模糊层次评价计算步骤
模糊层次分析法讲解
决策
根据总排序结果，进行决策分析，得出最优 方案。
04
模糊层次分析法的优缺点
优点
处理不确定性和模糊性
简化决策过程
模糊层次分析法能够处理传统层次分析法 无法处理的模糊性和不确定性，使决策过 程更加贴近实际情况。
通过将复杂的决策问题分解为多个层次和 因素，模糊层次分析法能够简化决策过程 ，提高决策效率。
案例二：企业战略决策制定
总结词
企业战略决策制定
详细描述
在企业战略决策制定中，模糊层次分析法可以用于评估 企业的竞争地位、市场机会和风险，以及制定相应的战 略措施，帮助企业做出科学合理的战略决策。
案例三：投资项目风险评估
总结词
投资项目风险评估
详细描述
模糊层次分析法在投资项目风险评估中，可以综合考虑 项目的各种风险因素，如市场风险、技术风险、财务风 险等，对投资项目进行风险评估，为投资者提供科学的 风险管理建议。
考虑因素间的相对重要性
易于理解和操作
模糊层次分析法能够考虑各因素间的相对 重要性，从而更准确地反映实际情况。
模糊层次分析法的原理和操作过程相对简 单，易于理解和掌握，降低了决策者的认 知负担。
缺点
主观性较强 模糊层次分析法在确定因素权重 和评价矩阵时具有较强的主观性， 不同决策者可能会得出不同的结 论。
模糊集合与隶属度函数
模糊集合
模糊集合是用来描述模糊性概念的集 合，其成员的隶属程度可以是介于0 和1之间的任意值。
隶属度函数
隶属度函数是用来确定某个元素属于 某个模糊集合的程度的函数，其值域 为[0,1]。
模糊关系与模糊矩阵
模糊关系
模糊关系描述了不同模糊集合之间的关联程度，可以用模糊矩阵来表示。
层次分析法及模糊综合评价
为残缺元素
Cw w
3, w (0.5714,0.2857,0.1429)T
Aw w
2 2 0 A 1/ 2 1 2
0 1/ 2 2
aij , i j, aij
aij 0,
i j, aij
mi 1, i j
mi~A第i 行 中的个数
6. 更复杂的层次结构 • 递阶层次结构：层内各元素独立，无相互影响和 支配；层间自上而下、逐层传递，无反馈和循环。 • 更复杂的层次结构：层内各元素间存在相互影响 或支配；层间存在反馈或循环。
• 精确计算的复杂和不必要
• 简化计算的思路——一致阵的任一列向量都是特征向量， 一致性尚好的正互反阵的列向量都应近似特征向量，可取 其某种意义下的平均。
和法——取列向量的算术平均
1 2 例 A 1/ 2 1
6 列向量 0.6 0.615 0.545 0.364 平均 0.324 w
为 A 的 截集，其中， 叫置信水平。
模糊综合评价
什么是事物的模糊性？ 指客观事物在中介过渡时所呈现的“亦此亦彼性”。
(1)清晰的事物——每个概念的内涵（内在涵义或本质属性） 和外延（符合本概念的全体）都必须是清楚的、不变的，每个 概念非真即假，有一条截然分明的界线，如男、女。
(2)模糊性事物——由于人未认识，或有所认识但信息不够丰富， 使其模糊性不可忽略。它是一种没有绝对明确的外延的事物。 如美与丑等。人们对颜色、气味、滋味、声音、容貌、冷暖、 深浅等的认识就是模糊的。
定理1 正矩阵A 的最大特征根是正单根，对应
正特征向量w，且
lim
k
Ak e eT Ake
w,
e (1,1,,1)T
正互反阵的最大特征根是正数， 特征向量是正向量。
模糊层次分析法
模糊层次分析法模糊层次分析法是一种多变量决策分析方法，旨在帮助决策者在复杂的决策问题中做出合理的选择。
与传统的层次分析法相比，模糊层次分析法能够处理不确定性、模糊性和主观性的问题，因此在实际应用中具有很高的灵活性和适应性。
模糊层次分析法的核心思想是将问题拆解为不同的层次结构，分别从不同角度对问题的因素进行评价和排序。
具体来说，模糊层次分析法包括以下几个步骤：定义目标层、准则层和方案层，建立层次结构模型；构建模糊层次判断矩阵，利用专家经验和模糊数学的方法对层次结构中的评价指标进行两两比较，得到判断矩阵；计算模糊一致性指标，判断判断矩阵的一致性程度；通过模糊层次权重计算方法将判断矩阵转化为权重向量，评估和排序方案。
首先，模糊层次分析法要明确问题的目标。
目标层是决策问题的最高层，是整个层次结构的根节点。
目标层定义了决策问题的目标和愿景，可以是一个具体的指标，也可以是一项重要的战略目标。
例如，对于一个公司来说，提高市场份额、提升产品质量和降低成本可能是目标层的几个重要目标。
其次，确定准则层。
准则层是指对于实现目标所需要的关键因素或评价标准。
准则层的每个因素都与目标层直接相关，通过对准则的评估和排序可以帮助决策者识别出最为关键的因素。
在确定准则层时，应该考虑因素之间的相互关联性和重要性。
最后，定义方案层。
方案层是指为实现目标而采取的具体措施或方案。
一般情况下，方案层是决策问题的最低层。
在定义方案层时，应该考虑到各个方案之间的可行性、资源需求和可能的风险。
在模糊层次分析法中，决策者需要对准则层和方案层中的因素进行两两比较，构建模糊判断矩阵。
模糊判断矩阵是用来描述不确定和模糊的评价值的，可以通过专家判断、模糊数学方法和模糊逻辑推理进行计算和推断。
