專利名稱：一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā) 明涉及一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，屬于輔助決策和綜合評(píng) 價(jià)技術(shù)領(lǐng)域。
背景技術(shù)：
決策是人們?yōu)榱诉_(dá)到某一目的而進(jìn)行的有意識(shí)、有選擇的行動(dòng)。評(píng)價(jià)是決策的前 提和依據(jù)，它為決策提供基礎(chǔ)支撐。評(píng)價(jià)的目的是對(duì)客觀事物進(jìn)行綜合分析，其結(jié)果應(yīng)能客 觀公正的反映事物的發(fā)展變化，并為評(píng)價(jià)組織者、決策者所信服和接受。在實(shí)際決策過程 中，由于決策問題的多樣性和復(fù)雜性，決定評(píng)價(jià)問題的復(fù)雜性和廣泛性，對(duì)評(píng)價(jià)問題的研究 已引起學(xué)術(shù)界的廣泛關(guān)注，成為研究領(lǐng)域中的熱點(diǎn)問題之一。綜合評(píng)價(jià)的核心是建立高維評(píng)價(jià)指標(biāo)空間到某一維實(shí)數(shù)空間的一種數(shù)學(xué)映射，根 據(jù)研究對(duì)象在該一維實(shí)數(shù)空間中的取值進(jìn)行分類排序。由于影響綜合評(píng)價(jià)的因素較多、相 互之間的關(guān)系復(fù)雜，很難利用數(shù)學(xué)建模方法和優(yōu)化方法來準(zhǔn)確構(gòu)造數(shù)學(xué)表達(dá)形式，并且很 難結(jié)合和利用專家和決策者在綜合評(píng)價(jià)時(shí)所具有的經(jīng)驗(yàn)知識(shí)和智慧。因此，在解決復(fù)雜系 統(tǒng)問題時(shí)，要利用人的知識(shí)經(jīng)驗(yàn)和人工智能、模糊識(shí)別、知識(shí)工程等方法建立知識(shí)模型，采 用知識(shí)模型與數(shù)學(xué)模型相結(jié)合的形式，處理復(fù)雜問題的綜合評(píng)價(jià)問題。目前，遺傳算法、人 工神經(jīng)網(wǎng)絡(luò)方法和模糊集方法是建立和發(fā)展這類廣義模型的有效方法。層次分析法(ΑΗΡ, The Analytic Hierarchy Process)是美國匹茲堡大學(xué)數(shù)學(xué)系 教授，著名運(yùn)籌學(xué)家薩迪Τ. L. Saaty于70年代中期提出來的一種定性、定量相結(jié)合的、系統(tǒng) 化、層次化的分析方法。層次分析法本質(zhì)上是一種多目標(biāo)群體決策思想和方法。傳統(tǒng)的統(tǒng)計(jì)模型均采用了 “假定_模擬_預(yù)測(cè)”這樣一種證實(shí)性數(shù)據(jù)分析思路， 難以適應(yīng)千變?nèi)f化的客觀世界，無法真正找到數(shù)據(jù)的內(nèi)在規(guī)律，當(dāng)它被用于高維、非線性、 非正態(tài)分布數(shù)據(jù)預(yù)測(cè)建模時(shí)，很難收到好的效果.針對(duì)這一不足，上世紀(jì)70年代以來，隨 著計(jì)算機(jī)技術(shù)的發(fā)展，國際統(tǒng)計(jì)界發(fā)展了一種投影尋蹤技術(shù)(Projection Pursuit，簡(jiǎn)稱 PP)。它采用的是“審視數(shù)據(jù)-模擬-預(yù)測(cè)”這樣一種探索性數(shù)據(jù)分析(Exploratory Data Analysis)新思路，其本質(zhì)是尋找由高維數(shù)據(jù)投影到低維數(shù)據(jù)的特征投影方向，通過幾個(gè)投 影方向了解高維數(shù)據(jù)的分布、結(jié)構(gòu)等性質(zhì)。投影尋蹤這種新興的統(tǒng)計(jì)方法適用于高維、非線 性、非正態(tài)問題的分析和處理，因此，它一直引起國內(nèi)外統(tǒng)計(jì)專家和信號(hào)處理學(xué)者的關(guān)注， 已被成功地應(yīng)用于多個(gè)領(lǐng)域。