模糊判断矩阵

一：如何确定模糊判断矩阵

反了，是先有的判断矩阵，才能算出权重，你怎么能先求出权重，又问判断矩阵从哪儿来的呢？

关于判断矩阵，你可以使用调查问卷法，专家经验法，参考文献法等，具体你下几篇文献看看就知道了。

二：如何构造模糊层次分析法中模糊一致判断矩阵

模糊层次分析法（FAHP)及计算过程层次分析法(AHP)是20世纪70年代美国运筹学T.L. Saaty教授提出的一种定性与定量相结合的系统分析方法。

该方法对于量化评价指标,选择最优方案提供了依据,并得到了广泛的应用。然而, AHP存在如下方面的缺陷:检验判断矩阵是否一致非常困难,且检验判断矩阵是否具有一致性的标准CR < 0. 1缺乏科学依据;判断矩阵的一致性与人类思维的一致性有显著差异。在模糊层次分析中,作因素间的两两比较判断时,如果不用三角模糊数来定量化,而是采用一个因素比另一个因素的重要程度定量表示,则得到模糊判断矩阵。

三：如何构造模糊层次分析法中模糊一致判断矩阵

层次分析法中一致性检验指标CI不可以小于0，CR小于0.1判断矩阵才满足一致性检验，有时候可以等于0，但不能为负。若为负的话，说明数值错了。

四：模糊风险判断矩阵有没有软件可以计算

股份还不是的通过色的的故事大概

五：怎么构造三角模糊数互补判断矩阵

1.步骤类：①整体简介②所需工具/原料③方法/步骤④注意事项2.常识类：①直接回答问题②详细给出具体原因/理由/介绍3.原因类：①详细解释原因/理由②提供有效解决方案（构成见步骤类）4.其他类型详见高质量标准（点击回答框右侧图片）

六：模糊综合矩阵怎么求 100分

一般可设计调查表，用打分的方法求出。

七：编程实现判断一个矩阵是模糊等价矩阵 20分

矩阵的等价：经过六个初等变换的矩阵之间具有等价关系，主要是指型和秩相同。相似的两个矩阵一定是等价的矩阵。等价矩阵未必相似。按定义，如果存在可逆阵P、Q，使P*A*Q=B，则称A与B等价。矩阵相似的定义是：存在可逆阵P，使P^*A*P=B，则称A与B相似，因为P^与P都是可逆阵，由矩阵等价的定义知，A与B是等价的。

八：判断矩阵为什么要进行一致性检验？

首先要知道，判断矩阵是各层次各因素之间进行两两比较相对重要性而得来的。那么一方面由于客观世界的复杂性和人们认识问题的多样性，另一方面是由于n个元素两两比较时并没有固定的参照物，那么人们在进行比较时就有可能做出一些违反常识的判断，例如：1 、次序不一致的判断 ，比如说如果人们判断A>B(表示A比B重要）,B>C，而C>A（按常识本应该是A>C) 2、基本不一致的判断，比如说如果人们判断A比B重要3倍，B比C重要2倍，当A与C再进行比较时又认为A比C重要4倍（本来应该是A比C重要6倍了）。当这种违背常识的判断出现时判断矩阵就不完全一致了，我们允许不完全一致，但要求判断矩阵具有大体的一致性，所以需要进行一致性检验。这是我的理解~

九：模糊综合评价法与模糊层次分析法，有区别吗.什么区别

层次分析法优缺点

（一）优点

系统性的分析方法

层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。

2. 简洁实用的决策方法

这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。

3. 所需定量数据信息较少

层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。这种思想能处理许多用传统的最优化技术无法着手的实际问题。[1]

（二）缺点

1. 不能为决策提供新方案

层次分析法的作用是从备选方案中选择较优者。这个作用正好说明了层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。这样，我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够所做出来的效果好。而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。但显然，层次分析法还没能做到这点。

2. 定量数据较少，定性成分多，不易令人信服

在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。这样，当一个人应用层次分析法来做决策时，其他人就会说：为什么会是这样？能不能用数学方法来解释？如果不可以的话，你凭什么认为你的这个结果是对的？你说你在这个问题上认识比较深，但我也认为我的认识也比较深，可我和你的意见是不一致的，以我的观点做出来的结果也和你的不一致，这个时候该如何解决？

比如说，对于一件衣服，我认为评价的指标是舒适度、耐用度，这样的指标对于女士们来说，估计是比较难接受的，因为女士们对衣服的评价一般是美观度是最主要的，对耐用度的要求比较低，甚至可以忽略不计，因为一件便宜又好看的衣服，我就穿一次也值了，根本不考虑它是否耐穿我就买了。这样，对于一个我原本分析的‘购买衣服时的选择方法’的题目，充其量也就只是‘男士购买衣服的选择方法’了。也就是说，定性成分较多的时候，可能这个研究最后能解决的问题就比较少了。

对于上述这样一个问题，其实也是有办法解决的。如果说我的评价指标太少了，把美观度加进去，就能解决比较多问题了。指标还不够？我再加嘛！还不够？再加！还不够？！不会吧？你分析一个问题的......余下全文>>