AHP层次模糊（共12篇）
AHP层次模糊 篇1
1 模糊层次分析法概述
层次分析法 (英文简称为AHP) 已广泛运用在多个领域中, 最早是在20世纪70年代由美国运筹学家T.L.Saaty教授提出的一种定性与定量相结合的系统分析方法。但是传统的层次分析法本身有一定的缺陷:首先参与评判的专家在构造判断矩阵时仅指派一定标度的整数及其倒数, 有时候不能够准确地反映出标度的模糊性和不确定性, 在衡量被评判目标机能的各个评判指标都存在一定程度的模糊特性。事实上专家学者们常常会给出相关的模糊变量, 比如三值判定:最小可取值、最大可取值、最大概率值、二值区域判定, 这样更为合理。其次, 在构建比较判断矩阵的时候, 仅仅由一个特定专家搭建比较判断矩阵常常带有一定程度的局限性, 进而造成依此计算获取的排序向量的依赖程度下降, 准确性也会大打折扣。此时通常用的方法是用不确定数 (常见不确定数有:正态分布型、梯形分布函数、三角模糊数、K次抛物线分布、Cauchy型分布、S型分布等) 来克服这种指标属性及属性值的模糊性和人脑思维的局限性。因为语言式模糊评判方式选用带语言参数的评判值来衡量参数的性能, 这些语言评判值来源于用户自定义的语言值评判集合。模糊层次分析法 (英文简称为Fuzzy-AHP) 正是源自传统的层次分析法与模糊数学相结合的新产物。选用模糊数取代点值构建模糊判断矩阵, 而后求解出权重的向量值, 通过模糊数矩阵和向量计算, 去除模糊化获取总体的模糊数所占权重, 最末再排定次序。此办法可以高效地展现判定的不明确性, 模型搭建与求解也相对便捷, 传统层次分析法可被视为模糊层次分析法的一个特殊实例。与传统的层次分析法比较, 模糊层次分析法可以在较大程度上克服点值评分没有任何弹性的弊病, 而且可以使专家个人喜好对评分的影响降到最低。
2 XX项目电站空冷岛设备分类实证研究
2.1 层次分析结构模型
其层次剖析构造模型如图1所示。
2.2 判断矩阵权重计算及排序
在构建完模型判断矩阵以及检验矩阵一致性后, 接着进行矩阵权重计算及排序。
由表1显而易见, 指定的某个要素与其他要素两者的权重比, 对各个设备来说, 都能够依照上表的权重占比展开实际的运算, 最后能够获得指定设备和其他设备彼此间的权重排名。
3 XX项目电站空冷岛设备质量控制流程设计
3.1 供应商管理体系的质量控制
供应商调查是公司了解新供方的第一道程序。采购部门从供应商提交的调查表中了解到基本情况、财务状况、质量体系、生产能力、人员构成、场地、设备、人员资质、无损检测等18个方面的实力。经过初步审核, 移交给质保工程师, 调查表及相关资料作为公司判断新供方是否具备合格供方能力的最基本依据。
3.2 采购合同的质量控制
买卖双方签订采购合同后2周内, 买方的项目经理负责组织由卖方项目经理、车间监理和买方技术部门、质量管理人员参加的项目启动会, 讨论和确定详细的供货范围等。卖方在项目启动会议之前应向买方项目经理提供生产计划以便确定卖方的进度。技术部门对设备供应商进行技术交底, 一般主要有细化图纸、解读技术规范等, 确保设备制造满足设计的要求。
3.3 设备制造过程质量控制
传统过程质量控制流程一般分为巡检、监造、验收。根据电站空冷岛设备的特点, 应从提高设计质量、针对设备质量多发病和常见病制定措施、完善质量废损制度、建立现代化质量信息系统四个方面开拓质量管理思路, 调整质量管理策略, 优化设备质量:提高设计质量、制定设备质量多发病和常见病措施、完善质量废损制度、建立现代化质量信息系统。
4 总结
电站空冷系统是我国电力建设的新兴产业, 行业发展起步相对较晚。但是随着国家对西北及北方内陆地区的发展建设, 电力缺口加大, 而湿冷系统的耗水巨大, 无法适应以上地区缺水的情况。随着中国持续的快速发展以及发展地区的内陆化, 电站空冷系统将会获得更多的应用, 随之企业对于该系统的质量要求也随之变得越来越高, 如何提高改系统的质量, 对其设备做好良好质量控制具有十分重要的意义。
参考文献
[1]陈明新.建筑工程项目质量管理与控制研究[D].青岛:中国海洋大学, 2009.
[2]姜继茂.建筑工程项目的施工质量管理研究[D].南京:南京理工大学, 2007.
[3]马万民.高等教育服务质量管理的理论与应用研究[D].南京:南京理工大学, 2004.
[4]谢四清.建筑工程质量管理与控制[D].成都:西南交通大学, 2004.
[5]罗长富.研究生教育服务质量管理研究[D].北京:中国农业科学院, 2006.
AHP层次模糊 篇2
AHP-模糊综合评价方法的分析与研究
摘要：系统安全评价是保证生产系统安全生产的`基础.笔者在简要分析层次分析(AHP)与模糊综合评价两种方法的特点的基础上,结合这两种方法的优点,提出了多层次的AHP-模糊综合评价法,并应用于企业作实证分析.结果表明:该方法具有这两种方法的优点,能够较好地保证评价结果的客观性.作 者：韩利 梅强 陆玉梅 季敏 作者单位：江苏大学工商管理学院期 刊：中国安全科学学报 ISTICPKU Journal：CHINA SAFETY SCIENCE JOURNAL年，卷(期)：,14(7)分类号：X9关键词：层次分析 模糊综合评价 系统安全评价 企业
AHP层次模糊 篇3
关键词:模糊AHP;就业满意度;择业标准
高校扩招后,大学生就业问题近年来受到政府、学者的广泛关注,学者从不同的角度分析了就业难的原因。赖德胜认为:大学毕业生就业难是相对的,具有转型性和结构性的特点,即在某些大中城市,大学毕业生的供给量是相对过剩的,但在广大农村地区和西部地区,他们则是绝对不足的。政府也针对如何扩大就业问题出台了许多政策,如2008年1月1日《中华人民共和国劳动合同法》、《中华人民共和国就业促进法》正式实施,2008年9月28日,国务院办公厅下发了《关于促进以创业带动就业工作的指导意见》等,因此,大学生就业率得到了一定的保障,但大学生就业满意度问题并没有受到学者们的注意。本文研究了大学生的择业标准,并在此基础上研究大学生的就业满意度情况。
一、研究综述
大学生择业标准的满足程度可以反映出大学生的就业满意度,因此就业满意度的研究以择业标准的研究为前提。学者已对大学生择业标准进行了很多研究,凌文轮的研究显示,大学生的择业标准主要包括:能充分发挥自己的才能,符合自己的兴趣爱好,机会均等,公平竞争,收入高,能提供进一步受教育的机会。阴国恩等对532名大学生职业价值观的调查研究发现:当代大学生的职业价值观呈现出多元化特点,在多元化的职业价值体系中,“充分发挥能力”、“创造性”、“收入”处于前三位。
目前,国外学者对大学生就业问题的研究从需求、供给以及供求匹配等角度进行(Niall O Higgins,2002)。研究中国就业问题的美国加州大学教授苏黛瑞(Dorothy Solinger)指出:出现大学生就业难问题的一个原因就是中国高校扩招,而经济的发展还没有快到能够吸纳这些毕业生就业的水平和没有创造出适合这些大学生的就业机会。国内学者多从教育学、社会学角度出发,来研究大学生就业问题。
前人的研究较为详细地阐述了大学生的就业意向及就业率低的原因等问题,有十分重要的理论意义和实践价值。但学者对大学生的就业满意度则关注较少。本文采用了185名2008届应届本科毕业生填写的185个择业标准评价矩阵,结合9位专家对择业标准的模糊评价信息,应用模糊AHP(Analytic Hierarchy Process,AHP)法综合评价出当代大学生的就业满意度,并以此为依据提供相关的政策建议。
