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，任一个指标都反映和刻画事物的一个侧面.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、4A、3A、2A和1A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，其值的变化围一般是(10%, 5%) X标的价，超过此围的都将被淘汰，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，不论按什么式对指标进行分类，不同类型的指标可以通过相应的数学法进行相互转换8.2.4评价指标的预处理法一般情况下，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X j，将其转化为极大型指标时，只需对指标X j取倒数：1 X j X j或做平移变换：X j M j X j ,其中M j max©”｝，即n 个评价对象第j 项指标值X j 最大者.J 1 i n J(2) 居中型指标化为极大型指标 对居中型指标X j ，令M jmax{xd , m 」min{^}，取1 i n1 i n2（X j m j ）M j m jM j m j j j 22（M j xj M j m jj j , j jx j M M j m j 2 j就可以将X -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X - , X -是取值介于区间 差.令 M - max{x -}, m - min{x -},1in1inc - max{a - m -,M - b -},取’ a - x -, x - a -； c -X - 1,a -x -b -;X - b -1 - L ,x - b -.c-就可以将区间型指标 X -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.一般地，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n 个评价对象S 1,S 2,L ,S n ，每个评价对象有 m 个指标，其观测值分别为X i-(i 1,2丄，n; j 1,2,L ,m).(1) 标准样本变换法 令X j[a -,b -]时为最好，指标值离该区间越远就越特点：样本均值为0 ,差为1 ；区间不确定，处理后各指标的最大值、 最小值不相同； 对于指标值恒定(S j 0)的情况不适用；对于要求指标评价值 X * 0的评价法(如熵值法、 几加权平均法等)不适用.(2)线性比例变换法对于极大型指标，令min X j X* 4(1 i n,1 j m).X ij该法的优点是这些变换式是线性的，且变化前后的属性值成比例•但对任一指标来说, 变换后的X * 1和X *0不一定同时出现.特点：当X ij 0时，X * (3) 向量归一化法 对于极大型指标，令正逆向不变；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 对于极大型指标，令*X j rniri 舛Xj J (1 i n, 1 j m). max X ij min X ijX ijX ij X jS j(1 其中样本均值X ji n,1 j m).1 ~n (X j X j )2 , n i iX *称为标准观测值.*X ij对极小型指标，令X ij(max 刍 maX ^j 1 i n0, 1 i n, 1 jm).*X jX ij maX X ij(maX X ij0, 1 i n, 1 j m).[0,1];计算简便，并保留了相对排序关系.m).j m).优点：当X ij 0时，X i j[0,1]，即(X j )21 . 该法使0 x * 1，且变换前后-X j ,样本均差S j n i i对于极小型指标，令i 1i n,1 j i n,1对于极小型指标，令* rpax 勺X jX j 亠(1 i m, 1 j n).max x ij min 为1 i n 1 i n其优点为经过极差变换后，均有0 X* 1，且最优指标值X* 1，最劣指标值X* 0 •该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(S j 0)的情况不适用.(5)功效系数法令* X j河詳X* c —— d (1 i n,1 j m).maxX i mi nx”1 i n 1 i n其中c,d均为确定的常数.c表示平移量”，表示指标实际基础值，d表示旋转量”，即表示放大”或缩小”倍数，则X* [c,c d].通常取c 60,d 40,即* X j円詳X j 60 g 40 (1 i n ,1 j m).maxX i min X i1 i n 1 i n则x*实际基础值为60,最大值为100，即X* [60,100].特点：该法可以看成更普遍意义下的一种极值处理法，取值围确定，最小值为c, 最大值为c d.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，必须先通过适当的式进行赋值，使其量化•一般来说，对于指标最优值可赋值10.0，对于指标最劣值可赋值为0.0 .对极大型和极小型定性指标常按以下式赋值.(1)极大型定性指标量化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8 -2极大型定性指标量化法(2)极小型定性指标量化法对于极很低低一般高言，如果I~I --------------------- 1 --------------- 1--------------- L 分为很0 1.0 3.0 5.0 7.0低和很低等很咼9.0小型定性指标而n------ 指标能够10.0 咼、咼、一般、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.很咼高一般 低很低1 1 0 1.01 3.01 5.01 7.01 9.01 10.0模糊综合评价法在客观世界中，存在着多不确定性现象，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法. •隶属度函数的确定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 属函数的法.⑴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.① 以年龄为论域 X ，在论域X 中取一固定样本点 X 。

