数学建模综合评价模型1

合集下载

数学建模评价模型方法

数学建模评价模型方法
• 对于不同的指标可以取相同的权函数, 也可以取不同的权函数。
四、数据建模的动态加权方法
2. 动态加权函数的设定
四、数据建模的动态加权方法
2. 动态加权函数的设定
四、数据建模的动态加权方法
2. 动态加权函数的设定
返回
四、数据建模的动态加权方法
3. 动态加权的综合评价模型
五、数据建模的综合排序方法
定的区间内为最好。
什么是一 致化处理? 为什么要
一致化?
二、数据处理的一般方法
1. 数据类型的一致化处理方法
二、数据处理的一般方法
1. 数据类型的一致化处理方法
二、数据处理的一般方法
2. 数据指标的无量纲化处理方法
常用方法: 标准差法、极值差法和功效系数法等 。
二、数据处理的一般方法
2. 数据指标的无量纲化处理方法 (1) 标准差方法
数据处理与数据建模方法
1. 一般数据建模问题的提出 2. 数据处理的一般方法 3. 数据建模的综合评价方法 4. 数据建模的动态加权方法 5. 数据建模的综合排序方法 6. 数据建模的预测方法
一、一般数据建模问题的提出 一般问题:
•实际对象都客观存在一些相关的数据信息;
•如何综合利用这些相关信息给出综合评价结果 、制定决策方案,或预测未来?
4. 其他综合评价法
因子分析 聚类分析 模糊评价 层次分析法等
四、数据建模的动态加权方法
1. 动态加权问题的一般提法
问题:如何对n个系统做出综合评价呢?
四、数据建模的动态加权方法
2005年中国大学生数学建模竞赛的A题:“长江水质的 评价和预测”问题的第一部份给出了17个观测站(城市)的 最近28个月的实际检测指标数据,包括反映水质污染程度的 最主要的四项指标:溶解氧(DO)、高锰酸盐指数(CODMn) 、氨氮(NH3-N) 和PH值,要求综合这四种污染指标的28个月 的检测数据对17个城市的水质情况做出综合评价。

数学建模模糊综合评价法

数学建模模糊综合评价法

学科评价模型(模糊综合评价法)摘要:该模型研究的是某高校学科的评价的问题,基于所给的学科统计数据作出综合分析。

基于此对未来学科的发展提供理论上的依据。

对于问题1、采用层次分析法,通过建立对比矩阵,得出影响评价值各因素的所占的权重。

然后将各因素值进行标准化。

在可共度的基础上求出所对应学科的评价值,最后确定学科的综合排名。

(将问题1中的部分结果进行阐述)(或者是先对二级评价因素运用层次分析法得出其对应的各因素的权重(只选取一组代表性的即可),然后再次运用层次分析法或者是模糊层次分析法对每一学科进行计算,得出其权重系数)。

通过利用matlab确定的各二级评价因素的比较矩阵的特征根分别为:4.2433、2、4.1407、3.0858、10.7434、7.3738、3.0246、1对于问题2、基于问题一中已经获得的对学科的评价值,为了更加明了的展现各一级因素的作用,采用求解相关性系数的显著性,找出对学科评价有显著性作用的一级评价因素。

同时鉴于从文献中已经有的获得的已经有的权重分配,对比通过模型求得的数值,来验证所建模型和求解过程是否合理。

对于问题3、主成份分析法,由于在此种情况下考虑的是科研型或者教学型的高校,因此在评价因素中势必会有很大的差别和区分。

所以在求解评价值的时候不能够等同问题1中的方法和结果,需要重新建立模型,消除或者忽略某些因素的影响和作用(将问题三的部分结果进行阐述)。

一、问题重述学科的水平、地位是评价高等学校层次的一个重要指标,而学科间水平的评价对于学科本身的发展有着极其重要的作用。

而一个显著的方面就是在录取学生方面,通常情况下一个好的专业可以录取到相对起点较高的学生,而且它还可以使得各学科能更加深入的了解到本学科的地位和不足之处,可以更好的促进该学科的发展。

