FISM模糊解释结构模型

方法概述

FISM（Fuzzy Interpretive Structural Modeling，模糊解释结构模型）是将模糊集理论与经典解释结构模型（ISM）相结合的一种系统因素分析方法。传统 ISM 要求因素间关系为二元（0 或 1），无法处理现实中的模糊关系。FISM 通过引入模糊关系矩阵（元素值在 [0,1] 区间）和模糊算子对，计算模糊可达矩阵，并在不同截距水平（阈值 λ）下生成布尔截距矩阵，进而进行层级划分，从而揭示系统在不同关系强度下的层次结构。

FISM 法的核心思想是：

  • 因素间的直接影响关系用模糊值（0~1）表示，反映关系强度或专家判断的不确定性。
  • 采用模糊算子对（乘法算子与加法算子的组合）计算模糊合成矩阵，并通过传递闭包算法得到模糊可达矩阵。
  • 从模糊可达矩阵中提取所有不重复的非零值作为候选阈值（截距水平），每个阈值对应一个截距矩阵（布尔矩阵）。
  • 对每个截距矩阵分别进行经典 ISM 分析：计算可达矩阵、骨架矩阵，并通过迭代分层得到层次结构。
  • 对比不同截距水平下的层级结构，观察系统结构的演变，识别关键驱动因素和结果因素。

该方法适用于因素关系具有模糊性、不确定性，或需要分析不同关系强度下系统结构稳定性的复杂系统分析，如风险评估、供应链关系、社会系统建模等。

计算步骤

1. 构建模糊关系矩阵

设有 \(n\) 个因素，通过专家打分或数据分析确定因素间的模糊直接影响关系。模糊关系矩阵 \(F = [f_{ij}]_{n \times n}\) 中每个元素 \(f_{ij} \in [0,1]\) 表示因素 \(i\) 对因素 \(j\) 的直接影响强度（0=无影响，1=完全影响）。通常要求 \(f_{ii} = 0\)（因素不自影响）。

2. 计算模糊相乘矩阵

将模糊关系矩阵与单位矩阵相加，得到模糊相乘矩阵 \(M\)： \[ M = F + I \] 其中 \(I\) 为单位矩阵（对角线为 1，其余为 0）。这一步确保了因素自身的完全可达性。

3. 计算模糊可达矩阵（传递闭包）

采用模糊合成算子对，通过迭代计算传递闭包，得到模糊可达矩阵 \(R\)。设乘法算子 \(\otimes\) 和加法算子 \(\oplus\)（平台提供 16 种组合），合成规则为： \[ R^{(k+1)} = R^{(k)} \oplus (R^{(k)} \otimes R^{(k)}) \] 初始 \(R^{(0)} = M\)。迭代直到 \(R\) 不再变化。常见的算子对包括：

  • 查德算子：乘法取最小值（\(\min\)），加法取最大值（\(\max\)）
  • 概率算子：乘法取乘积（\(a \cdot b\)），加法取概率和（\(a+b-ab\)）
  • 有界算子：乘法取 \(\max(0, a+b-1)\)，加法取 \(\min(1, a+b)\)
  • 爱因斯坦算子：乘法取 \(\frac{ab}{1+(1-a)(1-b)}\)，加法取 \(\frac{a+b}{1+ab}\)

最终得到的模糊可达矩阵 \(R\) 中元素 \(r_{ij}\) 表示因素 \(i\) 到因素 \(j\) 的综合可达程度（直接或间接）。

4. 提取阈值集合

从模糊可达矩阵 \(R\) 中提取所有不重复的非零值，并按降序排列，得到阈值集合 \(\Lambda = \{\lambda_1 > \lambda_2 > \dots > \lambda_t\}\)。每个阈值对应一个截距水平。

5. 对每个阈值生成截距矩阵

对于每个阈值 \(\lambda\)，生成布尔截距矩阵 \(A_\lambda = [a_{ij}^{(\lambda)}]\)： \[ a_{ij}^{(\lambda)} = \begin{cases} 1, & r_{ij} \ge \lambda \\ 0, & \text{otherwise} \end{cases} \]

6. 对每个截距矩阵进行 ISM 分析

对每个 \(A_\lambda\) 执行经典 ISM 步骤：

6.1 计算可达矩阵

令 \(R_\lambda = A_\lambda\)，添加自反性（对角线为 1），然后使用 Warshall 算法计算传递闭包，得到布尔可达矩阵 \(R_\lambda\)。

6.2 计算骨架矩阵

删除传递冗余关系：若 \(r_{ij}=1\) 且存在 \(k\) 使得 \(r_{ik}=1\) 且 \(r_{kj}=1\)，则 \(i \to j\) 为冗余关系，在骨架矩阵中置为 0；否则保留。

