多层次灰色综合评价法及ahp验证

多层次灰色综合评价法及ahp验证
多层次灰色综合评价法及ahp验证

多层次灰色综合评价法及ahp验证

% grey_correlation_appraisal_ahp.m

clear all

clc

%指标数

a1_0=[2421 7409 2732 12188];

a2_0=[1293 4372 1350 4018];

a3_0=[300 0 100 100];

a4_0=[200 190 240 240];

a5_0=[2000 1150 2000 7791];

a6_0=[22 1148 35 931];

a7_0=[0.035 0.13 0.045 -0.088];

a8_0=[4 0 0 3];

a9_0=[50 165 100 220];

a10_0=[1 0 2 0];

%待判数据矩阵

A=[a1_0',a2_0',a3_0',a4_0',a5_0',a6_0',a7_0',a8_0',a9_0',a10_0']'; p=0.6;

for i=1:10

B(i,:)=(A(i,:)-min(A(i,:)))/(max(A(i,:))-min(A(i,:)));

end

%最佳值取每列的最大值(指标的最大值)

for i=1:10

V0(i)=max(B(i,:));

end

for i=1:10

for j=1:4

C(i,j)=abs(B(i,j)-V0(i));

end

end

r_min=min(min(C));

r_max=max(max(C));

% 计算相关系数E

i=1;

for i=1:10

for j=1:4

E(i,j)=(r_min+p*r_max)/(C(i,j)+p*r_max);

end

end

E;

% A的权重向量

Wa =[0.1062 0.2605 0.6333];

% B1的权重向量

Wb1= [0.2198 0.4265 0.0769 0.1648 0.1119];

% B2的权重向量

Wb2=[0.1667 0.8333];

% B3的权重向量

Wb3=[0.2519 0.5889 0.1593];

% B1的指标关联度

Rb1=Wb1*E(1:5,:);

% B2的指标关联度

Rb2=Wb2*E(6:7,:);

% B3的指标关联度

Rb3=Wb3*E(8:10,:);

% A的指标关联度

RA=Wa*[Rb1;Rb2;Rb3];

fprintf('利用多层次灰色综合评价计算结果为:\n'); fprintf('A的指标关联度为[%f %f %f %f]\n',RA);

% 利用层次分析法验证

% W为由层次分析法得到的各指标的权重系数

W =[0.1062*Wb1 0.2605*Wb2 0.6333*Wb3]; RAHP=B'*W';

fprintf('利用层次分析法计算结果为:\n');

fprintf('评价结果大小为[%f %f %f %f]\n',RAHP); % 将结果显示出来

subplot(2,2,1);

plot(RA);

subplot(2,2,3);

bar(RA); %柱状图

subplot(2,2,2);

plot(RAHP);

subplot(2,2,4);

bar(RAHP);