学科的评价是为了恰当的学科竞争,而学科间的竞争是高等教育发展的动力,所以合理评价学科的竞争力有着极其重要的作用。

鉴于学科评价的两种方法:因素分析法和内涵解析法。

综合评价决策模型方法_数学建模

综合评价决策模型方法_数学建模

综合评价决策模型方法_数学建模决策模型方法是一个重要的工具,用于解决复杂的决策问题。

综合评价决策模型方法是一个基于多个指标或因素对决策方案进行评价的方法。

该方法在数学建模中常用于分析多个决策方案的优劣,帮助决策者做出最优决策。

首先,层次分析法是一种定性与定量相结合的分析方法,用来解决多个指标之间的相对重要性问题。

它通过建立层次结构,将问题分解为若干个层次,并对各层次进行权值的确定,从而得到最终的评价结果。

层次分析法主要包括建立层次结构模型、构造判断矩阵、计算权重和一致性检验等步骤。

其优点是结构明确、能够定量地评价各指标之间的重要性,但也存在权重确定的主观性较强的问题。

其次,灰色关联度法是一种基于灰色理论的模型,用于评价多个指标之间的关联程度。

它通过建立灰色关联度模型,将多个指标的值转化为灰色数列,进行关联度计算,从而得到各指标的权重。

灰色关联度法主要包括灰色关联度计算和权重确定两个步骤。

其优点是能够考虑指标之间的关联关系,但也存在对指标值的灵敏度较高的问题。

再次,熵权法是一种基于信息熵的权重确定方法,用于评价多个指标的重要性。

它通过计算各指标的熵值和权重,得到最终的评价结果。

熵权法主要包括计算指标熵值、计算指标熵权和综合计算这三个步骤。

其优点是能够客观地确定指标的权重,但也存在对指标值范围要求较高的问题。

最后,矩阵法是一种定量化的综合评价方法,用于评价多个决策方案的优劣。

它通过构造评价指标矩阵,对各决策方案的各指标进行评分,并计算出加权总分,从而对决策方案进行排序。

矩阵法主要包括构造评价指标矩阵、对矩阵进行归一化和计算加权总分这三个步骤。

其优点是方法简单、易于理解和使用,但也存在在权重确定上存在一定主观性的问题。

总的来说,综合评价决策模型方法在数学建模中起着重要的作用。

不同的方法有不同的优缺点,适用于不同的决策问题。

决策者在选择合适的方法时,需要根据实际情况和需求综合考虑。

数学建模中的模型评价

数学建模中的模型评价

数学建模中的模型评价数学建模是一种以数学方法和技巧解决实际问题的过程。

在实际应用中,我们往往需要选取和评价不同的模型,以确定最适合解决问题的模型。

本文将介绍数学建模中常用的模型评价方法,并分析其优缺点。

一、模型评价方法在数学建模中,常用的模型评价方法有以下几种:1. 残差分析法残差分析法是通过对模型的预测值与实际观测值之间的偏差进行统计分析,以评估模型的拟合程度。