模糊判断矩阵的元素通常采用模糊数表示，模糊数由隶属函数和隶属度组合而成。
在模糊层次分析法中，为了判断判断矩阵的一致性程度，需要计算模糊一致性指标。
模糊一致性指标能够量化判断矩阵的一致性程度，判断决策者所提供的判断是否存在矛盾和不一致的情况。
层次分析法模糊综合评价法操作流程
层次分析法模糊综合评价法操作流程下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor.I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!层次分析法与模糊综合评价法的操作流程解析层次分析法（Analytic Hierarchy Process，AHP）和模糊综合评价法是决策分析中常用的方法，它们在处理复杂、多因素的问题时具有显著优势。
举例说明多层次模糊综合评价的步骤,并画出其层次结构图。
举例说明多层次模糊综合评价的步骤,并画出其层次
结构图。
模糊和综合评价法的步骤包括：
1、模糊综合评价指标的构建是进行综合评价的基础，评价指标的选取适宜，将直接影响综合评价的准确性，进行评价指标的构建应广泛涉猎与该评价指标系统行业资料或者相关的法律法规；
2、采用构建好权重向量通过专家经验法或者AHP层次分析法构建好权重向量；
3、构建评价矩阵建立适合的隶属函数，从而构建好评价矩阵；
4、评价矩阵和权重的合成采用适合的合成因子对其进行合成和对结果向量进行解释。
1、评价指标体系的建立
企业作为一个社会生产单位，其质量经济效益最终表现在产品质量和经济效益两个方面，而每个方面又由若干评价指标所决定。
相应地，评价指标集分为两个层次：第一层，总目标因素集；第二层，子目标因素集和子目标因素集。
2、评价集的确定
本模型的评语共分五个等级。
3、权重的确定
在进行模糊综合评价时，权重对最终的评价结果会产生很大的影响，权重选择的合适与否直接关系到模型的成败。
确定权重的方法有很多，如专家估计法、层次分析(AHP)法。
在综合有关专家意见
的基础上，本模型最终的权重确定结果如下：
权重确定的依据有下列三条：
1)产品质量和经济效益在综合评价系统中占有同等重要的地位，轻视任何一方对企业的发展都不利。
2)产品质量的决定权在用户而不是生产企业，只有用户满意的产品才是真正高质量的产品。
3)生产者在追求自身经济效益的同时，要兼顾消费者和社会的经济效益。
模糊综合评价法和层次分析法比较
模糊综合评价法和层次分析法比较在实际决策中，为了对不同方案或者对象进行评价和比较，人们常常借助于一些评价方法来进行定量或者定性的分析。
其中，模糊综合评价法和层次分析法是常用的两种评价方法。
本文将对这两种方法进行比较，以便更好地了解它们的优点和适用范围。
一、模糊综合评价法模糊综合评价法是一种基于模糊数学的评价方法。
它通过对事物属性与评价等级之间的关系进行模糊化处理，进而建立模糊综合评价模型。
其基本步骤包括：1. 确定评价指标：选择合适的评价指标，以准确地描述待评价对象的特征。
2. 建立模糊数学模型：将评价指标与评价等级之间的关系进行模糊化处理，建立模糊综合评价模型。
3. 确定权重：通过专家打分或者层次分析等方法确定各个评价指标的权重，以反映其在整个评价体系中的重要程度。
4. 模糊计算：运用模糊数学的运算法则，将模糊的评价指标与权重进行计算，得出最终的评价结果。
模糊综合评价法的优点是能够对模糊的信息进行处理，既能考虑到各个评价指标的多样性，又能够充分利用专家经验和知识进行定量分析。
然而，模糊综合评价法也存在一些局限性，如对各个评价指标的选择和权重确定依赖于专家主观判断，因此结果可能会有一定的主观性。
二、层次分析法层次分析法是一种定性和定量相结合的评价方法。
它通过将复杂的决策问题层次化，将决策问题划分为若干个层次和因素，并建立层次结构，来进行评价和决策。
其基本步骤包括：1. 建立层次结构模型：将决策问题分解为若干个层次和因素，并构建层次结构模型。
2. 定义判断矩阵：由于评价指标之间往往存在复杂的相互关系，因此通过专家打分或者问卷调查等方式，建立判断矩阵，以便量化这些关系。
3. 计算权向量和一致性检验：对判断矩阵进行特征值计算，得出权向量，并进行一致性检验，以保证判断矩阵的一致性。
4. 计算评价结果：将判断矩阵中的权向量与各个评价因素的权重相乘，得出最终的评价结果。
层次分析法的优点是能够较全面地考虑到各个评价因素之间的相互关系，以及它们对最终结果的影响程度。
综合评价方法 - 层次分析法加模糊评价方法
从数学角度来看，身边的现象可划分为：
1.确定性现象：如水加温到100 C就沸腾，这种现象的规 律性靠经典数学去刻画； 2.随机现象：如掷筛子，观看那一面向上，这种现象的 规律性靠概率统计去刻画; 3.模糊现象：如 “今天天气很热”，“某人个头 高”，…等等。 这些语言的准确性就要用模糊数学去刻画。
7
（4）层次分析法的优缺点