6.3 层级划分

计算每个因素的可达集 \(R(i)\)（行中为 1 的列集合）、前因集 \(Q(i)\)（列中为 1 的行集合）、交集 \(C(i)=R(i) \cap Q(i)\)。迭代找出满足 \(R(i)=C(i)\) 的因素作为当前层级，移除后重复，直至所有因素被分配。最终得到从顶层（驱动因素）到底层（结果因素）的序列。

7. 结果汇总与可视化

  • 输出每个截距水平下的因素分级结果、骨架矩阵、可达矩阵。
  • 绘制任一截距水平下的层次结构图，箭头表示直接关系。
  • 通过对比不同截距的层级变化，分析系统结构的稳健性。

案例分析

案例背景：某企业拟分析影响产品质量的四个因素：员工技能（F1）、设备精度（F2）、原材料质量（F3）、工艺规范（F4）。专家采用模糊打分（0~1）得到模糊关系矩阵 \(F\)：

\[ F = \begin{bmatrix} 0 & 0.8 & 0.6 & 0.9 \\ 0.7 & 0 & 0.8 & 0.8 \\ 0.5 & 0.6 & 0 & 0.5 \\ 0.8 & 0.7 & 0.7 & 0 \end{bmatrix} \]

（对角线为 0，数值表示影响强度）

计算过程

1. 计算模糊相乘矩阵 \(M = F + I\)

\[ M = \begin{bmatrix} 1 & 0.8 & 0.6 & 0.9 \\ 0.7 & 1 & 0.8 & 0.8 \\ 0.5 & 0.6 & 1 & 0.5 \\ 0.8 & 0.7 & 0.7 & 1 \end{bmatrix} \]

2. 计算模糊可达矩阵（采用查德算子：乘法=min，加法=max）

初始 \(R^{(0)}=M\)。迭代合成 \(R^{(k+1)} = R^{(k)} \oplus (R^{(k)} \otimes R^{(k)})\)。以计算 \((R \otimes R)\) 为例，\((R \otimes R)_{ij} = \max_k \min(R_{ik}, R_{kj})\)。经若干次迭代后收敛，得到模糊可达矩阵 \(R\)（数值略）：

\[ R = \begin{bmatrix} 1.0 & 0.8 & 0.8 & 0.9 \\ 0.8 & 1.0 & 0.8 & 0.8 \\ 0.7 & 0.7 & 1.0 & 0.7 \\ 0.8 & 0.8 & 0.8 & 1.0 \end{bmatrix} \]

3. 提取阈值集合

矩阵中所有不重复非零值为：\(\{0.7, 0.8, 1.0\}\)，降序排列为 \(\lambda = [1.0, 0.8, 0.7]\)。

4. 对 \(\lambda = 0.8\) 生成截距矩阵 \(A_{0.8}\)

\[ A_{0.8} = \begin{bmatrix} 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 \\ 0 & 0 & 1 & 0 \\ 1 & 1 & 1 & 1 \end{bmatrix} \] （注意：对角线为 1 是因为 \(r_{ii}=1\) 始终满足）

5. ISM 分析（以 \(\lambda=0.8\) 为例）

  • 计算可达矩阵（Warshall 算法）得到 \(R_{0.8}\)（略）。
  • 骨架矩阵（删除传递冗余）后，确定层级：
    • 第 1 层（顶层）：F3
    • 第 2 层：F1, F2, F4

6. 结果解读

  • \(\lambda=1.0\) 时，截距矩阵仅保留自身关系（对角线），无有效关系，所有因素孤立，无层级（需特殊处理）。
  • \(\lambda=0.8\) 时，F3 为顶层结果因素，F1、F2、F4 为底层驱动因素。
  • \(\lambda=0.7\) 时，所有因素相互可达，可能形成单个强连通分量（回路），系统结构完全不同。

通过对比不同截距，可以了解系统在不同关系强度下的结构变化。

常见问题

Q1: FISM 与经典 ISM 的主要区别是什么？

A: 经典 ISM 要求输入 0/1 邻接矩阵，无法处理模糊关系。FISM 允许输入 [0,1] 模糊值，通过模糊算子计算模糊可达矩阵，再通过截距生成多个布尔矩阵进行 ISM 分析，从而考察系统结构随关系强度变化的规律。

Q2: 模糊算子对如何选择？

A: 平台提供 16 种组合，包括查德、概率、有界、爱因斯坦等算子。不同算子反映不同的模糊推理逻辑：

  • 查德算子（min-max）：最常用，强调最弱链接。
  • 概率算子（product-probabilistic sum）：基于概率论，适合随机环境。
  • 有界算子（bounded sum/product）：有界逻辑，适合资源受限场景。
  • 爱因斯坦算子：平滑的 t-norm 和 t-conorm。 建议根据问题背景尝试不同算子，或使用默认的查德算子。