綜合評(píng)價(jià)技術(shù)作為一種認(rèn)識(shí)手段已經(jīng)深入到社會(huì)經(jīng)濟(jì)生活的各個(gè)領(lǐng)域。在被廣泛 應(yīng)用的同時(shí)，綜合評(píng)價(jià)技術(shù)也暴露了自身諸多缺陷，如何提高綜合評(píng)價(jià)的科學(xué)性和可信度， 更為客觀地反映事物的實(shí)際發(fā)展?fàn)顩r，已經(jīng)成為人們普遍關(guān)注的重大課題。首先，綜合評(píng)價(jià)是個(gè)十分復(fù)雜的問題，它涉及評(píng)價(jià)對(duì)象集、評(píng)價(jià)目標(biāo)(指標(biāo))集、評(píng) 價(jià)方法集、評(píng)價(jià)人集等，綜合評(píng)價(jià)結(jié)果由以上諸因素特定組合所決定。綜合評(píng)價(jià)面臨的常常 是復(fù)雜系統(tǒng)，正確評(píng)價(jià)難度甚大，在評(píng)價(jià)方法方面有許多理論問題和實(shí)踐問題尚待解決。同 時(shí)用于綜合評(píng)價(jià)的方法很多，而各種方法的出發(fā)點(diǎn)不同，解決問題的思路不同，適用對(duì)象不同，各有優(yōu)缺點(diǎn)，以至人們遇到綜合評(píng)價(jià)問題時(shí)不知該選擇哪一種方法，也不知評(píng)價(jià)結(jié)果是
否可靠。其次，綜合評(píng)價(jià)技術(shù)的單一化現(xiàn)象是當(dāng)前需要面對(duì)的另一個(gè)主要問題。綜合評(píng)價(jià) 技術(shù)單一化現(xiàn)象所涉及的范圍較廣，包括評(píng)價(jià)主體、評(píng)價(jià)方法、評(píng)價(jià)的層次結(jié)構(gòu)、評(píng)價(jià)的時(shí) 間維度、評(píng)價(jià)的數(shù)據(jù)表現(xiàn)形式等多個(gè)方面。單一化現(xiàn)象的出現(xiàn)對(duì)綜合計(jì)價(jià)的合理應(yīng)用產(chǎn)生 了很大的限制，它忽視了綜合評(píng)價(jià)過程中部分有效信息，削弱了綜合評(píng)價(jià)的“效力”;且從應(yīng) 用層面來看，單一化現(xiàn)象也不符合實(shí)踐活動(dòng)的需要。由于每個(gè)評(píng)價(jià)方法只是從某一特定的角度，對(duì)特定的方面進(jìn)行評(píng)價(jià)，既有其合理 性，也存在一定的不足。因此，本發(fā)明考慮提供多種評(píng)價(jià)方法供不同的應(yīng)用選擇，并且可以 對(duì)多種方法或其評(píng)價(jià)結(jié)果進(jìn)行綜合，實(shí)現(xiàn)各種方法的優(yōu)勢(shì)互補(bǔ)，使評(píng)價(jià)結(jié)果更具代表性和 一致性，其結(jié)論也更為合理、科學(xué)。研究多種綜合評(píng)價(jià)技術(shù)、開發(fā)適用于不同應(yīng)用領(lǐng)域的、集 多種評(píng)價(jià)方法于一體的綜合評(píng)價(jià)系統(tǒng)具有重要的理論意義和應(yīng)用價(jià)值。

發(fā)明內(nèi)容
本發(fā)明的目的是為了實(shí)現(xiàn)利用不同評(píng)價(jià)方法的優(yōu)點(diǎn)、對(duì)評(píng)價(jià)對(duì)象進(jìn)行全方位評(píng) 價(jià)，提出一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)。本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的。本發(fā)明的一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，包括三個(gè)功能模塊評(píng)價(jià) 指標(biāo)體系管理模塊、綜合評(píng)價(jià)模型庫和綜合評(píng)價(jià)模塊，具體分別為(1)評(píng)價(jià)指標(biāo)體系管理模塊實(shí)現(xiàn)評(píng)價(jià)指標(biāo)體系的定制和維護(hù)；定制的目的是為了滿足不同領(lǐng)域和不同級(jí)別的綜合評(píng)價(jià)工作，評(píng)價(jià)指標(biāo)體系管理 模塊可以針對(duì)實(shí)際評(píng)價(jià)對(duì)象的評(píng)價(jià)指標(biāo)層次結(jié)構(gòu)進(jìn)行定制；并且可以保存和維護(hù)多個(gè)指標(biāo) 體系，在綜合評(píng)價(jià)時(shí)根據(jù)需要選擇某一指標(biāo)體系。