二、研究方法
1.数据收集
本研究针对合肥地区2008届应届本科毕业生,抽取理、工、文、管四大学科,67个专业的70名学生代表进行了深度访谈。综合文献研究和深度访谈的结果,最终得出以下大学生择业时看重的标准,见表1所示的评价大学生就业满意度的指标体系。
最后,根据文献研究和访谈结果设计出“大学生就业流向调查问卷”。经试调查和专家讨论后,进行多次修正,最后定稿。于2008年6月5日至15日随机抽取15个专业的200名学生进行了调查,共发放200份问卷,最终收回185份有效问卷。对问卷进行信度检验,结果表明:量表的内部一致性信度系数α为0.901>0.9,表明问卷具有很好的信度。数据分析工具选择SPSS15.0和MATLAB6.5。
2.数据处理
(1)择业指标权重的计算
①判断矩阵A=(aij)n*n.的构造
将185名调查者对每个因素的评价分值做算术平均,综合得出一个判断矩阵A。
②用MATBLAB求解判断矩阵的最大特征根和相对应的特征向量,进行一致性检验,确定指标权重:CI=0.11;RI=1.41;CR=0.08
根据一致性检验要求CR小于0.1,故判断矩阵A和权重向量W可以接受。各指标权重为:(企业地域、企业性质、企业规模、企业声誉、企业前景、企业福利、企业待遇和是否专业对口)=(0.28,0.21,0.16,0.12,0.08,0.06,0.05,0.04)。
本文为研究大学生整体的就业满意度,在应用层次分析法时使用的是8个一级指标,因此,應用模糊综合评价法时将其具体化,使以上指标与每个学生的实际签约单位情况相对应,具体应用见后文。模糊综合评价中的信息矩阵亦是为评价学生整体的就业满意度而请专家对每个细分指标进行评价,再由其对应出具体每个学生的评价信息矩阵,由此测出每个学生的就业满意度,进而综合得出大学生总体的就业满意度。
(2)模糊综合评判
①设定评价等级向量P=(p1,p2,p3,p4,p5)=(很满意,满意,不太满意,不满意,很不满意)
②聘请9名专家对各细分指标打分,得出各项细分指标的信息矩阵R。
③由R形成每个学生实际就业指标的信息矩阵,例如:学生A的就业信息矩阵如表2:
④综合评定
=(0.33,0.32,0.14,0.20,0.13);=66.16
隶属度向量V=(90,70,50,30,10),S为综合评价值。学生A的就业满意度为50<66.16<70,因此,A对自己的工作不太满意。依此法得出所有被试的满意度水平,结果显示:其得分集中于37-80之间,处于很满意和很不满意的百分比均为0。得分小于50,大于37的占15.2%,即对工作不满意的占15.2%;得分在50-70之间的为41.7%,即对工作不太满意的占41.7%;70-80之间,达到满意水平的仅占43.1%。由此可见,大学生就业满意度水平偏低,仅为43.1%。
三、调查结果与分析
1.择业指标重要性
AHP法表明,大学生最看重的三项因素是:企业地域、企业性质、企业规模;排在后三项的是:企业福利、企业待遇和是否专业对口。大学生普遍认为在经济发达地区,较好的企业性质、较大规模、较高声誉的企业才会有更好的发展前景,因此此排序表明大学生很看重个人的发展前景。此外,企业福利、企业待遇在本研究和先前的研究中均排于发展前景之后,这表明:大学生择业是比较理性和务实的,在实现自身发展的基础上寻求更高的福利和待遇,而不是一味地追求高收入、高福利。
2.大学生就业满意度
本文认为大学生就业难问题实际是就业满意度问题。大学生就业困难是由于大学生对能够找到的工作未达到其期望值造成的,并非绝对困难。中华英才网对2006年毕业的2300多位大学生进行的就业情况调查显示:超过六成的大学生对于毕业后的工作不满意,其中12%的大学生表示很不满意。武汉地区2007年对2000余名大学应届毕业生进行随机问卷调查,统计结果显示,2007年大学生就业质量开始出现拐点,就业满意率下降到54.41%。文章由模糊AHP法测得的大学生总体就业满意度仅为43.1%,亦证明了此问题。笔者认为大学生就业难也即就业满意度偏低的原因有:
(1)社会对毕业生的需求增长趋缓。这是由于就业发展未能与经济同步发展,较低的就业弹性系数以及某些国家宏观政策造成的。与此同时,毕业生人数的不断增加,又加重了就业难问题。
(2)大学生就业期望过高,此点在本研究亦得到证实。研究发现大学生对企业规模、企业声誉、企业前景等指标的期望值和实际值基本一致。但在企业地域、企业待遇、企业福利三项指标上期望值与实际值相差较大。因此印证了国外学者Smith和Powell的论断——由于大多数大学生都认为自己的资质高于平均水平,从而导致整体收入预期水平偏高。
四、结论与政策建议
综上所述,大学生就业满意度偏低受到国家政策、教育制度和毕业生就业观念的协同作用,要提高就业满意度需各方共同努力,应做到以下几点:
1.政府应调整经济结构,提高就业增长率、就业弹性,其根本在于发展经济。废除各种政策壁垒,例如:二元户籍制度的改革,提高社会保障覆盖率等;完善就业政策,继续出台鼓励到西部就业和自主创业的优惠政策。
2.高校应适度扩招,专业设置应以就业市场为导向,为社会培养具有一定的理论知识、熟悉某项操作与技能的实务型人才,以此来解决知识失业的问题。
3.大学毕业生要认识到当前的就业形势,提高对市场的反映能力和速度,转变就业观念,及时调整就业期望和保留工资,同时提升就业能力以获得满意的工作。
本研究的不足在于:本文使用层次分析法对大学生择业标准的重要性进行评价,本调查数据是由大学生给出,因此会出现被试由于对层次分析法不甚理解而不知如何填写的情况。在今后的研究中应对被试对此方法进行普及。局限性在于:样本的代表性不足,分析结果的普适性有待于进一步讨论。
参考文献:
[1] 赖德胜.劳动力市场分割与大学毕业生失业[J].北京师范
大学学报,2001,(4):69-76.
[2] 凌文轮,方俐洛,白利刚.我国大学生的职业价值观研究
[J].心理学报,1999,(7):342-348.
[3] 阴国恩,戴斌荣,金东贤.多级估量法在大学生职业价值观
研究中的应用[J].心理科学,2000,(5):513-516.
[4] National Center for Education Statistics,2002,Digest of Education
Statistics 2001,NCES2002-130:455.
[5] Dorothy Solinger.中国大学生为什么过剩[EB/OL].http://
wap.blogcn.com/p/diary.
[6] 曾湘泉.变革中的就业环境與中国大学生就业[J].经济研
究,2004,(6):87-95.
[7] 中华英才网.超过六成大学生对就业现状不满意,http://
info.edu.hc360.com/2006/09/14142997725.shtml.
[8] 荆楚网.武汉地区大学生就业满意度下降预期薪酬水平太
高,http://www.cnhubei.com/ctjb/ctjbsgk/ctjb21/200811/
t493547.shtml.
[9] Smith,Herbert L.and Brian Powell,A class of distortion operators
for pricing financial and insurance risks[J].Sociology of Education,
1990,(63):194-207.
