第一，确定评价对象的因素论域。将因素论域（指标）按照某种属性分成P个子集，即因素集u={u1，u2，…，up}。
第二，确定评语等级论域。v={v1，v2，…，vp}，即等级集合，表示有p个等级，每一个等级对应一个模糊子集。
第三，建立模糊关系矩阵R。构造等级模糊子集之后，逐个对被评事物从每个因素ui（i=1，2，…，p）上进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度（R｜ui），进而得到模糊关系矩阵：
矩阵R中第i行第j列元素rij，表示某个被评事物从因素ui来看对vj等级模糊子集的隶属度。一个被评事物在某个因素ui方面的表现，是通过模糊向量（R｜ui）=（ri1，ri2，…，rim）来表示的，而在其他评价方法中多是由一个指标实际值来表示的，因此，从这个角度讲模糊综合评价要求更多的信息[12]。
第四，确定评价因素的权向量。在模糊综合评价中，确定评价因素的权向量：A=（a1，a2，…，ap）。权向量A中的元素ai本质上是因素ui对模糊子集{对被评事物重要的因素}的隶属度。本研究使用层次分析法来确定评价指标间的相对重要性次序，从而确定权系数，并且在合成之前归一化，即
，ai≥0，i=1，2，…，n。(www.xing528.com)
第五，合成模糊综合评价结果向量。利用合适的算子将A与各被评事物的R进行合成，得到各被评事物的模糊综合评价结果向量B。即：
其中b1是由A与R的第j列运算得到的，它表示被评价事物从整体上看对vj等级模糊子集的隶属程度。
第六，对模糊综合评价结果向量进行分析。在实际运用中，通常采用最大隶属度原则，但是，在某些情况下使用最大隶属度原则会损失很多信息，甚至得出不合理的评价结果。加权平均求隶属等级也是可以使用的方法，对于多个被评事物并依据其等级位置进行排序。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