評(píng)價(jià)指標(biāo)體系的靈活定制功能可以使綜合評(píng)價(jià)系統(tǒng)軟件適用不同的評(píng)價(jià)對(duì)象和 更多的有綜合評(píng)價(jià)需求的領(lǐng)域。(2)綜合評(píng)價(jià)模型庫中包含了多種綜合評(píng)價(jià)方法的模型并實(shí)現(xiàn)了多種綜合評(píng)價(jià)方 法；根據(jù)應(yīng)用需求，可以增加新的評(píng)價(jià)方法到綜合評(píng)價(jià)模型庫中，使系統(tǒng)的綜合評(píng)價(jià)能力不 斷增強(qiáng)；(3)綜合評(píng)價(jià)模塊的功能是根據(jù)選定的評(píng)價(jià)指標(biāo)體系和具體的綜合評(píng)價(jià)方法，完 成綜合評(píng)價(jià)；本發(fā)明的一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)中，將評(píng)價(jià)指標(biāo)體系和評(píng) 價(jià)方法分離，即在評(píng)價(jià)過程中，根據(jù)評(píng)價(jià)需要，選擇不同的評(píng)價(jià)指標(biāo)體系、在綜合評(píng)價(jià)模型 庫中選擇一種或多種評(píng)價(jià)方法進(jìn)行評(píng)價(jià)，可以提高系統(tǒng)的通用性，使評(píng)價(jià)結(jié)果更全面和客 觀；上述綜合評(píng)價(jià)模型庫中可選用的多種評(píng)價(jià)綜合方法包括層次分析法、模糊德爾菲 層次分析法、投影尋蹤評(píng)價(jià)法和基于神經(jīng)網(wǎng)絡(luò)的綜合評(píng)價(jià)方法。本發(fā)明的一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，其評(píng)價(jià)過程的步驟如下步驟1.利用評(píng)價(jià)指標(biāo)體系管理模塊實(shí)現(xiàn)評(píng)價(jià)指標(biāo)體系的定制； 步驟2.在綜合評(píng)價(jià)模型庫中選擇具體的綜合評(píng)價(jià)方法；
步驟3根據(jù)評(píng)價(jià)指標(biāo)體系和具體的綜合評(píng)價(jià)方法，從指標(biāo)體系管理模塊導(dǎo)入評(píng)價(jià) 指標(biāo)數(shù)據(jù)，并進(jìn)行指標(biāo)數(shù)據(jù)的歸一化和無量綱化處理；步驟 4.依據(jù)選定的綜合評(píng)價(jià)方法進(jìn)行綜合評(píng)價(jià)；步驟5.為每種評(píng)價(jià)方法賦予一定的權(quán)值，將每種方法的綜合評(píng)價(jià)結(jié)果進(jìn)行加權(quán) 平均后的結(jié)果作為最終的評(píng)價(jià)結(jié)果；上述步驟1中評(píng)價(jià)指標(biāo)體系的定制的步驟為步驟1.根據(jù)實(shí)際評(píng)價(jià)對(duì)象和評(píng)價(jià)目標(biāo)，確定評(píng)價(jià)指標(biāo)體系的層次結(jié)構(gòu)；步驟2.采用樹形結(jié)構(gòu)的建立方式、自上而下逐層創(chuàng)建各層指標(biāo)體系；步驟3.在指標(biāo)體系的最底層設(shè)定每個(gè)指標(biāo)數(shù)據(jù)的名稱和類型；步驟4.將定制的指標(biāo)體系的層次結(jié)構(gòu)保存在數(shù)據(jù)庫中，并自動(dòng)生成用于保存各 個(gè)指標(biāo)具體數(shù)據(jù)的數(shù)據(jù)表；步驟5.