灰色模糊综合评判（共12篇）
灰色模糊综合评判 篇1
0 引言
随着信息产业的飞速发展，信息系统项目的合理性、有效性和实用性备受关注，信息系统风险评估成为信息化项目风险控制的重要组成部分。信息系统风险评估主要是通过严格的评价程序、科学的评价指标和客观的评价方法，对项目的实际绩效进行公正的评价，以促进信息资源的优化配置。
信息系统风险日趋复杂，风险评估重点也从起先的操作系统、网络环境扩展到整个宏观环境和管理体系。而确定评估要素之后，采用何种评估方法具有举足轻重地位。针对我国实际情况，信息系统风险评估工作主要依靠一些定性或定量的评估方法。定量评估方法是指运用数量指标来对风险进行评估，主要包括层次分析法、模糊综合评判法、BP神经网络法等。定性评估方法主要依据知识和经验分析系统情况并做出判断，包括安全检查表法、专家评价法、矩阵分析法等。以上方法各有利弊，如层次分析法简便实用，但受专家经验和知识限制，主观性强；BP神经网络法虽减少了人为主观因素影响，但是需要大量已知训练样本；安全检查表法简便易行，但检查表大多不够深化[1]。
本文针对评估信息的模糊性和灰色性，提出基于灰色模糊综合评判的信息系统风险评价模型，从定性到定量的综合集成方法。该模型建立评价指标递阶层次结构，给定评价因素集、评语集、评价因素权重集和评判矩阵，进行模糊运算，最后得到综合评价结果。在系统数据较少和条件不满足统计要求的情况下，该模型的实用性则更加突出。
1 信息系统风险评估指标体系构建
评估指标体系是指评估对象所涉及的各种影响因素的集合。国外发达国家已初步建立了信息系统评估认证体系，并陆续发布了一系列相关标准、指南和规范，如：BS 7799(ISO 17799）标准建立了信息安全管理体系文档，以及如何进行安全控制，但它仅提供原则性建议，如何与实际情况相结合等问题尚未涉及。SSE-CMM模型（Systems Security Engineering Capability Maturity Model，系统安全工程的能力成熟度模型）系统地解决安全工程的组织和实施等问题，不足之处在于过程域相对独立，不利于指导风险评估活动。OCTAVE(Operationally Critical Treat,Asset,and Vulnerability Evaluation，可操作的关键威胁、资产和薄弱点评估）方法既强调安全技术，又强调安全管理，但需要多人参与，评估流程比较繁琐。
目前，比较完整且可行的IT风险控制标准是COBIT(Control Objectives for Information and Related Technology，信息及相关技术的控制目标）标准。COBIT的设计是为了帮助管理者在不可预见的IT环境下对风险和投资控制加以平衡，获得安全可控的信息技术服务，并向内外部客户提供产品和服务，同时，审计人员可以使用该标准并向组织的内部控制管理提出建议。表1是COBIT在规划组织阶段对信息系统风险的评价和管理标准。
COBIT主要关注风险的控制目标和控制手段，因此需考虑风险管理的主体和义务、风险容忍程度、根本原因分析、定量或定性的风险测量等，概括起来分为三个部分：活动、流程和信息技术：
(1）活动：侧重于风险管理活动，参与人员应包括IT部门高管和IT服务的关键用户。此外，风险评估报告也很重要，它可以协助风险管理人员及时发现风险并采取科学合理的纠正措施。正规的风险评估文档要包括风险评估方法的描述、风险的披露和确认、未识别风险及相应披露。
(2）流程：主要是指风险评估的途径和步骤，简单地说，就是先发现风险再拟定修正方案。已发现和尚未发现的风险应在风险评估报告中都应有所体现。制定修正方案是为了确保已发现的风险的负面影响要控制在可容忍程度内。
(3）信息技术：可以协助风险的测量和确认，但不恰当的信息技术同样会带来风险，譬如互联网环境下的信息安全漏洞会让用户面临信息泄露的风险，这就要求风险评估应把信息技术作为对象之一。高质量的信息系统既可以实现IT目标，又能够保护IT资产。
通过实施COBIT标准的信息系统风险评价和管理，可以增强管理人员对风险控制的感知，风险管理工作实现系统化和量化，实施难度大大降低。另外，COBIT模型实现了企业战略与IT战略的互动和融合，形成了持续改进的良性循环机制，为企业提供了具有参考价值的解决方案，从而有效降低和规避风险。
2 信息系统风险评估的灰色模糊综合评价模型
2.1 信息系统风险评估的模糊性和灰色性
所谓模糊性，是指客观事物在归属和状态上的不分明性。在评价过程中，信息系统越复杂，模糊性越大；评价因素越多，综合评判就越模糊。此时，模糊数学方法可以弥补统计数学的不足。
所谓灰色性，就是“认识的不完全性”或“未确定性”。信息系统风险研究中的很多因素很难用确切的数学语言来描述，这些信息是不完全的，不确切的，也就是说，评价信息是灰色的。
信息系统风险评估中这两个特性都存在，那么将模糊性和灰色性同时考虑是合理的，这比只考虑其中之一更能反映客观实际。因此本文将信息系统风险评估与模糊性和灰色性同时联系起来。
2.2 模型的理论基础[3]
灰色系统理论是从信息的非完备性出发，研究和处理复杂系统的理论。它对系统某一层次的观测资料加以数学处理，在更高层次上了解系统内部的变化趋势、相互关系等。
模糊数学以“模糊集合”论为基础处理不确定性问题，是描述人脑思维处理模糊信息的有力工具。模糊集合不是简单地扬弃概念的模糊性，而是尽量如实地反映人们使用模糊概念时的本意。
从定位到定量的综合集成方法是将有关专家意见、数据和信息与计算机有机结合起来，把科学理论和人的知识结合起来，构成了一个系统。此方法的成功在于发挥这个系统的整体优势和综合优势。
2.3 灰色模糊综合评判
根据评价因素的特点，灰色模糊综合评价方法在考虑专家评判信息的不完全性的同时，利用灰色聚类理论得到灰色统计量，进而构造出灰色模糊矩阵，最后采用灰色模糊算法测算出信息系统的风险大小。建模具体步骤如下：
(1)建立递阶层次评价因素集。评价因素集是信息系统风险因素的集合。设评价因素集为U={U1,U2，…，Un}。评价因素很多时，由于归一性，权重值必然很小，这会弱化权重值较小的评判因素作用，因此将众多因素按某些属性分成几类，先对每一类各因素综合评判，然后在各类之间进行高一层次综合评判，就形成了递阶层次风险评估指标体系，见表1。
(2)建立评语集。评语集是各种风险评价结果的集合。设风险评语集为0～1，见表2。
(3)建立评价因素权重集。评价因素权重集表示各评价因素与风险之间的灰色模糊关系,即各因素关于上一层准则的权重和灰度。设评价因素权重集=[(a1,v1),(a2,v2),…,(an,vn)],其中ai称为的模部;vi称为的灰部。各权重值ai满足归一化要求,即。
由于信息量很难用数值来衡量，所以，使用一些描述性语言来对应一定的灰度范围，如按信息的充分和明确程度分成以下几类：{很充分，较充分，一般，比较贫乏，很贫乏}，分别对应灰度值{0～0.20,0.21～0.41,0.41～0.60,0.61～0.80,0.81～1.00}[4]。
(4)确定评判矩阵。评判矩阵表示评价因素集与评语集之间的灰色模糊关系，即评价因素对评语集中各元素的隶属度和灰度。设评判矩阵：
其中：uij为隶属度，表示模糊关系，应归一化处理，即为灰度,表示灰色关系。
(5)进行综合评判。模部运算采用代数积算子M（·，+），灰部运算采用有界积M（⊙，+）算子。灰色模糊评判结果为：
(6)评判结果处理。灰度描述信息的不充分和不可信程度，因此，可以将评判结果转化成三参数区间数集合形式：
然后，对各区间数进行排序，具体方法如下：[5]
设两个三参数区间数;cl,cu为的取值边界,c*为其中取值可能性最大的数值,用分布函数fc(x)表示在其余各点取值可能性的大小,且,fc(x)的最简单形式是一次线性函数;对亦然。当cl=dl,c*=d*,cu=du同时成立时,则。不妨设,记大于的可能性为。对中各区间数按照上述方法两两比较,排序可能性矩阵为:
其中：pij表示第i个区间数大于第j个区间数的可能性大小。通过此矩阵可以看出两两方案的比较结果，然后按照是否pij≥0.5进行排序。
灰色模糊综合评价方法用灰度来表示和衡量评判结果的可信性，较高的灰度可以证明评判等级的真实性，帮助决策者进行科学判断，而较低的灰度则表示评判结果存在不合理性，应重新度量。由此可见，灰色模糊综合评价方法比模糊综合评判方法更加合理科学。
3 算例
某物流公司计划实施信息系统项目，邀请多位专家和教师进行风险评估。表1表示评价因素集，表2表示评语集，表3是用专家意见（Delphi）法得到的评价因素权重集和评判矩阵，其中一、二、三级指标的灰度分别为0.30、0.20和0.10。
由灰色模糊算法得：
同理可得={（0.046,0.150），(0.192,0.150）,(0.303,0.150），(0.078,0.150）}；而b3参数区间为[0.258,0.305,0.348]，b4参数区间为[0.324,0.381,0.438]，则b3和b4的参数区间有重叠。
得：fc(x）=-540.83x+188.21
排序可能性矩阵：
因此风险等级为“微小”。此时公司领导会对此项目充满信心，该项目可以获得大力支持并取得理想效果。
若用模糊综合评判方法，得B={0.046,0.192,0.303,0.381,0.078}，评判结果可能为b4所属的风险等级“微小”。又，，则最终评判结果B为b3所属的风险等级“一般”[6]。此时，公司领导会对此项目持犹豫和怀疑的态度，非常有可能取消该项目。
由上可见，灰度值和排序可能性矩阵有助于决策人员正确理解综合评判信息的可信度，做出科学决策。
4 结束语
本文从风险控制和管理角度确定信息系统风险评估指标体系，将灰色模糊综合评判方法应用于风险等级计算；这一方法是针对评价过程的非线性特点而提出的，利用模糊数学中的模糊运算法则和灰色聚类理论进行量化综合，从而得到可比的量化评价结果。
信息系统项目许多因素具有不确定性，只用风险发生概率和损失强度来确定风险期望损失，掩盖了风险特征，易导致错误和偏差。灰色模糊综合评判信息系统风险的方法针对风险和评判信息的模糊性和灰色性，不仅得到了信息系统风险等级，同时也说明其相对可信程度，为用户评估风险等级，发现主要风险因素，实施风险内部控制和管理提供了有效方法和途径，有利于及早明确信息系统项目建设的主要风险并采取针对性措施，以达到成功降低和防范风险的目的。
摘要：针对信息系统风险的信息不完全性和概念不明确性的特点,从风险控制角度构建一个递阶层次结构的风险评估指标体系。以灰色系统理论、模糊数学和从定性到定量的综合集成方法为理论基础,建立灰色模糊综合评判模型;并采用灰色模糊算法计算信息系统项目的风险等级,最后借助排序可能性矩阵对评价结果进行修正。通过算例分析可知,该模型的实验结果更客观。
关键词：风险评估,指标体系,灰色模糊综合评判,信息系统项目
参考文献
[1]刘向升、程卫民、匡开宇、杨发喜、王刚:《信息系统的风险评估方法研究》[J];《网络安全技术与应用》2006(11):33。
[2]ITGI.COBIT4.1[EB].www.itgi.org,2007:64-66.