[10] 谢作诗,杨克瑞.大学生就业难问题探析[J].教育研究,
模糊动态AHP导弹识别算法 篇4
弹道导弹为有效地突破反导防区天基、地基的各种光电设备的探测跟踪,采用了大量现代技术,使之具有多种突防与反识别措施。其飞行中段至再入段初期因飞行时间较长,便于进行跟踪和识别被认为是导弹防御的关键阶段,而中段的威胁目标群中,弹头与伴飞物的飞行速度和弹道轨迹大体相同,不利于速度和轨道参数识别,再加之各种电磁干扰与诱饵,因此单一的陆基雷达探测系统难以进行有效识别,已不能完全满足反导的需求,而天基红外预警卫星系统[1]是除雷达之外对弹道导弹进行监视与识别的另一种重要手段,其各类红外探测器能够获得识别真假弹头的多种特性,因而在弹道导弹目标识别中扮演着重要角色。
在一般情况下,弹道导弹的真弹头约占到有效载荷与容积的80%以上,弹头与诱饵及假目标在质量与形体上存在着较大差异,而不同目标的红外辐射特性又因其质量、形体的差异表现出不同变化规律。因此,导弹预警卫星系统的目标识别,主要是通过其所携带各类红外探测器从背景环境中区分出真假弹头的红外辐射特性差异。通过对各种情报及装备技术资料进行整理分析,本文认为,其中温度变化率、热容差异、辐射强度、灰度特性、运动特性是识别判断的关键因素,它们集中反映了弹头的物理和动力学特性。目前,国外研究弹道导弹在飞行中段及再入段的预警卫星目标识别的相关文章还少有报道,国内研究尚处起步阶段。文献[2]、[3]对预警卫星导弹粗识别与目标综合识别模型做了些有益的研究,但从公布的文献资料来看,预警卫星目标识别主要集中在早期预警(粗识别)和单一的红外识别技术及识别流程上,相关的信息融合算法研究还比较少。对此,本文提出一种信息融合下的多属性决策模型,对上述几种弹头的主要红外属性特征进行分析并作为目标识别特征量,完成了属性权重的动态构建,最后给出了仿真计算与结果分析。
1 弹道导弹目标红外识别原理分析
从中段到再入段初期,弹道导弹会产生如下动作:助推火箭关机,弹体分离,产生诱饵弹及气球、碎片等伴飞物质,再入大气层。这一阶段中,如何对目标群中的真假弹头识别成为预警卫星系统目标识别的重要任务。通过对这一时间段的目标群研究分析,发现以下几种目标红外特性及探测手段可利用目标的质量与形体间的关联来有效识别真假弹头。1)温度变化率。目标的温度变化与其质量存在着一定关系:由于弹头的质量最大,因此在同样外部环境下,弹头的温度变化要比诱饵慢得多[4,5,6],所辐射出的红外信号也比诱饵要强。因此,可采用双色长波红外阵列组成一个辐射比温度计,通过在两个红外谱段测量目标的辐射功率之比值,来消除因目标的表面物理特性不同而带来的发射率的影响,以确定出目标群中各个物体的相对温度高低,记录其变化过程,并进而推导出各个物体的相对质量大小。2)热容差异。当目标群进入中段飞行后暴露于温度极低的外太空环境中以及再入段初期进入大气层,这两个时间段目标温度随时间的变化规律反映了其热量吸收率av与放射率εIR的信息,其中重目标的热量吸收率av与放射率εIR的比值av/εIR,即热容量,比轻目标的变化快[6,7]。因此,通过短波和中波红外探测器测量目标的av/εIR可以有效地识别目标。3)辐射强度。目标表面被认为是具有一定发射率的灰体,其辐射强度由表面温度和发射率决定,而发射率是由目标的材质、质量、表面涂层材料、壳体厚度等因素构成。进入大气层前,目标群温度基本处于平衡状态,而一旦进入大气层后,气动加热将使表面温度迅速升高,一些轻诱饵都将被燃烧掉,剩下的主要是弹头和重型诱饵。它们的速度在100 km以上的高度上几乎无差异,但它们的辐射强度则随着高度的降低出现明显区别[4,5,8]。其中辐射强度变化率单调增加无明显波动,且辐射强度最大者即为弹头。4)灰度特性。目前,随着在低轨天基红外系统(SBIRS-Low)中大规模像元的焦平面阵凝视红外成像器[9]硬件和超高速图像信息处理软件技术等的应用,使红外成像技术对真假弹头的识别更加有效。红外成像可以对飞行中众多目标的红外图像进行分析判断[10],以达到利用目标的灰度特性来识别弹头的目的。例如同样环境下,真弹头温度变换比假目标与诱饵慢,其红外成像灰度上,弹头灰度变化就较为平缓。5)红外识别运动特性。可以通过一系列红外图像检测目标的运动特性。诱饵及假弹头、弹体碎块等在分离抛射过程中由动量守恒而产生的分离前后相对速度的变化。以及再入段初期,受空气阻力和各自质量与形体的影响,再入减速特征差异明显[4,11],而弹头则因形状规则重心稳定,其运动相对平稳且速度最快,根据目标红外运动图像序列,可以识别出真假弹头。
综上所述,以上五种红外特性均能从不同侧面反映出目标间的质量形体差异,但各有其局限性:一是判定时只考虑一个因素或部分因素,其可靠性与准确性不佳;二是各因素在不同时间段,表现效果会有较大变化。而将此五项因素构成决策的综合属性集,可以较全面、准确的反映各目标的红外威胁程度。因此,结合目前相应红外传感器的可靠性与精确性,本文主要综合利用这五个红外特性作为目标识别的依据。
2 模糊动态AHP目标识别模型的建立
目标识别是一个推断和决策的行为,从上节分析可知,如果将每个目标看作一个方案,将各种红外特性分别看作各方案的属性,决策准则是目标红外威胁程度,则多目标识别就成为一个多属性决策的排序问题,实时甄选出威胁值最大的目标,即质量形体威胁最大的目标作为主要威胁目标,即达到目标识别目的。
2.1 总体模型
在此,根据由目标的质量及形体特征引起的红外特性变化规律,将目标群中具有较大质量与形体,可构成“可视的红外目标”的物质分为五类,由此设立方案集(即目标集)A={A1,A2,A3,A4,A5}={真弹头、气球、加热角锥体、重型假目标、弹体碎块},属性集G={G1,G2,G3,G4,G5}={温度变化率、热容差异、辐射强度、灰度特性、运动特性}。基于模糊动态AHP算法的识别排序模型如下图1所示。
由于在本属性集属性中既有定量描述又有定性描述,而且相互之间关系复杂,具有一定的模糊性。而层次分析法AHP是一种新的应用较为广泛的建模方法,利用层次分析数学可把半定性、半定量的问题转化为定量计算,但传统算法中简单利用成对比较法构造判断矩阵比较粗糙,主观随意性大,所以,本文结合模糊动态评判来构造判断矩阵和决策模型可以提高评估精度,增强决策的科学性。
2.2 应用比较法和模糊动态评判法构造属性重要性矩阵
AHP的主要步骤:1)建立层次结构;2)构造判断矩阵并进行一致性检验;3)求解权重向量,综合排序。而在第2步中传统的判断矩阵构造中的两两属性比较法,由于简单采用1—9标度法,构造矩阵比较粗糙,甚至会出现逻辑上不合理的情况,一致性比较差,而且不能求解重要性随时间变化的因素的权值。因此,本文引入模糊动态评判法来构造判断矩阵,具体步骤为:
1)构建两个属性对于目标的相对重要性矩阵。采用专家打分对比法,根据各自的相对重要性给予评分,采用1—9标度法[12],如有属性G1、G2,专家P的打分分别为n1、n2,则G1关于目标的相对重要性指标为ap=n1/n2,而G2关于目标的相对重要性指标为bp=n2/n1。用此方法可以得到任意两个属性关于目标的相对重要性指标,构造出判断矩阵。通常,给出的判断矩阵很难满足完全一致性[13],文献[12]指出当n阶判断矩阵的最大本征值λmax小于相应的临界本征值λ′max时,即认为判断矩阵A具有满意一致性。
2)建立动态因素[13]。如第i个因素相对于第j个因素比较,则可表示为aij Tm=(lij Tm,xij Tm,uij Tm),其中xij Tm为相对重要度即中心值,Tm为时间,lij Tm和uij Tm分别为aij Tm的左右范围。当uij Tm—lij Tm的值越大,判断越模糊;反之,越清楚。设A(Tm)=(a ij Tm)n×n×Tm是模糊判断矩阵,满足:
3)计算判断矩阵权值向量。首先确定时间Tm,采取文献[13]中的方法对判断矩阵(仅针对中心值,而非左右范围)进行微调,使之达到一致性要求。如调整后的一致性判断矩阵为A(Tm)=(a ij Tm)n×n×Tm(Tm已确定),则经过一系列推导,可以得出如下计算公式:
首先,第i个因素满足n个目标的综合程度值(ei)[13]的计算公式为
其次,第i个因素未归一化权重(ωi)[13]如下所示:
式中:α∈[0,1]为决策者的优化度。当α=1时,表示一个决策者的乐观观点;当α=0时,表示决策者的悲观观点;当0<α<1时,表示决策者的观点介于两者之间。
将求出的权重ωi逐层聚合后,进行归一化处理,即可得到归一化权重ωi*。取不同时间段Tm,重复上述步骤,即可求出各个关键时间段上的归一化权重向量WTm=[ω1*,ω2*,ω3*,ω4*,ω5*]T,它表示n个特征属性的相对威胁程度大小。
4)时间Tm与tmn的确定。T为根据导弹各飞行阶段呈现不同的特点而划分的若干连续时间段集合T={T1,T2,...Tm},各Tm对应于相应的归一化权重向量WTm,其间包含预警卫星对目标群的探测时间点tmn,即tmn∈Tm。
结合本模型,参评专家P为天基红外预警卫星所采取的各探测技术手段,决策优化度α为某时间段Tm属性Gi的观测效果权值。所以,本文充分考虑了空间与时间上的信息融合,以降低识别结果的不确定性。
3 算法实现
3.1 属性权重的确定
利用模糊动态法来构建属性相对重要性矩阵A,可以较好地解决五个红外属性特征的相对重要性随时间变化而改变的问题。例如,在导弹飞行中段时期的灰度特性相比运动特性变化明显,易于辨别弹头,因而灰度特性相对于运动特性重要。而到了再入段初期,目标群的运动特性相对于灰度特性变化明显,易于分辨弹头,因而运动特性相对于灰度特性重要性上升。
