数学建模案例分析---模糊数学方法建模1模糊综合评判及其应用

第八章 模糊数学方法建模

1965年,美国自动控制学家首先提出了用“模糊集合”描述模糊事物的数学模型。它的理论和方法从上个世纪七十年代开始受到重视并得到迅速发展，特别是愈来愈广泛地应用于解决生产实际问题。模糊数学的理论和方法解决了许多经典数学和统计数学难以解决的问题，这里，我们通过几个例子介绍模糊综合评判、模糊模式识别、模糊聚类、模糊控制等最常用方法的应用。而相应的理论和算法这里不作详细介绍，请参阅有关的书籍。

§1 模糊综合评判及其应用

一、模糊综合评判

在我们的日常生活和工作中，无论是产品质量的评级，科技成果的鉴定，还是干部、学生的评优等等，都属于评判的范畴。如果考虑的因素只有一个，评判就很简单，只要给对象一个评价分数，按分数的高低，就可将评判的对象排出优劣的次序。但是一个事物往往具有多种属性，评价事物必须同时考虑各种因素，这就是综合评判问题。所谓综合评判，就是对受到多种因素制约的事物或对象，作出一个总的评价。 综合评判最简单的方法有两种方式：

一种是总分法，设评判对象有m 个因素，我们对每一个因素给出一个评分i s ，计算出评判对象取得的分数总和

∑==

m

i i

s

S 1

按S 的大小给评判对象排出名次。例如体育比赛中五项全能的评判，就是采用这种方法。 另一种是采用加权的方法，根据不同因素的重要程度，赋以一定的权重，令i a 表示对第i 个因素的权重，并规定

∑==m

i i

a

1

1，于是用

∑==

m

i i

i s

a S 1

按S 的大小给评判对象排出名次。

以上两种方法所得结果都用一个总分值表示，在处理简单问题时容易做到，而多数情况下评判是难以用一个简单的数值表示的，这时就应该采用模糊综合评判。

由于在很多问题上，我们对事物的评价常常带有模糊性，因此，应用模糊数学的方法进行综合评判将会取得更好的实际效果。

模糊综合评判的数学模型可分为一级模型和多级模型两类，这里仅介绍一级模型。 应用一级模型进行综合评判，一般可归纳为以下几个步骤：

（1）建立评判对象的因素集},,,{21n u u u U =。因素就是对象的各种属性或性能，在不同场合，

也称为参数指标或质量指标，它们综合地反映出对象的质量，人们就是根据这些因素给对象评价。 （2）建立评判集},,,{21m V V V V =。例如对工业产品，评判集就是等级的集合。 （3）建立单因素评判。即建立一个从U 到)(V F 的模糊映射

U u V F U f i ∈?→),(:~

m

im i i i i V r

V r V r u f u +++=

→ 2211~

~

)( )1,1,10(m j n i r ij ≤≤≤≤≤≤ 由~

f 可诱导出模糊关系~

R ，得到单因素评判矩阵

??????

?

??=nm n n m m r r r r r r r r r R 212222111211~ （4）确定权重。由于对U 中各因素有不同的侧重，需要对每个因素赋予不同的权重，它可表示

为U 上的一个模糊子集},,,{21~

n a a a A =，并且规定

∑==n

i i

a

1

1。

（5）综合评判。在~

R 与~

A 求出之后，则综合评判为~

~

~

R A B =，记},,,{21~

m b b b B =，它是V

上的模糊子集。其中

),,2,1()(1

m j r a b ij i n

i j =∧∨==

如果评判结果

∑=≠m

j j

b

1

1，应将它归一化。

在模糊综合评判的上述步骤中，建立单因素评判矩阵~

R 和确定权重分配~

A ，是两项关键性的

工作，没有统一的格式可以遵循，一般采用统计实验或专家评分等方法求出。

二、应用实例

例1 对教师教学质量的综合评判。

设因素集 },,,,{54321u u u u u U =

这里1u 为教材熟练，2u 为逻辑性强，3u 为启发性强，4u 为语言生动，5u 为板书整齐。

设评价集 },,,{4321V V V V V =

这里1V 为很好，2V 为较好，3V 为一般，4V 为不好。 通过调查统计得出对某教师讲课各因素的评语比例如下：

???

???

?

?

?

?=1.01.05.03.01.01.04.04.01.02.04

.03.001.04

.05.01.02.025.045.0~R

假定确定权重分配为 )1.0,2.0,2.0,2.0,3.0(~

=A 得出综合评判如下 )1.0,2.0,25.0,3.0(~

~

~

==R A B

对结果进行归一化 )12.0,24.0,29.0,35.0(85.01.0,85.02.0,85.025.0,85.03.0~

=??

?

??=B 评判结果表明，对该教师的课堂教学认为“很好”的占35%，“较好”的占29%，“一般”的占24%，“不好”的占12%，根据最大隶属原则，结论是“很好”。 例2 评判某地区是否适宜种植橡胶。

给定三个对橡胶生长影响较大的气候因素作为因素集，即},,{321u u u U =。这里1u 为年平均气温，2u 为年极端最低气温，3u 为年平均风速。再给定评价集},,,{4321V V V V V =，这里1V 为很适宜，2V 为较适宜，3V 为适宜，4V 为不适宜。根据历年的资料和经验，选定类似戒上型的隶属函数，即对于年平均气温1u

?????

<≤-+≥=230,)

23(1123,1)(1211111u u a u u μ

其中1a 为参数，一般取0625.01=a 。

对于年极端最低温度2u

?????<≤--+≥=84,)

8(118,1)(2222222u u a u u μ

其中2a 为参数，一般取0833.02=a 。 对于年平均风速3u

?????>-+≤=1,)

1(111,

1)(3233333u u a u u μ

其中2a 为参数，一般取82/8.03=a 。

将某地区自1960年至1978年间每年对三个气候因素实测的数据,分别代入上面三个隶属函

对隶属度的大小给予分类，即规定

（1）当9.0≥μ时，为“很适宜”； （2）当8.09.0≥>μ时，为“较适宜”； （3）当7.08.0≥>μ时，为“适宜”；

（4）当7.0<μ时，为“不适宜”。

以单因素1u 为例，该地区在19年中“很适宜”的年份有8年，占总数的42%，“较适宜”的年份有11年，占58%，其他两种均无，占0%，于是得到对1u 而言V 上的模糊集 )0,0,58.0,42.0(0

058.042.04

321~

1=+++=

V V V V u 同理可得相对其它两个因素的模糊集)74.0,26.0,0,0(~

2=u ，)63.0,26.0,11.0,0(~

3=u 。 从而建立了单因素评判矩阵

????