[3]徐维祥、张全寿:《一种基于灰色理论和模糊数学的综合集成算法》[J];《系统工程理论与实践》2001(4):114-115。
[4]陈雯、张强:《第三方物流客户服务绩效的灰色模糊综合评价模型》[J];《模糊系统与数学》2007(4):151。
[5]卜广志、张宇文:《基于灰色模糊关系的灰色模糊综合评判》[J];《系统工程理论与实践》2002(22):141-144。
[6]汪应洛:《系统工程》(第2版)[M];机械工业出版社,1999:62-63。
灰色模糊综合评判 篇2
作者：田少迪 孙宇飞 王涛
来源：《科技创新导报》2011年第14期
摘 要:本文首先构建了教学比武综合评判的指标体系,然后以模糊理论为基础,运用系统分析的思想,建立了二层模糊综合评判的数学模型。
关键词:军校老师教学比武模糊综合评判层次分析法
中图分类号:G645 文献标识码:A 文章编号:1674-098X(2011)05(b)-0185-01 1 引言
模糊综合评判法可从定性和定量相结合的角度,对事物隶属等级状况进行整体评价。因此,本文将采用这一方法对军校老师的教学比武活动进行分析。2 综合评判指标体系的构建
评判指标体系的具体指标及评判标准为:教学目标:①适应性,②前瞻性;教学内容:①基础性,②学术性,③思想性;教学实施:①启发性,②艺术性,③技术性;教学效益:①充实性;教学态度:①责任心;教学特色:①个性,②创新性。3 模糊综合评判模型的建立 3.1 模糊综合评判模型的理论基础
模糊综合评判模型的基本因素:(1)因素集U为评判对象各因素组成的集合。(2)评语集把评判对象的具体要求分为若干个不同的等级,可用评语、数字等来表示。(3)每个评判因素的权重分配集且满足归一化条件:。其中权重表示指标在指标集中的重要程度。
由这三个基本因素即可得到评判模型,首先找出U与V之间的模糊关系矩阵然后令: 即为综合评判的结果。其中,表示评价等级在的因素的评价中所占的比重;表示评价等级在综合评判结果中所占的比重。3.2 二级模糊综合评判的数学模型
二级模糊综合评判时的单因素评判为相应的一级模糊综合评判。把因素集U分为p个组对应的模糊关系矩阵为权重为根据3.1中的描述可求得各个评判结果。二级模糊综合评判的模糊关系矩阵,由一级模糊综合评判的输出构成:,于是,二级模糊综合评判结果为:
龙源期刊网 3.3 对模型进一步改进
(1)应用层次分析法分配权重,可有效地避免由于因素过多而使权重难以分配的问题。(2)采用(-·)型综合评判模型,避免了因次要信息的丢失而导致评判结果的不准确。其合成运算为:。
(3)用加权平均法对评判结果进行量化处理,更有利于排序。4 实例计算与分析 4.1 数据分析
(1)利用层次分析法对各因素进行处理,得到各因素的权重如表1所示。
(2)将表中的统计数据进行归一化处理,即得到了一级指标模糊综合评判的各个模糊关系矩阵R1,R2,R3,R4,R5,R6。例如: 4.2 一级指标的模糊综合评判计算
教学目标的评判为: 同理可求得其他一级指标的模糊综合评判结果: B2=(0.505,0.300,0.079,0.116);B3=(0.381,0.344,0.228,0.047);B4=(0.500,0.237,0.263,0);B5=(0.648,0.196,0.156,0);B6=(0.448,0.426,0.113,0.013)4.3 二级指标的模糊综合评判计算
经过一级指标的模糊综合评判得到二级指标的评价矩阵为: 进而,可以得到综合评价的结果: 4.4 模糊综合评判结果的处理与分析
灰色模糊综合评判 篇3
摘要：为解决实际生产调度中的模糊不确定性决策问题，提出了基于优先级规则和模糊综合评判结合的生产调度决策方法.通过分析实际生产调度中的任务分派过程，得出任务分派时需要考虑的任务影响因素以及设备影响因素。利用影响因素的隶属函数表示各影响因素的优先程度，解决了调度过程中的不确定及偏好信息的表示问题.通过模糊综合评判计算，对任务优先级和设备的优先级进行综合计算，解决了调度过程中多模糊因素综合权衡问题.最后通过算例对该方法计算过程进行说明，并以实际车间调度应用为例分析了该方法的实用性.endprint
摘要：为解决实际生产调度中的模糊不确定性决策问题，提出了基于优先级规则和模糊综合评判结合的生产调度决策方法.通过分析实际生产调度中的任务分派过程，得出任务分派时需要考虑的任务影响因素以及设备影响因素。利用影响因素的隶属函数表示各影响因素的优先程度，解决了调度过程中的不确定及偏好信息的表示问题.通过模糊综合评判计算，对任务优先级和设备的优先级进行综合计算，解决了调度过程中多模糊因素综合权衡问题.最后通过算例对该方法计算过程进行说明，并以实际车间调度应用为例分析了该方法的实用性.endprint
灰色模糊综合评判 篇4
Guan指出技术创新能力是一种特殊的资产或资源, 其中包括技术、产品、工艺、知识、经验与组织等七个维度[1], Burgelman等将其定义为促进和支持企业技术创新战略的一系列综合特征[2], 而笔者认为技术创新能力是企业对技术的研究和开发能力, 是由研发、生产、管理、市场营销等过程构成的综合能力, 它包括自主创新和模仿创新两种模式[3]。
近年来, 我国企业研发经费支出与销售收入的比例在1.5%左右, 远落后于发达国家的2.5%—4%[4], 说明我国企业的技术创新能力还处于发展阶段。而且, 技术创新的风险是相当高的。美国的一项调查显示, 高科技企业只有2.16%的研发计划所得成果在市场上取得成功。对于我国大多企业来说为了更好的发展, 应该以模仿创新为主, 鼓励自主创新, 才能有效的提高企业的核心竞争力。
所谓模仿创新就是指企业通过学习模仿先创企业的做法, 主要手段包括引进, 购买, 破译等, 管理体制模仿也是模仿创新的主要部分之一。为了寻找企业间差距, 从而因地制宜地采取措施, 提高自身的技术创新能力, 必须要有一种科学有效的评价方法。
近年来, 评价的方法不断改进, 有灰色关联法, 网络分析法等, 然而这些方法应用于企业间的评价时, 有的对比度不强, 只有评分或排序;有的对定性指标灰色信息的白化手段过于主观, 造成了信息的流失, 使评价结果有所偏差。本研究将灰色关联法与模糊评价法结合, 形成新的灰色模糊评价法, 从而实现对企业技术创新能力的综合评价。
1 企业技术创新评价指标体系
根据本研究对企业技术创新的定义, 将企业的技术创新能力分解为创新投入能力、创新管理能力、创新研发能力、创新产出能力和创新营销能力。依据科学性、系统性、可比性和可操作性的原则, 在进行了大量的资料调研和专家咨询后, 通过对企业人力、物力以及创新制度等方面的分析, 针对企业创新的产销流程, 构成了企业技术创新评价的指标体系, 如表1:
2 企业技术创新个评价指标的权重确定
通过专家咨询, 根据拟定的重要性标度 (表2) 给各个因素C相应的分数表示其相互间的重要性, 组成各指标的重要性判断矩阵D= (dij) m×n , 用计算判断矩阵的最大特征根及其对应特征向量的方根法求出权重向量A= (ai) , 并对通过公式判断矩阵进行一直性检验判断矩阵, CR均小于0.10, 具有满意的一致性。
得到的权重向量为:
A= (0.336, 0.097, 0.273, 0.161, 0.133) , CR=0.035<0.10
A1= (0.344, 0.344, 0.180, 0.132) , CR=0.001<0.10
A2= (0.375, 0.125, 0.250, 0.250) , CR=0<0.10
A3= (0.411, 0.186, 0.299, 0.104) , CR=0.009<0.10
A4= (0.435, 0.225, 0.225, 0.116) , CR=0.001<0.10
A5= (0.302, 0.096, 0.162, 0.440) , CR=0.006<0.10
最后, 将一级指标权重与其对应的二级指标权重相乘, 得出二级指标对于目标层的权重为
A*= (0.116, 0.116, 0.060, 0.044, 0.037, 0.012, 0.024, 0.024, 0.112, 0.051, 0.082, 0.028, 0.070, 0.036, 0.036, 0.019, 0.040, 0.013, 0.021, 0.059)
3 灰色模糊评价模型
3.1 参考序列的选定
在进行灰色模糊评价时, 为了从数据信息的内部结构上分析被评判事物与其影响因素之间的关系, 必须以某种定量的指标去评判该事物的性质。因此, 在评价中, 我们将每个指标的最优项组成指标体系的参考序列U*= (U*1、U*2、…、U*m) 。
3.2 数据的无量纲化处理
在企业创新技术评价的指标体系中, 既有定量指标又有定性指标, 而且指标间存在不同的量纲, 无法进行直接比较, 必须对数据进行无量纲化处理[5]。