优点： 1 系统性——将对象视作系统，按照分解、比较、 判断、综合的思维方式进行决策——系统分析（与机 理分析、测试分析并列）； 2 实用性——定性与定量相结合，能处理传统的 优化方法不能解决的问题； 3 简洁性——计算简便，结果明确，便于决策者 直接了解和掌握。 缺点： 1. 不能为决策提供新方案 2. 定量数据较少，定性成分多，不易令人信服 3. 指标过多时数据统计量大，且权重难以确定 4. 特征值和特征向量的精确求法比较复杂
可以看到两种方法求出的权重相差不大 同理可以求出准则层各判断矩阵的权重向量
17
层次总排序：在获得同一层次各要素之间的相对重要 度后，自上而下计算各级要素相对总体的综合重要度。 即针对上一层次而言，逐层计算本层次所有元素重要 性的权重。 Wi w j vij 综合重要度： j
得到的层次总排序的权值向量是否可以被满意接受， 需要进行一致性检验。 但在实际应用中，整体一致性的检验常常不必进行。 主要原因是对整体进行考虑是很困难的；另外，若单 层次排序下具有满意一致性，而整体不具有满意一致 性时，判断矩阵的调整非常困难。因此，一般情况下 可以不进行整体一致性检验。
安全系统工程学
综合评价方法
一、层次分析法（AHP）
二、模糊综合评价法
2
综合评价法 之层次分析法
一、层次分析法
AHP——模糊综合评价方法的理论基础
AHP——模糊综合评价方法的理论根底1.层次分析法理论根底1970—1980年期间,着名学者Saaty最先开创性地建立了层次分析法,英文缩写为AHP.该模型可以较好地处理复杂的决策问题,迅速受到学界的高度重视.后被广泛应用到经济方案和治理、教育与行为科学等领域.AHP建立层次结构模型,充分分析少量的有用的信息,将一个具体的问题进行数理化分析, 从而有利于求解现实社会中存在的许多难以解决的复杂问题.一些定性或定性与定量相结合的决策分析特别适合使用AHP.被广泛应用到城市产业规划、企业治理和企业信用评级等等方面,是一个有效的科学决策方法.Diego Falsini、Federico Fondi 和Massimiliano M. Schiraldi〔2021〕运用AHP 与DEA的结合研究了物流供给商的选择；Radivojevi、Gordana和Gajovi, Vladimir 〔2021〕研究了供给链的风险因素分析；.Maniya和.Bhatt〔2021〕研究了多属性的车辆自动引导机制；朱春生〔2021〕利用AHP分析了高校后勤HR配置的风险治理；蔡文飞〔2021〕运用AHP分析了煤炭治理中的风险应急处理；徐广业〔2021〕研究了AHP与DEA的交互式应用；林正奎〔2021〕研究了城市保险业的社会责任.第一,递阶层次结构的建立一般来说,可以将层次分为三种类型：〔1〕最高层〔总目标层〕：只包含一个元素,表示决策分析的总目标,因此也称为总目标层.〔2〕中间层〔准那么层和子准那么层〕：包含假设干层元素,表示实现总目标所涉及的各子目标,包含各种准那么、约束、策略等,因此也称为目标层.〔3〕最低层〔方案层〕：表示实现各决策目标的可行方案、举措等,也称为方案层.典型的递阶层次结构如下列图1：一个好的递阶层次结构对解决问题极为重要,因此,在建立递阶层次结构时,应注意到：〔1〕从上到下顺序地存在支配关系,用直线段〔作用线〕表示上一层次因素与下一层次因素之间的关系,同一层次及不相邻元素之间不存在支配关系.〔2〕整个结构不受层次限制.〔3〕最高层只有一个因素,每个因素所支配元素一般不超过9个,元素过多可进一步分层.〔4〕对某些具有子层次结构可引入虚元素,使之成为典型递阶层次结构.第二,构造比拟判断矩阵设有m个目标〔方案或元素〕,根据某一准那么,将这m个目标两两进行比较,把第i个目标.=1,2,…,m〕对第j个目标的相对重要性记为a i「这样构造的m 阶矩阵用于求解各个目标关于某准那么的优先权重,成为权重解析判断矩阵, 简称判断矩阵,记作A =〔a〕.ij m x nSatty于1980年根据一般人的认知习惯和判断水平给出了属性间相对重要性等级表〔见表1〕.利用该表取的a^值,称为1-9标度方法.表1目标重要性判断矩阵A中元素的取值假设决策者能够准确估计a..,那么有：a二-1,a=a *a ,a=1 ,其根本的定1]ij a ij ik kj li理如下：第一,设A=(a ij)mxm,A>0,(即2产0间=12・.・加),如果满足条件(1)a ii =1 (i =12・・・,m)；⑵a ij=1/a ji(i,j =1,2,…,m),那么称矩阵A为互反正矩阵.第二,设A=(a ij)mxm,A>0,如果满足条件a j= a ik-a kj(i,j,k=12・・・,m)那么称矩阵A为一致性矩阵.第三,对于任何一个m阶互反正矩阵A,均有X ma x Nm,其中勺曲是矩阵A 的最大特征值.第三,m阶互反正矩阵A为一致性矩阵的充分必要条件是A的最大特征根为m.第三,单准那么下的排序层次分析法的信息根底是比拟判断矩阵.由于每个准那么都支配下一层假设干因素,这样对于每一个准那么及它所支配的因素都可以得到一个比拟判断矩阵. 因此根据比拟判断矩阵如何求得各因素w1,w2,…,w m对于准那么A的相对排序权重的过程称为单准那么下的排序.这里设A=(a ij)mxm,A>0.