? ??=63.026.011.0074.026.0000058.042.0~

R 根据三个气候因素的作用，给定权重分配为)01.0,80.0,19.0(~

=A

得出综合评判如下 )74.0,26.0,19.0,19.0(~

~

~

==R A B

对结果进行归一化 )53.0,19.0,14.0,14.0(~

=B

根据最大隶属原则，结论是判定该地区种植橡胶为“不适宜”。

例3 污水处理厂运行管理效果的综合评判。

为了评价污水处理厂经营管理的优劣，给定5个评判因素},,,,{54321u u u u u U =。这里1u 为每天处理污水量（千吨/日），2u 为五日生化需氧量BOD5去除率（百分比），3u 为浮物SS 去除率（百分比），4u 为气水比（处理一吨污水消耗的空气量）（立方米/吨），5u 为单耗（用去一公斤BOD5所耗电的度数）。

给出评价集},,,,{54321V V V V V V =。这里1V 为很好，2V 为好，3V 为中等，4V 为差，5V 为很差。

根据实际情况进行定级，以1u 为例，当181>u 时，定为“很好”；17181>≥u 时定为“好”

对某污水处理厂多年运行的大量实测数据经技术处理后，按每一旬得出各因素的平均值，见

下表。

根据上表建立单因素评判矩阵~

R ，例如对因素4u 而言，总共36次统计中它属于1V 的次数为10，占总数的28%，因而28.041=r ，其余类似可求，于是得到

???

???

?

?

??=10.006.014.020.050.0006.017.050.028.003.014.011.028.044

.0008.008.020.064

.036.019.025.014.006.0~R

这是根据以往数据建立的评判矩阵，对今后每旬的运行效果的评价，还须求出权重分配~

A ，各个因素对~

A 的隶属度，用如下隶属函数公式计算：

（1）1u 对~

A 的隶属函数

????

?????

≤≤<-≤<-->=15,05.1615,)15(92

185.16,)18(9

2

118,1)(1121121111u u u u u u u μ

（2）2u 对~A 的隶属函数 ?????????

≤≤

? ??-≤

??-->=80,05.8680,13802935.86,13932193,1)(222

2222222u u u u u u u μ （3）3u 对~A 的隶属函数 ?????????

≤≤

? ??-≤

?? ??-->=80,05.8680,13802935.86,13932193,1)(332

3323333u u u u u u u μ （4）4u 对~A 的隶属函数 ?????????

>≤

? ??-≤

??--≤=10,0105.8,31025.87,37217,1)(442

4424444u u u u u u u μ （5）5u 对~A 的隶属函数 ????

?????

>≤

? ??-≤

?? ??--≤=2.1,02.105.1,3.02.1205.19.0,3.09.0219.0,1)(552

5525555u u u u u u u μ 于是权重分配确定为))(,)(,)(,)(,)((5544332211~

u u u u u A μμμμμ=。

根据~

~

~

R A B =，即可得出当前运行效果的综合评判。

例如该厂某月上旬的各项因素平均数据为：1u =，2u =%，3u =%，4u =，5u =，将它们分别带入上面五个隶属函数公式，即可求出)0,68.0,1,1,0(~

=A 。从而求出

)03.0,14.0,17.0,50.0,64.0(~

~

~

==R A B ，

归一化后得)02.0,09.0,11.0,34.0,43.0(~

=B 。根据最大隶属原则，结论是运行管理效果“很好”。

若该月中旬得到的综合评判为)12.0,09.0,13.0,26.0,33.0(~

=B ，虽然也评为“很好”，

但与上旬相比，隶属于“很好”的程度低于上旬，因而可以认为上旬的经营管理比中旬好。

模糊综合评价法的数学建模方法简介

８ 《商场现代化》２００６年７月（中旬刊）总第４７３期 ２０世纪８０年代初，汪培庄提出了对绿色供应链绩效进行评价的模糊综合评价模型，此模型以它简单实用的特点迅速波及到国民经济和工农业生产的方方面面，广大实际工作者运用此模型取得了一个又一个的成果。本文简单介绍模糊综合评价法的数学模型方法。 一、构造评价指标体系 模糊综合评价的第一步就是根据具体情况建立评价指标体系的层次结构图，如图所示： 二、确定评价指标体系的权重 确定各指标的权重是模糊综合评价法的步骤之一。本文根据绿色供应链评价体系的层次结构特点，采用层次分析法确定其权重。尽管层次分析法中也选用了专家调查法，具有一定的主观性，但是由于本文在使用该方法的过程中，对多位专家的调查进行了数学处理，并对处理后的结果进行了一致性检验，笔者认为，运用层次分析法能够从很大程度上消除主观因素带来的影响，使权重的确定更加具有客观性，也更加符合实际情况。 在此设各级指标的权重都用百分数表示，且第一级指标各指标的权重为Ｗｉ，ｉ＝１，２，…，ｎ，ｎ为一级指标个数。一级指标权重向量为： Ｗ＝（Ｗ１，…，Ｗｉ，…Ｗｎ） 各一级指标所包含的二级指标权重向量为： Ｗ＝（Ｗｉ１，…，Ｗｉｓ，…Ｗｉｍ），ｍ为各一级指标所包含的二级指标个数，ｓ＝１，２，…，ｍ。 各二级指标所包含的三级指标权重向量为： Ｗｉｓ＝（Ｗｉｓ１，…Ｗｉｓ２，…Ｗｉｍｑ），ｑ为各二级指标所包含的三级指标个数。三、确定评价指标体系的权重建立模糊综合评价因素集将因素集Ｘ作一种划分，即把Ｘ分为ｎ个因素子集Ｘ１，Ｘ２，…Ｘｎ，并且必须满足： 同时，对于任意的ｉ≠ｊ，ｉ，ｊ＝１，２，…，均有 即对因素Ｘ的划分既要把因素集的诸评价指标分完，而任一个评 价指标又应只在一个子因素集Ｘｉ中。 再以Ｘｉ表示的第ｉ个子因素指标集又有ｋｉ个评价指标即：Ｘｉ＝｛Ｘｉ１，Ｘｉ２，…，ＸｉＫｉ｝，ｉ＝１，２，…，ｎ 这样，由于每个Ｘｉ含有Ｋｉ个评价指标，于是总因素指标集Ｘ其有 个评价指标。 四、　进行单因素评价，建立模糊关系矩阵Ｒ 在上一步构造了模糊子集后，需要对评价目标从每个因素集Ｘｉ上进行量化，即确定从单因素来看评价目标对各模糊子集的隶属度，进而得到模糊关系矩阵： 其中ｓｉ（ｉ＝１，２，…，ｍ）表示第ｉ个方案，而矩阵Ｒ中第ｈ行第ｊ列元素ｒｈｊ表示指标Ｘｉｈ在方案ｓｊ下的隶属度。对于隶属度的确定可分为两种 情况：定量指标和定性指标。 （１）定量指标隶属度的确定 对于成本型评价因素可以用下式计算： 对于效益型评价因素可以用下式计算：对于区间型评价因素可以用下式计算：上面三个式子中：ｆ（ｘ）为特征值，ｓｕｐ（ｆ），ｉｎｆ（ｆ）分别为对应于同一个指标的所有特征值的上下界，即是同一指标特征值的最大值和最小 模糊综合评价法的数学建模方法简介 任丽华　东营职业学院 ［摘　要］　本文一种数学模型方法构造了一种对绿色供应链绩效进行评价的模糊综合评价法，主要从构造评价指标体系，确定评价指标体系的权重，确定评价指标体系的权重，建立模糊综合评价因素集，进行单因素评价、建立模糊关系矩阵Ｒ，计算模糊评价结果向量Ｂ等五个方面介绍这种评价方法。 ［关键词］　绿色供应链绩效评价　模糊综合评价法　数学模型方法 流通论坛