3.2.1 对于定性指标, 我们根据10分制原则将其量化, 具体如表3:
3.2.2 企业技术创新评价指标体系分为成本指标和效益指标, 即高优指标与低优指标。通过极差变换对数据进行无量纲化处理:
U高undefined;j=1, 2, …, n (公式1)
U低undefined;j=1, 2, …, n (公式2)
3.3 计算各指标序列与参考序列之间的灰色关联度
首先计算出同一指标各子序列与参考序列之间的绝对差值 及其极值:
undefined (公式3)
undefined (公式4)
然后, 以最优指标集U*= (U*1、U*2、…、U*m) 为参考, 以各企业的具体指标值为比较指标集合, 计算出每个指标Uij与最优指标U*i的灰色关联系数:
undefined (公式5)
其中ρ∈[0, 1], 在评价的中, 我们通常使ρ=0.5。由公式5所得到的各指标的灰色关联度就是隶属度。
3.4 模糊评价及其结果分析
根据灰色关联度的分析, 各指标的隶属度就构成了一个模糊关系的矩阵R。指标体系的权重为A*, 则对企业技术创新评价的结果B就可以通过公式6得到。
B=A·R (公式6)
根据B值的大小给企业创新能力排序, B值越大企业创新能力越强。
4 灰色模糊评价应用实例
我们聘请10为专家对某三家企业的技术创新能力进行评价, 定性指标通过专家打分后进行加权平均取其均值, 然后将专家调研分析的结果, 通过公式1、2进行无量纲化处理得到评价矩阵如下:
将无量纲化处理后的企业技术创新能力评价矩阵, 利用公式五求各指标与最优指标之间的灰色关联度, 得到指标的隶属度矩阵R= (R1, R2, R3) , 即
undefined
根据专家之前评判结果, 企业技术创新能力指标体系的二级指标对于目标层的权重向量为A*= (0.116, 0.116, 0.060, 0.044, 0.037, 0.012, 0.024, 0.024, 0.112, 0.051, 0.082, 0.028, 0.070, 0.036, 0.036, 0.019, 0.040, 0.013, 0.021, 0.059)
将灰色关联分析所确定的隶属度矩阵与指标体系的权重向量通过模糊凭评价的方法进行处理, 最终得到评价结果B=A·R= (0.676, 0.449, 0.650) 。
评价结果显示, 企业A与企业C技术创新能力较强, 而企业B则比较差。根据具体指标隶属度发现, 企业A在自主创新与人力、物力资源投入方面有比较明显优势, 但对外合作能力、管理和市场信息与分析上略显不足, 营销成本较高, 可见其创新模式应该是以自主创新为主;企业B虽然在管理上比较科学合理, 但是在人力和物力资源的投入上明显不足, 导致技术创新项目不多, 成果转化率也相应比较低, 可见其技术创新能力还处在发展阶段, 尚不成熟;企业C在对外合作与人力、物力资源投入上表现突出, 但自主创新能力较差, 专业数不多, 影响了整体的技术创新能力, 可见其技术创新手段主要是以对外合作和技术引进为主, 属于模仿创新模式。对于企业B来说, 企业A与企业C是两种不同的技术创新模式的典范, 可根据自身条件, 采取相应措施, 提高企业的技术创新能力。
事实上研究中所调查的三个企业基本情况是, 企业A为中型国营企业, 企业B为发展中的民营企业, C为中型对外合资企业。其基本情况与评价结果一致。
5 结论
本研究将层次分析法 (APH) , 灰色关联分析法与模糊综合评判法相结合, 用灰色系统的分析方法对企业创新能力进行评价, 突出了各指标间的复杂关系, 克服了以往人为确定一个权重集, 把评价指标间的灰色关系用打分的办法使其白化所造成的信息损失。灰色模糊评价法计算简单, 定量化程度高, 科学性强, 使企业能够更加明确的看到自身状况, 找到与其它企业的差距, 采取有效的对策, 提高企业的技术创新能力, 进一步提高企业的核心竞争力。
参考文献
[1]GUAN J.Innovative capability and export performance of Chinesefirms[J].Technovation, 2003 (9) :737-747.
[2]BURGELMAN R.Strategic management of technology and innovation[M].New York:McGraw-Hill, 2004:121-156.
[3]多西G.技术进步与经济理论[M].钟学义, 译.北京:经济科学出版社, 1992.
[4]李彦坡.多层模糊综合评价在企业技术创新能力评估中的应用[J].现代生产与管理技术, 2006, 23 (2) :46-49:
信息产业竞争力的综合模糊评判 篇5
信息产业竞争力的综合模糊评判
在对信息产业的内涵进行准确界定的基础上,本文提出了决定信息产业发展的四大支撑体系,并通过深入分析这四个层面,构建了较为客观的信息产业综合竞争力评价指标体系.同时,运用改进的模糊层次分析法综合中美两国实际进行了实证分析,进而为准确把握我国信息产业的.综合竞争力水平、制定合理的信息产业发展策略与措施提供了依据.
作 者：何亚琼 于立勇 黄梯云 作者单位：哈尔滨工业大学,管理学院,黑龙江,哈尔滨,150001刊 名：管理工程学报 ISTIC PKU CSSCI英文刊名：JOURNAL OF INDUSTRIAL ENGINEERING AND ENGINEERING MANAGEMENT年，卷(期)：16(3)分类号：N945.16关键词：信息产业 综合竞争力 模糊综合评判 模糊层次分析法
灰色模糊综合评判 篇6
摘要：为了在电机冷却系统中找出最适宜的自力性风扇长度，以一台Y2-250M-455kw笼型异步电机为例，权衡系统内各因素对电机实际功效的影响，运用模糊数学的综合评判方法，对其内在因素指标进行综合评价，在专家打分评估的基础上，应用定性与定量的综合决策方法，结合变异系数法分配权重，进行全面分析，得出电机冷却系统中的模糊综合评价模型，确定最佳方案以完成对内风扇的优化设计。
关键词：异步电机；自力性风扇；模糊综合评判；冷却系统；优化设计
DoI：10.15938/j.jhust.2016.06.020
中图分类号：029
文献标志码：A
文章编号：1007-2683（2016）06-0106-05
0.引言
由于电机运行时，内部存在多种损耗，如电流在导体内产生的绕组损耗、铁心中磁场交变引起的铁心损耗、通风和机械摩擦引起的机械损耗等，这些损耗都转变为热量，向周围介质传播，为了防止绝缘系统的高温和电机毁坏，电机冷却系统的风扇设计显得尤为重要，近年来电机效率已经提高，冷却风扇的功率已占电机的总损耗很大的百分比.在某些情况下，风扇可能消耗电机输入功率的百分之二，这相当于损耗的百分之二十，设计电机风扇时的目标是使冷卻风扇的功率减到最小又使电机效率较高.在此，将改良了的风扇结构根据其原理命名为自力性风扇，即通过其本身的旋转扰动转子端部气腔内的空气，使其对定子端部绕组起到冷却效果。
根据现有研究表明，自力性风扇不仅影响着转子风摩损耗，同时对降低定子端部绕组温升也起到很大的作用，为得出自力性风扇的优化方案，需要同时考虑风扇的损耗与定子端部绕组温升两方面问题，以保证转子风摩损耗在较低水平的同时又使定子端部绕组温升不会过高。
考虑到传统的数值分析不能将不同量纲的物理量放在一起计算，相关因素对整体结构的影响也不相同，本文以一台笼型异步感应电动机为研究对象，将运用模糊数学的综合评判方法，对其内在因素指标进行综合评价，再进一步考虑到单一赋权对赋权结果的影响，于是在专家打分评估的基础上，应用定性与定量的综合决策方法，结合变异系数法分配权重，进行全面分析，得出电机冷却系统中的模糊综合评价模型，确定最佳方案以完成对风扇的优化设计，使得自力性风扇的设计更具有客观性、可靠性、符合良好工艺性的要求。
1.模糊综合评判法
模糊综合评判的基本思想是利用模糊线性变换原理和最大隶属度原则，考虑与被评价事物相关的各个因素，将各项指标统一量化，并根据不同指标对评判对象的影响程度来分配权重，从而对各评判对象作出合理的综合评价。
它是对各因素的综合评判，最后根据最大隶属度原则，选择综合评价集B中最大的bi所对应的等级（评语）Vi作为综合评判的结果.于是，得到综合评判模型I（或记为模型M（V）。
2.冷却系统模糊综合评判模型的建立
2.1模糊评判集的选取
本文以一台Y2-250M-4、55kW笼型异步电机为例，在对电机结构进行假设及合理简化的基础上，建立了比较完整的全封闭自扇冷结构电机的三维半域稳态温度场物理模型，并基于该模型采用有限体积元方法对电机额定负载稳态运行时的温度场进行了仿真研究，就3个物理量，分别是自力性风扇长度、定子端部绕组温升、转子风摩损耗，得出了相应10组数据，以此作为评判对象即评判集（见表1），由此则对冷却系统运行呈现的整体状态具有可比