浅议灰色关联度分析方法及其应用

科技信息 SCIENCE&TECHNOLOGY INFORMATION 2010年第17期 1关联度的概念 关联度是事物之间、因素之间关联性大小的量度。它定量地描述 了事物或因素之间相互变化的情况,即变化的大小、方向与速度等的 相对性。如果事物或因素变化的态势基本一致,则可以认为它们之间 的关联度较大,反之,关联度较小。对事物或因素之间的这种关联关 系,虽然用回归、相关等统计分析方法也可以做出一定程度的回答,但 往往要求数据量较大、数据的分布特征也要求比较明显。而且对于多 因素非典型分布特征的现象,回归相关分析的难度常常很大。相对来 说,灰色关联度分析所需数据较少,对数据的要求较低,原理简单,易 于理解和掌握,对上述不足有所克服和弥补。 2关联度的计算 灰色关联度分析的核心是计算关联度。一般说来,关联度的计算 首先要对原始数据进行处理,然后计算关联系数,由此就可计算出关 联度。 2.1原始数据的处理 由于各因素各有不同的计量单位,因而原始数据存在量纲和数量 级上的差异,不同的量纲和数量级不便于比较,或者比较时难以得出 正确结论。因此,在计算关联度之前,通常要对原始数据进行无量纲化 处理。其方法包括初值化、均值化等。 2.1.1初值化。即用同一数列的第一个数据去除后面的所有数据,得 到一个各个数据相对于第一个数据的倍数数列,即初值化数列。一般 地,初值化方法适用于较稳定的社会经济现象的无量纲化,因为这样 的数列多数呈稳定增长趋势,通过初值化处理,可使增长趋势更加明 显。比如,社会经济统计中常见的定基发展指数就属于初值化数列。 2.1.2均值化。先分别求出各个原始数列的平均数,再用数列的所有 数据除以该数列的平均数,就得到一个各个数据相对于其平均数的倍 数数列,即均值化数列。一般说来,均值化方法比较适合于没有明显升 降趋势现象的数据处理。 2.2计算关联系数 设经过数据处理后的参考数列为: {x0(t)}={x01,x02,…,x0n} 与参考数列作关联程度比较的p个数列(常称为比较数列)为: {x1(t),x2(t),…,x p(t)}= x11x12…x1n x21x22…x2n ………… x p1x p2…x pn 上式中,n为数列的数据长度,即数据的个数。 从几何角度看,关联程度实质上是参考数列与比较数列曲线形状的相似程度。凡比较数列与参考数列的曲线形状接近,则两者间的关联度较大;反之,如果曲线形状相差较大,则两者间的关联度较小。因此,可用曲线间的差值大小作为关联度的衡量标准。 将第k个比较数列(k=1,2,…,p)各期的数值与参考数列对应期的差值的绝对值记为: Δok(t)=x0(t)-x k(t)t=1,2,…,n 对于第k个比较数列,分别记n个Δok(t)中的最小数和最大数为Δok(min)和Δok(max)。对p个比较数列,又记p个Δok(min)中的最小者为Δ(min),p个Δok(max)中的最大者为Δ(max)。这样Δ(min)和Δ(max)分别是所有p个比较数列在各期的绝对差值中的最小者和最大者。于是,第k个比较数列与参考数列在t时期的关联程度(常称为关联系数)可通过下式计算: ζok(t)=Δ(min)+ρΔ(max) ok 式中ρ为分辩系数,用来削弱Δ(max)过大而使关联系数失真的影响。人为引入这个系数是为了提高关联系数之间的差异显著性。0<ρ<1。 可见,关联系数反映了两个数列在某一时期的紧密程度。例如,在使Δok(t)=Δ(min)的时期,ζok(t)=1,关联系数最大;而在使Δok(t)=Δ(max)的时期,关联系数最小。由此可知,关联系数变化范围为0<ζok(t)≤1。 显然,当参考数列的长度为n时,由p个比较数列共可计算出n×p个关联系数。 2.3求关联度 由于每个比较数列与参考数列的关联程度是通过n个关联系数来反映的,关联信息分散,不便于从整体上进行比较。因此,有必要对关联信息作集中处理。而求平均值便是一种信息集中的方式。即用比较数列与参考数列各个时期的关联系数之平均值来定量反映这两个数列的关联程度,其计算公式为: r ok=1 n n i=1 Σζok(t) 式中,r ok为第k个比较数列与参考数列的关联度。 不难看出,关联度与比较数列、参考数列及其长度有关。而且,原始数据的无量纲化方法和分辩系数的选取不同,关联度也会有变化。 2.4排关联度 由上述分析可见,关联度只是因素间关联性比较的量度,只能衡量因素间密切程度的相对大小,其数值的绝对大小常常意义不大,关键是反映各个比较数列与同一参考数列的关联度哪个大哪个小。 当比较数列有p个时,相应的关联度就有p个。按其数值的大小顺序排列,便组成关联序。它反映了各比较数列对于同一参考数列的“主次”、“优劣”关系。 灰色关联度分析方法的运用之一,就是因素分析。在实际工作中,影响一个经济变量的因素很多。但由于客观事物很复杂,人们对事物的认识有信息不完全性和不确定性,各个因素对经济总量的影响作用不是一下子就能够看清楚的,需要进行深入的研究,这就是经济变量的因素分析。运用灰色关联度进行因素分析是非常有效的,而且特别适用于各个影响因素和总量之间不存在严格数学关系的情况。 例1:利用关联度分析方法研究某公路施工企业工资序列(表1)。 表1某公路施工企业工资序列表单位:千元 根据表1中数据,以工资总额为参考数列x0(t),以计时工资x1(t)、档案工资x2(t)和承包工资x3(t)为比较数列,计算三种工资对于工资总额的关联度。 第一步,对各数列作均值化处理。 工资总额和三种工资的均值分别为: 浅议灰色关联度分析方法及其应用 孙芳芳 (濮阳市公路管理局河南濮阳457000) 【摘要】灰色关联度是灰色数学中的一种方法,用来研究事物相互关联、相互作用的复杂因素的影响作用,确定影响事物的本质因素,使各种影响因素之间的“灰色”关系清晰化。本文介绍了灰色关联度在实际工作中的分析方法和步骤,为定量描述事物或因素之间相互变化的情况提供了理论依据。 【关键词】灰色关联度;分析方法;综合评价;应用 年份工资总额计时工资档案工资承包工资 200313974.23831.06587.23556.0 200415997.64228.07278.04491.6 200517681.35017.07717.44946.9 200620188.35288.69102.25797.5 200724020.35744.011575.26701.0 x i軃18372.34821.78450.05098.6○公路与管理○ 880