建立数学建模案例分析

§15.4锁具装箱问题 [学习目标] 1.能表述锁具装箱问题的分析过程； 2.能表述模型的建立方法； 3.会利用排列组合来计算古典概型； 4.会利用Mathematica求解锁具装箱问题。 一、问题 某厂生产一种弹子锁具，每个锁具的钥匙有5个槽，每个槽的高度从{1，2，3，4，5，6}6个数（单位从略）中任取一数。由于工艺及其它原因，制造锁具时对5个槽的高度有两个要求：一是至少有3个不同的数；二是相邻两槽的高度之差不能为5。满足上述两个条件制造出来的所有互不相同的锁具称为一批。销售部门在一批锁具中随意地抽取，每60个装一箱出售。 从顾客的利益出发，自然希望在每批锁具中不能互开（“一把钥匙开一把锁”）。但是，在当前工艺条件下，对于同一批中两个锁具是否能够互开，有以下实验结果：若二者相对应的5个槽的高度中有4个相同，另一个槽的高度差为1，则可能互开；在其它情况下，不可能互开。 团体顾客往往购买几箱到几十箱，他们会抱怨购得的锁具中出现互开的情形。现请回答以下问题： 1．每批锁具有多少个，能装多少箱？ 2．按照原来的装箱方案，如何定量地衡量团体顾客抱怨互开的程度（试对购买一、二箱者给出具体结果）。 二、问题分析与建立模型 因为弹子锁具的钥匙有5个槽，每个槽的高度从{1，2，3，4，5，6}这6个数中任取一数，且5个槽的高度必须满足两个条件：至少有3个不同的数；相邻两槽的高度之差不能为5。所以我们在求一批锁具的总数时，应把问题化为三种情况，即5个槽的高度由5个不同数字组成、由4个不同数字组成、由3个不同数字组成，分别算出各种情况的锁具个数，然后相加便得到一批锁具的总个数。在分别求这三种情况锁具个数的时候，先求出满足第1个条件的锁具个数再减去不满足第2个条件的锁具个数。在求这三种情况锁具个数的时候，主要依靠排列组合的不尽相异元素的全排列公式。 下面用一个5元数组来表示一个锁具： Key=（h1，h2，h3，h4，h5） 其中h i表示第i个槽的高度，i=1，2，3，4，5。此5元数组表示一把锁，应满足下述条件： 条件1：h i∈{1，2，3，4，5，6}，i = 1，2，3，4，5。

数学建模 模糊综合评价法

学科评价模型（模糊综合评价法） 摘要：该模型研究的是某高校学科的评价的问题，基于所给的学科统计数据作出综合分析。基于此对未来学科的发展提供理论上的依据。 对于问题1、采用层次分析法，通过建立对比矩阵，得出影响评价值各因素的所占的权重。然后将各因素值进行标准化。在可共度的基础上求出所对应学科的评价值，最后确定学科的综合排名。（将问题1中的部分结果进行阐述）（或者是先对二级评价因素运用层次分析法得出其对应的各因素的权重（只选取一组代表性的即可），然后再次运用层次分析法或者是模糊层次分析法对每一学科进行计算，得出其权重系数）。通过利用matlab确定的各二级评价因素的比较矩阵的特征根分别为：、2、、、、、、1 对于问题2、基于问题一中已经获得的对学科的评价值，为了更加明了的展现各一级因素的作用，采用求解相关性系数的显著性，找出对学科评价有显著性作用的一级评价因素。同时鉴于从文献中已经有的获得的已经有的权重分配，对比通过模型求得的数值，来验证所建模型和求解过程是否合理。 对于问题3、主成份分析法，由于在此种情况下考虑的是科研型或者教学型的高校，因此在评价因素中势必会有很大的差别和区分。所以在求解评价值的时候不能够等同问题1中的方法和结果，需要重新建立模型，消除或者忽略某些因素的影响和作用（将问题三的部分结果进行阐述）。 一、问题重述 学科的水平、地位是评价高等学校层次的一个重要指标，而学科间水平的评价对于学科本身的发展有着极其重要的作用。而一个显著的方面就是在录取学生方面，通常情况下一个好的专业可以录取到相对起点较高的学生，而且它还可以使得各学科能更加深入的了解到本学科的地位和不足之处，可以更好的促进该学科的发展。学科的评价是为了恰当的学科竞争，而学科间的竞争是高等教育发展的动力，所以合理评价学科的竞争力有着极其重要的作用。鉴于学科评价的两种方法：因素分析法和内涵解析法。本模型基于某大学（科研与教学并重型高校）的13个学科在某一时期内的调查数据，包括各种建设成效数据和前期投入的数据。通过计算每一级、每一个评价因素所占的权重，确定某一学科在评价是各因素所占的比重，构建评价等级所对应的函数。通过数值分析得出学科的评价值。需要解决一下几个问题： 根据已给数据建立学科评价模型，要求必要的数据分析及建模过程。 模型分析，给出建立模型的适用性、合理性分析。 假设数据来自于某科研型祸教学型高校，请给出相应的学科评价模型。 二、符号说明与基本假设 符号说明 符号说明 S——评价数（评价所依据的最终数值） X——影响评价数值的一级因素所构成的矩阵 x——一级因素的平均值

数学建模案例分析--对策与决策方法建模6决策树法

§6 决策树法 对较为复杂的决策问题，特别是需要做多个阶段决策的问题，最常用的方法是决策树法。决策树法是把某个决策问题未来发展情况的可能性和可能结果所做的预测用树状图画出来。其步骤如下： 1、用方框表示决策点。从决策点画出若干条直线或折线，每条线代表一个行动方案，这样的直线或折线称为方案枝。 2、在各方案枝的末端画一个园圈，称为状态点，从状态点引出若干直线或折线，每条线表示一个状态，在线的旁边标出每个状态的概率，称为概率枝。 3、把各方案在各个状态下的损益期望值算出标记在概率枝的末端。 4、把计算得到的每个方案的损益期望值标在状态点上，然后通过比较，选出损益期望值最小的方案为最优方案。 例1某厂准备生产一种新产品，产量可以在三种水平n1、n2、n3中作决策。该产品在市场上的销售情况可分为畅销、一般和滞销三种情况，分别为S1、S2、S3。通过调查，预测市场处于这三种情况的概率分别为0.5、0.3、0.2。三种决策在各种不同市场情况下的利润见下表： 表1 基于各种决策的各种市场情况的利润表（万元） 我们可以计算每种决策下利润的期望值： 实行在水平n1下生产的利润的期望值为：90×0.5+30×0.3-60×0.2=42 实行在水平n2下生产的利润的期望值为：60×0.5+50×0.3-10×0.2=43 实行在水平n3下生产的利润的期望值为：10×0.5+9×0.3-6×0.2=6.5 由于在水平n2下生产利润的期望值最大，因而应选择产量水平n2生产。 可以应用决策树帮助解决这样的决策问题，把各种决策和情况画在图1上： 图1