残差是指模型的预测值与实际观测值之间的差值,利用残差可以判断模型是否存在系统误差或者随机误差。

2. 相对误差法相对误差法是通过计算模型预测值与实际观测值之间的相对误差,来评估模型的准确性。

相对误差是指模型预测值与实际观测值之间的差值与实际观测值的比值。

相对误差越小,说明模型的预测能力越强。

3. 决定系数法决定系数是通过计算模型预测值和实际观测值之间的相关性来评估模型的拟合优度。

决定系数的取值范围在0到1之间,越接近1表示模型的拟合效果越好。

4. 参数估计法参数估计法是利用统计学方法对模型中的参数进行估计,以评估模型的可靠性。

参数估计法主要通过最小二乘法来求解最佳参数值,使得模型的拟合误差最小化。

二、模型评价的优缺点每种模型评价方法都有其独特的优缺点,我们需要根据具体问题和模型的特点来选择合适的方法。

残差分析法的优点是可以直观地观察模型预测值和实际观测值之间的差异,可以发现模型中存在的问题,便于模型的改进。

然而,残差分析法也存在一些局限性,比如无法判断模型中存在的误差类型以及无法量化模型的拟合程度。

相对误差法的优点是可以量化模型的准确性,通过计算相对误差可以对比不同模型的预测能力。

然而,相对误差法没有考虑到误差的方向,只是简单地计算模型预测值与实际观测值之间的比值,可能忽略了误差值的正负。

决定系数法是一种常用的模型评价方法,可以直接判断模型的拟合优度,其计算简单直观。

然而,决定系数只考虑了模型预测值与实际观测值之间的相关性,没有考虑到其他可能的误差来源。

数学建模中的常见模型

数学建模中的常见模型

数学建模中的常见模型数学建模综合评价模型是一种通过对各个评价指标进行量化,并将它们按照权重进行加权,最终得到一个综合评价值的方法。

这个模型可以应用于多指标决策问题,用于对被评价对象进行排名或分类。

常见的数学建模综合评价模型包括模糊综合评价模型、灰色关联分析模型、Topsis(理想解法)、线性加权综合评价模型、熵值法和秩和比法等。

模糊综合评价模型是一种基于模糊数学理论的方法,它将评价指标的模糊程度考虑在内,得到一个模糊评价结果。

该模型的步骤包括确定评价指标及其权重、构建模糊评价矩阵、进行模糊运算、得到模糊评价结果。

灰色关联分析模型是一种用于分析指标间关联性的方法,它可以帮助我们确定各个指标对被评价对象的影响程度。

该模型的步骤包括确定关联度计算方法、计算各个指标的关联度、得到综合关联度。

Topsis(理想解法)是一种基于距离的方法,它通过计算每个评价对象与理想解的距离,得到一个综合评价值。

该模型的步骤包括确定正负理想解、计算距离、得到综合评价值。

线性加权综合评价模型是一种常用的多指标决策方法,它将各个评价指标的权重与指标值线性组合起来,得到一个综合评价值。

该模型的优点是简单易操作,计算方便,可以对各个指标的重要性进行量化,并将其考虑在评价中。

但是,该模型的权重确定较为主观,且假设指标之间相互独立,不考虑相关性。

熵值法是一种基于信息熵理论的方法,它通过计算每个指标的熵值,得到一个综合评价值。

该模型的步骤包括计算指标的熵值、计算权重、得到综合评价值。

秩和比法是一种用于处理多指标决策问题的方法,它通过计算指标的秩和比,得到一个综合评价值。

该模型的步骤包括编秩、计算秩和比、得到综合评价值。

根据具体的评价需求和问题特点,我们可以选择合适的数学建模综合评价模型来进行评价。

每个模型都有其优点和缺点,需要根据具体情况进行选择和应用。

<span class="em">1</span><spanclass="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [数学建模——评价模型]()[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_sourc e":"vip_chatgpt_mon_search_pc_result","utm_medium":"di stribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_itemstyle="max-width: 100%"] [ .reference_list ]。

