在综合评价问题中，对应于每一个因素，都有一个确定的评价分数，但对于许多问题，并不能简单地用一个分数加以评价。按照同一评价因素，不同的人会得出不同的评价结果，这时的评价结果，不再是一个确定的数，而是一个用语言来表达的模糊概念了。为了得到正确的评价结果，应该采用模糊综合评价方法。
模糊综合评价［170］就是应用模糊变换原理和最大隶属度原则，考虑与被评价事物相关的各个因素，对其所做的综合评价。该方法的数学模型如下：
（1）确定评价因素集合U
U＝｛u1，u2，…，um｝ （4-20）
式中，ui是评价因素，i＝1，2，…，m；m是同一层次上单个因素的个数，这一集合构成了评价的框架。
（2）确定评价结果集合V
V＝｛v1，v2，…，vm｝ （4-21）
式中，vj是评价结果，j＝1，2，…，n；n是元素的个数，即等级数或评语档次数。这一集合规定了某一评价因素的评价结果的选择范围。结果集合的元素可以是定性的，也可以是量化的分值。
（3）确定隶属度矩阵
对第i个评价因素ui进行单因素评价得到一个相对于vj的模糊向量：
Rj＝（ri1，ri2，…，rim），i＝1，2，…，m；j＝1，2，…，n （4-22）
rij为元素ui具有vj的程度，0≤rij≤1。若对n个元素进行了综合评价，其结果是一个n行m列的矩阵，称为隶属矩阵R。显然，该矩阵中的每一行是对每一个单因素的评价结果，整个矩阵包含了按评价结果集合V对评价因素集合U进行评价所获得的全部信息。
（4）确定权重向量
W＝｛w1，w2，…，wn｝； （4-23）
式中，wi表示因素ui的权重，i＝1，2，…，n；满足
＝1，0≤wi≤1。
（5）得到最终的评价结果
权重向量W与隶属矩阵R的合成就是该事物的最终评价结果，即：
B＝WR＝（b1，b2，…，bm） （4-24）
式中， bj＝
1 wi·rij，j＝1，2，…，m。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
