综合系统评价的方法研究

系统综合评价方法摘要信息在我国社会主义现代化建设的今天，无论是国家宏观调控，还是企业及事业单位的经营，人们都要面对各种复杂多变的社会问题和经济现象。他们的分析和比较不仅需要科学的定性分析，更需要定量分析方法的支持。此时突出了应用数学的价值。在我们研究的评价科学的广泛应用领域里，有很多现象和行为可以用数学方法表达和解决。据悉，正确的决策来自科学评价，评价是决策的关键。综合评价通常是指被评估人对对象的客观、公平、合理的综合评价，抽象地表示被评估人将对象视为体系时，如何确认(或开发)多个(同类)系统中的哪些系统运行良好。属性综合评价的理论、方法在经营科学和工程领域占有重要地位，已成为经济管理、产业工程和决策领域不可缺少的重要内容，尤其是对候选队列、主要项目计划的优化、企业经营决策等问题的综合评价问题尤为重要。随着人们对社会现象、经济法的认识的加深，多用途决策问题的指标集也在增加，数据量迅速增加，评价方法多样化的趋势。在这个过程中，繁琐的数据处理和复杂的建模分析没有计算机支持是无法思考的。因此，对评价问题的有力支持成为多个领域的需求。计算机应用对系统分析的影响无疑是巨大的。今天，人性化的计算机操作系统和新的可视化计算机语言为非计算机专业程序员和用户提供了便利。在评价决策中，定性和定量相结合，整合多种计算分析的模型，面向广泛的应用领域，是一般评价决策支持系统软件开发决策科学的需要，也是信息开发的需要。这样，科学的评价和决策方法将在管理、经济、工程项目等各种应用领域得到广泛展开和持续深入的推进。关键词：综合评价，灰色关系综合评价的概念综合评估(comprehensive evaluation)。是对评价对象的客观、公正、合理的评价。即，人们根据不同的评价目的选择适当的评价形式，相应地选择多方面的因素或指标，然后通过一定的评价方法，将多个评价因素或指标替换为反映评价对象整体特征的信息。综合评估的目标系统往往是一些复杂的系统(Complex System)，例如社会、经济、科技、教育、环境和管理。综合评价的结果是对被评价事物的一般水平或趋势的抽象程度较高的数值，这种描述具有整体性和综合性，具有实际的社会经济意义。一般来说，综合评价问题包含5个要素：评价对象、评价指标、权重系数、装配模型和评价者。综合评价的研究现状和发展趋势1)探索新的综合评价方法在综合评价过程中，有一种综合评价方法，它审查和整合了多种定性和定量信息，但这种综合评价方法在应用时仍然摆脱不了综合评价过程的随机性和评价专家主观不确定性和认识的模糊性。即使是同一个评价专家，也经常根据时间和环境，对同一个评价对象做出不一致的主观判断。在综合评价中，有时要充分考虑评价专家的经验和直觉思维的方面，减少综合评价过程中人为的不确定性，反映综合评价方法的规范而高的问题解决效率。2)多种评价方法的综合运输综合评价是一个非常复杂的问题，由上述要素的组合决定，即评估对象集、评估目标(指标)集、评估方法集、评估人集和综合评价结果。现有的评价方法对这些组合的选择缺乏理性标准的评价结论的客观性有影响。采用变换和合并两种以上方法得几种新评价方法得集成思想。相关研究结果归纳为四类。(1)一般综合评价方法和模糊综合评价方法综合方法将模糊化和灰色化结合起来，西蒙建议将经营从“优化”转变为“满意”。现代管理科学倾向于“软化”。评价对象在不明确行动信息不完整、决策目标模糊、难以量化的事实的运用机制中引入了可能性和满足性的概念。模糊数学的“语速”和灰色系统理论的“灰色”正是实现“软化”的有效工具，是在此基础上建立的几种初步聚集方法。(2)一般评价方法与人工智能方法的集成这种整合是评价方法智能化。随着计算机技术的快速发展，经营科学不断采用新技术，决策变得更加科学、民主化和智能化。目前主要有几种综合评价方法：模糊人工神经网络评价方法，应用群决策支持系统(GDSS)。(3)评价方法的逆同化动态评价方法分为两类。一是确定评价指标不同时间点的权重系数，是当前研究中最重要的部分。第二类是时间序列中对象的属性发生变化，因此其他时间评价指标也需要调整，这一研究仍是开始。(4)评估对象的评估和对评估人的评估的集成此集成是评估要素的集成。