数学建模预测模型

数学建模预测模型

1
§1 问题的提出
一、背景知识 1.概述 随着城市经济的快速发展和城市人口的不断增加,人类活动对城市环境质量的影响 日显突出,导致城市土壤污染日益严重。对城市土壤地质环境异常的查证,以及如何应 用查证获得的海量数据资料开展城市环境质量评价,研究人类活动影响下城市地质环境 的演变模式,日益成为人们关注的焦点。因此,对城市土壤污染的研究分析工作显得尤 为重要。 2.现状与对策 城市土壤作为城市环境中重金属的主要蓄积库,很大程度上反映了城市环境受重金 属污染状况。 土壤重金属污染主要来源于人为污染源的输入, 主要是工业生产活动中“三 废”物质的排放、交通运输过程中产生的废物、居民生活中丢弃的废弃物质等。考虑到 不同的区域环境受人类活动影响的程度不同,将城区按功能划分为生活区、工业区、山 区、主干道路区及公园绿地区等,分别记为 1 类区、2 类区、……、5 类区。污染源在 城市区域分布的差异性导致了不同功能区土壤中重金属的含量有所不同。土壤重金属含 量影响植物、动物的基本元素的组成 ,直接影响人类和其它生物的健康。 我们针对某城市城区土壤重金属污染状况,选取 319 个土壤采样点作为样本,将所 考察的城区划分为间距 1 公里左右的网格子区域,按照每平方公里 1 个采样点对表层土 (0~10 厘米深度)进行取样、编号,并用 GPS 记录采样点的位置。应用专门仪器测试 分析,获得了每个样本所含的多种化学元素的浓度数据。另一方面,按照 2 公里的间距 在那些远离人群及工业活动的自然区取样,将其作为该城区表层土壤中元素的背景值。 利用这些数据开展该城市环境质量评价,研究该城市地质环境的演变模式,可为城市生 态环境调控及其可持续发展提供基础科学决策依据。 二、相关试验数据 针对某城市城区土壤重金属污染状况,得到该城市城区表层土壤的相关信息: 1.表层土壤 319 个采样点位置、海拔高度及其所属功能区的信息数据(见附件的 表 1) ; 2.表层土壤 319 个采样点 8 种主要重金属元素浓度的信息数据(见附件的表 2) ; 3.表层土壤 8 种主要重金属元素背景值的信息数据(见附件的表 3) 。 三、要解决的问题 1.问题一:根据附表的相关数据,给出 8 种主要重金属元素在该城区的空间分布, 并分析该城区内不同区域重金属的污染程度; 2.问题二:通过对数据分析,说明重金属污染的主要原因; 3.问题三:分析重金属污染物的传播特征,由此建立模型,确定污染源的位置; 4.问题四:通过对前三个问题讨论,分析所建立模型的优缺点,为更好地研究城 市地质环境的演变模式,搜集相关信息,并利用这些信息建立模型解决问题。

数学建模综合评价与决策方法讲义

数学建模综合评价与决策方法讲义

数学建模综合评价与决策方法讲义一、综合评价方法1. 层次分析法(Analytic Hierarchy Process, AHP)-建立层次结构模型,将问题分解为若干层次的子目标。