灰色多层次评价法在工程项目选择中的应用_侯景亮

西南交通大学学报(社会科学版) 2007年8月J OURNAL OF SOUTHWEST JI A OTONG UN I V ERSI TY A ug .2007第8卷 第4期 (Socia l Sciences) V o.l 8 N o .4 收稿日期: 2007-03-15 基金项目: 国家科技攻关项目(2004BA 905B09) 作者简介: 侯景亮(1973-),男,辽宁营口人。博士研究生,主要从事项目管理研究。E -m a i :l ji ng li anghou0408@126.co m 。 灰色多层次评价法在工程项目选择中的应用 侯景亮1a ,迟红娟2 ,李远富 1b (1.西南交通大学a .经济管理学院;b .土木工程学院,四川成都610031;2.鲁东大学交通学院,山东烟台264025) 关键词: 工程项目选择;层次分析法;灰色评估理论 摘 要: 在项目的初始阶段,影响选择方的评价指标体系包含诸多项目内外部指标。这些指标多为定性指标,用传统方法很难取得良好的评估效果,并最终影响到选择方的利益。而运用灰色多层次模型将这些定性指标定量化,不仅能够对单个工程项目进行综合价值评价,还能对多个项目进行机会排序。尽管灰色多层次评价法在 确定指标权重时会受一定的人为因素影响,但它能将主观评价降低到最低限度,且其更多的是进行定量分析和评价,因此,该方法有助于项目选择方的客观决策。 中图分类号: F 224.9 文献标志码: A 文章编号: 1009-4474(2007)04-0023-05 Application of G rey H ierarchy EvaluationM ethod in Choice of Construction Project HOU Ji n g -liang 1a ,CH IH ong -juan 2,LI Yuan -fu 1b (1. a.School of E cono m ics and M anage ment ;b .S c hool of C ivil E ng ineering,Southw est J iaotong University,Chengdu 610031,Ch ina ;2.School of J iaotong,Ludong University,Yantai 264025,China ) K ey words :cho i c e of constr uction projec;t A na l y tic H ierarchy Process (AH P)m et h od ;g rey eva l u ation m ethod Abstract :In the i n itial stage of pro j e ct the syste m o f evaluati o n i n dexes t h at i n fl u ence t h e se l e ction of pr o ject i n c l u des interna l and ex ter na l i n dexes ,a ll o f wh ich are m ostly qua litative and hard to be eva l u ated by trad itional m ethods .The grey h i e rarchy m odel can m ake t h ese qualitati v e indexes quantitati v e ,so it can no t only eva l u ate t h e co m prehensive va l u e of a pro ject but also m ake a sequencing of severa l pro jects .The grey hierarchy eva l u ation m ethod m ay be affected by personal factors when it deter m i n es the w e i g ht of i n dexes ,but it can m ini m ize t h e subjecti v e eva l u ation and conduct a quantitative analysis and evaluati o n .In conclusion ,the grey h ierarc hy eva l u ation m ethod is conduc i v e to the objective decisi o n of project selector . 工程项目的生命周期可以分为四个大的阶段:概念阶段、开发阶段、实施阶段及结束阶段。在不同的阶段,项目管理的内容是不相同的 1 。在工程项目的概念阶段,选择有发展机会的项目不但关系到投资方及利益相关者(以下称选择方)的利益,而且关系到项目运营后对于国民及社会的效益,因此 项目的机会选择需要长时间的市场调研和慎重思考。以往选择方总是凭借主观判断和经验积累或者专家评估法、要素分层法来进行项目的选择,但项目机会选择的影响要素多是定性要素,通过以上方法很难取得良好的效果。因为这种方法的选择结果常常受到项目参加选择的各方主观经验,权威