为了说明动态判断矩阵在整个识别过程中属性相对重要性的变化,本文选取T1为再入段初期一时间段为例,结合目前各相应红外传感器的探测精度,预先制定属性相对重要性矩阵A如表1,并存入数据库。本文限于篇幅,只列出了中心值的判断矩阵,对于矩阵中除对角线以外的值大于1的元素,其左扩展为中心值减去1,右扩展为中心值加上1,对于矩阵中除对角线以外的值小于1的元素,可以按式(1)处理。
通过“本征向量法”[12]求得表1的λmax=5.279,小于五阶矩阵的临界值λ′max=5.45,可以通过一致性检验,以下各表求λkmax方法同。取α=0.5,防御系统方根据式(1)~(3)和表1可实时计算得五个因素在T1的归一化相对威胁权重系数为:TW1=[.0293,.0297,.0082,.0159,.0168]T。
3.2 确定各属性下的判断矩阵
以某型洲际弹道导弹为例进行计算。各属性下目标威胁判断矩阵计算过程不同于属性重要性矩阵A。取观测时间点t1n为再入段初期一时刻(t1n∈T1),各目标在五项属性下的变化情况,目前无法直接得到探测数据,只能依据前面的理论和文献[4]、[5]、[8]及相关情报资料建立的数据库,进行模拟计算仿真,防御系统方再将实时结果两两比较,得出各属性下目标威胁判断矩阵。
例如,对于温度变化率属性G1,经计算五类目标相互之间的威胁性比较矩阵P1,如表2所示。
其中,λ1max=5.293<λ′max=5.45,符合一致性要求。求解
得特征向量Wk=[w1k,w2k,w3k,w4k,w5k]T即为各目标在第k个特征属性下优劣比较的权值向量,
热容差异判断矩阵P2,辐射强度判断矩阵P3,灰度特性判断矩阵P4,运动特性判断矩阵P5(考虑再入减速特性差异)中,各目标相对威胁性比较,如表3、4、5、6所示。
整理后得各目标在五个红外特征属性下的决策矩阵Ct1n=[W1,W2,W3,W4,W5],如表7所示。
3.3 计算各目标的威胁值
目标的威胁值是指目标的红外特性威胁程度大小,据此判断各目标属于弹头的可信度,将其按大小排序后,最大值者即为真弹头。根据前面求得的各属性权重和综合决策矩阵,利用简单的矩阵相乘法则,就可得各目标的红外威胁值(如图1所示),按下式计算:
最终得各目标红外威胁值为
按威胁值大小排序为A1>A3>A4>A2>A5。由排序结果可以看出,A1具有最大红外威胁值,防御系统即判其为真弹头,与仿真系统中攻击方所给情况一致,达到预期效果。其余各目标的红外威胁值与各自目标的真实情况基本一致。
而在T2飞行中段一时期,用上述方法计算出各目标t2n时(t2n∈T2)红外威胁值为
按威胁值大小排序为:A1>A4>A3>A2>A5。通过比较可以看出,两次计算的排序结果基本一致,只是A3,A4的红外威胁值排序发生了变化。这是因为飞行中段时期目标灰度特性相对于运动特性重要,说明在不同时间,各属性的相对权重系数发生了一定变化,从而最终影响了各目标红外威胁值向量Mtmn的计算结果。本例证明该方法的正确性与有效性。本文相对于文献[2]做到了更进一步的弹头目标精识别。
结束语
AHP层次模糊 篇5
基于AHP和模糊综合评判的无人机效能评估
针对舰载无人侦察机系统性能指标的相对性、模糊性,运用层次分析法和模糊综合评判方法建立舰载无人侦察机模糊综合评价模型,并对某型舰载无人侦察机进行具体评价.为指挥人员了解舰载无人侦察机系统作战效能和科研人员进行改进提供了定量依据.
作 者：郑昌 董文洪 牛庆功 栗飞 Zheng Chang Dong Wenhong Niu Qinggong Li Fei 作者单位：郑昌,牛庆功,Zheng Chang,Niu Qinggong(海军航空工程学院,烟台264001;海军飞行学院,葫芦岛,125001)董文洪,栗飞,Dong Wenhong,Li Fei(海军航空工程学院,烟台,264001)
刊 名：舰船电子工程 英文刊名：SHIP ELECTRONIC ENGINEERING 年，卷(期)： 29(6) 分类号：V279 关键词：舰载无人侦察机 作战效能 AHP 模糊综合评判AHP层次模糊 篇6
信用是市场经济的基石，而作为市场竞争主体的企业，其信用状况如何，将直接关系到整个社会主义市场经济的发展。因此，对企业信用进行评价具有重要的现实意义。纵观信用评价的历史，从最初依靠训练有素的专家主观判断的古典信用度量术到现在以统计学、运筹学、模糊数学和现代金融理论为基础的信用风险模型，企业信用评价方法在不断演进中发展和完善。归纳起来大致可以分为三类，第一类是传统的信用评级方法，主要包括以5C法为代表的专家评判法和以5C法为基础发展起来的综合评价法；第二类是统计模型法，其中主要包括线性区别模型、线性概率模型、Logit模型和Probit模型；第三类是以类神经网络法与模糊分析法为代表的新兴评级方法。
在国内外企业信用评价实践和理论研究中，更多地是把企业信用评价内容界定为财务类与非财务类两大因素。通过对企业财务因素的定量分析，可以判断出企业财务状况的好坏程度，从而确定企业还款能力的大小。在此基础上，再对影响企业财务状况的非财务类因素进行分析，就可以对企业的还款能力作出更加全面、客观的预测和动态评估。由于非财务类因素的影响程度是由人们的主观判断确定，并且这种评价不可避免地带有结论上的模糊性。因此，要提高企业信用评价的可靠度，必须找到一种能够处理多因素、模糊性及主观判断等问题的评价方法。本文认为可以借助模糊数学的思想，建立一个模糊综合评价体系。
二、AHP-模糊综合评价模型
AHP–模糊综合评价模型主要由两部分组成，第一部分，层次分析法，它是美国著名运筹学家、匹兹堡大学教授托马斯·塞蒂于20世纪70年代中期正式提出来的。所谓层次分析法就是一种定性和定量相结合的、系统化、层次化的分析方法，强调人的思维判断在决策过程中的作用，通过一定模式使决策思维过程规范化，适合于定性与定量因素相结合、特别是定性因素起主导作用的问题。而品质在对客户的信用评估中是最重要的，因此，我们就用AHP法确定各指标的相对权重。第二部分，模糊综合评价，它是一种应用非常广泛和有效的模糊数学方法。所谓模糊综合评价法就是运用模糊数学和模糊统计的方法，通过对影响某事物的各个因素的综合考虑，对该事物的优劣作出科学地评价。模糊数学是20世纪60年代美国自动控制专家查德（L.A.Zadeh）教授创立的，是针对现实中大量的经济现象具有模糊性而设计的一种评判模型和方法，在应用实践中得到有关专家的不断演进。综上所述，AHP–模糊综合评价模型就是首先利用层次分析法确定企业信用评价体系中各个评价指标的权重，然后利用模糊综合评价对企业信用评价的过程进行模糊综合处理，最终就可以确定企业信用评级等级。
三、运用AHP设计中小企业信用评价指标体系
其一，设立评价指标体系。根据企业信用评价指标体系设立三层评价指标集：目标层指标集U=｛U1，U2，U3，U4，U5｝，分别代表企业的品质、能力、资本、抵押和条件；准则层指标集Uk=｛Uk1，Uk2，…，Ukm｝，其中m为Uk下的指标数；统计指标集Ukm=｛Ukm1，Ukm2，…，Ukmi｝，i为Ukm下的指标数，见表1。评判集是对评价对象可能出现评价结果组成的集合，本文采用五级评价标准，用V表示：V=｛V1，V2，V3，V4，V5｝，其中V1，V2，V3，V4，V5分别代表评价结果优秀、良好、中等、及格、不及格。一般而言來自企业外部的信息比来自企业内部的信息更加可靠，为了保证企业信用信息平台的有效性和准确性，因此，基于“5C”系统建立的信息库要采集并储存来自公共服务部门或管理部门的有关企业以下方面的信用信息。如表1所示：
其二，构造判断矩阵。建立上述层次结构后，就需要确定一个上层次元素所支配的下层若干元素以该上层元素为准则的比较判断矩阵。根据T.L.Saaty教授提出的比例九标度法，通过两两比较，确定层次中诸元素相对于上一层次某一元素的相对重要性，构造出两两比较判断矩阵。
（2）确定定量指标的隶属度。对于定量指标的隶属函数关系的确定方法分为效益型指标（越大越好型）和成本型指标（越小越好型）两种情况考虑。先根据有关金融法规及经济常识确定企业所属行业的各统计指标的平均值、最高标准、最低标准，取平均值与最高水平的中间值得到较高水平、平均值与最低水平的中间值得到较低水平，5个标准构成评价结果Vf（f=1，2，3，4，5）。然后，计算定性指标的实际值，再判断与其最接近的二个标准，即（3）确定模糊综合评价模型。首先，利用（1）、（2）计算出来的隶属度得到统计指标层的模糊变换矩阵Rkm和统计层指标权重集Wkm=（Wkm1，Wkm2，…，Wkmi），采用加权平均法计算得到准则层的模糊变换矩阵Bkm=Wkm·Rkm；其次，利用准则层的模糊变换矩阵Bkm和准则层指标权重集Wk=（Wk1，Wk2，…，Wki），同样采用加权平均法计算得到目标层的模糊变换矩阵Bk=Wk·Rkm；最后，利用目标层的模糊变换矩阵Bk和目标层指标权重集W=（W1，W2，W3，W4，W5），同样采用加权平均法得到目标层的模型构造矩阵B=W·Bk。
四、案例分析
笔者随机选取张家港市A企业的信用进行综合评级。
首先，分别向专家发放调查问卷，要求他们对各层次指标间的重要程度进行两两比较赋值，并根据赋值构造判断矩阵。并运用AHP法确定权重向量，如表2所示：
其次，通过问卷调查，让专家对A企业的定性指标进行打分评级，就可以得到这家企业的评价矩阵Rk，