图中的方框（□）称为决策点，圆圈（○）称为状态点，从方框出发的线段称为对策分支，表示可供选择的不同对策。在圆圈下面的线段称为概率分支，表示在此种对策下可能出现的各种情况。在概率分支上注明了该情况出现的概率。在每一个概率分支的末端注明了对应对策和对应情况下的收益（利润）。在计算时，我们把相应的期望值写在相应的状态点旁边，再由比较大小后选择最优决策，在图上用∥表示舍弃非最优的对策，并在决策点上注明最优决策所对应的期望利润。 图2 利用决策树还可以解决多阶段的决策问题。 例2 某公司在开发一种新产品前通过调查推知，该产品未来的销售情况分前三年和后三年两种情况。因此生产该产品有两种可供选择的方案：建造大厂和建造小厂。如果建造大厂，投资费用5000万元，当产品畅销时，每年可获利2000万元，当产品滞销时，每年要亏损120万元。如果建造小厂，投资费用1000万元，当产品畅销时，每年可获利300万元，当产品滞销时，每年仍可获利150万元。若产品畅销可考虑在后三年再扩建，扩建投资需2000万元，随后三年每年可获利1000万元；也可不再扩建。预测这六年该产品畅销的概率为0.6，滞销的概率为0.4。试分析该公司开发新产品应如何决策？ 根据问题的各种情况可以画出决策树如下：这是一个两阶段的决策问题。注意到图中有两个决策点，反映建小厂的方案中可以分成前三年和后三年两个阶段，并在后三年还要做出一次决策。 图3 把各种数据填到图适当的位置后，由后向前计算获利的期望值。由图可见应采用决策：建造大厂。 500 900 1000*3=3000 300*3=900 6.5

模糊数学方法在财务报表分析中的应用

财务分析是企图了解一个企业经营业绩和财务状况的真实面目，从晦涩的会计程序中将会计数据背后的经济涵义挖掘出来，为投资者和债权人提供决策基础。由于会计系统只是有选择地反映经济活动，而且它对一项经济活动的确认会有一段时间的滞后，再加上会计准则自身的不完善性，以及管理者有选择会计方法的自由，使得财务报告不可避免地会有许多不恰当的地方。虽然审计可以在一定程度上改善这一状况，但审计师并不能绝对保证财务报表的真实性和恰当性，他们的工作只是为报表的使用者作出正确的决策提供一个合理的基础，所以即使是经过审计，并获得无保留意见审计报告的财务报表，也不能完全避免这种不恰当性。这使得财务分析变得尤为重要。 一、财务分析的主要方法 一般来说，财务分析的方法主要有以下四种： 1.比较分析：是为了说明财务信息之间的数量关系与数量差异，为进一步的分析指明方向。这种比较可以是将实际与计划相比，可以是本期与上期相比，也可以是与同行业的其他企业相比； 2.趋势分析：是为了揭示财务状况和经营成果的变化及其原因、性质，帮助预测未来。用于进行趋势分析的数据既可以是绝对值，也可以是比率或百分比数据； 3.因素分析：是为了分析几个相关因素对某一财务指标的影响程度，一般要借助于差异分析的方法；

4.比率分析：是通过对财务比率的分析，了解企业的财务状况和经营成果，往往要借助于比较分析和趋势分析方法。 上述各方法有一定程度的重合。在实际工作当中，比率分析方法应用最广。二、财务比率分析 财务比率最主要的好处就是可以消除规模的影响，用来比较不同企业的收益与风险，从而帮助投资者和债权人作出理智的决策。它可以评价某项投资在各年之间收益的变化，也可以在某一时点比较某一行业的不同企业。由于不同的决策者信息需求不同，所以使用的分析技术也不同。 1.财务比率的分类 一般来说，用三个方面的比率来衡量风险和收益的关系： 1)偿债能力：反映企业偿还到期债务的能力； 2)营运能力：反映企业利用资金的效率； 3)盈利能力：反映企业获取利润的能力。 上述这三个方面是相互关联的。例如，盈利能力会影响短期和长期的流动性，而资产运营的效率又会影响盈利能力。因此，财务分析需要综合应用上述比率。 2.主要财务比率的计算与理解：

数学建模案例分析

案例分析1: 自行车外胎的使用寿命 问题： 目前，自行车在我国是一种可缺少的交通工具。它小巧、灵活、方便、易学，而且价格适中，给广大居民带来了不小的益处。但是，自行车也有令人头痛的地方，最常见的问题莫过于扎胎了。扎胎的原因有很多，但相当一部分是由于外胎磨损，致使一些玻璃碴、小石子很容易侵入、扎破内胎。为了减少不必要的麻烦，如何估计自行车外胎的寿命，及时更换? 分析： 分析角度：由于题目里未明确指出我们是应从厂家角度，还是应从用户角度来考虑这个问题，因此需要我们自己做出合理判断。若从厂家角度，我们面对的应当是一大批自行车外胎的平均寿命的估计。这样的估计要求一定精确度和相对明确的使用环境；而从用户角度来说，面对的仅是个人的一辆车，不需要很高的精确度，这样的寿命估计更简单，易于随时了解，下面仅从用户角度进行分析。 产品的使用者需要了解产品的寿命，是基于安全性及更换的费用来考虑的。我们将这两个标准作为主要标准来分析，首先值得注意的两个关键性问题是如何定义寿命、何时为寿命的终止。寿命的定义要做到科学，直观，有可比性，在航空工业中航天飞机的使用寿命是用重复使用的次数来衡量，而工厂机器设备的寿命则以连续工作的时间来定义。本题外胎的寿命亦可用时间来表征，但由于外胎的寿命直接与其磨损速度相关；而磨损速度又与使用频率及行驶速度相互联系，致使外胎的寿命不一定与使用时间成正比(这种非正比关系使我们不能拿一辆—天跑200公里的自行车与一天只跑1公里的自行车进行寿命比较)，降低了可比性。如换成自行车的路程寿命来比较，就好得多。产品寿命是在安全性和更换费用相互制约下达到的一个点，在这个点上，外胎的安全系数降到用户不可接受的最低值，更换费用(寿命越长，在一定意义上更换费用越低)也达到了最大限度的节省。 弄清了上面两个问题后，我们继续明确建立模型需要解决哪些问题及建立模型的重点难点。 自行车使用过程中，一来影响因素多，二来这些因素之间彼此相关，十分复杂，要做到比较准确地估计使用寿命，不但要对外胎的性能有相当的了解，而且对使用环境更不能忽视。当然我们由于是站在用户角度上来考虑的，相对地就可忽略一些次要的影响因素。 这样的数学模型面对着两个主要问题。一、自行车使用寿命与外胎厚度的关系，二、外胎能够抵御小石子破坏作用的最小厚度。后者可处理得相对简略些(如只考虑一块具有一般特征的小石子对外胎的破坏作用)，而重点(也是难点)是第一个问题。车重、人重、轮胎性质(力学的、热学的、甚至化学的)和自行车使用频率等都左右着它们的关系。这么多相关因素，不必一一都加以考虑(用户是不会在意这么多的)，有些因素，可以先不考虑，在模型的改进部分再作修改，采取逐步深入的方法，如：摩擦损耗有滑动摩擦和滚动摩擦损耗两种，由于滚动摩擦占用的时间(或路程)显然占绝对优势，因此可重点考虑。但滑动摩擦造成的一次损坏又比滚动摩擦大，在刹车使用过频的情况下，就不能不考虑了。 最后，需对得出的结果用简单清晰的文字进行说明，以供用户参考。 案例分析2：城市商业中心最优位置分析 问题： 城市商业中心是城市的基本构成要素之一。它的形成是一个复杂的定位过程。商业中心的选址涉及到各种因素制约，但其中交通条件是很重要的因素之一。即商业中心应位于城市“中心”，如果太偏离这一位置，极有可能在城市“中心”地带又形成一个商业区，造成重复建设。 某市对老商业中心进行改建规划，使居民到商业中心最方便。如果你是规划的策划者，如何建立一个数学模型来解决这个问题。