方法一：本征向量法利用AW=九W求出所有九的值,其中！_为九的最大值,求出X max对应的特征向量W*,然后把特征向量W*规一化为向量W,那么W=[W],w2, ・・.w m]T为各个目标的权重.求九需要解m次方程,当mN3时,计算比拟麻烦,可以利用matlab 来求解.(2)判断矩阵的近似解法判断矩阵是决策者主观判断的定量描述,求解判断矩阵不要求过高的精度. 这里,介绍三种近似计算方法：根法、和法及幂法.幂法适于在计算机上运算.第一,根法①A中每行元素连乘并开m次方,得到向量W* =(狡*,狡*,...,狡*)T其中,12 mw* = 1r m a. ml%「1j j=②对W*作归一化处理,得到权重向量W=(w1,w2,…w )T,其中w = w*/£w* 12m l lll=1③对A中每列元素求和,得到向量S=(s1,s2,…s m),其中s j= E a j l=1④计算入max的值,九max=£s w = SW = -!-£ (AW：l=1l=1l方法二：和法①将A的元素按列作归一化处理,得矩阵QXqJmm.其中,q j = ajZa jk=1②将Q的元素按行相加,得向量a = (a ,a,…,a ).其中,a =£q12 mljjT③对向量a作归一化处理,得权重向量W=(w/w2, ・・.w m)T,其中w^a. /£a kk=1④求出最大特征值九=1£〞乜max m ,w ,方法三：幂法幂法是一种逐步迭代的方法,经过假设干次迭代计算,根据规定的精度,求出判断矩阵A的最大特征值及其对应的特征向量.设矩阵A=(a..)mxm,A>0,那么lim2土= CW,其中,W是A的最大特征值对应的的特征向量,C为常数, e T A k e k-8向量 e=(1,1,…,1)T .幂法的计算步骤是：①任取初始正向量X (0)=(x 1(0), x 2(0),…,X m (0))T ,计算=max { X 〔0〕}, Y 〔0〕= X 〔0〕/ mi②迭代计算,对于k=0,1,2,…计算X 〔 k +i 〕= AY 〔 k 〕, m = |X 〔 k +i 〕I = max { X 〔8i③精度检查.当|m k +1 -m j<£时,转入步骤④；否那么,令卜=卜+1,转入步骤②. ④求最大特征值和对应的特征向量,将Y (k+1)归一化,即： W = Y (k +1) / £ y ( k +1),九 =mi =1第四,单准那么下的一致性检验由于客观事物的复杂性,会使我们的判断带有主观性和片面性,完全要求 每次比拟判断的思维标准一致是不太可能的.因此在我们构造比拟判断矩阵时, 我们并不要求n(n-1)/2次比拟全部一致.但这可能出现甲与乙相比明显重要,乙 与丙相比极端重要,丙与甲相比明显重要,这种比拟判断会出现严重不一致的 情况.我们虽然不要求判断具有一致性,但一个混乱的,经不起推敲的比拟判 断矩阵有可能导致决策的失误,所以我们希望在判断时应大体一致.而上述计 算权重的方法,当判断矩阵过于偏离一致性时,其可靠程度也就值得疑心了. 因此,对于每一层次作单准那么排序时,均需要作一致性的检验.一致性指标〔Consistency Index,CI 〕 : CI =九 maxmm — 1 随机指标〔Random Index,RI 〕一致性比率〔Consistency Rate,CR 〕 :CR=CI/RI当CR 取时,最大特征值为=CI ・〔m-1〕+m=・RI ・〔m-1〕+mmaxm = ||X 〔0〕X 〔k +1〕}, Y 〔k +1〕=X 〔 k +i 〕/ m k +1表2随机指标RI ,九 取值表max表中当n=1,2时,RI=0,这是由于1,2阶判断矩阵总是一致的.当nN3时,假设CR^P X ma x＜认为比拟判断矩阵的一致性可以接受,否那么应对判断矩阵作适当的修正,直到X max小于X max通过一致性检验时,求得的W 才有效.第五,层次总排序计算同一层次中所有元素对最高层(总目标)的相对重要性标度(又称权重向量)称为层次总排序.(1)层次总排序的步骤为：第一,计算同一层次所有因素对最高层相对重要性的权重向量,这一过程是自上而下逐层进行；第二,设已计算出第k-i层上有叱1个元素相对总目标的权重向量为K-1W(k-1)=(W1(k-1), W2(k-1),…,W n(k-1)(k-1))T第三,第k层有个n k个元素,他们对于上一层次(第k-1层)的某个元素j 的单准那么权重向量为p j(k)=(w1j(k), W2j(k),…,W nkj)(k))T (对于与k-1层第j个元素无支配关系的对应W j取值为0)；第四,第k层相对总目标的权重向量为W k= (p1(k), p2(k),…p k-1(k),)W(k-1)(2)层次总排序的一致性检验人们在对各层元素作比拟时,尽管每一层中所用的比拟尺度根本一致,但各层之间仍可能有所差异,而这种差异将随着层次总排序的逐渐计算而累加起来,因此需要从模型的总体上来检验这种差异尺度的累积是否显着,检验的过程称为层次总排序的一致性检验.