给一个模糊综合评价法的算例，要有代码

假设我们需要对一部电影进行综合评价，评价因素包括：剧情、画面、演员表现、音乐、情感吸引力等五个方面。每个因素评价分为五个等级，分别为1-5分，其中1分表示极差，5分表示极好。现在我们需要使用模糊综合评价法对这部电影进行综合评价。

1. 建立评价矩阵

首先需要建立评价矩阵，如下：

| | 剧情 | 画面 | 演员表现 | 音乐 | 情感吸引力 |
| -------- | ---- | ---- | -------- | ---- | ---------- |
| 评价值 | 3 | 4 | 2 | 5 | 4 |
| 评价等级 | 中等 | 良好 | 差 | 极好 | 良好 |

2. 设计模糊量化函数

根据实际情况，可以根据专家经验或者统计学方法来设计模糊量化函数。这里我们采用三角形模糊量化函数，如下：

def fuzzy_triangular(x, a, b, c):
    if x <= a or x >= c:
        return 0
    elif a < x <= b:
        return (x - a) / (b - a)
    else:
        return (c - x) / (c - b)

其中，a、b、c为三角形的三个顶点，x为输入值。

3. 计算隶属度矩阵

根据评价等级和模糊量化函数，可以计算出每个评价值在不同评价等级下的隶属度。如下：

import numpy as np

matrix = np.array([
    [3, 4, 2, 5, 4],
    ['中等', '良好', '差', '极好', '良好']
])

points = {
    '1': [1, 2, 3],
    '2': [2, 3, 4],
    '3': [3, 4, 5],
    '4': [4, 5, 5],
    '5': [5, 5, 5]
}

def get_membership_value(value, level):
    a, b, c = points.get(level)
    return fuzzy_triangular(value, a, b, c)

membership_matrix = np.zeros((5, 5))

for i in range(5):
    for j in range(5):
        membership_matrix[i][j] = get_membership_value(matrix[0][i], matrix[1][j])

其中，points字典保存了每个评价等级下的三角形顶点，get_membership_value函数计算某个评价值在某个评价等级下的隶属度。membership_matrix即为隶属度矩阵，表示每个评价值在不同评价等级下的隶属度。

4. 计算综合评价结果

根据隶属度矩阵和权重向量，可以计算出每个评价等级的综合评价结果。如下：

weights = np.array([0.2, 0.25, 0.15, 0.3, 0.1])

result = np.dot(membership_matrix, weights)

其中，weights为权重向量，表示每个评价因素在综合评价中的权重。np.dot表示矩阵乘法，result即为综合评价结果。

完整代码如下：