2.3确定因素集模糊综合评判矩阵
由于自力性风扇是作为一个全新的概念被提出的，因此在这个新结构领域下可以借用的现有研究成果和相关专家学者少之又少，但是从另一方面看，该领域的专家对所要调查的问题研究的也最为透彻、最熟悉，因此我们选择专家经验法给出相应评判矩阵。
专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数的一种方法，在许多情况下，经常是初步确定粗略的隶属函数，然后再通过“学习”和实践检验逐步修改和完善，而实际效果正是检验和调整隶属函数的依据。
本次试验对应的F集由5位专家对评判因素进行评价得出。
现给出专家对第一组数据的评价情况（见表2）：
由表2知，风扇长度为0mm时属于最优先的隶属度为0/5=0.同理可算出风扇长度隶属其他评价指标的隶属度，端部温升和风摩损耗中的各项指标的隶属度也由上述方法得到。
2.4因素权重的选取
权重是综合评判中的一个重要的指标体系，合理地分配权重是量化评估的关键，因此，权重的构成是否合理，直接影响到评估的科学性，确定权重的方法有很多，如专家咨询法、德尔菲法、专家排序法、层次分析法、秩和比法、变异系数法、主成分分析法和因子分析法等，考虑到在进行单因素评判时候已经采取了主观的专家经验法，为提高模型准确性、减小误差，我们在此选择客观赋权法中的变异系数法。
计算过程如下：
1）先根据各个指标的数据，分别计算每个指标的平均值和标准差；
2）根据均值和标准差计算变异系数；
3）将各项指标的变异系数相加，计算构成评价指标体系的这3个指标的权重。
按照最大隶属度原则，对第1组数据得出的评价是“不优先”；第2组得出的评价是“不优先”；第3组得出的评价是“最优先”；第4组得出的评价是“最优先”；第5组得出的评价是“次优先”；第6组得出的评价是“次优先”；第7组得出的评价是“不优先”；第8组得出的评价是“不优先”；第9组得出的评价是“不优先”；第10组得出的评价是“不优先”。
综合以上得出两个最优先的方案，即第3组和第4组值所对应的长度数据，这两个值被视作自力性风扇优化方案中的两个可选值，即10mm和15mm，可见方案已极大地缩小了数据范围，进而可根据工程实际要求，按照赋权调和的方法得出区间中的最优解，经过计算为12.2975mm，这一结论需要在工程中加以权衡考量，进而合理地将理论成果转化为实际生产的依据。现已在建立的模型中取自力性风扇长度为12mm进行了仿真实验，结果理想，符合生产要求和技术标准。
3结论
本文将模糊综合评判法引入电机冷却系统的优化问题，解决了单一从数理计算的方面无法达到数值选取要求的弊端，系统中涉及的各个量标准不一、量纲不同，为得到更合理的评判结果引入了一些类似于组合赋权的方法来优化整个模型，同时为达到客观性和实用性的要求，也做了一些细节的改善.
1）对评价集的选取进行了创新，将系统内3个数据指标看做单独的评价对象进行评判，一方面缩小了评价范围的宽度，另一方面提高了测评结果的精度。
2）引入了模糊统计法，将模糊概念明确化，可以清晰、直观的表示出隶属程度的客观规律，进一步提高了各级指标权重的准确性和客观性。
3）运用Matlab和Excel2013编制模糊综合评判计算表，不仅提高了数据的通用性，还减轻了评判计算的工作量，为各类模糊综合评判决策提供了一种较为高效快捷的计算方案，具有较好的普适性。
基于模糊综合评判的工程评标 篇7
1 工程项目的评标方法
评标是整个招投标过程中最关键的环节, 在建设工程招标投标活动中, 其程序与方法对工程项目本身的实施有很大的影响, 客观、科学、合理的选择评价方法和建立指标体系不仅为招投标双方创造一个公平、公正、公开竞争的环境, 而且有利于规范招投标市场秩序, 为建筑业的发展提供一个良好的契机。但在具体操作过程中, 很多指标难以量化, 如质量、信誉、业绩等。所以给综合评价带来一定困难。目前我国工程项目主要采用的评标方法有综合分析法、评标价法和综合评分法。但这些方法都不能客观、合理地反映标书和投标方的综合水平。
(1) 综合分析法。
主要是对投标单位的报价、技术设备、施工能力、管理水平、保证工程质量和工期的措施等进行比较、分析, 最后确定中标单位。这种方法一方面体现了对招标单位的自主权的充分尊重, 但另一方面由于定性分析多、定量分析少、透明度不高、主观性强, 难以做到公平合理, 带有一定的主观随意性。评标价法更是忽视了企业的资信、业绩等因素, 不能客观、公正、合理的选择投标方。
(2) 综合评分法。
即对各承包商的报价、工期、施工方案、质量保证措施、社会信誉等进行综合评判, 按照评标办法中规定的打分法标准及分数比例打分, 获最高分者有可能中标。评分要素较多, 许多指标难以量化, 实际操作中容易顾此失彼, 轻重难分, 从而影响评标工作的准确性。
(3) 平均值法。
适用于工程规模小, 技术要求一般的中小型工程项目, 评标时, 将几家有效标书的报价加在一起, 必要时也可将标底加在一起, 然后除以投标单位个数, 求得平均值后, 报价靠近平均值者为中标单位。
(4) 以标底为基数。
在上下浮动范围内 (例如在3%～5%间) 选择合理的投标者, 这种上下浮动价格应视为合理价格, 但容易忽视工期和质量。
(5) 以最低报价为准。
此种方法虽有采用, 但常发生盲目压低报价, 造成承包者亏损、偷工减料、工程质量下降甚至无法完成而中途停工情况。
2 神经网络指标体系
模糊神经网络综合评判方法, 能够弥补以上问题的不足, 它能够定性与定量完好的结合, 并体现综合化程度较高的优点。该方法利用模糊隶属度理论把定性指标合理的定量化, 并通过建立金字塔型指标体系确立神经网络, 很好地解决了现有评标方法中存在的评价指标单一、评价过程不合理的问题。
2.1 建立一个基于神经网络的指标体系
招标人可自定指标体系, 后面数字为权重, 见图1。
2.2 权重的确定
由于本评价指标体系的多层次、多因素特点, 需要对各指标逐层的定性定量分析。目前国际上比较权威和通用的方法就是层次分析法。
对一个决策 (评比) 问题, 分成有序的层次后, 对每个上层元素, 考虑其有逻辑关系的下层元素, 并在他们之间进行两两比较的判断, 判断的结果以定量数字给出, 并表示在一个矩阵中, 这样的矩阵称为判断矩阵, 从判断矩阵的最大特征根及其特征向量, 确定每一层次中各元素的相对重要性排序的权值。通过对各层次的综合, 进而给出对目标层而言的方案总排序权重。
层次分析法基本步骤:
(1) 建立层次结构模型
(2) 构造判断矩阵
由专家和决策者对所列指标通过两两比较重要程度, 逐层进行判断评分, 利用计算判断矩阵的特征向量, 确定下层指标对上层指标的贡献程度从而得到基层指标对总体目标或综合评价指标重要性的排列结果。
例, 在本指标体系中 (二层) , 评判矩阵见表2:
(3) 层次单排序
层次单排序是指根据判断矩阵计算对于上一层某元素而言, 本层次与之有联系的元素相对重要性次序的权值。层次单排序要计算判断矩阵B的特征根和特征向量。即计算满足B· W=λmax·W的特征向量W (取正规化特征向量) , 其分量ωi为相应元素排序的权值。
本例中, 总指标下四个因素权重向量 ωi = { 0.337, 0.239, 0.242, 0.182 }
为检验判断矩阵的一致性, 需要计算它的一致性指标CI = (λmax-n) / (n-1) , CI称为判断矩阵的一致性指标, 为判断它是否具有一致性, 还需利用判断矩阵的平均随机一致性指标RI。对于1～10阶判断矩阵, RI值见表3:
当 CR = CI / RI<0.1时, 即认为判断矩阵具有满意的一致性;否则需要调整判断矩阵, 使之具有满意的一致性。
本例中, CI=0.071, RI=0.9, CR=CI/RI=0.08, 满足一致性。
(4) 层次总排序
利用同一层次中所有层次单排序的结果, 就可以计算针对上一层次而言, 本层次所有元素相对重要性的权值, 即层次总排序, 层次总排序由上到下逐层顺序进行。
3 基于神经网络的模糊综合评价法
在非量化指标的评价中, 用模糊数学对受到多种因素制约的事物或对象作出一个总体的评价, 叫作模糊综合评价法。一级模糊综合评价的主要步骤如下:
(1) 建立评价指标因素集
U={u1, u2, u3, …, um}
各元素ui (i=1, 2, …, m) , 即代表各影响因素。这些因素, 通常都具有不同程度的模糊性。
(2) 确定评价集 (备择集)
评价集是评判者对评判对象可能作出的各种总的评判结果所组成的集合。通常用大写字母V表示, 即
V={v1, v2, v3, …, vn}
各元素vi (i=1, 2, …, n) , 即代表各种可能的总评判结果。模糊综合评判的目的, 就是在综合考虑所有影响因素的基础上, 从评价集中得出一最佳的评判结果。
评价集一般可分为五等:V={好, 较好, 一般, 较差, 差}