多层次灰色综合评价法及ahp验证

多层次灰色综合评价法及ahp验证 % grey_correlation_appraisal_ahp.m clear all clc %指标数 a1_0=[2421 7409 2732 12188]; a2_0=[1293 4372 1350 4018]; a3_0=[300 0 100 100]; a4_0=[200 190 240 240]; a5_0=[2000 1150 2000 7791]; a6_0=[22 1148 35 931]; a7_0=[0.035 0.13 0.045 -0.088]; a8_0=[4 0 0 3]; a9_0=[50 165 100 220]; a10_0=[1 0 2 0]; %待判数据矩阵 A=[a1_0',a2_0',a3_0',a4_0',a5_0',a6_0',a7_0',a8_0',a9_0',a10_0']'; p=0.6; for i=1:10 B(i,:)=(A(i,:)-min(A(i,:)))/(max(A(i,:))-min(A(i,:))); end %最佳值取每列的最大值(指标的最大值) for i=1:10 V0(i)=max(B(i,:)); end for i=1:10 for j=1:4 C(i,j)=abs(B(i,j)-V0(i)); end end r_min=min(min(C)); r_max=max(max(C)); % 计算相关系数E i=1; for i=1:10 for j=1:4 E(i,j)=(r_min+p*r_max)/(C(i,j)+p*r_max); end end E; % A的权重向量 Wa =[0.1062 0.2605 0.6333]; % B1的权重向量 Wb1= [0.2198 0.4265 0.0769 0.1648 0.1119];

模糊综合评判和灰色评价法的应用实例分析

模糊综合评判和灰色评价法的应用实例分析 一、在物流中心选址中的应用 物流中心作为商品周转、分拣、保管、在库管理和流通加工的据点,其促进商品能够按照顾客的要求完成附加价值,克服在其运动过程中所发生的时间和空间障碍。在物流系统中,物流中心的选址是物流系统优化中一个具有战略意义的问题,非常重要。 基于物流中心位置的重要作用,目前已建立了一系列选址模型与算法。这些模型及算法相当复杂。其主要困难在于: (1)即使简单的问题也需要大量的约束条件和变量。 (2)约束条件和变量多使问题的难度呈指数增长。 模糊综合评价方法是一种适合于物流中心选址的建模方法。它是一种定性与定量相结合的方法,有良好的理论基础。特别是多层次模糊综合评判方法,其通过研究各因素之间的关系,可以得到合理的物流中心位置。 1 .模型 ⑴单级评判模型 ①将因素集U按属性的类型划分为k个子集,或者说影响U的k个指标,记为 U 讪,U2」l(,U k) 且应满足: k Us 二U, Uip|U j 二 i 1 ②权重A的确定方法很多,在实际运用中常用的方法有:Delphi法、专家 调查法和层次分析法。 ③通过专家打分或实测数据,对数据进行适当的处理,求得归一化指标关

