怎么用matlab模糊综合评价

模糊综合评价是一种将多个模糊指标综合得出一个综合评价结果的方法。在MATLAB中，可以使用Fuzzy Logic Toolbox工具箱来实现模糊综合评价。

以下是一般的步骤：

1. 定义模糊变量：定义每个模糊指标的隶属函数和范围。

2. 定义规则：将每个模糊指标的隶属函数与一个评价结果相关联。

3. 进行模糊推理：根据定义的规则，使用FIS（Fuzzy Inference System）进行模糊推理，得出一个综合评价结果。

4. 对结果进行模糊集合的转换：将得到的综合评价结果转换为一个模糊集合。

5. 计算模糊综合评价结果：根据所得到的模糊集合计算出一个综合评价结果。

在MATLAB中，可以使用fuzzy函数来定义模糊变量和规则，使用evalfis函数来进行模糊推理，使用evalmf函数来计算模糊集合中的值。

下面是一个简单的示例代码：

% 定义模糊变量
v1 = newfis('fis');
v1 = addvar(v1,'input','x1',[0 10]);
v1 = addmf(v1,'input',1,'low','gaussmf',[2 0]);
v1 = addmf(v1,'input',1,'medium','gaussmf',[2 5]);
v1 = addmf(v1,'input',1,'high','gaussmf',[2 10]);

v2 = newfis('fis');
v2 = addvar(v2,'input','x2',[0 10]);
v2 = addmf(v2,'input',1,'low','gaussmf',[2 0]);
v2 = addmf(v2,'input',1,'medium','gaussmf',[2 5]);
v2 = addmf(v2,'input',1,'high','gaussmf',[2 10]);

% 定义规则
r1 = addrule(v1,[1 0 0 1],'min');
r2 = addrule(v1,[2 0 0 2],'min');
r3 = addrule(v1,[3 0 0 3],'min');
r4 = addrule(v2,[0 1 0 1],'min');
r5 = addrule(v2,[0 2 0 2],'min');
r6 = addrule(v2,[0 3 0 3],'min');
r7 = addrule([1 0 0 1 0 0],[1],'min');
r8 = addrule([0 0 1 0 0 1],[1],'min');
r9 = addrule([0 0 0 0 1 1],[1],'min');

% 进行模糊推理
fis = addrule(v1,r1);
fis = addrule(fis,r2);
fis = addrule(fis,r3);
fis = addrule(fis,r4);
fis = addrule(fis,r5);
fis = addrule(fis,r6);
fis = addrule(fis,r7);
fis = addrule(fis,r8);
fis = addrule(fis,r9);

% 计算模糊综合评价结果
x1 = 2;
x2 = 7;
result = evalfis([x1 x2],fis)

在上述代码中，首先定义了两个模糊变量（x1和x2），每个模糊变量都有三个隶属函数（低、中、高）。然后定义了九条规则，将每个模糊变量的隶属函数与综合评价结果相关联。最后使用evalfis函数计算出综合评价结果。