-设定评价指标,确定各级指标的权重。

-进行判断矩阵的构建和归一化处理,计算各指标的相对重要性。

-计算得到各评价对象的综合得分。

2.评价函数法-建立指标体系,确定评价指标及其权重。

-设定评价函数,将指标的具体取值代入评价函数中计算得分。

-对各个评价对象进行综合评价,得到最终得分。

3.灰色关联分析法-将评价对象的指标数据进行标准化处理。

-计算各指标与评价对象的关联度,并对其进行等级排序。

-综合各指标的关联度得到评价对象的综合得分。

4.主成分分析法-将指标变量进行标准化处理。

-计算相关系数矩阵,并求取其特征值和特征向量。

-选择主成分,计算得到各指标的主成分系数。

-根据主成分系数计算各评价对象的得分。

二、决策方法1.线性规划-建立数学模型,确定决策变量和目标函数。

-设定约束条件,包括线性约束和非负约束等。

-进行优化求解,得到最优解。

2.整数规划-在线性规划的基础上,限制决策变量为整数。

-利用启发式算法(如分支定界法、遗传算法等)求解整数规划问题。

3.动态规划-将问题划分为若干个阶段,设计状态变量和状态转移方程。

-确定决策变量和目标函数。

-利用递归的方式,从最后一个阶段开始向前推导,得到最优解。

4.决策树-建立决策树模型,将问题划分为若干个决策节点和叶节点。

-根据数据集的属性值进行分割,选择最优的分割属性。

-递归地构建决策子树,对新样本进行分类。

5.模拟退火算法-建立数学模型,确定决策变量和目标函数。

-设定初始解和目标函数的初始值。

-迭代过程中,通过接受非优解的概率来避免陷入局部最优解,以找到全局最优解。

以上是数学建模中常用的综合评价和决策方法,在实际问题中可以根据具体情况选择合适的方法进行分析和求解。

数学建模的综合评价和决策方法能够帮助我们在不确定和复杂的问题中做出合理的决策,并找到最优解。

综合评价模型

综合评价模型

综合评价模型综合评价模块在数学建模⽐赛和数据分析中,综合评价模型的出场率还是⽐较⾼的,实际应⽤也确实⽐较⼴泛。

下⾯是我在学习过程中对综合评价模型的总结。

1 综合评价的⽬的综合评价⽆外乎两种:对多个系统进⾏评价和对⼀个系统进⾏评价。

对多个系统进⾏评价的⽬的基本上有两种:这东西是谁的——分类;哪个好哪个差——⽐较、排序。

对⼀个系统进⾏评价的⽬的基本上就是看它达没达标、及不及格——实现程度。

对⼀个系统的精确评价往往对它进⾏进⼀步的预测起着决定性的参考作⽤。

因为如果我们需要对某⼀系统进⾏预测的话⼀个良好的评价系统也⾮常关键。

2 综合评价的基本要素综合评价模型中的五个基本要素:被评价对象、评价指标、权重系数、综合评价模型和评价者。

2.1被评价对象被评价对象就是综合评价问题中所研究的对象。

这⾥将被评价对象记为2.2评价指标评价指标的选取对系统的综合评价起着⾄关重要的作⽤。

可以说根据不同的评价指标评价出来的结论之间可能⼤相径庭。

评价指标的选取应该主要以下⼏个原则:1. 独⽴性。

尽量减少每⼀个评价指标之间的耦合关系,即每个评价指标中包含的绝⼤部分信息在其他评价指标中应该不存在。

⽐如评价两地之间的交通状况,如果选择了汽车的平均⾏驶速度和公路距离为评价指标后,就不要在选取汽车平均使⽤时间作为评价指标了。

因为它包含的信息在其他的评价指标中能反映出来。

2. 全⾯性。

所有评价指标包含的信息总和应该等于被评价模型的所有信息。

独⽴性和全⾯性可以类⽐古典概型中样本点和样本空间的概念。

3. 量⼦性。

如果⼀个评价指标可以使⽤两个或者多个评价指标表⽰,那么将评价指标的进⼀步细化有助于我们实现指标之间的解耦和对问题的分析。

再分析清楚问题之后,在构建评价模型的时候我们可以通过合适的算法将相关的评价指标进⾏聚合。

4. 可测性。

保证选择的评价指标能直接或者间接的测量也⾮常重要。

评价指标我们⽤.表⽰。

2.3权重系数不同的评价指标的不同重要程度我们可以使⽤权重系数进⾏表⽰。

  1. 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. 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. 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)。
[1 a (x b )2 ]1,1 x 3
f (x) a ln x b , 3 x 5
其中a, b , a,b 为待定常数.
计算得 a 1.1086, b 0.8942, a 0.3915, b 0.3699。

f
(
x)


