数学建模综合评价方法(定)

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 5A 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 4A3A2A1A 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 10 5 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 8 2 4 评价指标的预处理方法 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 j x j x 1 j j x x 或做平移变换 jjj xMx 其中 即 n 个评价对象第 j 项指标值最大者 1 max jij i n Mx ij x 2 居中型指标化为极大型指标居中型指标化为极大型指标 对居中型指标 令 取 j x 1 max jij i n Mx 1 min jij i n mx 2 2 2 2 jjjj jj jj j jjjj jj jj xmMm mx Mm x MxMm xM Mm 就可以将转化为极大型指标 j x 3 区间型指标化为极大型指标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 j x j x jj a b 越差 令 取 1 max jij i n Mx 1 min jij i n mx max jjjjj cam Mb 1 1 1 jj jj j jjjj jj jj j ax xa c xaxb xb xb c 就可以将区间型指标转化为极大型指标 j x 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n 12 n S SS m 1 2 1 2 ij x in jm 1 标准样本变换法标准样本变换法 令 1 1 ijj ij j xx xinjm s 其中样本均值 样本均方差 称为标准观测 1 1 n jij i xx n 2 1 1 n jijj i sxx n ij x 值 特点 样本均值为 方差为 区间不确定 处理后各指标的最大值 最小值不01 相同 对于指标值恒定 的情况不适用 对于要求指标评价值的评价方法0 j s 0 ij x 如熵值法 几何加权平均法等 不适用 2 线性比例变换法线性比例变换法 对于极大型指标 令 1 1 max0 1 1 max ij ijij i n ij i n x xxinjm x 对极小型指标 令 1 min 1 1 ij i n ij ij x xinjm x 或 1 1 1 max0 1 1 max ij ijij i n ij i n x xxinjm x 该方法的优点是这些变换方式是线性的 且变化前后的属性值成比例 但对任一指标 来说 变换后的和不一定同时出现 1 ij x 0 ij x 特点 当时 计算简便 并保留了相对排序关系 0 ij x 0 1 ij x 3 向量归一化法向量归一化法 对于极大型指标 令 2 1 1 1 ij ij n ij i x xinjm x 对于极小型指标 令 2 1 1 1 1 ij ij n ij i x xinjm x 优点 当时 即 该方法使 且变换前0 ij x 0 1 ij x 2 1 1 n ij i x 01 ij x 后正逆方向不变 缺点是它是非线性变换 变换后各指标的最大值和最小值不相同 4 极差变换法极差变换法 对于极大型指标 令 1 11 min 1 1 maxmin ijij i n ij ijij i ni n xx xinjm xx 对于极小型指标 令 0 很低 1 0 低 3 0 一般 5 0 高 7 0 很高 9 010 0 1 11 max 1 1 maxmin ijij i n ij ijij i ni n xx ximjn xx 其优点为经过极差变换后 均有 且最优指标值 最劣指标值 01 ij x 1 ij x 该方法的缺点是变换前后的各指标值不成比例 对于指标值恒定 的情 0 ij x 0 j s 况不适用 5 功效系数法功效系数法 令 1 11 min 1 1 maxmin ijij i n ij ijij i ni n xx xcdinjm xx 其中均为确定的常数 表示 平移量 表示指标实际基础值 表示 旋转量 c dcd 即表示 放大 或 缩小 倍数 则 ij xc cd 通常取 即60 40cd 1 11 min 6040 1 1 maxmin ijij i n ij ijij i ni n xx xinjm xx 则实际基础值为 最大值为 即 ij x60100 60 100 ij x 特点 该方法可以看成更普遍意义下的一种极值处理法 取值范围确定 最小值为 最大值为 ccd 3 定性指标的定量化 在综合评价工作中 有些评价指标是定性指标 即只给出定性地描述 例如 质量 很好 性能一般 可靠性高 态度恶劣等 对于这些指标 在进行综合评价时 必须先 通过适当的方式进行赋值 使其量化 一般来说 对于指标最优值可赋值 对于指10 0 标最劣值可赋值为 对极大型和极小型定性指标常按以下方式赋值 0 0 1 极大型定性指标量化方法极大型定性指标量化方法 对于极大型定性指标而言 如果指标能够分为很低 低 一般 高和很高等五个等 级 则可以分别取量化值为 1 0 3 0 5 0 7 0 和 9 0 对应关系如图 8 2 所示 介于两个等 级之间的可以取两个分值之间的适当数值作为量化值 图 2 极大型定性指标量化方法 2 极小型定性指标量化方法极小型定性指标量化方法 对于极小型定性指标而言 如果指标能够分为很高 高 一般 低和很低等五个等 级 则可以分别取量化值 为 1 0 3 0 5 0 7 0 和 9 0 对应关系如图 8 3 所示 介于两个等级之间的可以取两个分值之间 的适当数值作为量化值 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 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 然而这是至今尚未完全解决的问题 