于等级的隶属度,从而得到单因素评判矩阵。 ④单级综合评判B = A。R ⑵多层次综合评判模型 一般来说,在考虑的因素较多时会带来两个问题:一方面,权重分配很难确定;另一方面,即使确定了权重分配,由于要满足归一性,每一因素分得的权重必然很小。无论采用哪种算子,经过模糊运算后都会“淹没”许多信息,有时甚至得不出任何结果。所以,需采用分层的办法来解决问题。 2?应用 运用现代物流学原理,在物流规划过程中,物流中心选址要考虑许多因素。根据因素特点划分层次模块,各因素又可由下一级因素构成,因素集分为三级,三级模糊评判的数学模型见表3-7. 表3-7 物流中心选址的三级模型 第一级指标第二级指标第三级指标 气象条件U ii(0.25 ) 地质条件U12(0.25 ) 自然环境U i(0.1) 水文条件 (0.25 ) U13 地形条件U14(0.25 ) 交通运输U2(0.2 ) 经营环境U3(0.3 ) 面积U41(0.1 ) 形状U42(0.1 ) 候选地u4(0.2 ) 周边干线 (0.4 ) U43

《系统工程》之灰色评价法

灰色评价法 灰色评价法是运用灰色理论将评价专家的分散信息处理成一个描述不同灰类程度的权向量,在此基础上,再对其单值化处理,得到受评结果的综合评价值,进而可进行项目间的排序选优。这提高了评价的科学性和精确性。 图5—14是一个由多个评价指标按属性不同分组,每组作为一个层次,按照最高层(目标W)、中间层(一级评价指标U i,i=1,2,…,m)和最低层(二级评价指标V ij, i=1,2,…,m; j=1,2,…,n i)的形式排列起来组成的3层评价指标体系。 图5—14 3层评价指标体系 假设评价对象的序号为S(S=1,2,…,q),W(s)代表第S个被评价对象的优选评价值;U代表一级评价指标U i组成的集合,记为U={U1,U2,…,Um};V i(i=1,2,…,m)代表二级评价指标V ij组成的集合,记为V i={V i1,V i2,…,V i n j}。则层次灰色评价法的具体步骤如下。 1.制定评价指标V ij的评分等级标准 评价指标V ij是定性指标,将定性指标转化成定量指标,即定性指标量化可以通过制定评价指标评分等级标准来实现。考虑到思维最大可能分辨能力,将评价指标V ij的优劣等级划分4级,并分别赋值(评分)4,3,2,1分,指标等级介于两相邻等级之间时,相应评分为3.5,2.5和1.5分。 2.确定评价指标U i和V ij的权重 按上述评价指标体系评价时,评价指标U i和V ij对目标W的重要程度是不同的,即有不同的权重。这些评价指标权重的确定,可以利用层次分析法(AHP法),

通过两两成对的重要性比较建立判断矩阵,然后用解矩阵特征值的方法求出。 假设求得一级评价指标U i (i=1,2,…,m )的权数分配为a i (i=1,2,…,m ),各指标权重集A=(a 1,a 2,…,a m ),且满足a i ≥0,∑=m i 1i a =1;二级评价指标V ij (i=1,2,…,m,j=1,2,…, n i )的权数分配为a ij (i=1,2,…,m ,j=1,2,…, n i ),各指标权重集A i =(a i1,a i2,…, ),且满足a ij ≥0,∑=nj j 1ij a =1。 3.组织评价专家评分 设评价专家序号为k (k=1,2,…,p ),即有p 个评价专家。组织p 个评价专家对第S 个项目按评价指标V ij 评分等级标准打分,并填写评价专家评分表。 4.求评价样本矩阵 根据评价专家评分表,即根据第k 个专家对第S 个项目按评价指标V ij 给出 的评分) (s ijk d ,求得第S 个项目的评价样本矩阵D (S): p 2 1 ∑=???????????? ???????? ??????????????????????==?m i m m m m p n s ijk s p mn s mn s mn s p m s m s m s p m s m s m s p n s n s n s p s s s p s s s p n s n s n s p s s s p s s mn m m n n s d d d d d d d d d d d d d d d d d d d d d d d d d d d d V V V V V V V V V D 122211121)() () ()(2 ) (1 )(2)(22) (21) (1)(12) (11) (2)(22) (12 ) (22)(222)(221)(21)(212) (211 )(1)(21)(1 1)(12)(122 )(121) (11) (112) (111 212222111211) ( 其中,i=1,2,…,m ;j=1,2,…, ;k=1,2,…,p 。 5.确定评价灰类 确定评价灰类就是确定评价灰类的等级数、灰类的灰数和灰数的白化权函数。分析上述评价指标V ij 评分等级标准,决定设定4个评价灰类,灰类序号为e ,即