即R11=0.20.20.30.300.20.20.40.200.30.20.40.100.40.20.20.20，R51=0.20.30.30.200.20.30.20.300.40.40.2 00
R52=0.30.40.20.100.30.30.30.100.20.40.30.100.40.30.20.10
对A企业的以往还款记录评价结果：
B1=B11=W11·R11=（0.080.050.030.54）·0.20.20.30.300.20.20.40.200.30.20.40.100.40.20.20.20=（0.3410.20.2820.1750）
对宏观环境的综合评价结果：B51=（0.250.3250.250.1750）
对行业状况的综合评价结果：B52=（0.270.3360.2640.10）
对条件的综合评价结果：B5=（0.260.3455 0.2570.13750）
由于一些小企业恶意逃废银行债务，致使银行宁可不贷或少贷，从而中小企业很难从银行贷到款，其需要资金时都是向亲戚朋友筹借的，因此这里关于抵押的指标隶属度就用（1000）来表示。通过搜集纺织业的相关资料，可以得到定量指标的最大值和最小值，然后通过分析A企业的财务报表就可以得出这些定量指标值的实际值，从而利用上述确定定量指标隶属函数的方法可确定定量指标的隶属度，如下：
R21=000.50.50000 0.390.61000 1 0000 0.460.54 R22=0000.210.790000.330.67
R31=1000000001R32=000.130.870000 0.620.38
R33=00 0.650.35000.420.580 000.520.480 0
对A企业的偿债能力评价结果：
B21=W21·R21=（0.070.210.430.29）·000.50.5 0000 0.390.610001 0000 0.460.54=（000.0350.6800.285）
对营运能力的综合评价结果：B22=（0000.23040.7696）
对资本结构的综合评价结果：B31=（0.20000.8）
对成长能力的综合评价结果：B32=（000.08710.78750.1254）
對盈利能力的综合评价结果：B33=（00.42560.53240.0420）
对担保资产的综合评价结果：B41=（10000）
对能力的综合评价结果：B2=（000.0230.5320.445）
对资本的综合评价结果：B3=（0.020.2720.3630.2320.113）
对抵押的综合评价结果：B4=（10000）
综上所述，对A企业信用的综合评价结果为：B=（0.2870.1990.2370.21000.067）。然而，为了使综合结果的优劣程度易于区分，我们就引进分数集F=（F1，F2，F3，F4，F5）T=（43210）T，其中 Fj表示第j级评价等级的分数。因此A企业等级综合评价值为：Z=B·F=（0.2870.1990.2370.2100.067）·（43210）T=2.429。由此可见，A企业的信用等级为中等。
五、研究结论
本文在前人和他人已有研究成果的基础上，结合目前我国企业信用评价的实践，进行了尝试性的拓展努力，主要结论如下：一是将模糊综合评价法引入企业信用评价中，运用定量分析与定性分析对企业信用进行评价。二是通过案例分析来验证指标体系及评价方法的实用性和有效性。但是本文中判断矩阵的构建和定性指标隶属度的确定这两个过程都需要专家评定，而笔者由于条件和资金所限，只能尽力找一些有评价经验或与此有关系的中高层管理人士，并非真正的评级专家，可能会对评级结果有所影响。并且凭借该公司所出的年报来做数据分析，难以判断其真实性，可能也会对评级结果有所影响。
参考文献：
［1］曹和平：《信用》，清华大学出版社2004年版。
［2］新华社、发改委：《中小企业在繁荣经济中作用越来越大》，《上海证券报》2007年12月11日。
［3］袁凌：《企业信用缺失的成因与治理》，《湖南大学学报》2003年第3期。
［4］胡笙煌：《主观指标评价的多层次灰色评价法》，《系统工程理论与实践》1996年第1期。
［5］张友棠、成瑶、严碧蓉：《基于“5C”系统的企业信用平台框架设计》，《武汉理工大学学报》2004年第9期。
AHP层次模糊 篇7
自从我国加入WTO, 国内的建筑行业的项目数量与规模不断的扩大, 然而竞争也越来越激烈, 工程环境也变得复杂, 特别是对一些施工单位来说。要在建筑行业占有一席之地, 提高施工企业的技术水平并不是一个一劳永逸的办法, 降低工程风险才是最重要的, 科学的投标决策方法是提高投标决策的关键环节, 可以降低投标风险。
1 层次分析法
层次分析法 (Analytic Hierarchy Process, AHP) 在20世纪70年代由美国著名运筹学家萨蒂 (T.L.Saaty) 教授提出的一种定性分析与定量分析相结合的﹑系统化﹑层次化的分析方法[1]。层次分析的本质是将复杂的问题分解为各个组成因素, 由人对各因素做判断, 就能计算出复杂的系统排序。AHP的思路为: 分解→判断→综合。在工程投标过程中, 可用AHP法拟建项目的风险情况有一个全面的认识, 判断出工程项目的风险程度, 以判断是否能投标[2]。模型建立步骤[3,4]:
第一步, 建立系统的指标和层次结构, 目标层是以投标报价策略决策目标;准则层由决策时需要考虑的各种因素组成;子准则层由各种因素的影响因素;方案层是由投标策略组成的。如图1。
第二步, 建立两两比较判断矩阵A= (aij) k×k (k=l, m, …, 或n) 。aij表示以上层元素Bi做准则层, 相邻的下层元素aij=1/aji间的两两比较重要程度, 其中不相关时其值为零。aij=1/aji的含义如表1所示
其中矩阵A是一个正互反矩阵, 矩阵的属性aij=1/aji, aii=1。
第三步, λmax及其特征向量的求取。
1) 计算判定矩阵A每一行元素的乘积
2) 计算
3) 对向量正规化
则A*W即为所求的特征向量, 也是相对于上一层元素而言的权重。
4) 计算判断矩阵的最大特征根
A*W (4)
其中A*W表示A*W向量的第i个元素。
第四步, 判定矩阵的一致性检验。
1) 判断思维的一致性是指专家在判断指标重要性时, 各判断之间协调一致, 不致出现相互矛盾的结果。在多届判断的条件下出现不一致, 极容易发生, 只不过在不同的条件下不一致的程度是有所差别的。
2) 一致性实际上是保持顺序的一致性, 因为若出现甲比乙极端重要, 乙比丙极端重要, 丙比甲极端重要的情况显然是违反常识的。
3) 度量判断矩阵偏离一致性的指标
λmaxn是判断矩阵的阶数, λmax是判断矩阵的最大特征根, 当判断矩阵具有完全一致性时RI, 反之亦然。
4) 现实中, 很难做到判断矩阵具有完全一致性。因此, 我们给出“满意一致性”的度量指标。
5) 一般判断矩阵中, 每一层次的元素不超过9个, 因为同一层次中包含数目过多的元素会给两两判断带来困难。
6) 随即一致性比率
CR≤0.10
7) 当CR≤0.10时, 认为判断矩阵具有满意的一致性。否则, 就需要调整判断矩阵, 使之具有满意的一致性。
第五步, 层次总排序。
利用同一层次中所有层次单排序的计算结果, 就可以计算针对上一层次而言的本层次所有元素的重要性权重值, 层次总排序需要从上到下逐层顺序进行。对于最高层, 其层次单排序就是总排序。
第六步, 构造各个子因素判定矩阵。
把风险分为高、中、低三个档次, 用德尔菲法由专家给出B1、B2、B3的各子因素层相对于风险的评价矩阵[5]。
第七步, 对各级模型模糊评判[6]。
各因素层对于子因素层的模糊评判Bk=Wk*Rk,
目标层对因素层的评判为F=WK*BK,
设对应的风险评语为V。
风险的综合评价为F*VT
2 数据运用分析
某企业在投标一国内工程前, 首先分析了该工程的有利与不利因素, 找到了该工程的主要风险所在, 而后用AHP法进行分析, 其风险指标体系如表5所示:
2.1 建立判定矩阵, 求特征量
根据专家的评判标准对因素层和子因素层间各元素的相对重要性给出评判, 据此求出各元素权重值。由企业掌握的情况对F、B1、B2、B3进行定性分析, 然后根据专家评分标准进行定量分析, 下面由表5-表8演示判断矩阵及权重计算和一致性检验的过程和结果。
2.2 构造各个子因素的判断矩阵
子因素层的相对于风险的评价矩阵分别为
2.3 进行模糊评判
各因素层对子因素层的模糊评判
2.4 目标层对因素层的模糊综合评价
对应的风险的评语为
由此数据可知该工程属于低风险, 是可以进行投标的。
3 结论
本文研究了运用模糊AHP模型来分析工程投标决策, 决定是否进行投标。可以得出运用模糊AHP来进行投标决策, 增强了决策结果的可靠性和科学性。模糊AHP模型在工程项目投标决策中可以起到关键的作用, 可以帮助施工企业决策是否投标, 是一种解决工程投标风险问题的有效方法。
摘要：工程投标决策对提高施工企业风险管理水平, 增强企业在建筑行业的竞争能力和企业的经济效益有着重要的作用, 因此必须在工程投标时要认真研究分析工程投标风险。本文在企业拟投标的工程项目中分析各种风险因素的基础上, 收集信息, 建立投标决策的模糊判定矩阵, 并运用AHP对模型进行求解, 最后判定企业是否进行投标。
关键词：工程投标,判定矩阵,层次分析法,模糊综合评价法
参考文献
[1]陶长胜.建安企业参与市场竞争的投标决策技巧[J].建筑施工, 1996 (5) :48-49.