下面介绍几种常用的确定 隶属函数的方法 模糊统计法模糊统计法 模糊统计法是利用概率统计思想确定隶属度函数的一种客观方法 是在模糊统计的 基础上根据隶属度的客观存在性来确定的 下面以确定青年人的隶属函数为例来介绍其 主要过程 以年龄为论域 在论域中取一固定样本点 XX 0 27x 设为论域上随机变动的普通集合 是青年人在上以为弹性边界 AX A AX A 的模糊集 对的变动具有制约作用 其中 或 使得对的隶属关 A A 0 xA A 0 xA 0 x A A 系具有不确定性 然后进行模糊统计试验 若次试验中覆盖的次数为 则称n 0 x n m 为对于的隶属频率 由于当试验次数不断增大时 隶属频率趋于某一确定的 n m n 0 x A An 常数 该常数就是属于的隶属度 即 0 x A A A 0 lim n A n m x n 比如在论域中取 选择若干合适人选 请他们写出各自认为青年人最适X 0 27x 宜最恰当的年龄区间 从多少岁到多少岁 即将模糊概念明确化 若次试验中覆盖 27n 岁的年龄区间的次数为 则称为 27 岁对于青年人的隶属频率 表 8 4 是抽样调查m m n 统计的结果 由于 27 岁对于青年人的隶属频率稳定在 0 78 附近 因此可得到 0 很高 1 0 高 3 0 一般 5 0 低 7 0 很低 9 010 0 属于模糊集的隶属度 0 27x A A A 27 0 78 A 表 8 4 27 岁对青年人的隶属频率 试验次数n102030405060708090100110120129 隶属次数m61423313947536268768595101 隶属频率m n 0 600 700 770 780 780 760 760 780 760 760 750 790 78 在论域中适当的取若干个样本点 分别确定出其隶属度X 12 n x xx 建立适当坐标系 描点连线即可得到模糊集的隶属函数曲 A 1 2 i A xin A A 线 将论域分组 每组以中值为代表分别计算各组隶属频率 连续地描出图形使得到X 青年人的隶属函数曲线 见表 8 5 与图 8 5 所示 确定模糊集合隶属函数的模糊统计方法 重视实际资料中包含的信息 采用了统计 分析手段 是一种应用确定性分析揭示不确定性规律的有效方法 特别是对一些隶属规 律不清楚的模糊集合 也能较好地确定其隶属函数 表 8 5 分组计算隶属频率 试验次数 129 分组频数隶属频率分组频数隶属频率 13 5 14 520 01625 5 26 51030 798 14 5 15 5270 21026 5 27 51010 783 15 5 16 5510 39527 5 28 5990 767 16 5 17 5670 51928 5 29 5800 620 17 5 18 51240 96129 5 30 5770 597 18 5 19 51251 0030 5 31 5270 209 19 5 20 51291 0031 5 32 5270 209 20 5 21 51291 0032 5 33 5260 202 21 5 22 51291 0033 5 34 5260 202 22 5 23 51291 0034 5 35 5260 202 23 5 24 51291 0035 5 36 510 008 24 5 25 51280 992 三分法三分法 三分法也是利用概率统计中思想以随机区间为工 具来处理模糊性的的一种客观方法 例如建立矮个子 中等个子 高个子三个模糊概念的隶属 A1 A A 2A A3 A 函数 设 3 P 矮个子 中等个子 高个子 论域为身高的集合 取 单位 m 每X 0 3 X 次模糊试验确定的一次划分 每次划分确定一对X 数 其中为矮个子与中等个子的分界点 为中等个子与高个子的分界点 从而将模糊试验转化为如下随机试验 即将看 作二维随机变量 进行抽样调查 求得 的概率分布 后 再分别导 P x P x 出 和的隶属函数 和 相应的示意图如图 8 6 所示 A1 A A 2A A3 A A1 A x A2 A x A3 A x A1 A x xP t dt A3 A x xP t dt AAA 213 1 AAA xxx 图图 8 5 年轻人的隶属函数曲年轻人的隶属函数曲线线 图图 8 6 由概率分布确定模糊集隶属由概率分布确定模糊集隶属函数函数 通常和分别服从正态分布和 则 和的隶属函 2 11 N a 2 22 N a A1 A A 2A A3 A 数分别为 A1 1 1 1 A xa x A3 2 2 1 A xa x A2 21 21 A xaxa x 其中 2 2 1 2 t x xedt 模糊分布法模糊分布法 根据实际情况 首先选定某些带参数的函数 来表示某种类型模糊概念的隶属函数 论域为实数域 然后再通过实验确定参数 在客观事物中 最常见的是以实数集作论域的情形 若模糊集定义在实数域上 R 则模糊集的隶属函数便称为模糊分布模糊分布 下面给出几种常用的模糊分布 在以后确定隶属 函数时 就可以根据问题的性质 选择适当 即符合实际情况 模糊分布 根据测量数据 求出分布中所含的参数 从而就可以确定出隶属函数了 为了选择适当的模糊分布 首先应根据实际描述的对象给出选择的大致方向 偏小型模糊分布适合描述像 小 冷 青年 以及颜色的 淡 等偏向小的一方的模 糊现象 其隶属函数的一般形式为 A 1 A xa x f xxa 偏大型模糊分布适合描述像 大 热 老年 以及颜色的 浓 等偏向大的一方的模 糊现象 其隶属函数的一般形式为 A 0 A xa x f xxa 中间型模糊分布适合描述像 中 暖和 中年 等处于中间状态的模糊现象 其隶 属面数可以通过中间型模糊分布表示 矩形 或半矩形 分布 a 偏小型 b 偏大型 c 中间型 A 1 0 A xa x xa A 0 1 A xa x xa A 0 1 0 A xa xaxb xb 此类分布是用于确切概念 矩形 或半矩形 分布相应的示意图如图 8 7 所示 a 偏小型 b 偏大型 c 中间型 图图 8 7 矩形矩形 或半矩形或半矩形 分布示意图分布示意图 梯形 或半梯形 分布 a 偏小型 b 偏大型 c 中间型 A 1 0 A xa bx xaxb ba xb A 0 1 A xa xa xaxb ba xb A 0 1 A xa xd xa