模糊DEMATEL

方法概述

模糊DEMATEL（Fuzzy Decision Making Trial and Evaluation Laboratory）是一种将模糊集理论与经典 DEMATEL 方法相结合的系统因素分析技术。它通过三角模糊数表达专家对因素间直接影响关系的模糊判断，再经过去模糊化处理得到精确的直接影响矩阵，进而计算各因素的中心度与原因度，识别关键因素和因果关系。

模糊DEMATEL法的核心思想是：

采用三角模糊数（左、中、右值）表示专家评价的不确定性和模糊性。
支持多位专家独立评价，并通过加权聚合得到综合模糊直接影响矩阵。
使用 CFCS（Converting Fuzzy data into Crisp Scores）或重心法将模糊矩阵转换为精确矩阵。
按照经典 DEMATEL 步骤计算规范影响矩阵、综合影响矩阵、影响度、被影响度、中心度和原因度。
以中心度为横坐标、原因度为纵坐标绘制散点图，将因素划分为核心原因、一般原因、核心结果、一般结果四类。

该方法能够有效处理专家评价中的主观性和模糊性，特别适用于复杂系统因素关系分析、风险识别、关键成功因素提取等场景。

计算步骤

1. 构建模糊直接影响矩阵

设有 \(n\) 个因素，\(K\) 位专家。每位专家采用语言变量（如“没有影响”“影响很低”“影响低”“影响高”“影响很高”）对因素 \(i\) 对因素 \(j\) 的直接影响程度进行评价。语言变量映射为三角模糊数 \((l_{ij}^{(k)}, m_{ij}^{(k)}, r_{ij}^{(k)})\)，其中 \(0 \le l \le m \le r \le 1\)。平台默认的模糊语义定义如下（可自定义）：

专家评价	影响数值	三角模糊数 (l, m, r)
没有影响	0	(0, 0, 0.25)
影响很低	1	(0, 0.25, 0.5)
影响低	2	(0.25, 0.5, 0.75)
影响高	3	(0.5, 0.75, 1.0)
影响很高	4	(0.75, 1.0, 1.0)

每位专家给出一个 \(n \times n\) 的模糊矩阵 \(F^{(k)} = [f_{ij}^{(k)}]\)，其中 \(f_{ij}^{(k)} = (l_{ij}^{(k)}, m_{ij}^{(k)}, r_{ij}^{(k)})\)，且对角线元素 \((l_{ii}, m_{ii}, r_{ii}) = (0,0,0)\)。

2. 聚合多个专家评价

设第 \(k\) 位专家的权重为 \(w_k\)（\(\sum_{k=1}^{K} w_k = 1\)），则聚合后的模糊直接影响矩阵 \(\tilde{A} = [\tilde{a}_{ij}]\) 中各元素的三角模糊数为：

\[ l_{ij} = \sum_{k=1}^{K} w_k \cdot l_{ij}^{(k)},\quad m_{ij} = \sum_{k=1}^{K} w_k \cdot m_{ij}^{(k)},\quad r_{ij} = \sum_{k=1}^{K} w_k \cdot r_{ij}^{(k)} \]

3. 去模糊化（转换为精确值）

平台支持两种去模糊化方法：

（1）CFCS 法（Converting Fuzzy data into Crisp Scores）

CFCS 是处理三角模糊数最常用的方法之一，其计算过程如下：

设 \(l_{ij}\)、\(m_{ij}\)、\(r_{ij}\) 为聚合后的三角模糊数，定义全局最小值和最大值：

\[ \min l = \min_{i,j} l_{ij},\quad \max r = \max_{i,j} r_{ij},\quad \Delta = \max r - \min l \]

对于每个 \(l_{ij}, m_{ij}, r_{ij}\)：

标准化： \[ xl_{ij} = \frac{l_{ij} - \min l}{\Delta},\quad xm_{ij} = \frac{m_{ij} - \min l}{\Delta},\quad xr_{ij} = \frac{r_{ij} - \min l}{\Delta} \]
计算左、右标准化值： \[ xl^s_{ij} = \frac{xm_{ij}}{1 + xm_{ij} - xl_{ij}},\quad xr^s_{ij} = \frac{xr_{ij}}{1 + xr_{ij} - xm_{ij}} \]
计算总标准化值： \[ x_{ij} = \frac{xl^s_{ij}(1 - xl^s_{ij}) + (xr^s_{ij})^2}{1 - xl^s_{ij} + xr^s_{ij}} \]
反标准化得到精确值： \[ z_{ij} = \min l + x_{ij} \cdot \Delta \]

最终得到精确直接影响矩阵 \(Z = [z_{ij}]\)。

（2）重心法（Centroid）

重心法直接取三角模糊数的算术平均值：

\[ z_{ij} = \frac{l_{ij} + m_{ij} + r_{ij}}{3} \]