可以定義多個(gè)指標(biāo)體系，不同的指標(biāo)體系通過指標(biāo)體系名稱加以區(qū)別。有益效果本發(fā)明的一種通用的綜合評(píng)價(jià)系統(tǒng)的設(shè)計(jì)方法，采用多種評(píng)價(jià)方法進(jìn)行綜合評(píng) 價(jià)，突破了單一方法的局限，形成了較全面的、多種方法相結(jié)合的綜合評(píng)價(jià)系統(tǒng)；結(jié)合多種 評(píng)價(jià)方法進(jìn)行評(píng)價(jià)，使評(píng)價(jià)更加科學(xué)和全面，該方法設(shè)計(jì)合理，實(shí)用性強(qiáng)，能夠?yàn)榫C合評(píng)價(jià) 工作提供參考和依據(jù)。具體說來，本發(fā)明具有如下優(yōu)點(diǎn)(1)通用化本發(fā)明給出的通用綜合評(píng)價(jià)系統(tǒng)由于評(píng)價(jià)指標(biāo)體系是可定制的，因 此具備廣泛的適用性；(2)模塊化綜合評(píng)價(jià)模型庫中集中實(shí)現(xiàn)了多種綜合評(píng)價(jià)方法，使具有相對(duì)獨(dú)立 的評(píng)價(jià)方法分離出來，便于評(píng)價(jià)方法的組合使用。(3)通過各種方法的組合，可以達(dá)到取長補(bǔ)短的效果。每種方法都有其自身的優(yōu)點(diǎn) 和缺點(diǎn)，它們的適用場(chǎng)合也并不完全相同。將各種綜合評(píng)價(jià)方法組合在一起，能夠使各種方 法的缺點(diǎn)得到彌補(bǔ)、同時(shí)兼有各方法的優(yōu)點(diǎn)。(4)通過各種方法的組合，可以利用更多的信息。不同的方法往往從不同的角度描 述評(píng)價(jià)對(duì)象的屬性，通常只能反映事物的一個(gè)側(cè)面。要反映事物的全貌必須從多角度、全方 位進(jìn)行研究。將各種綜合評(píng)價(jià)方法組合在一起，得到的綜合評(píng)價(jià)結(jié)果更能體現(xiàn)事物的本質(zhì) 和原貌。


圖1為本發(fā)明的通用綜合評(píng)價(jià)系統(tǒng)的結(jié)構(gòu)框圖。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步說明。實(shí)施例一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，如圖1所示，包括三個(gè)功能模塊評(píng) 價(jià)指標(biāo)體系管理模塊、綜合評(píng)價(jià)模型庫和綜合評(píng)價(jià)模塊，其中綜合評(píng)價(jià)模型庫包含四種綜 合評(píng)價(jià)方法，分別是層次分析法、模糊德爾菲層次分析法、投影尋蹤評(píng)價(jià)法和基于神經(jīng)網(wǎng)絡(luò) 的綜合評(píng)價(jià)方法；綜合評(píng)價(jià)模塊包含評(píng)價(jià)方法的選擇、指標(biāo)數(shù)據(jù)的導(dǎo)入和評(píng)價(jià)結(jié)果的綜合三個(gè)功能 模塊。一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，其評(píng)價(jià)過程的步驟如下步驟1.利用評(píng)價(jià)指標(biāo)體系管理模塊實(shí)現(xiàn)評(píng)價(jià)指標(biāo)體系的定制，具體為首先，根據(jù)實(shí)際評(píng)價(jià)對(duì)象確定評(píng)價(jià)指標(biāo)的層次結(jié)構(gòu)，在指標(biāo)體系管理模塊中自上 而下逐層創(chuàng)建各層指標(biāo)體系，在指標(biāo)體系的最底層設(shè)定每個(gè)指標(biāo)數(shù)據(jù)的名稱和類型。然后， 將定制的指標(biāo)體系的層次結(jié)構(gòu)保存在數(shù)據(jù)庫中，并自動(dòng)生成用于保存各個(gè)指標(biāo)具體數(shù)據(jù)的 數(shù)據(jù)表。