，然后，并且如果包含了一定的實際意義，可能導(dǎo)致錯誤判斷。事實上：我們有，從第一個限制開始;第二個限制決定了，的從屬程度，是1；第三和第四種限制確保了等級被評估為；最后一個是條件是這可能會在某些實際意義上導(dǎo)致誤判。算法：(IV),我們可以建立相應(yīng)的定理。由于它的小應(yīng)用程序(在成千上萬的實用程序中幾乎沒有見過它，所以不會提及它是應(yīng)用程序)。綜合上面提到的。我們知道模糊的評估模型，施加錯誤的判斷它有自己的理論缺陷。換句話說，算法和評估方法仍然是不完美的。簡單地說，我們有：優(yōu)秀的規(guī)定掩蓋了嚴肅的規(guī)定:且。這個優(yōu)秀的規(guī)定有一個功能，就是對這個嚴肅的規(guī)定進行升級和補充:。第二章判斷錯誤的例子我們從某一大塊產(chǎn)品中挑選了一百件，并對七件物品進行了評估。質(zhì)量指數(shù)(=1，2，3，…，7)。每個項目被分為3個等級(=1，2，3)。從屬表示為:=(屬于第i級的產(chǎn)品的數(shù)量100項)。我的質(zhì)量指數(shù)和評估結(jié)果是關(guān)于權(quán)重的基準為下面列出的表SEQ表\*ARABIC1從屬度指數(shù)1234567權(quán)重0.120.120.380.090.090.100.10一級（高質(zhì)量產(chǎn)品）0.250.301.000.100.100.250.20等級二級（質(zhì)量產(chǎn)品）00.7000.800.1000.15三級（不合格產(chǎn)品）0.75000.100.800.750.65讓我們根據(jù)四種算法和兩種等級評估來評估產(chǎn)品質(zhì)量上面提到的方法。即：，因為：、和分別代表評估員一級產(chǎn)品、二級、三級的價值。，然后；然后；，然后；，然后；從四個計算和兩個評估規(guī)則中，我們得出了同樣的結(jié)論大量的產(chǎn)品被分類為優(yōu)秀(一級)。從上述結(jié)論的易受性來看，似乎這一大部分產(chǎn)品都是如此。毫無疑問是最優(yōu)秀的。但這與以下事實相矛盾:1)對于一百件產(chǎn)品，有七百個評估指標，其中包括305指數(shù)，接近43.57%的被分類為不合格的，合格的和最高的合格的分別為175人(25%)和220人(31.43%)。2)對于這7個質(zhì)量指數(shù)，只有第三個指數(shù)可以被認為是最高質(zhì)量指數(shù)。有四種質(zhì)量指數(shù)(第一、第五、第六和第七)是不合格的。因此，這些產(chǎn)品在任何情況下都不能被列為最高合格品。很明顯，這是由于錯誤的判斷。

預(yù)防措施的誤判目前還沒有完全精確的綜合評估模型，也許以后也不會有。一個有明顯錯誤判斷的模型是無法適應(yīng)的。但是如果添加了一些限制，模糊模型可以減少或者避免明顯的誤判。我們假設(shè)要建立一些標準1.驚人的邊界:如果有一個質(zhì)量指數(shù)，它并不比它好，那么我們就建立了一個令人擔憂的邊界，標記為[3]。嚴重的驚人的邊界：當評估指標并不比它好，我們就建立了一個嚴重的警戒邊界，標記為[2]。當令人擔憂的邊界的號碼占30%時，它就會被轉(zhuǎn)化為一個嚴重的問題驚人的邊界。擁有嚴重警戒邊界的人永遠不能被歸類為優(yōu)秀的人或有資格的(一級或二級)。超級驚人的邊界：當評估指數(shù)并不比它好，我們就建立了一個超級警戒的邊界，標記為[1]。擁有超警戒邊界的人必須是不合格的。兩個嚴重的警報邊界將被轉(zhuǎn)換為一個超級警戒的邊界。標準的危險的邊界，嚴重的警戒邊界和超警戒邊界可以確定一致性情況。有了這些限制，在全面的評估中明顯的誤判就不會發(fā)生。

參考文獻[1]WangYR.Theoryofsystemengineeringmethodsandapplication[J].BeijingHighEducationPublishingHouse,1992;147-187.[2]ZhangWX.Anintroductiontofuzzymathematics[J].Xi'anJiaotongUniversityPublishingHouse,1989