4. 规范化直接影响矩阵

设精确直接影响矩阵为 \(Z = [z_{ij}]\)，规范化方法有三种（与经典 DEMATEL 相同）：

行和最大值法： \[ s = \max_{1\le i\le n} \sum_{j=1}^{n} z_{ij},\quad B = \frac{Z}{s} \]
列和最大值法： \[ s = \max_{1\le j\le n} \sum_{i=1}^{n} z_{ij},\quad B = \frac{Z}{s} \]
行和列和最大值法： \[ s = \max\left(\max_i \sum_j z_{ij},\; \max_j \sum_i z_{ij}\right),\quad B = \frac{Z}{s} \]

5. 计算综合影响矩阵

规范影响矩阵 \(B\) 满足 \(\lim_{k\to\infty} B^k = 0\)，综合影响矩阵 \(T\) 由级数求和得到：

\[ T = B + B^2 + B^3 + \cdots = B (I - B)^{-1} \]

其中 \(I\) 为单位矩阵。实际计算中先求 \(I - B\) 的逆矩阵，再左乘 \(B\)。

6. 计算影响度、被影响度、中心度与原因度

影响度（行和）： \[ D_i = \sum_{j=1}^{n} t_{ij} \]
被影响度（列和）： \[ C_i = \sum_{j=1}^{n} t_{ji} \]
中心度： \[ M_i = D_i + C_i \]
原因度： \[ R_i = D_i - C_i \]

若 \(R_i > 0\)，则因素 \(i\) 为原因因素（对其他因素影响大）；若 \(R_i < 0\)，则为结果因素（受其他因素影响大）。

7. 因素属性分类

以中心度的均值 \(\bar{M} = \frac{1}{n}\sum_{i=1}^{n} M_i\) 为界，将因素分为四类：

原因度	中心度	属性
>0	>均值	核心原因
>0	≤均值	一般原因
<0	>均值	核心结果
<0	≤均值	一般结果

8. 计算权重（可选）

将中心度归一化得到各因素的权重： \[ w_i = \frac{M_i}{\sum_{j=1}^{n} M_j} \]

9. 结果可视化

以中心度为横坐标、原因度为纵坐标绘制散点图（或块状图），用不同颜色标记因素属性，并绘制中心度均值和原因度零线，将平面划分为四个象限，直观展示因素的地位和角色。

案例分析

案例背景：某企业拟分析影响产品创新能力的五个因素：研发投入（F1）、人才水平（F2）、激励机制（F3）、技术积累（F4）、市场需求（F5）。邀请两位专家（权重相等）采用 0~4 分制进行直接影响程度评分，原始数据矩阵如下（仅展示专家1的矩阵，专家2类似）：

专家1的直接影响矩阵（数值代表评分数值，平台会自动转换为三角模糊数）：

	F1	F2	F3	F4	F5
F1	0	3	2	4	1
F2	2	0	3	3	2
F3	1	2	0	1	3
F4	3	2	2	0	2
F5	2	1	4	2	0

计算过程

1. 转换为三角模糊数

使用默认模糊语义表，将评分 0~4 映射为三角模糊数。例如评分 3（影响高）对应 (0.5, 0.75, 1.0)。聚合两位专家（等权）后得到聚合模糊矩阵（略）。

2. CFCS 去模糊化

经 CFCS 计算得到精确直接影响矩阵 \(Z\)（数值已四舍五入）：

\[ Z = \begin{bmatrix} 0 & 0.58 & 0.42 & 0.75 & 0.25 \\ 0.42 & 0 & 0.58 & 0.58 & 0.42 \\ 0.25 & 0.42 & 0 & 0.25 & 0.58 \\ 0.58 & 0.42 & 0.42 & 0 & 0.42 \\ 0.42 & 0.25 & 0.75 & 0.42 & 0 \end{bmatrix} \]

3. 规范化（行和最大值法）

计算每行和：行1=2.00，行2=2.00，行3=1.50，行4=1.84，行5=1.84。最大行和 \(s=2.00\)，规范影响矩阵 \(B = Z / 2.00\)。

4. 计算综合影响矩阵 \(T = B(I-B)^{-1}\)

经矩阵运算得 \(T\)（略）。

5. 计算影响度、被影响度等

最终得到各因素的中心度 \(M_i\) 和原因度 \(R_i\) 如下（示例数值）：

因素	影响度 D	被影响度 C	中心度 M	原因度 R	属性
F1	0.65	0.42	1.07	0.23	核心原因
F2	0.60	0.50	1.10	0.10	一般原因
F3	0.48	0.58	1.06	-0.10	一般结果
F4	0.55	0.62	1.17	-0.07	核心结果
F5	0.52	0.58	1.10	-0.06	核心结果