灰色关联度分析法在系统综合评价中的应用(精)

灰色关联度分析法在系统 综合评价中的应用 李玉辉,张建 2 (1.长沙理工大学,湖南长沙410076;2.济南市公路管理局,山东济南250013) 摘要:基于灰色系统理论,研究了灰色关联度分析法在系统综合评价中的应用。并通过实例对该方法进行了实证研究,表明了该方法的有效性。关键词:灰色关联度;综合评价;指标体系中图分类号:U491 文献标识码:A 的标准数据列,记为X0,设第一个指标值记为X0(1),第二个指标值记为X0(2),第k 个指标值记为X0(k),因此参考数据列可以用如下公式表示 X0=X0(i) i=1,2,3,,n ……………(1)比较数据列是研究的对象数据列,记为 X1,X2,,,Xm,可以用如下公式表示 X1=X1(i) i=1,2,3,,nX2=X2(i) i=1,2,3,,n,, Xm=Xm(i) i=1,2,3,, (2) 引言 系统综合评价的方法很多,如层次分析法、模糊综合评判法、主成分分析法、因子分析法等。这些方法都有各自的优点,但是也存在着一定的不足。例如模糊综合评判法是对难以精确化的复杂系统进行分析的间接评判法,这种方法的重要步骤是确定评价指标的隶属度,如果隶属函数选择的不合适,则容易引起较大的误差;层次分析法是将人们的定性思维转化为定量分析的过程,很大程度上依赖于人的经验;主成分分析法则要求有多个非线性相关的指标,指标太少的话,会在很大程度上影响评价的客观性。笔者应用灰色系统的有关理论,研究了灰色关联度分析法在系统综合评价中的应用。 1.2 关联系数 在分析参考数据列和比较数据列的关联程度时,首先分析各个指标间的关联程度,用关联系数这个概念表示,计算公式如下 Gi(J)= vMin+K#vMax (3) i(J)+K#vMax 其中,vi(J)=&Xi(J)-X0(J)&;vMin=MiinMJin&Xi(J)-X0(J)&:vMax=MiaxMJax&Xi(J)-X0(J)& Gi(J)为Xi对X0的k指标关联系数;K为分辨系数,一般在0与1之间,通过计算验证,笔者取为0.5,结果较为合理。

灰色综合评估法

灰色综合评估法 对复杂大系统进行效能评估时,会存在信息不完备、不全面、不充分的情况,灰色理论的相关原理和方法正是适用于该问题。灰色白化权函数聚类法是灰色综合评估法的一种,它根据灰数的白化权函数将一些观测指标或对象聚集成若干个可以定义的类别,将系统归于某灰类的过程,用于检测对象是否属于事先设定的不同类别。 灰色白化权函数聚类法可以对复杂大系统的效能进行评估。 具体步骤如下, 步骤1:建立评估指标集 设有m 个评估指标。 步骤2:建立灰类 灰类类似于评语集。建立s 个不同的灰类。 步骤3:建立白化权函数 选定的评估指标为,(1,2,,)j x j m =,将指标j x 的取值相应地分为s 个灰类,称为j 指标子类。j 指标(1,2, ,)k k s =子类的白化权函数()k j f ?。()k j f ?选用典型 白化权函数。 0,[(1),(4)](1),[(1),(2)](2)(1)()1,[(2),(3)](4),[(3),(4)](4)(3)k k j j k j k k j j k k j j k j k k j j k j k k j j k k j j x x x x x x x x x x f x x x x x x x x x x x ???-?∈?-?=?∈??-?∈-?? 步骤4:确定评判权重向量A 求出指标的权重,(1,2,,)j j m η=。 步骤5:求出聚类系数向量 1 212111(,,,)((),(),,())m m m s s j j j j j j j j j j j j f x f x f x σσσσηηη=====???∑∑∑ 设{}1max k k i i k s σσ*≤≤=,则称评估对象属于灰类k * 。