根據(jù)需要可以定義多個(gè)指標(biāo)體系，不同的指標(biāo)體系通過指標(biāo)體系名稱加以區(qū)別，針 對(duì)不同的評(píng)價(jià)對(duì)象進(jìn)行綜合評(píng)價(jià)時(shí)，可以靈活選擇某一指標(biāo)體系。步驟2.在綜合評(píng)價(jià)模型庫中選擇具體的綜合評(píng)價(jià)方法；步驟3.根據(jù)評(píng)價(jià)指標(biāo)體系和具體的綜合評(píng)價(jià)方法，從指標(biāo)體系管理模塊導(dǎo)入評(píng) 價(jià)指標(biāo)數(shù)據(jù)，并進(jìn)行指標(biāo)數(shù)據(jù)的歸一化和無量綱化處理；步驟4.依據(jù)選定的多個(gè)綜合評(píng)價(jià)方法分別進(jìn)行綜合評(píng)價(jià)；步驟5.為每種評(píng)價(jià)方法賦予一定的權(quán)值，對(duì)每種方法的綜合評(píng)價(jià)結(jié)果進(jìn)行加權(quán) 平均后的結(jié)果作為最終的評(píng)價(jià)結(jié)果。本評(píng)價(jià)系統(tǒng)中的模糊德爾菲層次分析法步驟如下步驟1.建立系統(tǒng)的遞階層次結(jié)構(gòu)；步驟2.建立群體的模糊判斷矩陣；兩兩比較判斷矩陣包含了參與決策專家的意見，其中的相對(duì)重要程度判斷具有 不確定性，本方法采用模糊三角數(shù)來整合專家的意見，以求在決策者主觀意見的基礎(chǔ)上建 立一個(gè)較為客觀的模糊群體判斷矩陣。用三角模糊數(shù)表示的群體的兩兩判斷矩陣為B = (Bij)，其中Bij為三角模糊數(shù)，構(gòu)成方法是Bij = [ α Jj, β Jj, γ , α ^ β ^ Yij，且 Qij, β Yij e [1/9，1] U [1,9]其中α ij = mink(Bijk), β = Geomeank(Bijk), γ = maxk(Bijk)。Geomean 表示 考慮每個(gè)專家權(quán)重后的加權(quán)幾何平均，考慮各個(gè)專家的知識(shí)水平和背景不同，為每個(gè)專家 賦予一個(gè)權(quán)值，這些權(quán)值的和為1。步驟3.確定群體模糊權(quán)重向量；基于群體模糊判斷矩陣B = (Bu)，用列向量幾何平均法，確定出相應(yīng)的模糊權(quán)重 向量對(duì)任意的j，j = 1,2,……，m，計(jì)算r =( · .β ^，其中·表示模糊三角數(shù)
之間的乘積運(yùn)算關(guān)系。進(jìn)一步可以將。標(biāo)準(zhǔn)化為Wj Wj =-，j = l，2，...，m
η +r2 +- + rm步驟4.單準(zhǔn)則權(quán)重決策分析，步驟如下首先用模糊分析中的截集概念進(jìn)行權(quán)重的反模糊化分析，令A(yù) e
表示截值 參數(shù)，假設(shè) wi = (wiL, wiM, wiu)，令wiL = (wiM-wiL) α +wiLwiu = (wiu-wiM) α +wiMwi (α , λ) = λ wiu(a ) + (1-λ )wiL(a )其中λ為決策者對(duì)權(quán)重的樂觀系數(shù)。進(jìn)一步，將wi (a，λ)規(guī)范化，得到歸一化權(quán)重向量Wi (a，λ) = wi ( α , λ)/(Σ wi(a, λ))，其中α反映權(quán)重關(guān)于決策專家判斷意見的變動(dòng)程度。λ代表整合決策 者決策權(quán)重的參數(shù)。通過上述方法得到各個(gè)子目標(biāo)的相對(duì)權(quán)重后，從層次結(jié)構(gòu)頂層自上而下最后求得 各個(gè)指標(biāo)屬性的絕對(duì)權(quán)重。當(dāng)用戶對(duì)某個(gè)評(píng)價(jià)對(duì)象進(jìn)行系統(tǒng)評(píng)價(jià)時(shí)，首先將評(píng)價(jià)對(duì)象的各個(gè)指標(biāo)值進(jìn)行量 綱的統(tǒng)一，然后利用上述計(jì)算得到的指標(biāo)權(quán)重，通過以下公式得到該評(píng)價(jià)對(duì)象的最終得分
I m