第k 层的一致性检验指标CIk=(CI1(k-1), CI2(k-1),・・・, CIn K(k-1))W(k-1)RI k=(RI1(k-1), RI2(k-1),・・・, RIn K(k-1))W(k-1)CR k=CR k-1+CI k/RI k(34k4n)当CR k ＜,可认为评价模型在第k层水平上整个到达局部满意一致性.第六,递阶层次结构权重解析过程(1)树状结构目标体系目标可分为多个层次,每个下层目标都隶属于一个而且只隶属一个上层目标,下层目标是对上层目标的具体说明.对于树状结构的目标体系,需由上而下逐步确定权重,即由树干向树梢,求树杈各枝相对于树杈的权重.〔2〕网状结构目标体系网状结构的目标也分为多个层次,每个下层目标隶属于某几个上层目标〔至少有一个下层目标隶属于不止一个上层目标〕.AHP方法的根本步骤：层次分析法大体分为以下六个步骤：〔1〕明确问题；〔2〕建立层次结构；〔3〕两两比拟,建立判断矩阵；〔4〕层次单排序及其一致性检验；〔5〕层次总排序及其一致性检验；〔6〕根据分析计算结果,考虑相应的决策.2.模糊综合评价方法理论根底模糊综合评价是以模糊数学为根底.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.在校园环境质量综合评价中,涉及到大量的复杂现象和多种因素的相互作用,而且,评价中存在大量的模糊现象和模糊概念.因此,在综合评价时,常用到模糊综合评价的方法进行定量化处理,评价出校园环境的质量等级,取得了良好的效果.但权重确实定需要专家的知识和经验,具有一定的缺陷,为此,本文采用层次分析法来确定各指标的权系数.使其更有合理性,更符合客观实际并易于定量表示, 从而提升模糊综合评判结果的准确性.此外,模糊综合评价中常取的取大取小算法,信息丧失很多,常常出现结果不易分辨〔即模型失效〕的情况.模糊综合评价方法和步骤的流程如下列图2：模糊综合评价是通过构造等级模糊子集把反映被评事物的模糊指标进行量化〔即确定隶属度〕,然后利用模糊变换原理对各指标综合.流程如下：〔1〕确定评价对象的因素论域P个评价指标,u=k u2,, u｝.〔2〕确定评语等级论域v = 11,\,・・・・・・,V p｝,即等级集合.每一个等级可对应一个模糊子集.〔3〕建立模糊关系矩阵R在构造了等级模糊子集后,要逐个对被评事物从每个因素ui〔i = 1,2, ・・・・・・,p〕上进行量化,即确定从单因素来看被评事物对等级模糊子集的隶属度〔R I u.〕, 进而得到模糊关系矩阵：一u r r• • •r11112 1 mR I u r r• • •rR =2一2122 2 m• •*• • •• • •« • ••rR I u r r• • •p 1 p 2pm」p . m矩阵R 中第i 行第/列元素r j,表示某个被评事物从因素4来看对匕等级模糊子 集的隶属度.一个 被评事物在某个因素4方面的表现,是通过模糊向量 〔R ।匕〕=〔/%,……,0来刻画的,而在其他评价方法中多是由一个指标实际值来刻画的,因此,从这个角度讲模糊综合评价要求更多的信息［10. 〔4〕确定评价因素的权向量在模糊综合评价中,确定评价因素的权向量：A = 〔a ,a ,・・・・・・,a 〕.权向量A12p中的元素a.本质上是因素u 对模糊子｛对被评事物重要的因素｝的隶属度.本文使 用层次分析法来确定评价指标间的相对重要性次序.从而确定权系数,并且在 合成之前归一化.即寸a .=1,a0 , i = 1,2,・・・・・・,n i =1〔5〕合成模糊综合评价结果向量利用适宜的算子将4与各被评事物的R 进行合成,得到各被评事物的模糊 综合评价结果向量B .即：AoR =C a ,a ,……,a ) p r11 r21• • •r 12 r22 • • •• • • • • • • • •r 1 m r2 m• • •=(b , b , (12)•••, b m )=BL r r• • •rp 1 p 2pm」其中?是由4与R 的第j 列运算得到的,它表示被评事物从整体上看对匕等级模 糊子集的隶属程度.〔6〕对模糊综合评价结果向量进行分析实际中最常用的方法是最大隶属度原那么,但在某些情况下使用会有些很勉 强,损失信息很多,甚至得出不合理的评价结果.提出使用加权平均求隶属等 级的方法,对于多个被评事物并可以依据其等级位置进行排序.多级模糊综合评价方法的步骤如下,以二级模糊评价为例：(1)进行一级因素的综合评价即按某一类中的各个因素进行综合评价.设对第i(1=12,,N)类中的第川=12加)元素进行综合评价,评价对象隶属于评价集合中的第k(k=1,2〃,m)个元素的隶属度为争(i=1,2,,,N；j=1,2,,,n；k=1,2〃,m),那么该综合评价的单因素隶属度矩阵为：Ci11 …RmR=()i C ... C in i inm于是第i类因素的模糊综合评价集合为：C11…C i i mB — W .R —(w , w ,.... w ).()i i ii1i2 in C ... Cin i inm同理确定B i.....B n的单因素模糊评价行向量：B -(,,,,) B；=(,,,,) ...B n -(,,,,)I=1,2,,,N,Bi为B层第i个指标所包含的各下级因素对于它的综合模糊运算结果, b 为B层第i个指标下级各因素相对于它的权重；R为模糊评价矩阵.i(2)进行二级因素的模糊综合评价最底层模糊综合评价仅仅是对某一类中的各个因素进行综合,为了考虑各类因素的综合影响,还必须在类之间进行综合.进行类之间因素的综合评价时, 所进行的评价为单因素评价,而单因素评价矩阵应为最底层模糊综合评价矩阵：B i ii - B i i mA — W .R —(w , w,….w ).()i i ii1 i2 in B ... Bin1inm。