[2]齐锡晶, 刘莉, 王树伟.施工企业投标风险评价[J].建筑工程学院学报, 1999, 15 (4) .
[3]於永和, 徐志红, 单汩源, 李素艳.基于AHP的BOT项目投标报价策略决策模型[J].武汉理工大学学报, 2006, 26 (9) :135-137.
[4]杨德华.信息系统开发方法模型选择的层次分析方法[J].系统工程, 1995, 13 (4) :53-60.
[5]谭民俊, 王雄, 岳意定.FPR一UTAHP评价方法在农户小额信贷信用评级中的应用[J].系统工程, 2007, 25 (5) :55-59.
AHP层次模糊 篇8
关键词：教学质量评估,AHP层次分析模型,决策
随着高等院校不断扩大招生规模, 提升教学质量已成为当前社会比较关注的问题。我国很多高校已建立起自己的教学质量评估体系, 旨在帮助教师总结教学经验、改进教学方法、提高教学水平;发现教师教学中存在的问题, 采取改进措施, 提高教学质量[1]。
在评教实施以来, 我们广大教师积极采取各种措施来调动学生的学习积极性和主动性, 定期查看学生的反馈意见, 及时采取整改措施, 提高了自身的教学质量, 取得了一定的成绩。但是其中也存在不少问题, 如 (1) 过分重视学生评教。部分教师为了讨好学生, 上课对学生要求不严, 课后不检查作业, 教学只重视表面热闹, 不重实质内涵; (2) 教学工作量作为教学质量评估的大部分内容, 为了得高分教师们争抢着上课, 造成课时越多越好错误导向; (3) 不考虑不同学科和专业的难易程度, 统统混在一起, 采用一种考核方式[2]等等。
目前温州医学院是二级学院评估, 不同学院采用的评估方法也不尽相同。以信息与工程学院为例, 2007-2010年我院全部教师统统采用同一考核方式一起进行考核 (简称为"同评") 。今年经过征集各位教师的意见, 考虑不同专业的难易程度和课时量多少不同等方面, 最终决定分科室进行考核 (简称为"分科室评") 。如果遇到分科室考核也不能解决的问题, 考虑第三种考核方式, 即先分科室评, 然后有争议的老师一起评 (简称为"混和评") 。三种考核方式哪个更加科学、公平、合理, 需要学院作出相对合理的决策。
1. AHP层次分析模型
T.L.Saaty等人在20世纪70年代提出了AHP层次分析方法, 能有效地处理这类决策问题[3]。本文用层次分析模型评价3种评估方式的优劣, 确定出最优评估方法。首先将此决策问题分为3个层次, 最高层为目标层, 即选择评估方式, 中间层为准则层, 即教学工作量、教学效果和教学改革与研究, 最低层为方案层, 即同评、分科室评、混合评, 具体如图1.
构造各层的成对比较阵A, 根据Aw=λw求出对应最大特征值λ和其对应特征向量w (即权向量) , 第二层对第一层的权向量记为w (2) , 第三层对第二层的权向量记为wi (3) , 记w (3) = (w1 (3) , w2 (3) , …, wn (3) ) , 计算组合权向量W (3) =w (3) w (2) , 并在各步计算权向量过程中进行一致性检验, 根据当CR≤0.1时通过一致性检验。
2. 模型求解
根据Saaty等人提出的1-9尺度, 比较某一层任两因素对上层一因素的影响, 构造出准则层对目标层的成对比较阵为
计算矩阵A的最大特征根λ=3.12, 权向量w (2) = (0.7445 0.1499 0.1056) T, CR=0.0684<0.1, 通过一致性检验。方案层对准则层的成对比较阵为
计算Bi的最大特征根λi, 权向量wi (3) (i=1, 2, 3) 和一致性指标CRi, 结果如下表1.
3.1 基本方法
背景模型的提取是检测中较难且关键的一步, 模型需要不断刷新, 以保证检测结果的正确。随机产生的噪声也是影响结果的重要因素。假使存在适用各种情况且检测结果完全准确的理想算法, 也要考虑到算法实现时的性能问题, 对于运动目标识别, 必须在很短的时间内扫描大量像素, 即使算法实现了, 也可能由于效率问题使得软件产品无法使用。
因此, 我们可以从实际场景考虑, 合理放置摄像机位置, 尽量不使其对着容易产生噪声的地方。基于类似的思路, 下面提出自定义防区的方法, 来提高效率, 减少噪声干扰, 提高检测结果的准确率。
由于在监控场景中并不是所有地方都会发生异常事件, 需要进行监控的只是其中某一块区域, 因此我们可以只关注这块特定区域的运动目标。这样, 可以减小数据量, 从而减少计算量, 而且可以有效减少噪声的干扰, 但是阴影还是不可避免的, 必须进行阴影去除。
3.2 实现步骤
下面举例说明该方法如何运用。
首先, 合理选择区域。在整个监控场景中, 需要重点监视的区域就是我们应该选取的区域, 可将该区域单独划分出来, 如图1所示, 在该区域中, 树叶摆动等噪声基本不存在, 只需考虑光照的变化。这样大大减少了要处理的数据量, 降低了算法的复杂度。
第二步, 建立该区域的背景模型。由于该区域噪声相对较少, 但需要考虑光照的影响, 因此可采用单高斯背景建模的方法, 建立一个动态、实时更新的背景模型。
第三步, 获取目标前景图。将当前帧和背景模型比较, 找出像素变化的区域, 并对该区域进行形态学处理。
最后, 阴影消除。如光照强烈, 前景图会出现阴影, 可以使用基于HSV特征的阴影消除算法来区分运动目标和阴影, 从而将阴影去除。
4、结束语
要设计一个通用的目标检测算法是十分困难的, 实际上会遇到很多复杂的场景, 因此, 需要全面考虑算法的复杂性、实时性及可靠性, 现在的算法都只能解决其中的部分问题。本文主要介绍了运动目标检测的一般算法, 另外, 提出了一种自定义区域的目标检测方法, 简化了背景建模, 减少了噪声干扰, 大大提高了算法的效率。
参考文献
[1]刘法公.高校教师教学质量评估与学生评价科学化构想[J].浙江工商大学学报, 2006 (3) :69-74.
