综合评价作业
2020-03-03 02:15:41 来源：范文大全收藏下载本文
模糊综合评价法的优缺点及各种改进
1.模糊综合评判法
1965年，美国加利福尼亚大学的控制论专家查德(L．A．Zadeh)根据科学技术发展的客观需要，经过多年的潜心研究，发表了一篇题为《模糊集合》(Fuzzy Sets)的重要论文，第一次成功地运用精确的数学方法描述了模糊概念，在精确的经典数学与充满了模糊性的现实世界之间架起了一座桥梁，从而宣告了模糊数学的诞生。从此，模糊现象进入了人类科学研究的领域。
模糊综合评判，即Fuzzy Comprehensive Evaluation(简称FCE)就是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清，不易定量的因素定量化，进行综合评价的一种方法。它是模糊数学在自然科学领域和社会科学领域中应用的一个重要方面。
模糊综合评判法的基本原理：模糊评价法是运用模糊(Fuzzy)集理论对各个因素(或指标)进行综合，然后根据给定标准，得出综合性意见。
模糊综合评价是在考虑多种因素的影响下，运用模糊数学工具对某实物做出综合评价。设U={ u1 ,u2 ,… ,um
}为刻画被评价对象的m种因素，V=｛ v1 ,v2 ,… ,Vn ｝为刻画每一因素所处状态的n种决断。这里存在着两类模糊集，以主观赋权为例，一类是指标因素集U中诸元在人们心目中的重要程度的量，表现为因素集U上的模糊权重向量A=（a1 ,a2 ,… ,am ）；另一类是 UV 上的模糊关系，表现为mn模糊矩阵R，这两类模糊集都是人们价值观念或偏好结构的反映。再对这两类集施加某种模糊运算，便得到V上的一个模糊子集B=（ b1 ,b2 ,… ,bn ）。因此模糊综合评价是指寻找模糊权重向量，A=（ a1 ,a2 ,… ,am ） F(U),以及一个从U到V的模糊变换f，即对每一因素ui 单独做出一个判断，f(ui)=( ri1 ,ri2 ,… ,rinF(V),i=1,2,…,m)据此构造模糊矩阵R=[rij]m*nF(UV),其中rij表示因素ui具有评语vj的程度，即vj对模糊集B的隶属度。
1.2.模糊综合评判法的优点
可以克服传统数学方法中唯一解0 的弊端.根据不同可能性得出多个层次的问题题解, 具备可扩展性, 符合现代管理中柔性管理0 的思想。
(1)隶属函数和模糊统计方法为定性指标定量化提供了有效的方法，实现了定性和定量方法的有效集合。 r (2)在客观事物中，一些问题往往不是绝对的肯定或绝对的否定，涉及到模糊因素，而模糊综合评判方法则很好地解决了判断的模糊性和不确定性问题。
(3)所得结果为一向量，即评语集在其论域上的子集，克服了传统数学方法结果单一性的缺陷，结果包含的信息量丰富。
1.3．模糊综合评判法的缺点
不能解决评价指标间相关造成的信息重复问题, 隶属函数、模糊相关矩阵等的确定方法有待进一步研究。
(1)不能解决评价指标间相关造成的评价信息重复问题。 (2)各因素权重的确定带有一定的主观性。
(3)在某些情况下，隶属函数的确定有一定困难。尤其是多目标评价模型，要对每一目标、每个因确定隶属度函数，过于繁琐，实用性不强。
2.模糊综合评价方法的改进
一般的综合评价方法与模糊综合评价方法结合，信息技术、神经网络等新兴学科在模糊综合评价中的贡献，使得模糊综合评价有了新的拓展，例如，西蒙提出管理从最优化0 到满意度0 的转变。现代管理科学趋向于软化0.评价对象由于运行机制不清楚, 行为信息不完全, 决策目标具有模糊性且难以量化.于是在原有的综合评价方法中引进了可能度和满意度的概念.模糊数学的隶属度0 和灰色系统理论中的灰度0 正好是实现柔化0 的有效工具, 基于此产生了一些初步集化的方法。
2.1 非线性规划方法和模糊综合评价法结合
将非线性方法与模糊综合评价相结合，基于模糊数学的主观赋权标度法和基于非线性规划模型的客观赋值标度法结合的综合评价方法, 并应用于高新技术企业的评价。
2.2 层次分析法对模糊综合评价的改进
基于改进层次分析法的模糊综合评价决策方法，利用了加速遗传算法(AGA)检验、修正判断矩阵，可以直接根据判断矩阵的定义导出描述判断矩阵一致性程度的一致性指标系数，其一致性指标比层次分析法更为直观和合理。
2.3信息熵对模糊综合评价的改进
指标权重系数是模糊综合评价中非常重要的一个因素，常用的定权方法大多只考虑了单个指标所作的贡献，没有涉及多个待评事物之间的相互联系，无法描述由于指标值的差异性程度不同而对指标间权重分配产生的影响。因此，本文在确定权重系数时引入信息熵的概念。
2.4 模糊聚类方法
基于统计方法中系统聚类的基础上引入隶属度, 扩展了决策的层次.何小群将之应用到城市发展综合评价, 取得较好的成效。
2.5 灰色层次决策方法 评价对象有不同层次指标, 可以分别构造白化值矩阵和决策灰类的白化函数, 通过计算各层次的灰色统计决策矩阵与综合权值, 进行排序。
各类方法模糊化以后, 更加符合现代管理柔性化0 原则.不足点是只能部分解决单方法的缺点, 并且未能实现智能化0.2.6 模糊人工神经网络评价方法
基于BP 算法的ANN 基础上发展起来的, 通过引入模糊数学、遗传算法、基于agent 的建模方法和Swarm 仿真、离散事件系统建模工具Petri网等, 将技术方法应用到综合评价领域, 用。
使方法更加灵活、智能化.