S = JZs' ，其中S為評(píng)價(jià)總得分，Si為第i項(xiàng)指標(biāo)的得分，Wi為第i項(xiàng)指標(biāo)的權(quán)重。本評(píng)價(jià)系統(tǒng)中的投影尋蹤評(píng)價(jià)方法的基本思想是在綜合評(píng)價(jià)過程中，可以將評(píng) 價(jià)對(duì)象看成由若干指標(biāo)屬性組成，如果屬性個(gè)數(shù)為n，那么可以將每個(gè)評(píng)價(jià)對(duì)象看作是一個(gè) η維數(shù)據(jù)，利用投影尋蹤模型將這些η維數(shù)據(jù)轉(zhuǎn)化為在某個(gè)方向上的1維數(shù)據(jù)，這樣可以從 整體上來考察不同評(píng)價(jià)對(duì)象的優(yōu)劣情況；具體操作步驟如下步驟1.評(píng)價(jià)指標(biāo)歸一化；步驟2.構(gòu)造投影指標(biāo)函數(shù)，方法是設(shè)第i個(gè)評(píng)價(jià)對(duì)象為Ix (i，j) I j = 1 η}， 其中η為指標(biāo)屬性個(gè)數(shù)，將它綜合為以a = (a(l),a(2),...a(n))為投影方向的一維投影 值ζ⑴
ηz(i) = J^a(j)x(i,j) Q = ι η)
Jt1 .根據(jù)上式求得z(i)的一維散布圖并進(jìn)行分類，a為單位長度向量，即
玄《2(7+) = 1。這樣可以構(gòu)造投影指標(biāo)函數(shù)Q(a) = SzDz^ Sz=Ifi(Z(I)-Z)2Zin-I)]05,
；=1 i=l η η
雙唭中—為序列l(wèi)z(i) Ii = 1，2，...η}的均值；R為局部密度的窗
i=l ；=1Z
口半徑，一般取0. ISz;距離rij= z(i)-z(j) ；u(t)為單位階躍函數(shù)，當(dāng)t彡0時(shí)其函數(shù) 值為1，當(dāng)t<0時(shí)其函數(shù)值為0。步驟3.優(yōu)化投影指標(biāo)函數(shù)，即選擇最佳投影方向；當(dāng)各個(gè)指標(biāo)值給定后投影指標(biāo)函數(shù)Q(a)只隨著投影方向a的變化而變化。不同 的投影方向反映不同的數(shù)據(jù)結(jié)構(gòu)特征，最佳投影方向就是最大可能暴露高維數(shù)據(jù)某種特征 的結(jié)構(gòu)的投影方向。可以用下式來估計(jì)這種最佳投影方向max Q (a) = SzDz
ηs.t. γ^α2^) = !
；=1上式屬于非線性的最優(yōu)化問題，由于優(yōu)化變量較多，因此用傳統(tǒng)方法解決起來比 較困難，所以可以使用遺傳算法來找到這個(gè)最佳投影方向。步驟4.聚類，得到待評(píng)價(jià)對(duì)象的評(píng)價(jià)排序；
η將步驟3求得的最佳投影方向a*帶入式=功，7+) (i = 1 η)中，得到
；=1
所有待評(píng)價(jià)對(duì)象的投影值z(mì)*(i)。 投影值z(mì)*(i)與z*(j)越接近說明評(píng)價(jià)對(duì)象i與評(píng)價(jià)對(duì) 象j越傾向于同一類。按照z*(i)從大到小可以對(duì)待評(píng)價(jià)對(duì)象進(jìn)行分類，進(jìn)而得到對(duì)它們的一個(gè)評(píng)價(jià)排序。 應(yīng)用投影尋蹤評(píng)價(jià)方法中，使用遺傳算法構(gòu)造投影指標(biāo)函數(shù)以及求得最佳投影方 向的步驟如下步驟1.確定遺傳算法參數(shù)，包括種群規(guī)模、選擇概率、交叉概率、變異概率，最大 循環(huán)次數(shù)；步驟2.初始化訓(xùn)練器，訓(xùn)練器個(gè)數(shù)即為種群數(shù)，每個(gè)訓(xùn)練器個(gè)體編碼采用實(shí)數(shù)編 碼，由隨機(jī)生成的a(j)序列組成；步驟3.定義估價(jià)函數(shù)；首先定義函數(shù)z(i) = JjGi j)x{ij) (/ = 1~ )
1=1
_ ηζ = (^zQ))/η
i=lSz=[^(z(i)-zf/(n-l)f5
i=l利用投影值ζ (i)的標(biāo)準(zhǔn)差Sz來描述ζ (i)值的發(fā)散程度，Sz越大說明ζ (i)的整 體發(fā)散效果越好；
η ηA = Σ Σ (尺-rv >(R ~ rv )
