一级模糊综合评价对象的评价因素结构简单，是单层次的。其具体步骤为：
（1）确定评价因素集和评语集。设与待评价事物相关的因素有 n 个，给出评价因素集 U ={ u 1 ， u 2 ，…， u n }。设可能出现的评语有 m 个，给出评语集 V ={ v 1 ， v 2 ，…， v m }。
（2）单因素评价。
（3）确定权重。在模糊综合评价中，各因素对评价结果的影响程度不同，需结合实际确定合适的权重向量 c =（ c 1 ， c 2 ，…， c n ）。
（4）综合评判。当评价因素的权向量 c =（ c 1 ， c 2 ，…， c n ）和综合评价矩阵（模糊关系） R 确定后，通过 R 作模糊线性变换，把 c =（ c 1 ， c 2 ，…， c n ）变成评语集 V ={ v 1 ， v 2 ，…， v m }上的模糊子集。
常见的权向量与单因素评价矩阵的合成模型：
模型Ⅰ： M （∧，∨）——主因素决定型
b j = ∨{（ w i ∧ r ij ），1≤ i ≤ n }（ j =1，2，…， m ）
由于综合评价的结果 b j 的值仅由 w i 与 r ij （ i =1，2，…， n ）中的某一个确定（先取小，后取大运算），着眼点是考虑主要因素，其他因素对结果影响不大，这种运算有时出现评价结果不易分辨的情况。
模型Ⅱ： M （·，∨）——主因素突出型
b j = ∨{（ w i · r ij ），1≤ i ≤ n }（ j =1，2，…， m ）
M （·，∨）与模型 M （∧，∨）较接近，区别在于用 w i · r ij 代替了 M （∧，∨）中的 w i ∧ r ij 。
在模型 M （·，∨）中，对 r ij 乘以小于1的权重 w i 表明 w i 是在考虑多因素时 r ij 的修正值，与主要因素有关，忽略了次要因素。
模型Ⅲ： M （∧，+）——主因素突出型
b j = ∑（ w i ∧ r ij ）（ j =1，2，…， m ）
模型Ⅲ也突出了主要因素。
在实际应用中，如果主要因素在综合评判中起主导作用，建议采纳Ⅰ，Ⅱ，Ⅲ，当模型Ⅰ失效时可采用Ⅱ，Ⅲ。
模型Ⅳ： M （·，+）——加权平均模型
b j = ∑（ w i · r ij ）（ j =1，2，…， m ）
模型 M （·，+）对所有因素依权重大小均衡兼顾，适用于考虑各因素起作用的情况。