Q3: 阈值集合如何确定？

A: 阈值自动从模糊可达矩阵中提取所有不重复的非零值，并按降序排列。这保证了每个截距矩阵都有实际意义，且覆盖了所有可能的结构变化点。

Q4: 如何处理截距矩阵中的自反关系？

A: 模糊相乘矩阵已将对角线设为 1，因此截距矩阵对角线始终为 1（因为 1 总是大于等于任何 λ）。ISM 分析时保留自反性。

Q5: 如果所有因素在某个截距下构成一个大 SCC（强连通分量）怎么办？

A: 此时所有因素在同一层级（无分层），骨架矩阵为空。这说明在该关系强度下，因素间高度耦合，无法区分先后次序。

Q6: 支持多工作表吗？

A: 支持。Excel 文件中每个工作表可存放一个模糊关系矩阵，用户可选择单个工作表进行分析。

平台功能

FISM 法分析平台提供以下核心功能：

数据输入

  • 支持 Excel（.xlsx, .xls）格式。
  • 每个工作表为一个模糊关系矩阵（元素 [0,1]），第一行和第一列为因素名称，数据区域为方阵。
  • 自动校验矩阵方阵性、数值范围等。

参数设置

  • 模糊算子对：16 种组合可选，并显示当前算子的特性说明。
  • ISM 分层方法：两种等价选项。
  • 小数位数：控制结果精度（默认 4 位）。
  • 选择分析的工作表：从上传的工作表中选择一个进行分析。
  • 截距水平选择：计算完成后，可在下拉菜单中选择任意阈值，查看该截距下的详细结果和图形。
  • 绘图参数：可自定义图形标题、字体大小、节点大小、层间距、节点间距、箭头大小、边线颜色、节点颜色等。

结果展示

  • 模糊关系矩阵：用户输入的原始模糊矩阵。
  • 模糊相乘矩阵：模糊关系矩阵 + 单位矩阵。
  • 模糊可达矩阵：通过传递闭包计算的模糊可达矩阵。
  • 阈值集合：自动提取的阈值列表（降序）。
  • 阈值分析概览：每个截距下的因素数量、层级数量、顶层因素、底层因素、截距矩阵中 1 的数量、骨架矩阵关系数。
  • 当前截距详细分析（通过下拉选择）：
    • 截距矩阵（布尔矩阵）
    • 骨架矩阵
    • ISM 可达矩阵
    • 因素分级结果（层级、可达集、前因集、交集）
    • 分层迭代过程（每一层的详细数据）
  • 可视化：当前截距下的 ISM 层次结构图，支持交互式调整绘图参数并实时更新。
  • AI 智能分析：基于 DeepSeek API 自动解读不同截距下的结构变化，提供关键因素识别和系统稳健性分析（每日限 3 次）。
  • 多格式导出：支持 Excel 和 HTML 报告下载。

使用建议

  1. 准备阶段：确定系统因素列表（建议不超过 15 个）。设计专家问卷，采用 0~1 模糊打分（或 0~10 分后归一化），明确“影响强度”的含义。

  2. 数据收集：邀请专家独立填写模糊关系矩阵，确保对角线为 0。汇总后可取平均值作为最终矩阵。将矩阵按模板格式放入 Excel 工作表。

  3. 参数设置：

    • 选择合适的模糊算子对（推荐查德算子，即“最小-最大”）。
    • 根据需要调整绘图参数，使图形清晰易读。

  4. 结果解读：

    • 观察阈值集合，了解系统关系强度的自然聚类点。
    • 对比不同截距水平下的层级结构：
      • 高截距（如接近 1）：只保留很强的关系，结构简单，顶层因素为最直接的结果。
      • 中截距：结构逐渐丰富，可能分出更多层级。
      • 低截距：关系密集，可能出现强连通分量或单一层级。
    • 若某个因素在多个截距下均位于顶层（驱动因素），则是系统的根本原因；若始终位于底层（结果因素），则是系统的最终输出。
    • 利用 AI 分析获取更专业的解读。

  5. 迭代优化：

    • 若结果不符合预期，可尝试不同的模糊算子对。
    • 检查原始模糊矩阵是否合理（如是否对称性、传递性等）。
    • 可将 FISM 结果与 DEMATEL、MICMAC 等方法结合使用。

平台界面

官方地址：https://superr.online

FISM法工具界面

平台界面包含：数据上传区、参数设置区、工作表预览、模糊矩阵展示、阈值选择、多截距分析结果展示和 AI 分析模块

参考文献：

  1. Warfield J N. Developing interconnection matrices in structural modeling[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1974, SMC-4(1): 81-87.
  2. 李登峰. 模糊多目标多人决策与对策[M]. 国防工业出版社，2003.
  3. 基于模糊解释结构模型的供应链风险因素分析[J]. 系统工程理论与实践，2011, 31(8): 1482-1488.
  4. 模糊 ISM 方法及其在复杂系统分析中的应用[J]. 管理工程学报，2015, 29(2): 123-129.