(完整版)基于层次分析法的模糊综合评价模型

2016江西财经大学数学建模竞赛 A题 城市交通模型分析 参赛队员: 黄汉秦、乐晨阳、金霞 参赛队编号：2016018 2016年5月20日~5月25日

承诺书 我们仔细阅读了江西财经大学数学建模竞赛的竞赛章程。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C中选择一项填写）： A 我们的参赛队编号为2016018 参赛队员(打印并签名) ： 队员1. 姓名专业班级计算机141 队员2. 姓名专业班级计算机141 队员3. 姓名专业班级计算机141 日期： 2016 年 5 月 25 日

编号和阅卷专用页 江西财经大学数学建模竞赛组委会 2016年5月15日制定

城市交通模型分析 摘要 随着国民经济的高速发展和城市化进程的加快，我国机动车保有量及道路交通流量急剧增加，交通出行结构发生了根本变化，城市道路交通拥挤堵塞问题已成为制约经济发展、降低人民生活质量、削弱经济活力的瓶颈之一。本篇论文针对道路拥挤的问题采用层次分析法进行数学建模分析，讨论拥堵的深层次问题及解决方案。 首先建立绩效评价指标的层次结构模型，确定了目标层，准则层（一级指标），子准则层（二级指标）。 其次，建立评价集V=(优，良，中，差)。对于目标层下每个一级评价指标下相对于第m 个评价等级的隶属程度由专家的百分数u 评判给出，即U ＝[0,100]应用模糊统计建立它们的隶属函数A(u)， B(u)， C(u) ，D(u)，最后得出目标层的评价矩阵Ri ，（i=1,2,3,4,5）。利用A,B 两城相互比较法，根据实际数据建立二级指标对于相应一级指标的模糊判断矩阵P i （i=1,2,3,4,5） 然后，我们经过N 次试验调查，明确了各层元素相对于上层指标的重要性排序，构造模糊判断矩阵P ，利用公式 1 ,ij ij n kj k u u u == ∑ 1 ,n i ij j w u ==∑ 1 ,i i n j j w w w == ∑ []R W R W R W R W R W W R W O 5 5 4 4 3 3 2 2 1 1 ,,,,==计算出权重值，经过一致性检验公式 RI CI CR = 检验后，均有0.1CR <，由此得出各层次的权向量()12,,T n W W W W =K 。然后后， 给出建立绩效评价模型（其中O 是评价结果向量），应用模糊数学中最大隶属度原则，对被评价城市交通的绩效进行分级评价。 接着在改进方案中，我们具体以交叉口为中心建立模型，其中包括道路长度、宽度、车辆平均长度、车速等等考虑因素。通过车辆排队长度可以间接判断交通拥堵情况，不需要测量车速、时间等因素而浪费的人力物力和财力，有效的提高了工作成本和效率。为管理城市交通要道提供了良好的模型和依据。 【关键字】交通拥堵 层次分析法 模糊综合评判 绩效评价 隶属度

学生素质评价模糊数学模型的构建与应用

学生素质评价模糊数学模型的构建与应用 在高等教育中，高等职业教育是一个非常重要的组成部分，下 面是搜集的一篇探究构建学生素质评价模型基本原则的论文范文，欢迎阅读查看。 对高职高专学生进行素质评价，目的在于使学生的评价内容走 向多元化，实现过程发展性和终结性评价的有机结合。因此，需要一种行之有效的评价工具，促使学生发挥个性、潜能以及创造性，从而使其具备持续发展的自信和能力。 一、模糊数学与数学模型 模糊数学是处理和研究模糊性现象的方法和理论。由于模糊性 概念发展了模糊集的具体描述方式，人们可运用概念进行评价、推理、控制、判断和决策，也可通过模糊数学进行描述。比如，模糊综合评判、模糊控制、模糊聚类分析、模糊决策等，这一系列方法最终构成一种模糊性理论，在气象、石油、环境、农业、化工、控制、教育、医学、地质、经济管理、语言等诸多领域已取得研究成果。 数学模型是实际问题与数学理论相结合发展起来的一门新学科。它将实际问题归为数学问题，并利用数学方法、概念和理论，进行深入研究，从定量或定性角度对实际问题进行分析，同时为解决实际问题提供可靠指导和精确数据。可见，数学模型是利用数学方法和语言解决现实问题的过程，是培养学生创造力的有效途径。 二、综合素质评价

“综合素质评价”指在每个学期期末或每个学年期末，全国各地的学校组织的一次对全体在校学生综合素质和能力评价的测评任务。综合素质评价一般分为六个维度(不同的地区或学校结构略有差异)，分别是“道德品质”“公民素养”“学习能力”“交流合作与实践创新”“运动与健康”“审美”“表现能力”.六个维度又分别被分为若干个项目。等级分别为A(优秀)，B(良好)，C(一般)，D(较差)。或者是百分制，100-80(优秀)、79-60(良好)、59-30(一般)、29-0(较差)。 对学生进行综合素质评价是新时期高职高专教学评价的主要内容，因而需要制定一种有效的素质评价模型。基于模糊数学的高职高专学生素质评价模型具有标准的数据支撑，说服力较强，适宜运用于学生综合素质评价。 三、构建学生素质评价模型的基本原则 (一)一个目标 在高等教育中，高等职业教育是一个非常重要的组成部分。实现现代化建设与高职高专学生的能力和素质有直接关系。从我国的发展要求以及发达国家的发展经验看，无论是发展和解放生产力、建设小康社会，还是创建和谐社会、加快城市化建设，高等职业所培养的应用型人才不可或缺。因此，职业技术教育应坚持以就业为导向，以服务为宗旨，以培养学生综合素质、职业道德以及动手能力为重点，突出实用性。 (二)三个维度