现有评价方法是研究评价对象多属性指标的综合问题。但是对软指标或结构上不良对象的评价往往不依赖专家，专家的偏好和水平会对评价结果产生重要影响。基于评价家的专家组评价方法的研究旨在解决评价包含软指标或结构不良的对象时专家判断的主观性导致的评价结论不一致问题。专家组评价研究的想法是，将对对象的评价和对专家的评价结合起来，实际上反映了综合思维。(5)集成价值链绩效综合评价思路价值链集成Michael porter(哈佛大学)在竞争优势中引入了价值链分析方法，将企业相关主体认为是创造相同价值的整体。很多学者提出，综合价值链综合评价方法侧重于企业的整体绩效。一方对客户价值采用定性评价方法。另一方面对供应链，评估整个过程，获得综合成果。3)现有综合评价方法的推广和发展现有的综合评价方法往往与理论研究和实际应用脱节。随着理论研究的深入，评价方法越来越复杂，不能有效地面对广泛的实际工作人员，害怕实际工作人员。理论成果的大众化和应用非常有限。应该说，目前不少研究成果具有一定的理论意义，但理论和实践严重脱节的现象也是不争的事实。关于综合评价方法的研究首先要加强基于方法集的组合评价研究。方法集是对对象的评价可以独立完成的方法的总汇。基于方法集的组合评价方法意味着基于评价的基本原则有一定的依据。中的准则和规则是从基本评估方法集中提取多种方法，使用这些评估方法评估评估对象，然后找到优化上述评估结果的理想组合算法模型的全过程。4)使用先进技术方法配置综合综合评价支持系统当前出现的一些评估系统的集成级别和智能程度较低，这些系统的方法基本上是MODM的相关方法，很少涉及其他方法，如AHP和DEA。张将决策分析方法与专家系统相结合，系统的故障诊断能力和人机交互的便利性进一步提高。要有效地评估复杂的对象系统，必须将评估专家(组)的经验和知识、评估指标的数据信息、各种评估方法、相关的先进技术(如人工智能、知识工程、专家系统、人工神经网络、模糊集理论、计算机信息处理技术等)、计算机硬件和软件有机地结合起来，形成统一的智能评估支持系统。建立综合评价指标体系的原则指标体系是综合评价的基础，合理的指标体系是保证综合评价质量的核心问题之一。因此，要构建科学的综合评价指标体系，首先要遵循以下原则：1)目标和匹配原则综合评价应由被评价人首先确定对象和评价对象。评价目标主要由评价指标体系反映。因此，在构建指标体系时，必须确保和评价目标的一致性。2)科学性原则构建指标体系时，要坚持科学性的原则，遵循事物的发展规律，便于现代科学技术的应用，保证指标体系本身的内容、结构等科学合理的东西。3)全面原则对于一个综合评价问题，指标体系必须能够反映所有重点方面，没有重要的目标、信息缺失，才能保证综合评价的全面性。4)有效性原则也称为非重叠原则。在遵循综合原则的同时，指标制度的建立也不能盲目追求或完善，要努力使指标简单有效。对评价目标影响不大或评价对象之间没有差异的指标应通过审查删除。5)独立原则指标系统中同一层的指标必须相互独立，这样就不会对同一目标执行重复计算，每个指标的相互独立是各种加权方法的前提。但是，不同级别的指示器可以是从属的，而不要求独立。6)可测试性原则指标体系中的每个指标必须易于理解，没有异议，其中包含的内容必须可以直接或间接测量。系统综合评价方法评价要解决的主要问题是分类、排序、整体评价，评价方法主要以这种项目的展开为中心进行。关于系统评价的理论和方法大致可分为三类。一种是基于数学理论的方法。它用数学理论和分析方法定量描述和计算评价系统，通常需要在一定的假设下进行评价。评价方法主要包括模糊分析、灰色系统分析、技术和经济分析等。二是以统计分析为主的方法。其特点是将统计样本数据视为随机数据处理，转换指数数据，获得的平均值、方差、协方差反映了指标的潜在规律，通过统计方法分析指数系统，从大样本数据中获得对评价对象的综合理解。评价方法包括主成分分析、因子分析、聚类分析、判别分析、关联分析、层次分析法等。第三，再现决策支持的方法。以计算机系统仿真和仿真技术为主，研究系统的运行与人类的行为目标相匹配，得出系统评价结果的方法。灰色关联分析灰色系统和灰色关联分析1982年，我国学者邓和龙教授发表了第一篇中文论文灰色控制系统，产生了灰色系统这一学科。