数学建模 综合评价与决策方法课件

1、数学建模算法与应用,1,PPT学习交流,第14章 综合评价与决策方法,数学建模算法与应用,2,PPT学习交流,14.1 理想解法,3,PPT学习交流,14.1.1示例,4,PPT学习交流,采用上式进行属性规范化时，经过变换的最差属性值不一定为0，最佳属性值为1。,5,PPT学习交流,14.1.2 方法和原理,6,PPT学习交流,14.1.3 TOPSIS法的算法步骤,7,PPT学习交流,14.2 模糊综合评判法,8,PPT学习交流,14.2.1 一级模糊综合评判在人事考核中的应用,9,PPT学习交流,2020年6月28日,10,模糊综合评判,一级模糊综合评判,10,PPT学习交流,2020年6

2、月28日,11,模糊综合评判,11,PPT学习交流,2020年6月28日,12,根据运算 的不同定义，可得到以下不同模型：,模糊综合评判,12,PPT学习交流,2020年6月28日,13,例如有单因素评判矩阵,则B(0.18, 0.18, 0.18, 0.18),13,PPT学习交流,2020年6月28日,14,模糊综合评判,14,PPT学习交流,2020年6月28日,15,模糊综合评判,15,PPT学习交流,2020年6月28日,16,其中：,模糊综合评判,16,PPT学习交流,2020年6月28日,17,例 ：“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,

3、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 1,17,PPT学习交流,2020年6月28日,18,给定以教学为主的权重A = (0.2, 0.5, 0.1, 0.2)，分别用M(,)、 M( , )模型所作评判下：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

4、, 0.13, 0.04, 0.04),18,PPT学习交流,2020年6月28日,19,模糊综合结论,最后通过对模糊评判向量B的分析作出综合结论一般可以采用以下三种方法： (1) 最大隶属原则 (2) 加权平均原则,评价等级集合为=很好，好，一般，差，各等级赋值分别为4，3，2，1,19,PPT学习交流,14.2.2 多层次模糊综合评判在人事考核中的应用,20,PPT学习交流,根据最大隶属度原则，认为对该员工的评价为良好。 同理可对该部门其他员工进行考核。,21,PPT学习交流,14.3 数据包络分析法,22,PPT学习交流,14.4 灰色关联分析法,23,PPT学习交流,14.5 主成分分析法,当影响事件的因素过多时，可以根据因素内在关系 构造出影响事件的主要成分，并且用主要成分来对事件 进行评分。,24,PPT学习交流,为主成分,的累积贡献率，,25,PPT学习交流,14.6