基于云模型效能评估的Matlab实现

摘 要： 简要描述了基于云模型的系统效率评估方法和过程Matlab代码实现了一些算法，代码可以在测试后正确运行。对云模型电感制造商的研究和应用具有一定的推广价值和研究意义。

关键词： Matlab；云模型； 效能评估

对于一些复杂的系统来说，由于其不确定性，即模糊性和随机性，很难准确其有效性。因此，有必要充分考虑评估过程中出现的模型，有效简单地实现定性与定量的相互转换[1]。云模型是李德义院士提出的定性定量交换模型，可以将模糊性和随机性结合起来，充分实现精确值与定性语言的转换，有效实现系统效率评价。而Matlab既是直观高效的计算机语言，又是科学的计算平台。它为数据分析和数据可视化、算法和应用程序开发提供了可靠的数学操作和高级图形绘制工具[2]。

本文描述了基于云模型效率评于云模型效率评估的方法和步骤Matlab实现语言。

1 云模型简介

1.1 云的基本概念

云[3]是一种具有直观性和普遍性的定性概念和定量表达之间的不确定性转换模型。它主要反映了概念上的不确定性，即模糊性（边界上的另一个性）和随机性（发生的概率）。云的数字特来描述云的数字特征，即期望值Ex(Expected Value)、熵En(Entropy)和超熵He(Hyper Entropy)，三个数字特征的整体表征是一个概念CG(Ex，En，He)。其中期望值Ex原型值(中心值和标准值)是概念上最能代表这个定性概念的值；熵En熵越大，概念越模糊；超熵He熵的熵，即熵的熵，反映了云的离散程度。

1.2 云发生器

云发生器CG(Cloud Generator)指固化的云模型生成算法，主要有正向云发生器和逆向云发生器。

逆向云发生器实现从定量值到定性语言值的转换，即从给定的云滴样本中找到正向云发生器的3 对样本数据进行定性评价。

由于在大多数系统效率评估中，一组数据值通常只能通过采样获得来表示一个概念，这种单因素逆向云算法于云的统计特性xi 定量值恢复出云的三个参数，如图2所示。

逆向云发生器CG-1(Ex，En，He)算法[4]：

2 基于云模型的系统效率评估步骤

基于云模型的系统效率评价方法是选择系统中的关键指标，然后用正态云表示定性指标，根据系统指标的分层结构，在不确定的情况下对系统进行更客观的综合效率评价。该方法有三个关键因素：指标集U、权重因子集W和评价集V，其中W和V元素属于云，不全是精确值。

评价指标根据需要分为多层次结构，每层都有子指标集、权重因子集和评价集。只有在同一水平之间的指标才能进行操作和比较，结果从低到高，最终实现系统整体效率的评价。一般流程如图3所示。

2.1 确定指标集

根据评估要求，首先将目标对象分解为多个功能模块，每个功能模块称为一个元素，然后将这些功能模块分为多个组，每个组中的元素是功能模块能力的体现。以相同级别的功能模块为标准，支配下一层元素，由上一层元素支配，形成指标系统。

指标系统是否合理将直接影响最终评价结果的可信度。元素选择的原则有很多。评价指标的选择必须遵循最简单、科学、可测、客观、完整、独立的原则，能够真实、全面、全面地反映系统的性能。同时，在建立指标系统时，必须适当控制层次数，层次数应由评价的复杂性和分析的深度决定，但一般不少于3层。

2.2 建立指标的权重因子集

采用专家咨询的方法为各层指标建立权重因子，这些权重因子全部用定性语言表述，如“重要”、“比较重要”、“不重要”等。再将其转化为正态云来表述，用不同的正态云图表示其不同的重要程度。不失一般性，可以将权重因子集描述为W={W1，W2，…，Wn}。权重因子集的等级一般不低于3级，不高于9级。