(3) 单因素模糊评判
所谓单因素模糊评判是指单独从一个因素出发进行评判, 以确定评判对象对评价集元素的隶属程度。单独从上述每个因素出发, 根据调研与统计所得的信息和资料, 对各因素进行评判, 求得单因素评判集ri, 并由此得单因素判断矩阵为:
R = [r1, r2, ……, rm]T
(4) 用层次分析法确定评价指标因素集中各因素的权重, 建立因素权重集A
由于本评价指标是多层次、多因素的指标体系, 因此指标体系评价中权重分配的科学性和合理性就十分重要。从目前的权重研究现状来看, 采用层次分析法确定权重是一种比较科学的方法。
(5) 模糊综合评判
前面所述的单因素模糊评判, 仅反映了一个因素对评判对象的影响。这显然是不够的。我们的目的, 是要综合考虑所有因素的影响, 得出正确的评判结果, 这就是模糊综合评判。模糊综合评判, 可表示为:
B=A·R
其中, A为权重集, R为单因素评判矩阵, B为模糊综合评判集。这样根据隶属函数的最大原则Max (B) 或系数加权, 可以确定各指标的隶属度。
一级模糊综合评价是模糊综合评价法的最基本形式, 对于较简单的问题, 可得到较科学的结果。但对于复杂的问题, 由于要考虑诸多的因素, 各因素往往又有不同层次, 还需要采用多级模糊综合评价法。
4 应用
有甲、乙、丙、丁、戊五家单位参加投标, 招标单位组织了五位专家进行评标。现以甲单位为例, 利用前文介绍的方法给甲投标者打分 (见表4) 。
结合工程承诺因素的权重, 则上级指标的隶属度为
将上述评价向量作为上层指标评价矩阵, 结合其他因素, (具体过程略) 得出对甲单位最终的综合评价:
B甲=A·R甲= (0.315, 0.298, 0.242 , 0.085, 0.060)
同理假设出其他投标者的最终评价结果:
为评出五位投标者中的最优者, 在对应的评价集V= (y1好, y2较好, y3中, y4 较差, y5差) 中, 规定y1=1, y2=0.8, y3=0.6, y4=0.4, y5=0.2。利用公式
从以上数据不难得出, 甲为最优投标单位。事实证明, 利用模糊综合评价方法得出的最终结果与实际评标结果吻合的很好, 该方法有良好的实用价值。
5 结束语
评标工作程序要求严格规范、科学公正、平等合理, 所以要尽量引入客观定量的评价方法。模糊综合评价模型克服了现有方法评价过程单一化、主观化的缺点, 很好的解决了评标过程中定性指标难于比较的困难, 很好的处理了定性与定量之间转换。在因素较多, 系统比较庞大时, 可以编制计算机程序来简化有关计算与分析过程, 提高评标效率。
摘要：通过分析目前工程评标过程中经常采用的几种方法, 并提出了一种基于模糊神经网络数学的综合评价方法, 根据模糊隶属度理论和人工神经网络理论, 建立综合指标体系, 使评价的定性与定量结合, 使评标方法在综合性、合理性、科学性、可操作性等方面得到了改进。
关键词：评标,综合评判,模糊,隶属度,人工神经网络,指标体系,层次分析
参考文献
[1]中华人民共和国招标投标法, 1999.
[2]徐杨.模糊数学[M], 西南交通大学出版社, 1994.
[3]张振良.应用模糊数学[M].重庆大学出版.
[4]王众托.系统工程学[M].国防工业出版社, 1980.
铁路旅客换乘体系的模糊综合评判 篇8
1.1 评价指标体系建立的原则。综合评价指标体系建立必须遵循全面性原则、科学性原则、层次性原则、目的性原则、可比性原则、与评价方法一致的原则、可操作性、具有一定的灵敏度、合理公正等基本原则:1.2评价指标的确定。指标分析及定义。1.2.1换乘匹配度:换乘疏散能力和高峰小时需要换乘客运量的比值。该指标反映铁路客运枢纽疏导客流的能力。1.2.2人均换乘步行用地面积:客运铁路客运枢纽内,高峰小时每位换乘乘客平均能够使用的换乘步行用地面积。该指标反映客运枢纽内换乘系统的拥挤程度和舒适程度以及环境质量的水平,可以衡量换乘设施内乘客换乘的舒适度。1.2.3枢纽内部协调度:枢纽面积与枢纽内部交通流形成的冲突点的比值。指换乘复杂的枢纽内各种交通流相互干扰的程度,反映的是枢纽内部交通组织水平。1.2.4换乘平均间距:对给定的城市空间,各级枢纽步行换乘所走距离的加权平均值,该指标用来反映铁路客运枢纽内部站点设置的合理程度。1.2.5绕行系数:两个换乘站点的理想步行距离与乘客换乘时的实际步行距离的比值。该指标反映了客运枢纽内与各种换乘有关的设施布局对换乘客流步行的方便程度。1.2.6平均换乘时间:是换乘步行时间与换乘等候时间之和。该项反映的是在运行和调度方面铁路客运枢纽与公交线路相互协调的程度,反映换乘系统运行高效性,这是乘客在换乘时最关心的一个因素,因为换乘时间的长短决定了乘客在换乘出行时能够能否迅速地换乘另一种交通工具或者另一条线路。1.2.7换乘舒适度:在枢纽范围内,乘客从铁路客运枢纽所提供的服务项目中获得的舒适、满意程度。该指标反映客运铁路客运枢纽为乘客提供各项服务的水平。1.2.8公众满意度:换乘乘客对于客运枢纽换乘系统的满意程度。该指标用来衡量换乘系统的社会效益,不仅包括节约出行时间带来的效益,还包括噪声、废气排放量和振动对城市环境和生态循环的影响等多个方面。社会效益评价具有长期性、多目标性、间接影响多等特点,难以量化,是一个定性指标。1.2.9停车设施利用率:铁路客运枢纽内高峰小时需要换乘停放的非机动车停车数量与非机动车停车场可以用于换乘停车的泊位数的比值。该指标反映铁路客运枢纽内为乘客换乘提供非机动车驻留条件的水平。
2 模糊综合评判法
2.1 模糊综合评判的基本原理与步骤。
2.1.1确定评价对象的因素论域U={U1,U2,…Uk},。也就是确定评价的指标体系,解决用什么指标和从哪些方面来评价客观对象的问题。2.1.2确定评语等级论域V={v1,v2,…vm}。也就是建立综合评价的方案集合,集合中每一个元素代表一个评价方案。2.1.3 进行单因素评判,建立模糊关系矩阵
其中与方案相对应的因素指标值向量为rij={r1j,r2j,…rnj}rij份称为U中因素Ui对中等级Vj的隶属关系,即从因素Ui着眼,被评价对象能被评为Vj等级的隶属关系。因而rij是第i个因素Ui对该事物的单因素评价,它构成了模糊综合评判的基础。将这m个列向量依据某种综合评判方法如加权相对偏差距离最小法相互比较,以确定最优方案。
2.2 模糊综合评判的数学模型
假设一级影响因素集为U={U1,U2,…Uk}、二级影响因素集为,i=1,2,…k,其中,评判集为。确定隶属函数为了将专家对评判因素给出的评判转化为模糊数,隶属函数的确定方法包括模糊统计方法、指派方法、二元对比排序法等。采用模糊统计法来确定隶属函数。铁路旅客基于模糊综合评判的换乘系统评判分析建立评判集U,将影响因素分为换乘舒适性,运输效率和服务水平三个方面子集
根据节中对各因素的分析,可按性质程度细分为若干等级。例如设运能匹配度ui就可细分为低,较低,一般,较高,高等五个等级,并可用集合Vi={低,较低,一般,较高,高}加以表示。此集合合称为换乘系统匹配度评判集。根据上面分析,我们可以建立基于模糊综合评判的换乘系统评价分析的评判集:V={差,较差,一般,较好,好}。2.2.1确定权重。采用专家估测法确定一级影响因素对方案评判的重要性程度(权重及A)及二级影响因素对一级影响因素的重要性程度权重ai。在模糊综合评判中,权重是至关重要的,它反映了各个因素在综合决策过程中所占有的地位或所起的作用,直接影响到综合决策的结果。常用的确定权重的数学方法有统计方法、模糊协调决策法、模糊关系议程法等,本文采用统计方法中的专家估测法来确定权重值。向位技术人员、专家发放等级权重调查表。具体计算步骤如下:假设有k位专家各自独立地给出影响因素ui的权重,取各因素的平均值作为其权重,即:
2.2.2 对二级因素集进行评判。
建立模糊映射,得到单因素评判矩阵
这里,模糊矩阵的运算采用算子(∧,∨)。2.2.3对一级因素集进行评判。
设U={U1,U2,…Uk}的权重为A=(a1,a2,…ak),总评判矩阵为
2.2.4 方案比较
3 实例分析
通过对80位换乘旅客的调查建立因素集U,将影响因素分为换乘舒适性,运输效率和服务水平三个方面子集:
铁路旅客换乘系统二级评判矩阵为:
根据节中对各因素的分析,可按性质程度细分为若干等级。例如设运能匹配度ui就可细分为低,较低,一般,较高,高等五个等级,并可用集合Vi={低,较低,一般,较高,高}加以表示。此集合合称为换乘系统匹配度评判集。
二级因素对一级因素的权重为:
对二级因素进行评判:
对一级因素进行评判:
结果表明:铁路换乘旅客对目前换乘的评价中有16.3%的人认为好,28.5%的人认为较好,31.2%的人认为一般,32.5%的人认为较差,22.5%的人认为太差。
参考文献
[1]陆锡明.综合交通规划[M].上海:同济大学出版社,2003.