平均中心度 \(\bar{M}=1.10\)。分析：

F1（研发投入）是核心原因因素，应优先管理。
F4、F5（技术积累、市场需求）为核心结果因素，受原因因素影响显著。
F2 为一般原因，F3 为一般结果。

常见问题

Q1: 模糊 DEMATEL 与经典 DEMATEL 的主要区别是什么？

A: 模糊 DEMATEL 采用三角模糊数表示专家评价，能够保留评价中的模糊性和不确定性，更适合处理主观判断。经典 DEMATEL 直接使用精确数值，无法反映评价的模糊程度。

Q2: 如何选择去模糊化方法？

A: - CFCS 法：较为复杂但精度更高，能保留三角模糊数的左右分布信息，是推荐方法。 - 重心法：简单快速，适用于对精度要求不高的场合。

Q3: 模糊语义定义可以自定义吗？

A: 可以。平台提供可编辑的模糊语义表，用户可修改每个评分数值对应的三角模糊数，以及增加或减少等级数量。

Q4: 支持多个专家吗？如何设置权重？

A: 支持。Excel 文件中每个工作表代表一位专家的评价矩阵，用户可勾选需要分析的工作表，并为每位专家设置权重（系统自动归一化）。

Q5: 规范化方法如何选择？

A: 同经典 DEMATEL，一般推荐行和最大值法。若矩阵列和差异较大可选用列和最大值法，行和列和最大值法最为保守。

Q6: 支持多工作表吗？

A: 支持。Excel 文件中每个工作表代表一个专家，系统可批量处理选中的工作表。

平台功能

模糊 DEMATEL 法分析平台提供以下核心功能：

数据输入

支持 Excel（.xlsx, .xls）格式。
每个工作表为一个专家的直接影响矩阵（数值 0-4 整数），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、对角线是否为 0 等。

参数设置

规范化方法：行和最大值、列和最大值、行和列和最大值。
去模糊化方法：CFCS、重心法。
选择分析的工作表：可多选，支持多专家。
专家权重设置：为每个选中的工作表（专家）分配权重（自动归一化）。
模糊语义定义：可自定义评分等级数及各等级对应的三角模糊数（通过可编辑表格）。
对角线置为 0：强制将对角线设为 0。
聚合专家：可选择是否聚合（通常选择“是”）。
小数位数：控制结果精度（默认 4 位）。

结果展示

因素分析结果：各因素的影响度、被影响度、中心度、原因度、权重、排序、属性分类。
矩阵展示：直接影响矩阵（精确化后）、规范影响矩阵、综合影响矩阵、验证矩阵（级数展开）。
统计分析：专家数量、因素数量、规范化因子、平均中心度、去模糊化方法等。
可视化：中心度-原因度散点图（可切换为影响度-被影响度图），支持丰富的绘图参数（颜色、点状/块状、字体大小、图例等）。
AI 智能分析：基于 DeepSeek API 自动解读结果，提供决策建议（每日限 3 次）。
多格式导出：支持 Excel 和 HTML 报告下载。

使用建议

准备阶段：确定系统边界和因素列表（建议不超过 15 个）。设计调查问卷，明确语言变量与数值的对应关系。
数据收集：邀请专家独立填写直接影响矩阵（0-4 整数），确保对角线为 0。将每位专家的数据放入 Excel 的不同工作表，按模板格式填写。
参数设置：
- 检查并调整模糊语义定义，使其符合实际语义。
- 选择合适的去模糊化方法（推荐 CFCS）和规范化方法（推荐行和最大值法）。
- 若有多位专家，合理设置权重（可根据专家权威性、熟悉程度等）。
- 根据需要调整绘图样式。
结果解读：
- 核心原因因素是管理的杠杆点，应优先投入资源。
- 核心结果因素是系统状态的综合体现，应作为监测指标。
- 结合中心度与原因度，判断因素的重要性和角色。
- 利用 AI 分析获取更深入的解读和建议。
迭代优化：
- 若结果不符合预期，可检查原始数据或调整模糊语义、去模糊化方法。
- 对比不同专家权重下的结果，检验稳定性。
- 可将模糊 DEMATEL 结果作为后续 ANP、ISM 等方法的输入。

平台界面

官方地址：https://superr.online

平台界面包含：数据上传区、参数设置区、多工作表预览、模糊语义编辑、分析结果展示和AI分析模块

参考文献：

Lin C J, Wu W W. A causal analytical method for group decision-making under fuzzy environment[J]. Expert Systems with Applications, 2008, 34(1): 205-213.
Opricovic S, Tzeng G H. Defuzzification within a multicriteria decision model[J]. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 2003, 11(5): 635-652.
模糊 DEMATEL 在供应链风险识别中的应用[J]. 系统工程理论与实践，2015, 35(8): 2032-2040.