[2]郑荣跃, 鲁保富.教学质量评估中几个问题的思考[J].高等理科教育, 2002 (5) :38-40.
AHP层次模糊 篇9
以生态环境问题为代表的城市问题随着城市化进程的加速逐渐成为一种普遍现象, 并有逐渐加剧的趋势。因为城市是一个以人类行为为主导, 自然生态系统为依托, 生态过程所驱动的社会- 经济- 自然复合生态系统 (SENCE) [1], 所以必须从整体出发, 全面把握城市生态环境问题的实质, 利用各种手段调控城市生态系统中各子系统及其组分间的相互关系, 以达到将城市建设成为人类与自然和谐发展, 生态、社会、经济效益高度统一的生态城市的目的。而实现上述目标的有效手段之一就是以城市生态系统理论和可持续发展思想为指导, 建立科学合理的综合评价指标体系和数学模型并按照模型进行定量评价, 进而提出相应的调控对策[2]。
在生态城市评价过程中, 常有好坏等模糊的概念, 为将这些模糊概念加以解释和定量化, 使评价建立在充分、合理、科学的基础上, 本文采取了AHP- 模糊综合评价法。AHP—模糊综合评价是在模糊的环境中, 考虑多种因素的影响, 基于某种目的对事物作出的综合决断。
2 甘肃省城市生态系统的AHP模型评价
2.1 AHP模型指标体系的构建
根据生态城市评价指标筛选的原则和方法, 结合甘肃省城市生态系统的特点, 考虑指标数据的可获取性, 构建评价体系。
2.2 评价因子权重的确定
生态城市综合评价体系中评价因子具有复杂性、不可逆性和模糊性, 用精确的数学模型来求取评价因子的权重难度很大, 而且会使权重确定不合理。根据专家的经验判断往往较为可靠。经过专家评分然后采用层次分析法确定各个评价因子的权重, 是一种较为合理可行的系统分析方法[3]。
考虑到此研究是在单一准则下的排序, 1~9 标度法的保序性最好, 因此选用此标度法来对元素重要性进行赋值[4]。采用1~9标度法将各层中的因子对上一层次目标的相对重要性进行两两比较, 构造判断矩阵, 然后使用Matlab软件计算判断矩阵的特征值和特征向量, 得到最大特征根和对应的特征向量, 进行归一化处理后即可得到各层次的单排序和层次总排序, 最后再进行判断矩阵一致性检验。
3 甘肃省城市生态系统的模糊综合评价
3.1 建立模糊集合
3.1.1 建立评价集[5,6]
其中:V1为城市生态化水平很好;V2为城市生态化水平较好;V3为城市生态化水平一般;V4为城市生态化水平较差;V5为城市生态化水平很差。
3.1.2 确定参评要素集
其中:U1为城市生态环境;U2为城市结构;U3为城市功能;U4为城市发展协调度。
3.1.3 确定参评要素的评价子集
其中:C1为空气质量 (SO2含量) ;C2为市区绿化覆盖率;C3为区域环境噪声平均值;C4为城市水功能水质达标率;C5为自然保护区覆盖率;C6为人口密度;C7为人均道路面积;C8为人均住房面积;C9为万人病床数;C10为万人拥有公交车辆;C11为工业废水处理率;C12为工业固体废物处理利用率;C13为人均用水量;C14为燃气普及率;C15为城市污水集中处理率;C16为生活垃圾无害化处理率;C17为人均GDP;C18为人口自然增长率;C19为公众对城市发展满意度;C20为刑事案件发生率;C21为环保投入占GDP的比重;C22为科技投入占GDP比重。
3.2 确定隶属度函数
以隶属度来刻画事物间的模糊界限是模糊数学的基本方法。在甘肃省城市生态系统综合评价中, 依据建立隶属度的基本原则, 将参评因子分为2 类。一类为定性指标, 另一类为定量指标。
对于定性指标:综合评价指标体系中不便定量的指标为公众对城市发展的满意度, 评语为很好, 较好, 一般, 较差, 很差, 利用公众评定确定这个城市的这个指标属于哪一个评语等级, 对收回的问卷统计, 假定有20%的公众认为“很好”, 20%的公众认为“较好”, 30%的公众认为“一般”, 20%的公众认为“较差”, 10%的公众认为“很差”, 则隶属于“很好”的程度为0.2, 隶属于“较好”的程度为0.2, 隶属于“一般”的程度为0.3, 隶属于“较差”的程度为0.2, 隶属于“很差”的程度为0.1, 得到该因素的评价为 (0.2, 0.2, 0.3, 0.2, 0.1) 。
对于定量指标:以效益型指标为例。所谓效益型指标即随着指标实际值的增大, 其表现的可持续发展能力越强, 也就是对城市生态系统综合评价起正效应的指标[7]。如市区绿化覆盖率, 自然保护区覆盖率, 环保投入占GDP的比重等等, 则各评语集相对隶属函数的计算如下:
而所谓成本型指标即随着指标值的增大, 其表现的可持续发展能力就越弱, 也就是对城市生态系统评价起负效应的指标。如空气质量 (SO2 含量) 、区域环境噪声平均值、人口自然增长率、刑事案件发生率等, 则各评语集相对隶属函数的计算如下:
3.3 分层求解各指标的隶属度
确定隶属度函数之后, 根据原始统计资料和评价标准, 利用公式 (1) 至 (10) 来计算各个指标对评价等级的隶属度。对第二级准则进行复合运算, 依照多级模糊综合评价方法, 依次向上进行复合运算, 可得到综合评价结果B=A°R
这里复合运算规则采用加权平均型M (., ∨) , 即。它适用于兼顾考虑整体因素的综合评价。
3.4 结果评判
以百分制作为五个等级评价标准, 选择各成绩区间中值作为等级的参数, 参数向量= (92.5, 80, 70, 60, 47.5) T, 按照M=·, 计算得到最后分值, 并可按得出的分值根据表1 判定所属的等级。以兰州市为例:
兰州市的综合得分为75.27 分, 参照表1 可知属于一般较好水平 (Ⅱ级) 。将此计算方法进一步推广, 应用到甘肃省内的其它城市得到甘肃省各城市生态系统评价综合得分, 如表2 所示[8]。
3.5 城市生态系统综合评价的计算机实现
对多个城市的生态化程度进行横向比较时, 由于指标数目繁多和计算烦琐, 评价困难。本文将城市生态系统综合评价编制成一套实用的软件, 确定了评价对象后, 进行有关调查, 收集到相关数据, 输入相关参数, 就可得到评价结果[9,10,11] (图1) 。
4 甘肃省城市生态系统的综合评价结果与分析
综合评价得分在[100, 85]之间, 生态化程度等级为Ⅰ级的城市为空缺;得分在[85, 75]之间, 生态化程度为Ⅱ级的城市有嘉峪关市, 酒泉市, 兰州市;得分在[75, 65]之间, 生态化程度为Ⅲ级的城市比较多, 有天水市、庆阳市、平凉市、武威市、张掖市、金昌市、定西市, 占城市总数的50%;得分在[65, 55]之间, 等级为Ⅳ级的城市有临夏市、白银市、合作市、陇南市;得分在[55, 45]之间, 等级为Ⅴ级的城市也为空缺。
甘肃省除了嘉峪关市、酒泉市、兰州市三个城市得分较高, 达到Ⅱ级水平以外, 其它的城市得分均偏低, 尤其是临夏市、白银市, 合作市、陇南市仅达到Ⅳ级水平, 甘肃省的生态城市建设已迫在眉睫。
AHP层次模糊 篇10
随着供应链管理时代的来临,物流企业越来越专注于核心竞争力的建设,业务外包将成为国际物流发展的主流。但物流外包实践的复杂性和高失败率,表明企业物流外包的风险性高,决定了企业实施物流外包风险评价的必然。物流外包风险评价就是要通过对物流外包的风险因素进行分解,找出它们的相对重要性,然后通过适当的评价模型予以综合,确定物流外包项目的整体风险水平,为如何处置这些风险提供科学依据,以保障物流外包的顺利进行。
本文拟引用AHP-模糊综合评价法对物流外包的风险进行综合评价。
二、物流外包风险指标的构建
1、指标体系的设计原则
(1)全面系统的原则。选取的所有指标应尽可能展现评价物流外包风险的各种特征,特别是对于主要影响因素既不遗漏也不重复,保证整体评价时能够全面地反映情况。
(2)充分必要原则。各指标应是最主要的和必不可少的,各个指标之间应尽可能相对独立。
(3)定性指标和定量指标相结合的原则。影响物流外包风险的因素大都是无法用定量指标来描述的,因此选用定性和定量相结合的方法是非常必要的。