此后灰色系统在理论方法和实践应用上都取得了相当大的进步为预测和决策提供了新的思路和方法灰色关联分析是灰色系统理论的重要分支，应用灰色关联分析方法从整体概念上综合评价受多种因素影响的事物和现象被广泛接受。灰色关联分析是以灰色关联顺序描述元素之间关系的强度、大小、顺序的方法，是分析和确定系统元素之间的影响程度或元素对系统主要行为的贡献程度的方法。其基本思想是基于因素的数据序列，用数学方法研究因素之间的几何对应关系。也就是说，序列曲线的几何图形越近，其间的灰色关联就越大，反之则越小。以数学方式将其转换为数量比较，并将几何曲线之间的比较转换为数据列和数据列之间的比较。灰色关联分析实际上也是动态指标的定量分析，充分反映了动态意义。进行灰色关联分析的步骤1)构建评估数据矩阵根据评价目的确定评价指标体系，收集评价资料。设置T1个数据序列以形成下一个矩阵。指标数据标准化。标准化的数据序列形成以下矩阵：1)确定参照序列参考系列必须是每个指标的最佳(或最低)值构成参考数据列的理想比较标准，或者是根据评估目的选择相应参考值的理想比较标准。资料矩阵是和参照序列执行比较计算，以查找与引用列最近的数据行或数据列。记录参考系列，如下所示：3)计算差异序列，以找出极地的最大和最小差异计算每个评估的对象指标序列与参照序列对应的元素的绝对差异。确定出差顺序后执行以下数值计算：4)计算关联系数每个指标序列和参考系列中相应元素的关联系数在下面单独计算。其中7=l，2，m. R是分辨率系数，从(0，1)中获取值。工厂越小，关联系数之间的差异就越大，区分能力也越强。通常，r取0.5。对于最佳值数据列，z(k)越大越好。5)灰色关联度计算每个评估对象对每个指标和参考系列中相应元素的相关系数进行平均值，以反映每个评估对象和参考系列的相关关系，这称为灰色关联图。如果各指标在综合评价中发挥不同的作用，即各指标的权重大小不同，这可能是正确的接触数查找加权平均值。也就是说：6)根据灰色关系图排序根据上述公式计算出的灰色关联度的大小是衡量系列之间紧密性的尺度，本公司主要关注指标序列和参考系列的关联度也是评价大小顺序的问题。根据每个观察对象计算的灰色关联度，导出最终综合评价结果。灰色关联分析的改进改进数据预处理传统的灰色关联方法在分析时首先以预处理(即无量纲的方式)处理数据。但是，在实际应用程序中，如果某些序列由不同的物理数量组成，并且数量级差异很大，则无法进行无量纲处理。对于可以无单位处理的序列，处理后更改范围小的元素的权重增加，更改范围大的元素的效果减少，导致影响因素等同化，计算量增加。因此，数据无量纲化此阶段可能不一定合理。灰色关联分析方法的改进是完全不处理数据，简化计算过程，避免要素等同化，客观反映各评价指标的综合效果。但是，这种改进方法必须基于实际评价模型情况，评价者必须对要评价的问题有比较深入和全面的理解，以便有效地应用这种改进方法，得出客观准确的评价。改进指标授权方法GRA的核心是相关度计算，原相关度计算公式，对剧本的平权处理，客观性不好，部分标本不适合更重要的实际情况。对此方向的指数赋权方法进行了改进，最后，加权平均计算与关联系数的相关性更接近实际情况，提高了灰色关联分析的客观性。现在介绍了灰色关系图中赋予指数权重的两种改进方法。1)基于层次分析法的改进层次分析法将复杂问题的各种元素分成互连的有序层次，并制成条通过直接有效地结合物理化学、数据、专家意见和分析者的主观和客观判断，定量地表示每个级别的相对重要性，然后用数学方法确定表示每个级别所有因素的相对重要性权重。使用层次分析法查找指数权重的计算过程如下所述。根据层次分析法计算的指标权重，进行相关计算和分级，得出客观评价结果。2)基于距离分析的改进距离分析的基本想法通常包括最佳采样(也称为理想采样)和最差采样(也称为最佳采样)负异常样本)称为参考样本。计算每个采样与参考采样(接近最佳采样点)的距离。远离最低样品的样品总体上是更好的样品。此方法使用从采样点到最佳采样点的相对接近度进行加权。参照序列选取增强功能传统的灰色关联分析方法已经在实践中得到广泛应用。但是，该方法很大程度上依赖于参考系列的准确性，因此，当参考信号的特性更分散、自由性更大时，相关分析的准确性和可靠