模糊综合层次评判法
模糊综合层次评判法（FAHP)FAHP评价法是一种将模糊综合评判法（Fuzzy Comprehensive Evaluation，FCE）和层次分析法（Analytic Hierarchy Process，AHP）相结合的评价方法，在体系评价、效能评估，系统优化等方面有着广泛的应用，是一种定性与定量相结合的评价模型，一般是先用层析分析法确定因素集，然后用模糊综合评判确定评判效果。
模糊法是在层次分析法之上，两者相互融合，对评价有着很好的可靠性。
模糊数学的相关理论研究1965年，美国加利福尼亚大学控制论专家L.A.Zadeh教授发表了《模糊集合》一文，这标志着模糊数学的诞生。
模糊数学是研究和处理模糊性现象的一种数学方法。
模糊性基本概念模糊性是事物类属的不确定性，是对象资格程度的渐变性。
例如，对于一座山，有人可以认为是高山，但可能有人觉得它并不高。
事物的这种不清晰类属的特性就是模糊性，而这类事物我们通常称为模糊事物。
模糊事物在类属问题上不能做出“是”或“不是”，“属于”或“不属于”，“存在”或“不存在”等的是非断言，只能区别程度和等级。
模糊集合概念论域X上的模糊集合A定义是：A={（x,A(x)）｜x∈X}或者A={（x,μA（x））｜x∈X}其中A(x)或μA（x）称为隶属函数，它满足A：X→M，M称为隶属空间上式表示模糊集合A是论域X到隶属空间的一个映射。
隶属函数A(x)用于刻画元素x对模糊集合A的隶属程度，通常称为隶属度。
模糊集合A的每一个元素（x, A(x)）都能明确的表现出x的隶属等级。
A(x)的值越大，x的隶属度就越高。
例如，当隶属空间是（0，1）时，若A(x)=1，则说明x完全属于A；而若A(x)=0时，说明x不属于A；而A(x)值介于0与1之间时，说明隶属度也介于属于与不属于之间——模糊的。
隶属函数的构造与经典集合可由其特征函数所确定一样，模糊集合A也能由其隶属函数所确定。
在解决实际问题时，往往首先遇到的问题是确定隶属函数。
模糊综合评价法基本步骤
模糊综合评价法基本步骤模糊综合评价法是一种基于模糊数学原理的分析方法，旨在处理不确定性和模糊性的信息，适用于各种决策和评价问题。
它可以用于评价产品质量、企业绩效、经济效益等方面，广泛应用于工程、管理、经济、环境等领域。
在这篇文章中，我将介绍模糊综合评价法的基本步骤，希望可以帮助读者更好地了解和应用这一方法。
一、确定评价指标在运用模糊综合评价法之前，首先需要确定评价对象的各项指标。
评价指标是评价过程中的量化标准，通常是具有一定重要性的因素或属性。
比如在评价产品质量时，可以选取产品外观、质地、性能等作为评价指标；在评价企业绩效时，可以选取利润、市场份额、员工满意度等作为评价指标。
确定评价指标的目的是为了全面衡量评价对象的各方面特征，使评价结果更具说服力。
二、建立模糊评价矩阵在确定评价指标后，需要建立模糊评价矩阵。
模糊评价矩阵是一种描述评价对象各指标与评价等级之间关系的矩阵，它可以清晰地表达出不同指标对评价结果的影响程度。
一般来说，模糊评价矩阵的元素可以采用隶属函数或隶属度来描述，用以量化指标与评价等级之间的关系。
建立好模糊评价矩阵后，可以直观地观察各指标对评价结果的影响程度，为后续的计算提供了重要的依据。
三、确定权重分配权重分配是评价过程中的一个重要环节。
对于不同的评价指标，其在评价对象中的重要程度是不同的，因此需要确定各指标的权重。
在模糊综合评价方法中，常用层次分析法、主成分分析法、模糊综合评价法等方法来确定权重分配。
这些方法可以通过数学模型和计算得出各指标的权重，从而为后续的评价计算提供了依据。
四、观察评价结果在确定了评价指标、建立了模糊评价矩阵、确定了权重分配后，就可以进行模糊综合评价的计算和分析了。
通过模糊综合评价法的计算，可以得出评价对象在各个评价等级下的模糊评价值，然后根据权重分配，计算出综合的评价结果。
评价结果可以反映评价对象在各个指标下的表现情况，并可以为决策提供依据。
五、敏感性分析在得出评价结果后，可以进行敏感性分析，即对评价结果进行稳定性和可靠性的检验。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
层次分析法与模糊评价在企业招聘中的应用黄岳钧1李树丞2（1,2湘潭大学商学院2湖南大学商学院湖南湘潭411105）摘要：如何从众多的应聘者中甄选出适合于本企业的人才是人力资源管理所面临的重要课题之一。
目前用人单位在招聘员工时,通常只是对众多的应聘人员进行简单的考察。
