数学建模综合评价方法.docVIP

PAGE

4-

建模参考资料综合评价方法

一、关于评价指标

所谓指标就是用来评价系统的参量．例如，在校学生规模、教学质量、师资结构、科研水平等，就可以作为评价高等院校综合水平的主要指标．一般说来，任何—个指标都反映和刻画事物的—个侧面．

从指标值的特征看，指标可以分为定性指标和定量指标．定性指标是用定性的语言作为指标描述值，定量指标是用具体数据作为指标值．例如，旅游景区质量等级有、、、和之分，则旅游景区质量等级是定性指标；而景区年旅客接待量、门票收入等就是定量指标．

从指标值的变化对评价目的的影响来看，可以将指标分为以下四类：

(1)极大型指标(又称为效益型指标)是指标值越大越好的指标；

(2)极小型指标(又称为成本型指标)是指标值越小越好的指标；

(3)居中型指标是指标值既不是越大越好，也不是越小越好，而是适中为最好的指标；

(4)区间型指标是指标值取在某个区间内为最好的指标．

例如，在评价企业的经济效益时，利润作为指标，其值越大，经济效益就越好，这就是效益型指标；而管理费用作为指标，其值越小，经济效益就越好，所以管理费用是成本型指标．再如建筑工程招标中，投标报价既不能太高又不能太低，其值的变化范围一般是×标的价，超过此范围的都将被淘汰，因此投标报价为区间型指标．投标工期既不能太长又不能太短，就是居中型指标．

在实际中，不论按什么方式对指标进行分类，不同类型的指标可以通过相应的数学方法进行相互转换

1评价指标的处理方法

一般情况下，在综合评价指标中，各指标值可能属于不同类型、不同单位或不同数量级，从而使得各指标之间存在着不可公度性，给综合评价带来了诸多不便．为了尽可能地反映实际情况，消除由于各项指标间的这些差别带来的影响，避免出现不合理的评价结果，就需要对评价指标进行一定的预处理，包括对指标的一致化处理和无量纲化处理．

1．指标的一致化处理

所谓一致化处理就是将评价指标的类型进行统一．一般来说，在评价指标体系中，可能会同时存在极大型指标、极小型指标、居中型指标和区间型指标，它们都具有不同的特点．如产量、利润、成绩等极大型指标是希望取值越大越好；而成本、费用、缺陷等极小型指标则是希望取值越小越好；对于室内温度、空气湿度等居中型指标是既不期望取值太大，也不期望取值太小，而是居中为好．若指标体系中存在不同类型的指标，必须在综合评价之前将评价指标的类型做一致化处理．例如，将各类指标都转化为极大型指标，或极小型指标．一般的做法是将非极大型指标转化为极大型指标．但是，在不同的指标权重确定方法和评价模型中，指标一致化处理也有差异．

(1)极小型指标化为极大型指标

对极小型指标，将其转化为极大型指标时，只需对指标取倒数：

，

或做平移变换：

，

其中，即n个评价对象第j项指标值最大者．

(2)居中型指标化为极大型指标

对居中型指标，令，，取

就可以将转化为极大型指标．

(3)区间型指标化为极大型指标

对区间型指标，是取值介于区间内时为最好，指标值离该区间越远就越差．令，，取

就可以将区间型指标转化为极大型指标．

类似地，通过适当的数学变换，也可以将极大型指标、居中型指标转化为极小型指标．

2．指标的无量纲化处理

所谓无量纲化，也称为指标的规范化，是通过数学变换来消除原始指标的单位及其数值数量级影响的过程．因此，就有指标的实际值和评价值之分．—般地，将指标无量纲化处理以后的值称为指标评价值．无量纲化过程就是将指标实际值转化为指标评价值的过程．

对于个评价对象，每个评价对象有个指标，其观测值分别为

．

(1)标准样本变换法

令

0

0

很高

1.0

高

3.0

一般

5.0

低

7.0

很低

9.0

10.0

10.0

二、关于模糊综合评价方法

在客观世界中，存在着许多不确定性现象，这种不确定性有两大类：一类是随机性现象，即事物对象是明确的，由于人们对事物的因果律掌握不够，使得相应结果具有不可预知性，例如晴天、下雨、下雪，这是明确的，但出现规律不确定；另一类是模糊性现象，即某些事物或概念的边界不清楚，使得事物的差异之间存在着中间过渡过程或过渡结果，例如年轻与年老、高与矮、美与丑等，这种不确定性现象不是人们的认识达不到客观实际所造成的，而是事物的一种内在结构的不确定属性，称为模糊性现象．

模糊数学就是用数学方法研究和处理具有“模糊性”现象的一个数学分支．而模糊综合评价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．

．1隶属度函数的确定方法

隶属度的思想是模糊数学的基本思想，确定符合实际的隶属函数是应用模糊数学方法建立数学模型的关键，然而这是至今尚未