数学建模案例分析-- 插值与拟合方法建模1数据插值方法及应用

第十章 插值与拟合方法建模 在生产实际中，常常要处理由实验或测量所得到的一批离散数据，插值与拟合方法就是要通过这些数据去确定某一类已经函数的参数，或寻求某个近似函数使之与已知数据有较高的拟合精度。插值与拟合的方法很多，这里主要介绍线性插值方法、多项式插值方法和样条插值方法，以及最小二乘拟合方法在实际问题中的应用。相应的理论和算法是数值分析的内容，这里不作详细介绍，请参阅有关的书籍。 §1 数据插值方法及应用 在生产实践和科学研究中，常常有这样的问题：由实验或测量得到变量间的一批离散样点，要求由此建立变量之间的函数关系或得到样点之外的数据。与此有关的一类问题是当原始数据 ),(,),,(),,(1100n n y x y x y x 精度较高，要求确定一个初等函数)(x P y =（一般用多项式或分段 多项式函数）通过已知各数据点（节点），即n i x P y i i ,,1,0,)( ==，或要求得函数在另外一些点（插值点）处的数值，这便是插值问题。 1、分段线性插值 这是最通俗的一种方法，直观上就是将各数据点用折线连接起来。如果 b x x x a n =<<<= 10 那么分段线性插值公式为 n i x x x y x x x x y x x x x x P i i i i i i i i i i ,,2,1,,)(11 1 11 =≤<--+--= ----- 可以证明，当分点足够细时，分段线性插值是收敛的。其缺点是不能形成一条光滑曲线。 例1、已知欧洲一个国家的地图，为了算出它的国土面积，对地图作了如下测量：以由西向东方向为x 轴，由南向北方向为y 轴，选择方便的原点，并将从最西边界点到最东边界点在x 轴上的区间适当的分为若干段，在每个分点的y 方向测出南边界点和北边界点的y 坐标y1和y2，这样就得到下表的数据（单位：mm ）。 根据地图的比例，18 mm 相当于40 km 。

数学建模案例分析-- 模糊数学方法建模1模糊综合评判及其应用

第八章 模糊数学方法建模 1965年,美国自动控制学家L.A.Zadch 首先提出了用“模糊集合”描述模糊事物的数学模型。它的理论和方法从上个世纪七十年代开始受到重视并得到迅速发展，特别是愈来愈广泛地应用于解决生产实际问题。模糊数学的理论和方法解决了许多经典数学和统计数学难以解决的问题，这里，我们通过几个例子介绍模糊综合评判、模糊模式识别、模糊聚类、模糊控制等最常用方法的应用。而相应的理论和算法这里不作详细介绍，请参阅有关的书籍。 §1 模糊综合评判及其应用 一、模糊综合评判 在我们的日常生活和工作中，无论是产品质量的评级，科技成果的鉴定，还是干部、学生的评优等等，都属于评判的范畴。如果考虑的因素只有一个，评判就很简单，只要给对象一个评价分数，按分数的高低，就可将评判的对象排出优劣的次序。但是一个事物往往具有多种属性，评价事物必须同时考虑各种因素，这就是综合评判问题。所谓综合评判，就是对受到多种因素制约的事物或对象，作出一个总的评价。 综合评判最简单的方法有两种方式： 一种是总分法，设评判对象有m 个因素，我们对每一个因素给出一个评分i s ，计算出评判对象取得的分数总和 ∑== m i i s S 1 按S 的大小给评判对象排出名次。例如体育比赛中五项全能的评判，就是采用这种方法。 另一种是采用加权的方法，根据不同因素的重要程度，赋以一定的权重，令i a 表示对第i 个 因素的权重，并规定∑==m i i a 1 1，于是用 ∑== m i i i s a S 1 按S 的大小给评判对象排出名次。 以上两种方法所得结果都用一个总分值表示，在处理简单问题时容易做到，而多数情况下评判是难以用一个简单的数值表示的，这时就应该采用模糊综合评判。 由于在很多问题上，我们对事物的评价常常带有模糊性，因此，应用模糊数学的方法进行综合评判将会取得更好的实际效果。 模糊综合评判的数学模型可分为一级模型和多级模型两类，这里仅介绍一级模型。 应用一级模型进行综合评判，一般可归纳为以下几个步骤： （1）建立评判对象的因素集},,,{21n u u u U =。因素就是对象的各种属性或性能，在不同场合，

MATLAB在模糊数学教学中应用示例

摘要：作者探讨了在模糊数学教学中运用matlab软件来辅助课程教学的方法，并以示例积极推进可视化教学，提高了教学质量，其结果表明教学效果明显. 关键词： matlab 模糊数学教学效果 自1965年扎德（l.a.zadeh）提出“模糊集合”的概念，模糊数学便作为一门新的数学学科诞生了.近五十年来，它的发展非常迅速，应用十分广泛.其理论和应用涉及社会科学、自然科学和思维科学诸多领域.在上世纪九十年代，国外应用模糊数学原理研制和推出了首批模糊家用电器，而现在，模糊洗衣机、模糊吸尘器、模糊电饭煲、模糊空调机等已进入了国外千家万户，部分产品进入我国国内，由此可见，其应用前景是举世瞩目的.所以，学生学好模糊数学十分重要.另外，模糊数学在培养学生辩证唯物主义的认识论、方法论，教学素养和应用能力等方面也有着良好的教育功能.由于模糊数学本身是系统化的，涉及的知识深广，使不少学生感到理论太复杂，太抽象，对所学内容难把握，易产生畏难情绪，仅仅通过板书讲授方式难以达到理想的教学效果.因而，加强实践教学是必不可少的一个重要环节.随着高校教学手段的改革，多媒体辅助教学法越来越受师生的欢迎，据统计，60%以上的高校都愿接受，其中数学软件matlab是评价最高的有效的数值和工程计算的软件.针对本科生课程的特点，结合matlab语言所独具的优势，本文着重介绍matlab在模糊数学中的实际应用示例，从而积极推进和改善可视化教学，强化教学效果.下面给出详细示例. 一、利用matlab建立隶属度函数的辅助教学 隶属度是模糊集的基本概念，也是模糊控制的应用基础，由此，正确构造隶属度函数是用好模糊控制的关键之一，而此概念对学生而言是一个抽象的概念，在授课过程中，将基本概念及原理给学生讲透的同时，充分利用计算机的表现能力会将抽象的东西具体化、形象化. 例1.设某污染河水中酚的含量t=0.0012mg/l，给定酚的水质分级标准为： 试建立各级水的隶属度函数. 二、利用matlab来计算λ―截矩阵的辅助教学 在模糊数学中模糊聚类分析法是将事物根据一定的特征，并按某种特定要求或规律分类的一种方法，在分类过程中不是仅仅考虑事物之间有无关系，而是考虑事物之间的深浅程度，λ―截矩阵在该分析法中是一个很重要的概念.其定义和计算如下： 三、利用matlab求解模糊线性规划 普通线性规划其约束条件和目标函数都是确定的，但在一些实际问题中，约束条件可能带有弹性，必须借助模糊集的方法来处理.模糊线性规划是将约束条件和目标函数模糊化，引入隶属函数，从而导出一个新的纯属规划问题，它的最优解称为原问题的模糊最优解.求解模糊线性规划需要分别求出三个普通的线性规则，从而加上伸缩率后的普通线性规划进而添加新变量入和新的约束条件，求解模糊线性规划的具体方法如下： 结果：最优解为z=33.2，此时z=14.93. 以上示例仅是模糊数学中常见的一些问题求解，从中可以观察出，matlab在解决这些问题时简洁、灵活的特点，增强了学生对复杂问题了解时的直观性，缓解了教学课时偏少及当前实验室跟不上教学需求的困境；也让学生在课程学习的同时，轻松地学会一些编程问题，加深、加强了编程能力，使学生更能产生学习matlab及模糊数学的欲望，积极推进模糊数学的教学，使之更高效、更具利用价值. 参考文献： ［1］张驰.试论模糊数学的教育功能［j］.数学教育学报，1997，6，（4）:90-93. ［2］周维.高校“模糊数学”选修课教法初探［j］.淮南工业学院学报（社会科学版），