i=l ；=1上式表示投影值ζ (i)的局部集中程度，它的取值越大，說明ζ (i)的局部集中程度 越好，R為局部密度窗口半徑，它的選取既要使包含在窗口內(nèi)的投影點(diǎn)的平均個(gè)數(shù)不太少， 避免滑動(dòng)；平均偏差太大，又不能使它隨著η的增大而增加太高，z(i)-z(j) I表示樣 本之間的距離，u(t)為單位階躍函數(shù)，當(dāng)t ^ 0時(shí)，其值為1，當(dāng)t < 0時(shí)其值為0。密度窗口寬度的選取對(duì)投影方向向量的取值有重要意義，它的取值合理與否直接 關(guān)系到樣本分類結(jié)果的合理與否。目前，它的確定大多是通過試算來確定，或通過樣本投 影值標(biāo)準(zhǔn)差乘以某一百分?jǐn)?shù)來計(jì)算，下面將從Dz的計(jì)算表達(dá)式來分析密度窗寬的特性及取 值，推導(dǎo)過程為
η ηD2^YjYj(R-T13)U(R-T13)
；=1= [(尺+ (尺+ +(尺尺-4)]
i=\={R-ru)u{R-ru) + {R-rl2)u{R-rl2) + ... + {R-rln)u{R-rln)+(R - r2l )u(R-r21) + (R-r22 )u(R -r22) +... + (R- r2n)u(R - r2n)............+(R-rJu(R-rJ + (R-rn2>(R-rn2) + ... + (R-rnn>(R-rnn)因?yàn)镽 > 0，當(dāng) i = j 時(shí)，rij = 0，所以(R-ripu(R-rij) = R，于是A =欣+ 2玄(尺- >(尺- )+ 2t(尺- >(尺- )
i=2i=3
η+…+ 2Σ (尺-rn_h])u(R-rn_h]) + 2(R-rn_ln)u(R-rn_ln)
i=n-\
因此有如下結(jié)論設(shè)
權(quán)利要求
1.一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，其特征在于包括三個(gè)功能模塊評(píng)價(jià)指標(biāo)體系管理模塊、綜合評(píng)價(jià)模型庫和綜合評(píng)價(jià)模塊；其中 評(píng)價(jià)指標(biāo)體系管理模塊實(shí)現(xiàn)評(píng)價(jià)指標(biāo)體系的定制和維護(hù)；綜合評(píng)價(jià)模型庫中包含了多種綜 合評(píng)價(jià)方法的模型并實(shí)現(xiàn)了多種綜合評(píng)價(jià)方法；綜合評(píng)價(jià)模塊根據(jù)選定的評(píng)價(jià)指標(biāo)體系和 具體的綜合評(píng)價(jià)方法，完成綜合評(píng)價(jià)； 其評(píng)價(jià)過程的步驟如下步驟1.利用評(píng)價(jià)指標(biāo)體系管理模塊實(shí)現(xiàn)評(píng)價(jià)指標(biāo)體系的定制； 步驟2.在綜合評(píng)價(jià)模型庫中選擇具體的綜合評(píng)價(jià)方法；步驟3.根據(jù)評(píng)價(jià)指標(biāo)體系和具體的綜合評(píng)價(jià)方法，從指標(biāo)體系管理模塊導(dǎo)入評(píng)價(jià)指 標(biāo)數(shù)據(jù)，并進(jìn)行指標(biāo)數(shù)據(jù)的歸一化和無量綱化處理； 步驟4.依據(jù)選定的綜合評(píng)價(jià)方法進(jìn)行綜合評(píng)價(jià)；步驟5.為每種評(píng)價(jià)方法賦予一定的權(quán)值，將每種方法的綜合評(píng)價(jià)結(jié)果進(jìn)行加權(quán)平均 后的結(jié)果作為最終的評(píng)價(jià)結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，其特征在于 所述步驟1中評(píng)價(jià)指標(biāo)體系的定制的步驟為步驟1.根據(jù)實(shí)際評(píng)價(jià)對(duì)象和評(píng)價(jià)目標(biāo)，確定評(píng)價(jià)指標(biāo)體系的層次結(jié)構(gòu)； 步驟2.采用樹形結(jié)構(gòu)的建立方式、自上而下逐層創(chuàng)建各層指標(biāo)體系； 步驟3.在指標(biāo)體系的最底層設(shè)定每個(gè)指標(biāo)數(shù)據(jù)的名稱和類型； 步驟4.將定制的指標(biāo)體系的層次結(jié)構(gòu)保存在數(shù)據(jù)庫中，并自動(dòng)生成用于保存各個(gè)指 標(biāo)具體數(shù)據(jù)的數(shù)據(jù)表；步驟5.可以定義多個(gè)指標(biāo)體系，不同的指標(biāo)體系通過指標(biāo)體系名稱加以區(qū)別。