这些方法正不断地被应综合评价课程学习心得体会
通过综合评价课程的学习，使我明确了，综合评价问题实质是对被评价对象所进行的客观、公正、合理的全面评价。通常的综合评价问题都是有若干个同类的被评价对象(或系统)，每个被评价对象往往都涉及到多个属性（或指标）。 它的目的是根据系统的属性判断确定这些系统的运行状况哪个优、哪个劣，即按优劣对各被评价对象进排序或分类。这类问题又称为多属性（或多指标）的综合评价问题。
综合评价在生产生活众多方面有着广泛的应用，例如在研究多目标决策问题的前提，研究解决实际中特别是在政治、经济、社会及军事管理、工程技术及科学决策等领域都有重要的应用价值。
构成综合评价问题的五个要素分别为:被评价对象、评价指标、权重系数、综合评价模型和评价者。
其中，对于评价指标的选取，通过课程的不断深入，我认识到，在整个综合评价过程中是十分重要的环节，它关系到综合评价结果是否具有全面的可利用的价值。在实际工作中，往往综合使用多种方法进行指标筛选，在获得较为满意的专业解释的基础上，优先考虑那些被多种方法同时选入的指标。评价指标体系应遵守系统性、科学性、可比性、可测性和独立性的原则。在综合评价时，必须做到使所有的指标都从同一角度说明总体,以及所有的指标可以相加。这就提出了如何使指标一致化的问题,以及如何对指标进行无量纲化处理的问题。
在此，我们有众多的方法可以采用，也是进一步学习研究综合评价方法的一个突破口，例如将极小型化为极大型、将居中型化为极大型、将区间型化为极大型、定性指标的量化处理方法，另外将数据指标的无量纲化处理方法有标准差法
、极值差法、功效系数法等。
另一个需要特别研究及今后重点学习的部分是，权重系数的赋予，其中主要的是主观赋权法。例如，德尔菲法，即实际上各个专家可以根据自己的理解选择不同的方法。相邻指标比较法，即先按重要性将全部评价指标排序，再将相邻指标的重要性进行比较。层次分析法，即互反式两两比较构权法。模糊综合评价，即对评价对象按综合分值的大小进行评价和排序，根据模糊评价集上的值按最大隶属度原则去评定对象的等级。这一些类别的定权带有一定的主观性，用不同方法确定的权重分配，可能不尽一致，这将导致权重分配的不确定性，最终可能导致评价结果的不确定性。因而在实际工作中，不论用哪种方法确定权重分配，都应当依赖于较为合理的专业解释。关于客观赋权法，它是从指标的统计性质来考虑，它是由客观数据决定的赋权法，包括变异信息构权、相关信息构权、熵信息构权等。
关于综合评价的方法，在学习中我认识到，方法的种类繁多，但需要针对不同问题进行适当的选取，在学习中，我们接触到的评价方法有，现有的统计方法主要是多元统计方法，如多元回归、逐步回归分析、判别分析、因子分析、时间序列分析等。模糊多元分析方法主要由模糊数学发展而来，包括模糊聚类、模糊判别、模糊综合评价等方法。其他简易方法，例如综合评分法、综合指数法、层次分析法、Topsis法、秩和比法等。这些评价方法具有可以相互结合使用的优势，可以根据需要进行分别的筛选和改进。
通过此门课程的学习，加深了我有关专业知识的认识与掌握，拓宽了知识面与认知领域，是对于我所学习的专业十分具有实际应用意义的一门课程，在今后的学习及实际问题操作中，我会进一步加深对此领域相关资料的搜集整理，以及进一步的研究。
人人范文网 m.inrrp.com.cn 手机版