数学建模案例分析--灰色系统方法建模2灰色预测模型GM(1-1)及其应用

§2 灰色预测模型GM(1,1)及其应用 蠕变是材料在高温下的一个重要性能。处于高温状态下的材料长期受到载荷作用时，即使其载荷较低，并且在短时间的高温拉伸试验中材料不发生变形，但在此情况下仍会有微小的蠕变，极端的情况下，甚至会使材料发生破坏。高温材料多应用于各种车辆的发动机及冶金厂中各种设备上，如果因蠕变引起破坏，可能造成很大的事故。 为了保证设备的安全可靠，在某一使用温度下，预先知道该材料对不同载荷应力下断裂的时间是很重要的。过去，人们都是通过蠕变试验测量断裂时间。而做蠕变试验时，需要很长时间才能得到结果，即使通过试验得出的数据，也只是对某几个具体试样而言，存在很大的偶然性，不能代表普遍的规律。如果将实测的数据用灰色系统理论来处理，可以预测在某一温度下的任何载荷应力的断裂时间。 一、灰色预测模型GM （1,1） 建模步骤如下： （1）GM （1,1）代表一个白化形式的微分方程： u aX dt dX =+)1() 1( （1） 式中，u a ,是需要通过建模来求得的参数；) 1(X 是原始数据) 0(X 的累加生成（AGO ）值。 （2）将同一数据列的前k 项元素累加后生成新数据列的第k 项元素，这就是数据处理。表示为： ∑==k n n X k X 1 )0() 1()()( （2） 不直接采用原始数据) 0(X 建模，而是将原始的、无规律的数据进行加工处理，使之变得较有规 律，然后利用生成后的数据列来分析建模，这正是灰色系统理论的特点之一。 （3）对GM （1,1），其数据矩阵为 ???? ?? ? ? ?+--+-+-=1)]()1([5.01)]3()2([5.01)]2()1([5.0)1()1()1()1()1()1(N X N X X X X X B （3） 向量T N N X X X Y )](,),3(),2([)0()0()0( = （4）作最小二乘估计，求参数u a , N T T Y B B B u a 1)(?-=??? ? ??=α （4） （5）建立时间响应函数，求微分方程（1）的解为 a u e a u X t X at +-=+-))1(()1(?)0()1( （5）

模糊数学模型

第四讲 模糊数学模型（Fuzzy ） 过份的精确反而模糊；适当的模糊反而精确。 起源：1965年 L.A.Zadeh 在杂志“ Information and Control ”上发表著名论文，首先提出模糊集合的概念，标志着模糊理论的产生。 一、模糊综合评判法 （一）模糊集合： 1、X 上的模糊集合A ，由()A U x 表示的隶属函数的集合。 ()A U x 表示X 隶属集合A 的程度，()A U x 越接近1 ，表示X 属于A 的程度越大。 当()A U x =1时，X 肯定属于A ； 当()A U x =0时，X 肯定不属于A ； 2、若X 为离散空间，则X 可以表示为：{}12,, ,n X x x x =,则模糊集合A 可以表示为： {}1122(,()),(,()),,(,())A A n A n A x U x x U x x U x =。 {}:1,2, ,9Eg X =,A=“大体上与5接近的数”， 模糊集合A 可以表示为A ={（1，0），（2，0），（3，0.4），（4，0.8）,(5,1),(6,0.8),(7,0.4),(8,0),(9,0)}。 3、若X 为连续空间，则X 可以表示为：{},,X x x R R =∈为某连续区域，模糊集合 {}(,()),A A x U x x R =∈。 Eg:若建立年轻人的隶属函数，可以根据统计资料，作出年轻人的隶属函数的大致曲线，发现与柯西分布接近。 21 ()()1 1()11 (30)0.3 1 3.51(3025)10 A A x a U x P x x a x a U βαβα≤?? ==?>?+-?===+-1 取a=25,=2,＝ 10 不合理

数学建模之模糊评价与模糊聚类()

一、模糊评价 模糊评价法是应用模糊理论和模糊关系合成的原理,通过多个因素对被评 价事物隶属等级状况进行综合性评价的一种方法。运用模糊评价法,通过多因素 或多指标,既对被评价事物的变化区间作出某种划分,又对事物属于各评价等级 的程度作出分析,从而更深入和客观地对被评价事物进行描述。 特点： ①模糊评价法的结果是一个向量,而不是一个数值,即被评价事物的状况是通过被评价事物的等级隶属度来表示。 ②模糊评价法可以是一种多层的评价,即可以先对被评价事物的某一层面进行模糊评价,再将各层面的模糊评价结果进行模糊合成,得出总的模糊评价结果。 ③模糊评价法具有指标或因素的自然可综合性。由于模糊评价法只需确定各指标的等级隶属度,既可用于主观指标,又可用于客观指标,以此而无需专门对指标进行无量纲处理。 1.1模糊评价的应用 ①人事考核中的应用， ②单位员工的年终评定， ③昆山公安信息化建设效绩的评估（下载文档）， ④我国商业银行内部控制评价体系研究（下载文档）， ⑤石化行业业绩评价（下载文档）等。 1.2一级模糊综合评判模型的建立步骤 ①确定因素集及评语集 确定被评价对象的因素集U ，{}12=,, ,n U u u u ，评语集{}12,,,m V v v v =； ②构造模糊关系矩阵R ，进行单因素评判。 用ij r 表示U 中的因素i u 对应于V 中等级j v 的隶属关系，则有 ③确定各因素的权重 用i a 表示第i 个因素的权重，11n i i a ==∑，则评价因素权向量A 为 ()12,,,n A a a a =。 ④综合评判 由模糊关系矩阵R 得到一个模糊变换为 则评判的综合结果为 () 11121212221212,,,m m n n n nm r r r r r r B A R a a a r r r ?? ? ? == ? ??? 。 1.3多层次模糊综合评判模型的建立步骤

