多指标常用综合评价方法比较探究.docxVIP

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(2014)1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(Analytic Hierarchy Process, 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；(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; 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(Fuzzy Comprehensive Evaluation, 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 (Back Propagation)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(Data Envelopment Analysis, 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 DMU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，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