27 .* ° *② 设A 为论域X 上随机变动的普通集合，A 是青年人在 X 上以A 为弹性边界的*O模糊集，对 A 的变动具有制约作用.其中 X 。

A ,或X o A ，使得x o 对°的隶属关系 具有不确定性•然后进行模糊统计试验，若n 次试验中覆盖X o 的次数为m n ,则称m n 为nOX o 对于°的隶属频率.由于当试验次数 n 不断增大时，隶属频率趋于某一确定的常数，O该常数就是X o 属于°的隶属度，即27，选择若干合适人选，请他们写出各自认为青年人最适 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n 次试验中覆盖 27(X o )limn比如在论域X 中取X o岁的年龄区间的次数为m，则称m为27岁对于青年人的隶属频率，表8-4是抽样调查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X。

27属O于模糊集A的隶属度°（27） 0.78 .试验次数n102030405060708090100110120129隶属次数m61423313947536268768595101隶属频率m0.600.700.770.780.780.760.760.780.760.760.750.790.78n③在论域X中适当的取若干个样本点X I,X2,L ,X n ,分别确定出其隶属度OA（x）（i 1,2丄，n）,建立适当坐标系，描点连线即可得到模糊集A的隶属函数曲线.将论域X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.分组频数隶属频率分组频数隶属频率13.5~14.520.01625.5~26.51030.79814.5~15.5270.21026.5~27.51010.78315.5~16.5510.39527.5~28.5990.76716.5~17.5670.51928.5~29.5800.62017.5~18.51240.96129.5~30.5770.59718.5~19.5125 1.0030.5~31.5270.20919.5~20.5129 1.0031.5~32.5270.20920.5~21.5129 1.0032.5~33.5260.20221.5~22.5129 1.0033.5~34.5260.20222.5~23.5129 1.0034.5~35.5260.20223.5~24.5129 1.0035.5~36.510.00824.5~25.51280.992⑵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法•例如建立矮个子O O OA i，中等个子A2,高个子A3三个模糊概念的隶属函数•设P3 ｛矮个子，中等个子，高个子｝,论域X为身高的集合，取X （0,3）（单位：m）.每次模糊试验确定X的一次划分，每次划分确定一对数图8-5年轻人的隶属函数曲线（,），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O维随机变量，进行抽样调查，求得、 的概率分布P(x)、P (X )后，再分别导出 °、OO°2和A 3的隶属函数± (x)、± (x)和± (x)，相应的示意图如图 8-6所示.±(x) x P(t)dt, ±(x) x P(t)dt, ±2(x) 1 ±(x) ±(x).⑶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 R 上,则模糊集的隶属函数便称为 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向.偏小型模糊分布适合描述像 现象，其隶属函数的一般形式为通常和 分别为其中(x) 分别服从正态分布 N(a i , i 2)和N (a ?,±(x) 1x a ii±(x) 12 2)，则°、A 2和A 3的隶属函数x a 22(x)t 2dt.x a 22x a 1小”、冷”、青年”以及颜色的 淡”等偏向小的一的模糊 °(X)1, x a; f (x), x a.偏大型模糊分布适合描述像现象，其隶属函数的一般形式为 大”、热”、老年”以及颜色的浓”等偏向大的一的模糊X1中间型模糊分布适合描述像 中”、属面数可以通过中间型模糊分布表示.①矩形(或半矩形)分布(a)偏小型(b)偏大型 (c)中间型1, x a;0, X a;0, X a;A(X )A (X)彳A(X )1, a X b; 0, X a. 1, X a.0, X b.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.111J■■ …—i i Ii i 1 1 i1 I i ■ 1 i1 1 i I * 1 i I 1ii*________ L _aa i口7Qa(a)偏小型 (b)偏大型(c)中间型③ 抛物形分布(a)偏小型(b)偏大型(c)中间型(a)偏小型 (b)偏大型 (c)中间型1,X a;,、 b x」A(X )—, a X b; b a 0, X b.0,X a;/、 x a 」A (X ), a X b;b a 1,X b.0,X a,x d;X a, , a X b; (、b aA(X)1,b X c;d X,------ ,c X d; d c图8-7矩形(或半矩形)分布示意图A(X )0, X a; f (x), x a.暖和、‘中年”等处于中间状态的模糊现象，其隶②梯形(或半梯形)分布0, x a, x d;(a)偏小型1,A (X) 11 (x a)x a;x a. A(x)(0, 0)(b)偏大型0,11 (x a)(0, 0)x a;x a.(c)中间型A(x) ---------- 1-----1 (x a)(0,为正偶数). 抛物形分布的示意图如图8-9所示.④正态分布(a)偏小型(b)偏大型(c)中间型1, x a;0, x a;2x a A(X)二2A (x) = 21 e , x a.A(X)e—.e , x a.⑤柯西分布1,a; 0, x a;x b;0, x b.kx a 「----- ,a x b; b a1, x b.A(X)x ab a1,a x b;b x c;c x d;(c)中间型Word资料.。