模糊数学教学大纲

《模糊数学》教学大纲 院系名称数学与应用数学系 制定人董媛媛 制定时间 2008年7月6日

《模糊数学》教学大纲 一、总则 1、课程代码： 2、课程名称：中文名称：模糊数学 英文名称：Fuzzy Mathematics 3、开课对象：数学与应用数学专业的本科生 4、课程性质：专业任选课 模糊数学诞生于1965年，40余年来，它的思想已广泛渗透到数学的许多分支，在科技、工程等领域显示出了强大的生命力，并在人文科学（经济、管理、社会等）领域里，也已获得了相当多的应用。本课程是数学系专业选修课，为数学系本科数学与应用数学专业四年级学生所选修。 5、教学目的和要求： 通过本门课程的学习： （1）了解和掌握模糊集合，模糊关系，模糊矩阵，模糊聚类与模糊变换等基本概念和基本理论；掌握模糊聚类分析，模糊模型识别，模糊决策的实际应用所运用的模糊数学方法；初步了解模糊规划及模糊控制理论，并运用上述有关理论和方法进行进一步的科学研究与实际应用； （2）掌握模糊数学有关方面的理论知识和处理模糊现象的基本思维方法； （3）培养学生的抽象概括问题、自我学习接受知识的能力及科学研究能力；同时培养学生综合运用所学知识分析并通过相关数学模型的建立与运用进而解决生活中实际问题的能力。（4）提高学生的素质，为部分考研学生的后继学习以及将来从事科学研究等工作奠定必要的数学基础。 6、教学内容： 本课程主要研究了利用用模糊数学的知识来解决实际问题的理论及其方法。主要内容有：模糊集合的基本概念、模糊聚类分析、模糊模型识别、模糊决策、模糊线性规划、模糊控制。 7、教学重点与难点： 重点：通过本课程的学习，掌握模糊数学的基本思想，基础理论，从而进一步了解模糊理论的基本应用，能够运用模糊理论解决生活中的实际问题。 难点：模糊数学的基本理论及如何正确运用这些理论知识来解决实际问题。 8、先修课程：

数学建模方法详解模糊数学

数学建模方法详解--模糊数学 在生产实践、科学实验以及日常生活中，人们经常会遇到模糊概念（或现象）。例如,大与小、轻与重、快与慢、动与静、深与浅、美与丑等都包含着一定的模糊概念。随着科学技术的发展，各学科领域对于这些模糊概念有关的实际问题往往都需要给出定量的分析，这就需要利用模糊数学这一工具来解决。 模糊数学是一个较新的现代应用数学学科，它是继经典数学、统计数学之后发展起来的一个新的数学学科。统计数学是将数学的应用范围从确定性的领域扩大到了不确定性的领域，即从必然现象到偶然现象，而模糊数学则是把数学的应用范围从确定性的领域扩大到了模糊领域，即从精确现象到模糊现象。在各科学领域中，所涉及的各种量总是可以分为确定性和不确定性两大类。对于不确定性问题，又可分为随机不确定性和模糊不确定性两类。模糊数学就是研究属于不确定性，而又具有模糊性的量的变化规律的一种数学方法。本章对于实际中具有模糊性的问题，利用模糊数学的理论知识建立数学模型解决问题。 1.1 模糊数学的基本概念 1.1.1 模糊集与隶属函数 1. 模糊集与隶属函数 一般来说，我们对通常集合的概念并不陌生，如果将所讨论的对象限制在一定的范围内，并记所讨论的对象的全体构成的集合为U ，则称之为论域（或称为全域、全集、空间、话题）。如果U 是论域 ，则U 的所有子集组成的集合称之为U 的幂集，记作)(U F 。在此，总是假设问题的论域是非空的。为了与模糊集相区别，在这里称通常的集合为普通集。 对于论域U 的每一个元素U x ∈和某一个子集U A ?，有A x ∈或A x ?，二者有且仅有一个成立。于是，对于子集A 定义映射 }1,0{:→U A μ 即 ?? ??∈=,0, ,1)(A x A x x A ，μ 则称之为集合A 的特征函数，集合A 可以由特征函数唯一确定。 所谓论域U 上的模糊集A 是指：对于任意U x ∈总以某个程度)]1,0[(∈A A μμ属于A ，而不能用A x ∈或A x ?描述。若将普通集的特征函数的概念推广到模糊集上，即得到模糊集的隶属函数。 定义1.1 设U 是一个论域，如果给定了一个映射 ]1,0[)(]1,0[:∈→x x U A A μμα 则就确定了一个模糊集A ，其映射A μ称为模糊集A 的隶属函数，A μ称为x 对模糊集A 的隶属度。 定义1.1表明，论域U 上的模糊集A 由隶属函数A μ来表征，A μ的取值范围为闭区间]1,0[，A μ的大小反映了x 对模糊集A 的从属程度，A μ值接近于1，表示x 从属A 的程度很高，A μ值接近于0，表示x 从属A 的程度很低，使5 .0=A μ

模糊数学在医学图像处理中的应用

《专业前沿科技讲座》课程论文 题目：模糊数学在医学图像处理中的应用 学生姓名：李慧 学号： 201307011116 专业年级：2013级信息与计算科学专业 指导教师：李震 年月日

模糊数学在医学图像处理中的应用 姓名：李慧 班级:2013级信息与计算科学学号:201307011116 摘要：用计算机来处理医学CT图片已成为计算机研究的一个重要方向，模糊图像处理技术是计算机图像处理中的重要方式和途径。图像本质上具有模糊性，因此探究模糊信息处理技术在医学图像处理中的应用有其必然性。据此提出一种基于模糊评判的方法来处理医学图像问题。 关键词：模糊数学；应用；模糊评判； 1.基于模糊数学的医学图像处理与分析方法 医学图像是医学诊断和疾病治疗的重要依据，在临床上具有非常重要的应用价值。医学图像本质上是模糊的，这是由于图像在获取过程中人体解剖结构的复杂性、组织器官形状的不规则性以及不同个体间的差异性、成像中磁场的不均匀性、部分容积效应以及噪声的影响等造成内在的不确定性。所以将模糊理论引入医学图像处理与分析领域，可以使医学图像处理和分析达到更好的效果。 1.1模糊逻辑分析方法 与传统数学不同，模糊数学将二值逻辑（非0即1）进行模糊推广，建立了模糊逻辑，使计算机的逻辑计算逐步接近人的思维方式，大大提高了对模糊问题的处理能力。模糊逻辑分析方法主要基于模糊集理论、模糊 IF-THEN 规则、模糊连通性理论等，应用于图像增强、分割、分析与评价等各个方面。 1.1.1经典的Pal 和King 模糊图像增强算法 Pal 和King 算法主要用于图像增强及边缘检测，简称Pal 算法。80 年代中期Pal 和King 从图像所具有的不确定性是由模糊性引起的观点出发，首次将模糊集理论与图像处理结合起来，提出经典的Pal 和King 图像增强算法，开创了模糊理论应用领域的新纪元。Pal 算法的基本思想是建立一个隶属函数，使图像由灰度域转换到模糊域，然后选取对应的增强函数对图像进行处理，最后将模糊增强后的图像再映射到