探讨模糊综合评判中的取大取小算法：误区与改进

该论文深入探讨了模糊综合评判中"取大取小"算法的问题，起源于2001年4月发表在《系统工程理论与实践》第4期的一篇文章。作者卢厚清、王宁生和沈发鸿针对刘玉斌提出的观点——即认为在模糊综合评判过程中，取大取小算法是一个错误的策略——进行了反驳。他们指出，尽管这种算法确实存在一定的缺陷，但并不能简单地判定其为错误，因为它在许多实际决策情境中仍然具有应用价值。 论文的核心论点在于，尽管取大取小算法在处理模糊信息时可能存在一些不足，如在量化模糊度时可能偏向于极端，但它在模糊综合评判中的基本原理，即通过比较各因子的隶属度来确定最终决策，仍然是合理的。作者通过理论分析揭示了算法背后的基本逻辑，强调了在特定条件下，如何合理运用这种方法进行决策，以达到满意的结果。 在文中，作者首先回顾了模糊数学在中国的发展历程以及它在人工智能、系统科学和计算机科学领域的广泛应用，特别提到了模糊综合评判作为其中的关键技术在科学管理和决策过程中的重要作用。然后，他们详细介绍了取大取小方法的实用性和普遍性，指出它是人们在面临不确定性情况时常用的决策工具，比如在评价多个标准时倾向于选择最高或最低的值。 最后，论文提出了一种改进的"取大取小"算法，旨在解决原始算法的局限性，使得在模糊综合评判中能更好地权衡各个因素，提供更为准确和平衡的决策依据。通过这种方式，作者旨在证明即使是最常见的模糊评判算法也有其适用范围和改进空间，不能一概而论其正确与否。 这篇论文深入挖掘了模糊综合评判领域内关于取大取小算法的争议，并提供了有见地的分析和改进措施，对理解和应用模糊综合评判技术有着重要的参考价值。