3.根據(jù)權(quán)利要求1所述的一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，其特征在于 綜合評(píng)價(jià)模型庫中所包含的綜合評(píng)價(jià)方法包括層次分析法、模糊德爾菲層次分析法、投影 尋蹤評(píng)價(jià)法和基于神經(jīng)網(wǎng)絡(luò)的綜合評(píng)價(jià)方法。
4.根據(jù)權(quán)利要求3所述的一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，其特征在于模 糊德爾菲層次分析法步驟如下步驟1.建立系統(tǒng)的遞階層次結(jié)構(gòu)； 步驟2.建立群體的模糊判斷矩陣； 步驟3.確定群體模糊權(quán)重向量； 步驟4.單準(zhǔn)則權(quán)重決策分析。
5.根據(jù)權(quán)利要求3所述的一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，其特征在于投 影尋蹤評(píng)價(jià)方法的步驟如下步驟1.評(píng)價(jià)指標(biāo)歸一化； 步驟2.構(gòu)造投影指標(biāo)函數(shù)；步驟3.優(yōu)化投影指標(biāo)函數(shù)，即使用遺傳算法選擇最佳投影方向； 步驟4.聚類，得到待評(píng)價(jià)對(duì)象的評(píng)價(jià)排序。
6.根據(jù)權(quán)利要求4所述的一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，其特征在于使 用遺傳算法優(yōu)化投影指標(biāo)函數(shù)的流程如下步驟1.確定遺傳算法參數(shù)，包括種群規(guī)模、選擇概率、交叉概率、變異概率，最大循環(huán)初始化訓(xùn)練器，初始化內(nèi)容包括隨機(jī)生成a(j)值； 定義估價(jià)函數(shù)；執(zhí)行遺傳操作，包括選擇操作、交叉操作和變異操作三個(gè)步驟； 達(dá)到訓(xùn)練次數(shù)后返回最優(yōu)訓(xùn)練器的序號(hào)。
全文摘要
本發(fā)明涉及一種采用多種評(píng)價(jià)方法的通用綜合評(píng)價(jià)系統(tǒng)，屬于輔助決策和綜合評(píng)價(jià)技術(shù)領(lǐng)域。包括三個(gè)功能模塊評(píng)價(jià)指標(biāo)體系管理模塊、綜合評(píng)價(jià)模型庫和綜合評(píng)價(jià)模塊，其評(píng)價(jià)過程的步驟包括評(píng)價(jià)指標(biāo)體系的定制、選擇綜合評(píng)價(jià)方法、導(dǎo)入評(píng)價(jià)指標(biāo)數(shù)據(jù)、綜合評(píng)價(jià)和對(duì)評(píng)價(jià)結(jié)果進(jìn)行加權(quán)處理。本發(fā)明突破了單一方法的局限，形成了較全面的、多種方法相結(jié)合的綜合評(píng)價(jià)系統(tǒng)，結(jié)合多種評(píng)價(jià)方法進(jìn)行評(píng)價(jià)可以使評(píng)價(jià)更加科學(xué)和全面。該方法設(shè)計(jì)合理，實(shí)用性強(qiáng)，能夠?yàn)榫C合評(píng)價(jià)工作提供參考和依據(jù)。
文檔編號(hào)G06Q10/00GK102034176SQ20111000925
公開日2011年4月27日 申請(qǐng)日期2011年1月17日 優(yōu)先權(quán)日2011年1月17日
發(fā)明者劉瓊昕, 孫新, 賀躍, 鄭軍, 高春曉 申請(qǐng)人:北京理工大學(xué)