多指标常用综合评价方法比较探究

多指标常用综合评价方法比较探究

ID:31775525

大小:56.59 KB

页数:5页

时间:2019-01-18

多指标常用综合评价方法比较探究_第1页
多指标常用综合评价方法比较探究_第2页
多指标常用综合评价方法比较探究_第3页
多指标常用综合评价方法比较探究_第4页
多指标常用综合评价方法比较探究_第5页
资源描述:

《多指标常用综合评价方法比较探究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、多指标常用综合评价方法比较探究摘要:通过对常用的多指标综合评价方法的基本理念和应用步骤进行了论述,并对其优缺点和各自适用情况进行对比,以期为其应用研究提供合理的选择。关键词:综合评价方法;比较中图分类号:F2文献标识码:A文章编号:16723198(2014)070020011引言综合评价是指对以多属性体系结构描述的对象系统作出全局性、整体性的评价,即根据条件运用一定方法对评价对象全体中的每一个评价对象赋予评价值,并排序、择优。20世纪70〜80年代,现代综合评价方法蓬勃兴起,产生了多种评价方法。但因各评价方法的使用条件、优缺点及适用对象不同,故文章在对多属性指标常用综合评价方

2、法的基本思想和步骤概述的基础上,对各评价方法优缺点及适用情况的对比,为应用研究中的合理选择使用提供参考。2常用综合评价方法2.1层次分析法层次分析法(AnalyticHierarchyProcess,AHP)是20世纪70年代由著名运筹学家T.L.Saaty提出,用于解决多因素复杂问题,经过多年发展已成为一种较为成熟的评价方法。该方法将定性分析与定量分析相结合,通过全面分析待评价系统的性质和影响因素将备选方案的各要素按层次分解,构造出自下而上的递阶层次结构,再对同层次要素比较,判断得出重要度并排序。AHP方法大致步骤如下:(1)根据评价对象的性质和目标,建立系统的递阶层次结构;

3、(2)对同一层次上的各要素对其上一层次的相对重要性进行两两比较,构造判断矩阵;(3)计算各要素的相对权重,进行层次单排序和一致性检验;(4)逐层合成计算每个判断矩阵各因素对目标层的相对权重,进行层次总排序,并对排序结果进行一致性检验。2.2模糊综合评价法模糊综合评价(FuzzyComprehensiveEvaluation,FCE)以模糊数学为基础,运用模糊关系合成的原理,针对评价对象因素的模糊性,将边界不清晰的因素定量化,根据多个评价因素对被评价对象隶属等级状况进行评价的一种方法。该方法依据评价条件,对评价对象全体的每一个对象赋予一个非负实数,据此进行排序并择优。FCE方法的

4、基本步骤如下:(1)确定评价对象的因素集U和评语集V;(2)对各因素赋予相应的权数,得到权重集A;(3)单因素评价,得到模糊关系矩阵R;(4)将A与R合成计算得到各模糊综合评价结果向量B;(5)对B进行分析、排序和择优。2.3BP神经网络评价法BP(BackPropagation)神经网络又称为误差反向传播网络,实现一种从输入到输出的映射关系,由输入层、隐含层和输出层组成,是一种典型的多层前馈网络。:BP神经网络的学习过程包括信息正向传播和误差反向传播两部分,正向传播时输入样本从输入层节点输入,经过隐含层处理并传向输出层,若输出层未得到期望输出,则转入反向传播。标准BP神经网络

5、学习算法的步骤如下:(1)网络初始化,给定各连接权值、误差函数、计算精度值和最大学习次数;(2)随机选取输入样本及对应期望输出,计算隐含层各神经元的输入输出;(3)计算误差函数对输出层的各神经元的偏导数;(4)计算误差函数对隐含层各神经元的偏导数;(5)对连接权值进行修正并计算全局误差;(6)对计算结果进行评判。2.4数据包络分析法数据包络分析(DataEnvelopmentAnalysis,DEA)是美国著名运筹学家A.Charnes和W.W.Cooper等学者提出,以相对效率概念为基础发展起来的一种综合评价方法。DEA使用数学规划模型比较决策单元(DMU)之间的相对效率对D

6、MU做出评价,不仅能对同类型DMU的相对有效性进行评定、排序,而且能够分析其非DEA有效的原因及改进放方向。DEA评价方法步骤如下:(1)明确评价目标,并围绕目标对评价对象进行分析;(2)选择DMU,并对其结构、层次进行分析;(3)建立能够全面反映评价目标和评价内容的输入输出指标体系;(4)收集并整理数据,根据研究问题的实际背景选择DEA模型进行计算;(5)对计算结果进行分析。3多指标综合评价方法比较分析通过上述分析,根据常用综合评价方法的特性,归纳整理各方法的优缺点及适用情况如表1所示。表1常用多指标综合评价方法比较方法1优点1缺点1适用情况AHP1定性与定量相结合,原理简单

7、,评价结果可靠性高,误差小1评价对象因素数量限制,权重确定易受主观因素影响1适用于总目标不明确,难以完全定量化的复杂问题FCE1模型简单易懂,将不确定信息定量化,评价结果包含信息丰富,实用性强1未能有效解决指标间信息重叠,权重确定主观性较强1适用于权数确定、边界描述不清晰的多因素、多层次的复杂问题BP1具有自适应能力、可容错性,可实现输入与输出间的任意非线性映射1需要大量训练样本,计算结果精度不高1处理非线性、非局域性与非凸性的大型复杂系统DEA1对数据和函数形式无具体要求,信息利用率较高,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。