变权模糊综合评判优选采矿方法 篇9
1 确定采矿方法选择的影响因素
采矿方法应该保证工人在采矿工程中安全生产,有良好的作业条件。开采过程中不会发生大规模的地压活动;最大限度的回收资源,损失、贫化小;生产能力大,材料消耗率低,生产成本低[4]。
选取评价因素的原则是要全面、重点的包含采矿方法的影响因素。采矿方法综合影响因素一般可以从采矿功效、生产能力、矿石损失率、贫化率,千吨采切比、采矿成本、方案的适用性等进行分析。由于采矿方法的不同,具体的情况要具体分析,以上因素要适当地增补。
2 应用层次分析法确定因素的权向量
对某个问题的n个因素所占的比例很难整体进行判断,层次分析法是将所有因素进行两两对比,通过用“同等重要”、“稍微重要”、“明显重要”、“十分重要”、“极其重要”等定性语言来说明其中一个因素比另一个因素对总体而言的重要性程度[2],将语言量化得到n个因素的权重。
2.1 确定判断矩阵
对给定的某个实际问题,设X={x1,x 2,…,xn}是全部因素的集,可以请专家按表1所列各项的意义,对全部因素作两两之间的对比,填写矩阵A=(aij)n×n,其中aij=f(xi,xj),并称A为判断矩阵[1]。
2.2 根据判断矩阵求出各因素的权向量并检验一致性
对于给定的判断矩阵A=(aij)n×n,利用根法求解其特征向量和第一特征值。
特征向量:undefined
将特征向量W=(w1,w2,…,wn)T作为权向量。
第一特征值undefined
当因素众多时,判断矩阵各因素的重要性之间难免会产生不一致性。利用一致性检验指标“一致性比率CR”undefined进行一致性检验,其中undefined称为A的一致性指标,RI则为随机一致性指标,见表2。当CR<0.1时就认为判断矩阵满足了一致性要求,不然重新调整矩阵,直至满足一致性检验为止[1]。
3 确定各个方案的隶属度
假设有某项工程,涉及因素x1,x 2,…,xn,并有p1,p2,…,pm,(个人或单位)参与决策。现提出q1,q2,…,ql共L个方案,希望能对这L个方案进行排序,以便找到最合理的方案。在选定的影响因素中,定量的指标可以参考国内外类似矿山选取,定性指标则由专家按最差、很差、差、较差、中、较好、好、很好、最好,9个级标准进行评判。对L个方案的n个定性、定量指标组成的目标特征值矩阵为:
定量指标可以分为收益性指标与消耗性指标两类。对于收益性指标,指标越大越好;对于消耗性指标,指标越小越好。则目标相对隶属度公式如下:收益性指标公式 “rij=yij/maxyij ”;消耗性指标公式为:“rij=minyij /yij”。对矩阵Y其进行规格化,得到目标相对隶属度矩阵[3]:
4 应用变权法确定变权值
采矿方法选择的众多影响因素中,如果某些因素指标较低,则会导致其它因素相继受损,或者是在正常情况下对方案影响不大的因素一旦严重损坏,却能影响到整个方案的成败。因此,适当提高指标值低的因素权重才能更加准确、合理地选择出采矿方法。变权法就是通过突出单因素评估中评估值较低的项,以引起决策者的充分注意,进而实现更合理地评估方案的综合值。
设x1,x2,…,xn分别取评估值u1,u2,…,un,记因素xj相对总体而言的权重为wj=wj(u1,u2,…,un),j=1,2,…,n,即因素xj的权重依赖于各因素的单因素评估值,是各单因素评估值的函数。其中wj∈(0,1),且undefined。引入记号wmj=wj(um,um,…,um),j=1,2,…,n,wmj∈(0,1),undefined。wmj表示总体功能十分完善时,因素xj的权重,称为基础权重,它可以通过前面的层次分析法得到。[5]又令w0j=wj(um,…,um,0,um…,um),j=1,2,…,n,w0j∈(0,1),表示xj的功能完全丧失,而其它功能十分完善时xj所占的权重。前面说过,总想加大受损严重因素的权重,故w0j可以视为因素xj所占权重的上确界。w0j按下式计算:
undefined (3)[3]
为了能简便并且比较直观地获得wj(u1,u2,…,un),再引入在[0,um]上定义的非负可微函数λj(u),使之满足λ’j(u)≤0。并记λj(0)=λ0j,λj(um)=λmj。λ0j,λmj分别是λj(u)(j=1,2,…,n)在[0,um]上的最大值和最小值。λj(u)可由下式进行计算:
undefined;j=1,2,…,n (4)[3]
undefined
最后通过式(5):
undefined,j=1,2,…,n(5)
即可得到因素xj的变权值[3]。
5 进行各方案因素的模糊综合评判
通过变权法求出的各个方案的变权值后,联立已经得到的各个方案的评估向量w(k) = (wundefined,wundefined,…,wundefined),(uundefined,uundefined,…,uundefined),k=1,2,…,l。最后利用加权综合评判函数undefined,即可得到各方案的变权综合评判值undefined;k=1,2,…l。将{u(k)}按大小顺序排列,即可得到各方案的排序。
6 工程实例应用
云南某铜矿8#矿体为缓倾斜中厚矿体,一般真厚度6.32—9.63 m,平均真厚度8 m。矿体呈层状产出,产状与地层基本一致,走向近东西向,倾角较缓,倾角平均为15°,呈似层状、层状、透镜状、长条状等形态。矿体规模较大,长数十米至数百米,宽为100—200 m似层状矿体。云南某铜矿8#缓倾斜中厚矿体赋存于三叠系下统永宁镇组下段(T1y1)工程地质岩组中,该岩组呈致密块状,完整坚固,抗风化力强,抗压强度一般在34.5—66 MPa范围内,属坚硬～半坚硬岩组,岩石稳固性较好,在此岩组中开拓的巷道、硐室,除局部风化破碎的泥质灰岩岩层外,一般不需支护。
根据矿体赋存特征,经多个专家研究,提出了浅孔房柱法(q1)、切顶中深孔房柱法(q2)、下盘漏斗中深孔空场法三种备选的采矿方法(q3)。根据矿山实际情况,选择采矿直接成本(x1)、生产能力(x2)、损失率(x3)、安全性(x4)、千吨采切比(x5)、贫化率(x6)、采矿工效(x7)7个影响因素进行分析。
6.1 确定判断矩阵及基础权重
对分析的因素x1,x2,…,x7,请专家按表1所列各项意义,对全部因素作两两之间的对比,填写判断矩阵:
按公式(1)计算出特征向量W=(0.304 8, 0.113 4,0.113 4,0.304 8,0.062 2,0.062 2,0.039 1),对应的第一特征值则按公式2计算得λ1=7.047 1,继而可得,CI=0.007 85。从表2中查得随机一致性指标RI=1.36,由此即可得到一致性比率CR=0.005 77。因为CR=0.005 77<0.1,故判断矩阵满足了一致性要求,因而可将该特征值对应的特征向量作为基础权向量。
6.2 确定各方案的隶属度
查询已提出的3个方案(q1)、(q2)、(q3)的6个定量指标的常规数值如表3。
针对“安全性”这一定性指标,由专家打分选定。分别为70,80,85。根据表3参数查询和安全性专家打分70、80、85建立隶属矩阵,再通过隶属矩阵得到各方案的评估向量。再规格化后得
。进行规格化后处理得相对隶属度矩阵
6.3 确定各方案的变权值
由层次分析法已经得出了基础权向量(wm1,wm2,…,wm7)=(0.304 8,0.113 4,0.113 4,0.304 8,0.062 2,0.062 2,0.039 1),再利用公式(3)可得(w01,w02,…, w07)=(0.886 3,0.329 8,0.329 8,0.886 3,0.181,0.181 0,0.113 7)。公式(4)中λ0j,λ*·j,kj按各自的定义分别予以算出来,结果见表4。
由此,根据表4中各参数的值,按公式(4)及公式(5)即可求出各方案的变权值,如下:w(1)=(0.242 4,0.180 7,0.114 6,0.293 2,0.051 4,0.072 3,0.045 4);w(2)=(0.330 2,0.106 3,0.106 3,0.294 6,0.064 1,0.058 6,0.040 0);w(3)=(0.356 5,0.084 4,0.123 3,0.219 3,0.111 1,0.076 1,0.029 3)。
6.4 进行多因素变权模糊综合评判
根据以上得出的各个方案的评估向量及变权值,利用加权平均法得出各个方案的优越度:方案一77.7%,方案二91.7%,方案三65.9%,故选方案二“切顶中深孔房柱法”。该矿山生产实践证明这种判定方案也是可行的。
7 结语
(1) 层次分析法能够把复杂系统问题的各因素通过划分相互联系的各有序层次,使之条理化。本文采用层次分析法客观确定各因素的权重,避免仅通过专家的主观认识差异引起的决策失误。
(2) 影响采矿方法选择的诸多因素中,若有一项因素评估值较低,直接影响到该方案的取舍。本文利用变权法突出评估值较低项,引起警惕,使方案的选择更具实践性和科学性。
(3) 本文在使用了层次分析法、模糊综合评价法及变权法对该矿山实际情况进行了分析研究,得出“切顶中深孔房柱法”采矿方法为最适宜的。
参考文献
[1]解世俊.金属矿床地下开采.第二版.北京:冶金工业出版社,1999
[2]张吉军.模糊层次分析法(FAHP).模糊系统与数学,2000;14(2):80—88