1
是无量纲的指标观测值。
, n; j 1, 2, , m) , , m) 。则 xij [0,1]
(3)功效系数法:
令 xij
c xij mj M j mj
d
(i 1,2,
,n; j 1,2,
,m) ,
其中c, d 均为确定的常数。c 表示“平移量”d, 表示“旋转量”,即
表示“放大”或“缩小”倍数,则xij [c, c d ] 。
2、 构成综合评价问题的五个要素
构成综合评价问题的五个要素分别为:被评价对 象、评价指标、权重系数、综合评价模型和评价者。
(1)被评价对象 被评价对象就是综合评价问题中所研究的对象,或称为 系统。通常情况下,在一个问题中被评价对象是属于同一类
的,且个数要大于 1,不妨假设一个综合评价问题中有n 个 被评价对象(或系统),分别记为 S1, S2, , Sn (n 1) 。
(1)标准差方法:
令xij

xij x j sj
(i 1, 2,
, n; j 1, 2,
, m) ,
其中 xj

1 n
n i 1
xij , s j
[1 n
n i 1
( xij

x
j
)
2
]
1 2
(
j
1, 2,
, m) 。
显然指标 xij (i 1, 2, , n; j 1, 2, , m) 的均值和均方差分别为 0
据实际情况可构 造其他的隶属函数。 如取偏大型正态分布。
二、评价指标的规范化处理
2. 评价指标的无量纲化
在实际中的评价指标 x1, x2 , , xm (m 1) 之间,往往都存
在着各自不同的单位和数量级,使得这些指标之间存在着不可 公度性,这就为综合评价带来了困难,尤其是为综合评价指标 建立和依据这个指标的大小排序产生不合理性。

1.1086(
x

0.8942)
2
1 ,1 x 3
0.3915ln x 0.3699 , 3 x 5
f
(x)


1

1.1086( x

0.8942)
2
1 ,1 x 3
0.3915ln x 0.3699 ,
3 x5
根据这个规律,
对于任何一个评价值, 都可给出一个合适的 量化值。
和 1,即 xij [0,1] 是无量纲的指标,称之为xij 的标准观测值。
2. 评价指标的无量纲化
(2)极值差方法:
令 xij

xij mj M j mj
(i 1, 2,
其中 M j m1iaxn {xij}, m j m1iinn{xij}( j 1, 2,
三三、、综综合合评评价价模的型数的学建模立型方法
1. 线性加权综合法
m
线性加权综合法: 用线性加权函数 y wj xj j 1
作为综合评价模型,对n 个系统进行综合评价。
线性加权综合法的适用条件:各评价指标之间 相互独立。
对于不完全独立的情况采用该方法,其结果将 导致各指标间信息的重复,使得评价结果不能客观 地反映实际。
来刻画。如果用wj 来表示评价指标x j ( j 1, 2, , m) 的
m
权重系数,则应有 wj 0( j 1, 2, , m) ,且 wj 1 。 j 1
注意到:当各被评价对象和评价指标值都确定以后, 问题的综合评价结果就完全依赖于权重系数的取值了, 即权重系数确定的合理与否,直接关系到综合评价结果 的可信度,甚至影响到最后决策的正确性。
(1)使所有的指标都从同一角度说明总体,这就提 出了如何使指标一致化的问题;
• (2)所有的指标可以相加,这就提出了如何消除 指标之间不同计量单位(不同度量)对指标数值 大小的影响和不能加总(综合)的问题,即对指 标进行无量纲化处理——计算单项评价值。
4.确定各个评价指标的权重 5.求综合评价值——将单项评价值综合而成。xຫໍສະໝຸດ 11,a c
x
,
xa a xb
1
x
b c
,
xb
其中[a,b] 为 x 的最佳稳定区间,c max{a m, M b} , M 和 m 分别为 x 可能取值的最大值和最小值。
1.4 定性指标的量化处理方法
在实际中,很多问题都涉及到定性,或模糊指 标的定量处理问题。
[1 a (x