基于层次分析法的灰色关联度综合评价模型

第1章基于层次分析法的灰色关联度综合评价模型 灵活型公共交通系统是一个复杂的综合性系统,单一的常规评价方法不能够准确对系统进行全面评价【39】,这就要求在进行灵活型公共交通系统评价时,结合系统固有特点,根据各种评价方法的优缺点,构建适合该系统的综合评价模型。本章以灵活型公共交通系统评价指标体系为基础,参考常规型公共交通系统评价方法,建立了基于层次分析法的灰色关联度综合评价模型。 1.1评价方法适应性分析 灰色关联度分析法基于灰色系统理论,是一种多指标、多因素分析方法,通过对系统的动态发展情况进行定量化分析,考察系统各个要素之间的差异性和关联性,当比较序列与参考序列曲线相似时,认为两者有较高关联度,反之则认为它们之间关联度较低,从而给出各因素之间关系的强弱和排序【50】。与传统的其它多因素分析法相比【80】【81】【82】,灰色关联度分析法对数据量要求较低,样本量要求较少,计算量较小,可以利用各指标相对最优值作为参考序列,为最终综合评价等级的确定提供依据,而不必对大量实践数据有过高要求,能够较好解决灵活型公共交通系统作为新型辅助式公系统没有足够的经验数据支撑其模型参数的问题。此外,灵活型公共交通系统评价体系是基于乘客、公交企业、政府三方主体的综合评价体系,涉及因素较多,指标较为复杂,部分指标之间存在关联性和重复性,信息相对不完全,而灰色系统的差异信息原理以及解的非唯一性原理,可以很好的解决这一问题【79】。综上所述,认为灰色关联度分析法比较适合于灵活型公共交通系统的综合评价。然而灰色关联度分析法将所有指标对于总目标的影响因素大小视作等同,没有考虑指标权重的影响,评价值可信度较低,应当通过科学的方法,确定指标权重,将其与关联度系数相结合,增加评价结果的科学性和有效性【83】。 常见的权重确定方法包括,专家打分法、等权重法、统计试验法、熵值法等。等权重法不能很好的体现不同指标影响程度的差异性,并且在综合评价值相差不大时不利于方案的选择【84】;专家打分法、统计试验法评价的主观性较高,并且不适用于指标较多的情况【85】;行和正规化法、列和求逆法等指对判断矩阵的一部分数据进行利用,结果可信度不高【86】;最小偏差法、对数回归法等,利用同一指标不同方案值,认为变化程度较大的指标传递更多信息,应具有较高权重,然而对于灵活型公共交通系统单方案综合水平等级评价的情况,并不适用。本文应用层次分析法确定系统各指标权重,层次分析法【51】【52】(Analytic Hierarchy Process—AHP)是一种典型的系统工程分析方法,它将人们复杂的系统思维过程数学化、层次、条理化,把复杂问题的各种因素整合为相互联系的有序层次【53】,有助于保持决策者思维的一致性,适用于各种类型的复杂综合评价系统,能够有效的将定性分析和定量分析进行综合集成,具有的可置换性、互容性、对称性等较优性质,是目前确定指标权重的一种常用方法。 鉴于此,本文引入了基于层次分析法的灰色关联度综合评价模型【54】【55】【56】,在建立基于三方主体的综合评价体系同时量化评价指标的基础上,进一步对各指标进行无量纲化处理,通过层次分析法确定各指标权重,进而建立灰色关联度评价矩阵,与各指标权重相结合,确定灵活型公共交通系统综合评价结果。考虑到灵活型公共交通系统综合评价体系评价指标较多,本文采用了基于灰色关联度的二级指标评价矩阵,由低层向高层逐步进行评价,避免