[3]彭祖赠,孙韫玉.模糊数学及其应用.武汉:武汉大学出版社,2007:90—110
[4]淡永富.模糊数学在金矿采矿方法选择中的应用.有色金属设计,2003;(02)
灰色模糊综合评判 篇10
模糊知识处理及模糊综合评判在工农业、军事评估、经济发展决策、自然灾害等级评判等各领域得到了广泛的应用研究[1,2,3,4]。由于灾情等级指标多样,各单项指标的评估结果往往是不相容的,传统模糊集难以描述模糊评判中多个不相容等级的要求。为此不少学者指出“知识信息处理中需要多种否定[5,6,7]。潘正华认为模糊知识中具有三种否定关系: 矛盾否定关系、对立否定关系以及中介否定关系,并提出了一种具有矛盾否定、对立否定和中介否定的模糊集FScom[8,9,10,11,12]。张胜礼针对模糊集FScom的中介否定算子较复杂的特点,作了修改得到模糊集IFScom[13,14]。
本文在模糊集IFScom基础上,对其中介否定算子作了进一步改进,明确了中介否定区间中的临界点0. 5具有最大模糊隶属度1。得到的新 模糊集IFScom*的中介否 定集区间 从[1 - λ,1]扩充到了[0,1],使得传统模糊集的最大隶属度能直接适用于模糊集IFScom*。在处理模糊知识否定信息方面更具有实用性。在此基础上给出一种基于IFScom*的模糊综合评判及在地震自然灾害等级评判中的应用。
1 模糊集 IFScom 的定义与相关性质
定义1[13]设A∈T ( U) ,A ( x) 为A的隶属函数λ∈( 0. 5,1) 。
( 1) 若映射f╕: { A( x) | x∈U} →[0,1],满足:则该映射f╕确定了U上的一模糊子集,称为A的对立否定集,记作A╕。
( 2) 若映射f~: { A( x) | x∈U} →[0,1],满足:则该映射f~确定了U上的一模糊子集,称为A的中介否定集,记作A~。
( 3) 设A是论域U上的一个的模糊集,x∈U,称A┐为A的矛盾否定集,若:
以上定义了一种区分矛盾否定运算┐、对立否定运算╕和中介否定运算 ~ 的模糊集IFScom。
模糊集IFScom具备经典模糊集的一些基本性质[14]。其定义1的中介算子式( 1) 、式( 3) 采用了反向比例形式来定义,如图1所示: 当A ( x) ∈ ( λ,1]或A ( x) ∈[0,1 - λ]时,中介否定集的隶属度A~( x) 随着A ( x) 的增大而越小; 而定义1式( 2)当A ( x) ∈ [1 - λ,λ]时,无论正、反向比例定义,A~( x) 的区间为[λ,1],且不能反映0. 5作为中介最大模糊真值度的性质,在处理多个中介否定集时会出现较大的误差。如图2所示,A1~( x) 的中介否定集区间比A2~( x) 更接近A( x) 所在区间,但是定义1不能反映这个差别。特别当A( x) = 1时,计算A1~( 1) = 1 - λ1< A2~( 1) = 1 - λ2表明中介隶属度A2~( x)所在的区间更接近A( x) 。显然这个结果不符合实际。
2 改进的模糊集 IFScom*与 λ-中介否定集
对定义1模糊集IFScom的中介否定算子作如下改进。
定义2若映射f~ *: { A( x) | x∈U} →[0,1],满足:
则该映射f* ~确定了U上的一模糊子集,称为A的中介否定集,记作A* ~。
其中式( 4) 、式( 7) 采用反向比例形式,式( 5) 、式( 6) 采用正向比例形式定义。
改进模糊集IFScom*的参数λ在区间范围上没有变化,与IFScom同样具备经典模糊集的一些基本性质[13,14],以下分析其特殊性质及应用方法:
性质1设A是论域U上的一个模糊集IFScom*,λ∈( 0. 5,1) ,x∈U有:
( 1) 1 - λ≤A~( x) ≤λ,当且仅当A ( x) > λ或A ( x) <1 - λ ;
( 2) λ≤A~( x) ≤1,当且仅当1 - λ≤A ( x) < λ ;
证明: 由定义2易得。
性质2设A是论域U上的一个模糊集IFScom*,λ∈( 0. 5,1) ,x∈U有:
( 2) 由性质1及定义2易证。
( 3) 由定义1,2显然。
由以上定义和性质知,当A ( x) ∈ [0,0. 5) ,A ~ ( x) 随着A ( x) 增大而增大; A ( x) ∈ [0. 5,1],A ~ ( x) 随A ( x) 增大而减小。特别的当A ( x) = 0. 5时,A ~ ( x) 取中介否定集中的最大隶属度1。A ( x) = 0或1时,A ~ ( x) 取中介否定集中的最小隶属度0。由此f~ *所定义的中介否定集A* ~从原来的[1 - λ,λ]扩充到了[0,1],所以传统模糊集中的最大隶属度能适用于IFScom*集。
例如: 在灾害等级评中,“小灾”、“中灾”、“大灾”分别是“特大灾”与其对立否定“微灾”的不同中介否定集。
3 基于 IFScom*的模糊综合评判方法[15]
( 1) 确定对象集T = { t1,t2,…,tn} ,因素集U = { u1,u2,…,um} ,评语集V = { v1,v2,…,vn} ,建立各对象因素的模糊集合( 隶属函数) ,求出对象t2的因素ui关于vj的隶属度λij。
( 2) 计算对象tl的因素ui关于评判集在[0,1]上的隶属度rij得到tl的评判矩阵Rl= ( rij)m×n。
( 3) 确定权重集A: 由于因素集中的各因素对不同对象的影响程度不一样,因此对各因素赋予不同的权重Ai,得到权重集A = ( a1,a2,…,am) ,其中a1+ a2+ … + am= 1,ai≥0。
( 4) 计算:
得到对象tl的评判集Pl= ADR。
4 实例分析
2013年4月,四川省雅安市芦山县发生7. 0级强烈地震,根据中国地震网及民政局网站统计数据,共造成196人死亡,11 470人受伤,全市近40万间房屋受损,重建面积达638. 8万平方米,直接综合损失达400亿。试分析该地区地震灾害等级。
本文选取地震死亡人数( 人) ,受伤人数( 人) ,房屋破坏( 平方米) ,直接损失( 元) 等四个因素,能比较全面的反应地震灾害的实际情况,如表1给出的标准[16]。
4. 1 实例中的模糊集表示方法
由模糊集IFScom*及λ -中介否定集的知识可知,上述实例中五个灾害等级: “微灾”、“小灾”“中灾”、“大灾”、和“特大灾”是五个不同的模糊集,这些模糊集具有以下关系:
( 1) “微灾”是“特大灾”的对立否定集,“大灾”、“中灾”和“小灾”的并集是“微灾”与“特大灾”的λ-中介否定集。
( 2) “小灾”是“大灾”的对立否定集,“中灾”是“大灾”与“小灾”的λ-中介否定集。
现将这五个模糊集表示如下:
v: 表示模糊集“特大灾”; v╕: 表示模糊集“微灾”;
v~1: 表示模糊集“大灾”; v~2: 表示模糊集“中灾”;
v~3: 表示模糊集“小灾”。
建立如下的因素集与评判集:
( 1) 因素集U = { u1,u2,u3,u4} 其中u1: 地震死亡人数; u2:地震伤亡人数; u3: 房屋破坏面积; u4: 直接经济损失。
( 2) 评判集V = { v,v1~,v2~,v3~,v╕} 。
4. 2 建立隶属函数
为简化计算,并考虑到近15年国内物价与通货膨胀率[17],对直接损失指标的数量级提升10倍。将表1的评价指标转换单位后,如表2所示。
对表2中的数据分析可知:
1评价指标死亡人数,受伤人数,房屋破坏,直接损失的对应数值越小,表明地震的灾情越小。因此,可采用一维欧氏距离d( x,y) = | x - y | ,来建立隶属函数。
2四项指标中,死亡人数,受伤人数。房屋破坏,直接损失对应的单位不同,但是在数值上这四项评价指标对同一灾害等级的模糊集的隶属函数是相同( 如不同也可重新计算,本例中微灾在不同指标上的细微差别是可忽略的) 。
下面以受伤人数这一评价指标为例: 先确立其模糊集“特大灾”的隶属函数为:
由定义1可知,其对立否定集“微灾”的隶属函数为: v╕( x) = 1 - v( x) ; “大灾”的隶属函数: v1~( x) ,其对立否定集“小灾”的隶属函数: v3~( x) = 1 - v1~( x) ; “中灾”的隶属函数为v2~( x) ; 要计算这此中介否定集的隶属函数,首先要确定相应的λ值,下面给出λ值的计算方法。
确定参数λ的值对于第i项评价指标( 其中i = 1,2,3,4) : 设其模糊集“大灾”相对于“特大灾”的参数为λi1; 模糊集“中灾”相对于“大灾”的参数为λi2; “小灾”是“大灾”的对立否定集,相对于“特大灾”的参数λi3= 1 - λi1。
从表2数据看出: 10是模糊集“大灾”的下限值。1是模糊集“小灾”的上限值。v1~( 10) 是10关于模糊集“大灾”的隶属度。v3~( 1) 是1关于模糊集“小灾”的隶属度。因为“小灾”是“大灾”的对立否定,所以v1~( 10) = v3~( 1) = 1 - v1~( 1) 。代入式( 9) 得到:
由IFScom的定义λ21∈[1 /2,1) ,由式( 4) 得:
而v1~( 10) = 1 - v1~( 1) ,可计算得到λ21= 0. 5,或者λ21= 0. 892。其中λ21= 0. 5舍去。
对于x,由于“中灾”在“大灾”中所占的比例为所以根据定义2可知:
