[化学]常用综合评价方法介绍.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 对于给定各因素权重A = (0.1, 0.2, 0.3, 0.4),分别用各种模型所作的评判如下： M(∧,∨)： B = (0.2, 0.3, 0.4, 0.1) M( · ,∨)： B = (0.14, 0.12, 0.2, 0.03) M(∧, ＋)：B = (0.5, 0.9, 0.9, 0.2) M( · , ＋)： B = (0.24, 0.33, 0.39, 0.04) 对于给定各因素权重A = (0.4, 0.35, 0.15, 0.1),分别用各种模型所作的评判如下： M(∧,∨)： B = (0.35, 0.4, 0.2, 0.1) M( · ,∨)： B = (0.245, 0.2, 0.08, 0.04) M(∧, ＋)：B = (0.65, 0.85, 0.55, 0.2) M( · , ＋)： B = (0.345, 0.36, 0.24, 0.055) 例2. “晋升”的数学模型. 以高校老师晋升教授为例：因素集U ={政治表现及工作态度,教学水平,科研水平,外语水平},评判集V={好,较好,一般,较差,差}. 因素 好 较好 一般 较差 差 政治表现及工作态度 4 2 1 0 0 教学水平 6 1 0 0 0 科研水平 0 0 5 1 1 外语水平 2 2 1 1 1 给定以教学为主的权重A = (0.2, 0.5, 0.1, 0.2)，分别用M(∧,∨)、 M( · , ＋)模型所作的评判如下： M(∧,∨)： B = (0.5, 0.2, 0.14, 0.14, 0.14) 归一化后，B = (0.46, 0.18, 0.12, 0.12, 0.12) M( · , ＋)： B = (0.6, 0.19, 0.13, 0.04, 0.04) 模糊数学方法中权重的确定方法 在模糊综合评判决策中,权重是至关重要的,它反映了各个因素在综合决策过程中所占有的地位或所起的作用,它直接影响到综合决策的结果. 凭经验给出的权重,在一定的程度上能反映实际情况,评判的结果也比较符合实际,但它往往带有主观性,是不能客观地反映实际情况,评判结果可能“失真”. 加权统计方法 因素 uj 权重 aij 1 频数统计方法 (1) 对每一个因素uj ,在k个专家所给的权重aij中找出最大值Mj和最小值mj ,即 Mj =max{aij|1 ≤i ≤k}, j =1, 2 , … n; mj =min{aij|1 ≤i ≤k}, j =1, 2 , … n. (2) 选取适当的正整数p,将因素uj所对应的权重aij从小到大分成p组,组距为(Mj - mj)/p. (3) 计算落在每组内权重的频数与频率 (4) 取最大频率所在分组的组中值(或邻近的值)作为因素uj的权重. (5) 将所得的结果归一化. 八、灰色关联分析法综合评价 利用灰色关联分析进行综合评价的步骤是： 1．根据评价目的确定评价指标体系，收集评价数据。 设n个数据序列形成如下矩阵： 其中 为指标的个数，． 2．确定参考数据列 参考数据列应该是一个理想的比较标准，可以以各指标的最优值 （或最劣值）构成参考数据列，也可根据评价目的选择其它参照值．记作 3．对指标数据进行无量纲化 无量纲化后的数据序列形成如下矩阵： 常用的无量纲化方法有均值化法（见（12－3）式）、初值化法（见（12－4）式）和 变换等． 或采用内插法使各指标数据取值范围（或数量级）相同． 例如，某地县级医院病床使用率最高为90%，最低为60%，我们可以将90%转化10，60%转化为1，其它可以通过内插法确定其转化值．如80%转化为多少？可进行如下计算： 解之得，即80%转化为7． 4．逐个计算每个被评价对象指标序列（比较序列）与参考序列对应元素的绝对差值 即 （ , 为被评价对象的个数）． 5．确定 与 6．计算关联系数 由（12－5）式，分别计算每个比较序列与参考序列对应元素的关联系数． 当用各指标的最优值 （或最劣值），构成参考数据列计算关联