因受各种主客观因素的影响,对应聘人员的评价难免有失公正。
文章以某大型企业高层次人才的胜任力模型为例，设计了在招聘过程中甄选应聘者的指标体系，在评估方法上，采取定性与定量相结合的方法，运用层次分析法(AHP)确定了指标权重系数，针对甄选指标的模糊性，建立了评估的模糊综合评价模型，并进行了应用实例评估，结果表明，所建立的应聘者甄选评估体系是实际可操作的。
关键词：胜任力模型；层次分析法；模糊评价一、胜任力模型概述"胜任力"（competency）这个概念最早由哈佛大学教授David·McClelland于1973年正式提出，是指"能将某一工作中有卓越成就者与普通者区分开来的个人的深层次特征，它可以是动机、特质、自我形象、态度或价值观、某领域知识、认知或行为技能等任何可以被可靠测量或计数的并且能显著区分优秀与一般绩效的个体特征。
胜任力模型是指构成每一项工作所必须具备的胜任力总和。
一个完整的胜任力模型，通常包含了一个或多个群组，而每个群组底下又包含了若干个胜任力特征，且每个胜任力特征都有着一个描述性定义及3～5级行为描述或在工作中可以展现出这个才能的特定行为[1]。
近三十年来，胜任力模型作为最好的方法之一而应用于人员招聘和发展流程上，并被广泛地接受。
一个构建完好的源于组织的商业战略的胜任力模型，能够帮助组织定义出在某一工作岗位上作出优异表现所必需的行为和个人特质。
该岗位特征模型能明确担任该岗位工作的人员所应具备的胜任特征及其组合结构，也可以成为从外显到内隐特征进行人员素质测评的重要尺度和依据，从而为人力资源的招聘工作提供了科学的依据[2]。
也就是说，胜任力模型成为一个“标杆”，依据这一标杆来评估新员工。
现代人力资源管理要求运用科学的评价系统对应聘者的素质、知识及潜能等方面做出客观公正的评价[3]。
有效的招聘既使企业得到了良好的人力资源，同时也为人员的保持打下了基础，有助于减少因人员流动过于频繁而带来的损失，增强组织的凝聚力，提高士气，增强员工对组织的忠诚度。
德斯勒曾在其著作中介绍，“公司招募过程质量的高低会明显地影响应聘者对企业的看法”[4]。
在有效的胜任力评价模型中，对应聘者个人的评估是决定其是否聘用、确定其薪酬和入职及在职培训内容的依据。
在评估方法上，应当采取定性与定量相结合的方法，建立评估模型，合理确定评估指标体系和指标权重，进行有效的员工甄选。
由于指标在不同程度上存在模糊性和层次性，在招聘过程对员工的各方面素质的综合评价可以采用层次分析法与模糊综合评价相结合进行。
二、员工招聘评价指标设计不同岗位的评价指标侧重点不同，指标权重也不一样，准确、合理的权重可使招聘者能作者简介：黄岳钧，（1982－），男，衡阳人，湘潭大学硕士研究方向：管理科学与工程人力资源管理李树丞，（1943－），男，哈尔滨人，原湖南大学副校长，原湘潭大学校长,教授,博导够集中主要精力完成重要而复杂的指标评价，也能使招聘者更客观地考查应聘者的综合素质。
本文以某大型企业高层次人才的胜任力模型为例，设计绩效评估指标体系,采用AHP法确定评估指标的权重。
首先总结出递阶层次结构（见表1），构造比较判断矩阵，然后用和积法求矩阵的特征向量和特征根，并进行一致性检验，满足一致性检验的判断矩阵，其特征向量的各分量即为各个指标对上层指标的权重。
（1）构造评估指标体系（见表1）利用AHP 法对某大型企业高层次人才的胜任力特征内容进行分析，可建立三个层次的结构模型，即评估内容层、评估目标层、评估指标层。
评估内容层是指评估所指向的具体对象与范围，它具有相对性。
对于不同群体评估的内容存在差异。
评估内容层中的元素是对应聘者进行评估的内容。
某大型企业高层次人才的素质测评内容主要包括：知识素质、能力素质、个性与动机。
评估项目层是根据评估内容的要求给出的，是对评估内容的具体规定。
如知识素质内容，要通过以下评估项目：本学科专业知识、相关专业知识、文理综合知识以及其他生活常识来体现。
而知识素质只是对评估项目的一个综合说明。
测评项目的选择要通过一定的定量分析方法来实现，不能任意的指定。
一般采用德尔菲咨询、问卷调查与层次分析法、多元分析法进行选择。
评估指标层是评估项目层的可操作化的表现形式。
对于每一个测评指标都必须认真分析研究，给予清楚、准确的表述，使评估各方均能明确评估指标的涵义，不会因对测评指标的不同理解而导致标准掌握不一产生评估结果误差。
选择评估指标时不但要求要具有实际价值，还要是切实可行的，最好是能够量化的。
由于各企业各岗位之间存在差异，因而其评价的指标设定也要因企业和岗位而异[5] [6]。
表1 XX企业高层次人才胜任力特征模型评估指标体系（2）分别构造判断矩阵本文只针对项目层进行讨论，为了计算项目层中的18个因素相对于胜任力特征模型A 的组合权重，通过多方讨论及专家咨询，根据表2，对各指标进行两两比较，采用层次分析法，确定其权重，构造出判断矩阵[7]。