综上所述,模糊集“大灾”相对于“特大灾”的参数: λ21=0. 892; “中灾”相对于“大灾”的参数λ22= 0. 539; “小灾”相对于“特大型”的参数: 1 - λ21= 0. 108。
4. 3 建立模糊综合评判矩阵
根据芦山地震统计数据: 死亡人数: 196人,受伤人数11 470人,破损面积达638. 8万平方米,直接损失达数百亿。同样以受伤人数为例,单位为2×102人,11 470转换为57. 35代入式( 9) ,可得出其关于“特大灾”的隶属度:
同理计算其他指标死亡人数,房屋破坏,直接损失的各项隶属度,得到关于各模糊集在[0,1]之间综合评判矩阵:
设各指标的权重为: A = ( 0. 191,,0. 234,0. 27,0. 305)[18],计算:
得到结果: Pl= ADR = ( 0. 369,0. 389,0. 2,0. 077,0. 269) 根据最大隶属度原则此次地震造成的灾害损失为“大灾”。使用灰色模糊综合方法[18]对该地震灾害等级划分的结果是一致的,因而该模糊评判方法基本符合定量、准确评价灾情的要求。
5 结 语
灰色模糊综合评判 篇11
[关键词] 模糊综合评判第三方物流服务指标评估决策
一、问题的提出
第三方物流服务指标，是评定该物流公司所提供服务质量高低的主要依据。在实际物流营运中，对某个物流公司的评定并非易事，为使评价过程更为客观合理，探索新的评估方法有着非常重要的意义。
模糊数学中的模糊综合评判，实质上是将评判的考核指标按照某种属性或特征来划分若干因素，并根据设计的评价等级对评判对象进行综合判断，使定性分析转变成定量分析。
这个过程涉及到构造评判模型的四个基本要素:因素集U;对单因素的评价集V;关于因素间分配权数集A;因素评价模型关系矩阵R。
指标设计即U、V（因素集、因素评价集）的设计，在综合评判中起着很重要的作用。指标客观准确，才能能得出客观的测评结果。
二、模糊综合评判数学模型
根据模糊数学的基本原理，本文给出综合评判模型如下：
1.确定因素集U。U应是个有限论域：且满足：,其含义是指定评判对象论域U，它包含有限个因素。
因素并集为论域总体，而两两因素交集是空集，也就是两两因素互相明确地区分开来并无共同点。
2.给出每一因素评价集V。
通常评价为：V={很高、高、较高，···一般、···低}。
3.确定模糊关系矩阵R，这里的模糊矩阵R是集合U与集合V所发生的对应模糊关系的集合，可用矩阵表示为：
其中rij的含义指从因素集U上第i个因素对进行综合评判对象作出第j种评价Vij的可能程度。
4.给出因素集U内各个因素分配权数组成一组，模糊向量集A。
即:
三、现有客户分析模型
根据现有客户业务开展程度和深入层次来划分等级。一般把客户分成A、B、C和D四个等级。
公司划分客户等级主要依据是与客户开展业务的类型。
A类客户是指：目前与公司只局限于一般的、零散的、小宗的运输业务。
B类客户是指：只局限于完成对方的仓储方面的业务，有时涉及到运输业务，有时根本不涉及到运输业务，除仓储物流业务外都由客户自己完成。
C类客戶是指：与物流公司建立了有关物流作业上的仓储和配送业务的牢固联盟关系。
D类客户是指：与物流公司建立一种战略合作关系，是全程物流外包的企业，有关涉及到的物流业务由物流公司（第三方物流企业）来完成。
潜在客户分析：对目前与物流公司还未建立业务关系或业务局限于浅层次的客户进行分析与预测。潜在客户可划入A类客户。
四、服务质量考核指标分析
服务质量考核指标包括订货周期时间、个案完成率、周期存货、安全存货、中转存货、仓库利用率、事故发生率、回程车利用率等指标。
订货周期时间（order cycle time）：是顾客发出购买订单与收到相应的装运交付之间的时间。
个案完成率（case fill rate）：规定了按需装运的订货个案数或单位数的百分比。
周期存货(cycle inventory)：又称基本储备(base stock)，是补给过程中产生的平均存货的组成部分。
周期存货响应率：是周期存货中的补给订货响应时间的成功率。
安全存货：以防止不确定因素对物流设施的影响，安全储备存货仅用在补给周期末。
中转存货(transit inventory)：代表着正在转移或等待转移的、储备在运输工具中的存货。
仓库利用率：是指季度实际仓库使用面积与季度仓库最大租用面积的比。
事故发生率：按季度事故发生的频次计算，事故包括索赔、投诉，以及运输事故等。
回程车利用率：是降低成本的一个重要指标，即发货点处利用返程车的车次与用直接车辆车次的比率。
五、第三方物流服务指标的模糊综合评判实例
服务指标综合指数是根据服务质量指标赋权重进行计算：
如果某第三方物流公司服务指标综合指数大于0.7585，说明公司提供的服务良好，如果其值小于0.7585，说明公司所提供服务质量不高，营运成本较高，物流营运竞争能力较低。
六、结论
本文将模糊数学中的模糊综合评判原理应用于物流服务指标的评定，为物流系统的评估决策技术提供一种新的技术途径。
参考文献：
[1]黄福华:面向中小生产企业的第三方物流，中国物资流通，2001
灰色模糊综合评判 篇12
一、模型应用应注意的几个方面
1.因素集
设第一层次影响因素个数为n, 可以得因素集U={u1, u2, …, un}, ui为第一层次的第i个因素集, 它又由第二层次中的P个因素决定, 即ui={ui1, ui2, …, uip}当存在更多的层次时, 可依次类推, 一般而言, 层次划分越多, 评价结果就会越准确, 但计算的工作量也会越大。在实际工作中, 因素层次是根据实际问题的性质和需要来确定。
(2) 评判集 (或者叫决断集)
假设有m个评价结果, 则评价集可表达为V={v1, v2, …, vm}, 其中vk (k=1, 2, 3, …m) 为总评判集的第m个可能的评判结果。
(3) 确定权重
在模糊综合决策中, 权重是至关重要的, 它反映了各个因素在综合决策过程中所占有的地位或起的作用。权重的确定可采取专家估测法、加权统计法、频数统计法等等, 实际应用中, 大多采用专家估测法, 具体过程为:
根据每一层次中各个因素的重要程度, 分别给予相应的权数, 第一层次因素的相应权重假设为a1, a2, …, an, 则第一层次的权重为A= (a1, a2, …an) 。其中a1是第一层次中第i个因素ui的权数。同理, 第二层次的权重可假设为Ai={ai1, ai2…aip}, 其中aij是第二层次中决定因素ui的第j个因素的权数。若还存在更低层次的因素, 则还有相应的权数和权重集。
(4) 模糊综合评判应用步骤 (以三级为例)
①一级因素模糊综合评判
(2) 二级因素模糊综合评判
根据一级模糊综合评判, 得到评判矩阵
第二层的综合评判结果为:Bi=Ai·Ri= (bi1, bi2, …bim)
(3) 三级因素模糊综合评判
根据二级模糊综合评判, 得到一级评判矩阵
第三层的综合评判结果为:B=A·R= (b1, b2, …bm)
(4) 评判结果的处理
为了简化, 可以根据最大隶属原则, 确定最后的评判结果。
二、担保业务实例
信用担保业务的外部风险评判主要包括担保项目评判和反担保措施评判, 下面分别对它们进行风险评判。这里以外部风险评判中担保项目评判为例, 反担保措施评判可以参照以下执行。
将影响担保风险评判的指标体系的评判标准分为五个等级:优、良、一般、较差、差。
采用三级模糊综合评判模型:
(1) 由上表, U= (u1, u2…, u25) 将因素集划分为三个层次。
一级因素集:U= (u1, u2) , 权重A= (0.5, 0.5)
二级因素:U1= (c1, c2, …c7, c8) , U2= (c9, c10, c11, c12)
权重A1= (0.1, 0.1, 0.07, 0.13, 0.1, 0.1, 0.33, 0.07) , A2= (0.23, 0.1, 0.13, 0.54)
三级因素:
权重:,
(2) 评判集V={v1, v2…v5}, 分别表示:优、良、一般、较差、差。
(3) 综合评判
(1) 对企业基本面即Ui进行综合评判
先对企业基本面的第三级因素进行综合评判.
单因素评判矩阵为:
作综合评判计算得:
同理, 可以得出
再对企业基本面第二级因素进行综合评判.
U1= (c1, c2, …c7) , A1= (0.1, 0.1, 0.07, 0.13, 0.1, 0.1, 0.33, 0.07) 做综合评
(2) 用上述同样的方法对项目指标及能力评价即做综合评判得出:
(3) 对第一级因素做综合评判
U={U1, U2}, 权重A= (0.5, 0.5) 得:
根据最大隶属原则, 57.5%为优。则该担保项目贷款第一还款来源风险评判为优。
模糊综合评判决策对担保业务风险可以进行十分全面的综合评判, 使风险的评判由定性分析具体到定量分析, 从而能合理评判并规避风险。需要注意的是, 管理者所做的决策应是建立在对整个项目内、外部风险评判后的基础上, 而只对其中某部分风险进行评判而的出的结论是不准确的。
摘要：运用模糊数学中的模糊综合评判决策模型, 对担保业务外部风险进行综合评判, 使风险得到量化, 从而更好地规避风险, 使管理决策更为科学合理。
关键词：担保业务,外部风险,模糊综合评判
参考文献