(整理)灰色关联度分析方法模型

灰色关联度分析方法模型 灰色综合评价主要是依据以下模型:R=Y×W 式中,R 为M 个被评价对象的综合评价结果向量;W 为N 个评价指标的权重向量;E 为各指标的评判矩阵,(矩阵略) )(k i ξ为第i 个被评价对象的第K 个指标与第K 个最优指标的关联系数。根据R 的数值,进行排序。 (1)确定最优指标集 设],,[**2*1n j j j F =,式中*k j 为第k 个指标的最优值。此最优序列的每个指标值可以是诸评价对象的最优值,也可以是评估者公认的最优值。选定最优指标集后,可构造矩阵D (矩阵略) 式中i k j 为第i 个期货公司第k 个指标的原始数值。 (2)指标的规范化处理 由于评判指标间通常是有不同的量纲和数量级,故不能直接进行比较,为了保证结果的可靠性,因此需要对原始指标进行规范处理。设第k 个指标的变化区间为],[21k k j j ,1k j 为第k 个指标在所有被评价对象中的最小值,2k j 为第k 个指标在所有被评价对象中的最大值,则可以用下式将上式中的原始数值变成无量纲值)1,0(∈i k C 。 i k k k i k i k j j j j C --=21,m i ,2,1=,n k ,,2,1 =(矩阵略) (3)计算综合评判结果 根据灰色系统理论,将],,,[}{**2 *1*n C C C C =作为参考数列,将

],,,[}{21i n i i C C C C =作为被比较数列,则用关联分析法分别求得第i 个被评价对 象的第k 个指标与第k 个指标最优指标的关联系数,即 i k k k i i k k i k k k i i k k k i C C C C C C C C k -+--+-=****i max max max max min min )ρρξ( 式中)1,0(∈ρ,一般取5.0=ρ。 这样综合评价结果为:R=ExW 若关联度i r 最大,说明}{C 与最优指标}{*C 最接近,即第i 个被评价对象优于其他被评价对象,据此可以排出各被评价对象的优劣次序。 2.灰色综合评价实证分析 (1)方法一:理想对象(2007年数据)(表略)

第四章 灰色关联度评价法

第四章灰色关联度评价法 1982年,华中理工大学邓聚龙教授首先提出了灰色系统得概念,并建立了灰色系统理论.之后,灰色系统理论得到了较深入的研究,并在许多方面获得了成功得应用.灰色系统理论认为,人们对客观事物得认识具有广泛得灰色性,即信息的不完全性和不确定性,因而由客观事物所形成得是一种灰色系统,即部分信息已知、部分信息未知得系统.比如社会系统、经济系统、生态系统等都可以看作是灰色系统..人们对综合评价的对象—被评价事物的认识也具有灰色性,因而可以借助于灰色系统的相关理论来研究综合评价问题.下面首先介绍灰色关联分析方法,然后探讨其在综合评价中应用的一些问题. 一、灰色关联分析方法 灰色关联分析(GRA)是一种多因素统计分析方法,它是以各因素的样本数据为依据用灰色关联度来描述因素间关系得强弱、大小和次序的.如果样本数据列反映出两因素变化的态势(方向、大小、速度等)基本一致,则它们之间得关联度较大;反之,关联度较小.与传统的多因素分析方法(相关、回归等)相比,灰色关联分析对数据要求较低且计算量小,便于广泛应用. GRA分析得核心是计算关联度,下面通过一个例子来说明计算关联度得思路和方法.表5-3是某地区1990~1995年国内生产总值得统计资料.现在提出这样得问题:该地区三次产业中,哪一产业产值得变化与该地区国内生产总值(GDP)的变化态势更一致呢?也就是哪一产业与GDP的关联度最大呢?这样得问题显然是很有实际意义的.一个很自然的想法就是分别将三次产业产值的时间序列与GDP 的时间序列进行比较,为了能够比较,先对各序列进行无量纲化,这里采用均值化法.各序列得均值分别为:2716,461.5,1228.83,1025.67,表5-3中每列数据除以其均值可 表5-3 某地区国内生产总值统计资料(百万元)

相关文档
最新文档