（表3~7）表2 判断矩阵中各元素的确定a ij两指标相比解释1 同等重要指标i和j同样重要3 稍微重要指标i比j略微重要5 明显重要指标i比j重要7 重要得多指标i比j明显重要9 极端重要指标i和j绝对重要表7 胜任力模型综合评价的判断矩阵及权重（3）确定各指标权重1）首先将判断矩阵的每一列元素作归一化处理，其元素的一般项为1ijij nkjk p P p==∑ （i,j=1,2,3,…,n ）2) 将各列归一化后的判断矩阵按行相加1ni ij j W p ==∑ （i,j=1,2,3,…,n ）3）再将向量12[,,...,]T n W W W W =归一化，得到1ii njj W W W==∑ （i,j=1,2,3,…,n ）得到的1,2,[...,]T n W W W W =即为所求特征向量。
4）计算判断矩阵的最大特征根为max 1()nii iPW nW λ==∑式中：()i PW 为PW 的第i 个分量素。
5）进行一致性检验。
1）计算一致性指标CI 。
max 1nCI n λ-=-2）由表8查找相应的平均随机一致性指标RI 。
表8 随机一致性指标3)计算随机一致性指标CR 。
CI CR RI=一般而言CR 愈小，判断矩阵的一致性愈好，通常认为CR<0.1时，判断矩阵满足一致性检验；否则，应对判断矩阵进行适当调整[8] [9]。
通过上述步骤（3）（4），得到各指标权重系数，同时，通过了一致性检验（CR<0.1，见表9），各个指标的权重系数W 见表2~6。
表9 一致性检验三、胜任力评估模糊评价模型（1）设计评估指标集A={ C 1 ,C 2 ,C 3 ,C 4}，分别表示胜任力模型项目层的{知识素质、能力素质、个性、动机}四个方面。
确定评估指标子集{}i ij C P =（i=1~4,j 为第i 个子集中指标的个数），例如11121314{,,,}i C P P P P =（指标含义见表1）(2)确定评价等级及其相应标准，给出评语集123{,,}V v v v =={优秀，合格，不合格}，评价等级分为3级，其中90~100分为优秀，60~89分为合格，0~59分为不合格。
将评语集的等级归一化，得到评价等级向量H={1，0.75,0.4} (3)确定权重系数矩阵W 。
应用AHP 法得出的各个评估指标的权重，即1234{0.52,0.27,0.14,0.07}{0.36,0.26,0.15,0.11,0.08,0.04}{0.58,0.24,0.13,0.05}{0.58,0.25,0.13,0.04}W W W W ====（4）进行单因素评价1）首先建立单因素评判矩阵{}i ij R r =。
由于指标ij P 的模糊性，可以通过德尔菲法得到ij P 隶属于第j 个评语j v 的程度，据此构造评判矩阵。
为了统计上的方便，隶属度ij r 用招聘小组赞同该因素的比例为某个评估等级的方法来表示。
将招聘小组填写的评语进行数学处理，可得到模糊评判矩阵。
2）单因素评价i i i B W R =⋅（i=1~4） (5) 进行多因素综合评价，得出最终评价结果。
由i B 构成更高一级的矩阵R ，最后求得综合评价矩阵B ，B 为综合评价的结果,即11223244W R W R R W R W R ⋅⎡⎤⎢⎥⋅⎢⎥=⎢⎥⋅⎢⎥⋅⎣⎦B W R =⋅ 最后，计算综合评价值T E B H =⋅E 的大小，反映了应聘者在胜任力评价模型上的优劣，从而为企业选择合适的人才提供科学依据[10]。
四、应用实例以某大型企业胜任力模型为例,在招聘过程中采用文中建立的指标体系与指标权重系数，应用模糊综合评价模型进行员工胜任力评估，以挑选出企业所需要的人才。
（1）通过招聘小组评语，并进行数学处理，得到模糊评判矩阵。
10.600.4000.700.300R =0.800.2000.400.600⎛⎫ ⎪⎪⎪ ⎪⎝⎭20.600.4000.700.3000.800.2000.600.4000.200.8000.100.900R ⎛⎫⎪⎪ ⎪= ⎪ ⎪ ⎪⎪⎪⎝⎭30.600.4000.700.300R =0.800.20001.000⎛⎫ ⎪⎪ ⎪⎪⎝⎭ 40.600.4000.400.600R =0.800.2000.700.300⎛⎫⎪⎪⎪⎪⎝⎭（2）进行单因素评价i i i B W R =⋅（i=1~4），得到111B W R =⋅={0.64,0.36,0} 222B W R =⋅={0.60,0.40,0}333B W R =⋅={0.62,0.38,0} 444B W R =⋅={0.58,0.42,0}(3)进行多因素综合评价，得出最终评价结果B 。
B W R =⋅={0.61,0.39,0}最后计算综合评价值TE B H =⋅反映应聘者的胜任力程度。
1(0.61,0.39,0)0.750.90250.4T E B H ⎛⎫ ⎪=⋅=⋅= ⎪ ⎪⎝⎭因此，该应聘者的胜任该岗位的综合评价得分为0.9025，评估等级为优秀，拟录用。
五、结语招聘活动是人力资源管理工作的重要环节。
一个组织拥有什么样的员工，在一定意义上决定了它在激烈的市场竞争中处于何种地位——是立于不败之地，还是最终面临被淘汰的命运。
因此，招聘工作能否有效地完成，能否招聘到企业真正需要的人，这对提高组织的竞争力、绩效及实现发展目标，均有至关重要的影响。