b )2
]1 ,1

x

3
a ln x b , 3 x 5
其中 a , b , a,b 为待定常数.
当“很满意”时,则隶属度为1,即 f (5) 1;
当“较满意”时,则隶属度为0.8,即 f (3) 0.8;
当“很不满意”时,则隶属度为 0.01,即 f (1) 0.01.
(4)综合评价模型
对于多指标(或多因素)的综合评价问题,就是要 通过建立合适的综合评价数学模型将多个评价指标综合 成为一个整体的综合评价指标,作为综合评价的依据, 从而得到相应的评价结果。
不 妨 假 设 n 个 被 评 价 对 象 的m 个 评 价 指 标 向 量 为 x (x1, x2, , xm )T ,指标权重向量为w (w1, w2, , wm )T , 由此构造综合评价函数为 y f (w, x) 。
2、 构成综合评价问题的五个要素
(2)评价指标
评价指标是反映被评价对象(或系统)的运行(或发展)状况的 基本要素。通常的问题都是有多项指标构成,每一项指标都是从 不同的侧面刻画系统所具有某种特征大小的一个度量。
一个综合评价问题的评价指标一般可用一个向量表示,其中 每一个分量就是从一个侧面反映系统的状态,即称为综合评价的 指标体系。
- 定性指标
1、评价指标类型的一致化
1.1 将极小型化为极大型
倒数法:
xj'

1 xj
平移变换法 xj' M j xj
其中
M j

max
1in
xij
1.2 将居中型化为极大型
对于居中型指标 x j
x
取中间值
j
M
j
2
m
j
为最好,要将其化为极大型指标,令
综合评价方法及其应用
一、什么是综合评价问题
历年竞赛题
(1)CUMCM1993-B:足球队排名问题; (2)CUMCM2001-B:公交车调度问题; (3)CUMCM2002-B:彩票中的数学问题; (4)CUMCM2004-D:公务员招聘问题; (5)CUMCM2005-A:长江水质的评价和预测问题; (6)CUMCM2005-C:雨量预报方法评价问题; (7)CUMCM2006-B:艾滋病疗法评价与预测问题; (8)CUMCM2007-C:手机“套餐”优惠几何问题; (9)CUMCM2008-B:高教学费标准探讨问题; (10)CUMCM2008-D:NBA赛程的分析与评价问题; (11)CUMCM2009-D:会议筹备问题。
假设有多个评价人对某项因素评价为A,B,C,
D,E共5个等级: {v1 ,v2 ,v3 ,v4,v5}。
譬如:评价人对某事件“满意度”的评价可分为
{很满意,满意,较满意,不太满意,很不满意}
将其5个等级依次对应为5,4,3,2,1。
这里为连续量化,取偏大型柯西分布和对数函
数作为隶属函数:
f
(x)

1. 线性加权综合法
线性加权综合法的特点: (1)该方法能使得各评价指标间作用得到线性
补偿,保证综合评价指标的公平性; (2)该方法中权重系数的对评价结果的影响明
1、综合评价的目的
综合评价一般表现为以下几类问题:
a。分类——对所研究对象的全部个体进行分类, 但不同于复合分组(重叠分组);
b。比较、排序(直接对全部评价单位排序,或 在分类基础上对各小类按优劣排序);
c。考察某一综合目标的整体实现程度(对某一 事物作出整体评价)。如小康目标的实现程度、 现代化的实现程度。当然必须有参考系。
如 果 已 知 各 评 价 指 标 的 n 个 观 测 值 为 {xij}(i 1,2, ,n; j 1, 2, , m) ,则可以计算出各系统的综合评价值 yi f (w, x(i) ) , x(i) (xi1, xi2, , xim)T (i 1, 2, , n) 。根据 yi (i 1, 2, , n) 值的大小 将这n 个系统进行排序或分类,即得到综合评价结果。
x
' j

2(x j m j )

Mj 2(M
j
m x
j j
)
M j m j
,mj M ,
xj M j
j mj 2

xj
mj 2
M
j
其中M j=max(xij ),m j min(xij )
•1.3 将区间型化为极大型
对某个区间型数据指标 x ,则
二、评价指标的规范化处理
1. 评价指标类型的一致化
一般说来,在评价指标x1, x2 , , xm (m 1) 中可能包
含有“极大型”指标、“极小型”指标、“中间型”指标和 “区间型”指标。
相关文档
最新文档