[发明专利]一种食品企业信用等级评价方法

说明书

技术领域

本发明涉及一种评价方法，尤其涉及一种利用模糊积分以及相关算法进行企业信用等级评价方法。

背景技术

首先介绍本发明涉及的几个技术概念：

模糊测度：

设X为非空有限集合，P(X)为X的幂集，集函数                                                满足下面的两个条件：μ(φ)=0, μ(X)=1；若则，则称μ为定义在P(X)上的正则模糊测度，其中(X,P(X), μ)称为模糊测度空间，(X,P(X))称为可测空间。

lamda模糊测度，一种特殊类型的正则模糊测度：

设X是有限集合，2^X是X上的幂集. 如果正则模糊测度满足以下两个条件:

(1) μ(φ)=0, μ(X)=1；

(2) 

μ被称为定义在2^X上的λ模糊测度。

上面定义的第二个特性称为λ律。当λ=0时, λ律就是经典测度的可加性。 记有限集合为X={x₁,x₂,...,x_n}, 值μ_i=μ({x_i})被称为测度密度。

模糊积分：采用Choquet积分，因为这种模糊积分作为Lebesgue积分的推广，其融合信息的能力更强。

Choquet积分定义：

设X为非空有限集合，P(X)为X的幂集，，μ为定义在P(X)上的正则的模糊测度，则函数f在集合X上关于模糊测度μ的Choquet积分定义为：

其中A_i={x_i,x_i+1,...,x_n}。不失一般性，假设

（如不满足，重新排列X中的元素为{x₁^*,x₂^*,...,x_n^*}使对应的函数值f(x_i^*)满足该关系式），规定f(x₀)=0, μ(A_n+1)=0。

    所谓的综合评判是指对于一个评价对象，把对这个对象的属性评价采用某种方法进行融合而得到一个综合评判。采用的传统方法是加权平均，后来随着模糊测度和模糊积分理论的建立，用模糊积分来进行综合评判就更加合理。实际上，这里涉及到的确定模糊测度的问题可以看成的综合评价的反问题。

    假设有一个待评价对象，这个对象有n个属性记为X={x₁,x₂,...,x_n}，已知以下m组数据

其中，f_ij表示第i组数据中对属性j的评价值，E_i表示第i个综合评价值。

      现在，希望在可测空间(X,P(X))上找到一个模糊测度μ，使得

其中，函数fⁱ，i=1,2,...,m定义成：fⁱ(x_j)=f_ij,j=1,2,...,n

    如果这样的μ不存在，希望找到一个最优近似解。这就是综合评价的反问题。可以用最小均方方法把上述问题转化为一个优化问题，从而通过解优化问题来得到最优近似解。要解决的优化问题如下：

                                 

              Subject to：μ为置信测度或似然测度

如果e=0表示精确解被找到。

粒子群算法：

也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO，是由J. Kennedy和R. C. Eberhart等于1995年开发的一种演化计算技术，来源于对一个简化社会模型的模拟。其中“群(swarm)”来源于微粒群符合M. M. Millonas在开发应用于人工生命(artificial life)的模型时所提出的群体智能的5个基本原则。“粒子(particle)”是一个折衷的选择，因为既需要将群体中的成员描述为没有质量、没有体积的，同时也需要描述它的速度和加速状态。