(4)科学的原则。指标的选定在理论上应该有足够的根据,能够客观、真实地提供物流外包在某一方面的信息,科学地反映这一方面风险的大小。
2、评价指标的选择
根据以上对物流外包风险评价指标体系的原则,笔者认为可以从以下几个方面构建指标体系。
(1)外部环境风险。主要包括不可抗力的自然环境因素;国家对物流行业发展的宏观政策;物流服务需求趋向、外包市场的成熟程度、物流行业的竞争激烈程度等等的市场环境影响。
(2)信息风险。物流外包合作中,企业与物流外包服务商之间可能会出现沟通不畅、信息反馈滞后、信息失真等现象,导致在整个物流外包合作过程中形成信息风险。主要表现为信息的不对称性;商业机密的外泄。
(3)管理风险。物流外包的管理风险是指企业物流外包的管理决策,以及企业把物流业务外包给物流外包服务商后,外包企业的企业管理模式与物流外包服务商的企业管理模式之间存在着差异,由此造成合作上的管理风险。主要包括企业文化的兼容性;外包服务商的控制力度;决策风险;绩效评价机制的合理性。
(4)财务风险。主要包括交易成本的控制;外包业务成本核算的准确度;隐含成本的控制。
三、物流外包AHP-模糊综合评价模型
物流外包风险评价是一个复杂的系统问题,要做到全面客观的评价,必须从不同的角度来进行考核。同时,物流外包风险评价指标体系中既包括定量指标,又涉及到定性指标,并且定量指标之间的量纲也不尽相同,而许多定性指标又难以量化处理,原始数据的搜集工作也不尽完善。因此,本文引入多级模糊综合评价方法。
1、建立一级模糊综合评判矩阵
(1)确立评价因素集U,U={U1,U 2,U 3……,U n},此处U i(i=1,2,…,m)表示对被评判事物有影响的第i个因素。
根据上述对物流外包因素的分析,U={U 1,U 2,U 3……,U 1 2}={自然环境,宏观政策,市场环境,信息的不对称性,商业机密的外泄,企业文化的兼容性,外包服务商的控制力度,决策风险,绩效评价机制的合理性,交易成本的控制,外包业务成本核算的准确度,隐含成本的控制}。
(2)确定评语集V,V={V1,V2,V3……,Vm},此处V j表示评价的第j个等级。假定评定结果集=(风险很小,风险适中,风险较大,风险极大)。
(3)确定各评价指标的权向量,即W i=(w i 1,w i 2,…,w i n),W=(w 1,w 2,…,w k)。权重是对每一种单因素在总评价中影响程度大小的度量,在一定程度上也代表了单因素评定等级的能力。权重系数越大,指标越重要。
本文采用AHP(层次分析法)来确定各评价指标的权向量,具有思路清晰、方法简单、适用面广、系统性强的特点。AHP法的基本步骤是两两比较所选因素对同一目标的影响,确定它们在目标中所占的比重,从而构造判断矩阵。由判断矩阵计算评价指标权重,并进行一致性检验。
(4)进行单因素评判,建立单指标评价矩阵。单独从一个因素出发进行评判,以确定评判对象对备选元素的隶属程度,便成为单因素评判。通过单因素程度。对每个评价指标Ui进行单指标评价,得出单指标评矩阵Ri,其中rij表示第i个因素对第j个评语的隶属度。
(5)确立一级模糊综合评价矩阵。设经过AH P法求得的各因素的权重为W i=(w i 1,w i 2,…,w i n),结合给定的R i,得出单因素U J的最终评价向量:B i=W i。R i=(b i 1,b i 2,…,b i m)。将每个Ui作为单独元素,Bi作为Ui的单指标评价向量,这样就构成了从U到V的一级模糊综合评价矩阵R=(B 1,B 2,…,B k)T=(b i j)k×m。
2、建立二级模糊综合评价模型
一级模糊评价矩阵反映了单指标对评价对象取值的影响。由于评价过程设计的指标对评价结果的影响各不相同,评估中采用A HP法引入各子集的指标权重W=(w1,w2,…,w k)。通过对模糊矩阵的合成运算,得到二级模糊综合评价集,B=W○R=(b1,b2,…,bm)。
四、实例算法
1、权重计算
假设有数十位专家对物流外包风险指标体系中各因素进行打分,取其算术平均值,得到一级评价指标四个子因素的相对重要程度。通过专家调查法获得各判断矩阵,并计算各指标的权重集(计算过程省略):
2、一级模糊综合矩阵的构建
将因素按评价层次分为外部环境风险、信息风险、管理风险、财务风险4个子集,分别表示为U 1={u 1,u 2,u 3};U 2={u 4,u 5};U 3={u 6,u 7,u 8,u 9};U 4={u 1 0,u 1 1,u 1 2}。请数十位专家通过德尔菲法对某一物流企业的各个因素打分,得出物流外包风险的第一层指标评价矩阵如下:
经过上述(3)(4)计算的权重和评价矩阵可得:
将以上计算结果作为评估目标层的模糊评判矩阵即R.。
3、二级模糊综合评价计算
将上述评价向量当作第二层的指标评价矩阵,可以得出二级综合评价结果如下:
从以上计算结果可以得出,物流业务外包风险的隶属度为0.3 6,为最大值。根据隶属度最大原则可以判断出该企业物流外包的风险较小,可实施外包策略。
五、结束语
企业物流外包风险评价是企业风险管理的一个重要方面,文中给出的模糊综合评价方法是定性与定量结合、专家经验与科学计算互为补充的系统分析方法。应用实例表明,该方法能够方便直观地对企业物流外包风险大小进行综合评判,从而为企业管理者制定相应的企业物流外包风险管理决策提供帮助,具有一定的推广价值。
摘要：随着物流外包的发展,针对企业外包过程中遇到的问题,将市场风险、管理风险、信息风险、财务风险等方面作为评价的模糊因素,建立物流外包风险的评价体系,建立模糊评价模型,为企业物流外包风险进行定量分析提供了科学的依据。
关键词：物流外包,风险指标,AHP,模糊评价
参考文献
[1]、单联宏.物流外包风险的识别及其模糊评价.科技创业,2008(9)
[2]、周柏翔,王永庆,朱拥军.模糊综合评价法在IT外包供应商选择中的应用.中国管理信息化,2006(5).
[3]、张慧.基于AHP-模糊综合评价法在临床科室绩效评价中的应用.数理药医学杂志,2008(1).
[4]、张振红,周经伦.模糊评价法在军队物资采购供应商选择中的应用.物流技术,2007(10)
AHP层次模糊 篇11
关键词 科技人力资源 竞争力评价 动态模糊评价法
0 引言
科技人力资源指的是实际从事或有潜力从事系统性科学和技术知识的产生、促进、传播和应用活动的人力资源。我国的科技人力资源包括科技活动人员、专业技术人员、研究与试验（R&D）人员等三类。①
科技人力资源竞争力是指科技人力资源自身拥有的综合竞争力，包括规模、结构、科技投入、科技产出、科技创新和科技环境支撑等。②科技人力资源综合竞争力与区域科技创新、经济发展和综合实力密切相关，其综合竞争力强弱直接关系着一个地区的整体经济发展和社会进步。所以如何正确评价科技人力资源的竞争力，直接关系到能否将科技人力资源优化配置以及充分利用，从而促进经济的发展和社会的进步。
1 科技人力资源竞争力评价方法的选择要求
科技人力资源竞争力评价方法虽然有很多，但对其的选择并不是主观随意的。在选择评价方法过程中，应遵循一定的原则，包括一般原则与特殊原则（特定评价对象对评价方法的特殊要求）。评价方法选择的一般原则包括：科学性原则、③系统性原则、可比性原则、④可行性原则等。由于科技人力资源自身的复杂性与发展性，科技人力资源竞争力的评价方法的选择除了要考虑以上一般原则外，还有其自身的特殊要求。
1.1 综合性
由于科技人力资源竞争力涉及到规模、结构、科技投入、科技产出、科技创新、科技环境支撑等多种因素，因此在对其进行评价时，一方面要全面、系统地而不能孤立地单从某一个方面对科技人力资源竞争力进行评价；另一方面要尽量地多考虑与之相关联的一切因素，做到综合分析，统筹兼顾。只有这样，才能完整、准确地去评价一个国家或地区的科技人力资源竞争力的强弱。
1.2 模糊性
在对科技人力资源竞争力进行定性分析过程中，会遇到具有很强不明确性的概念，比如科技环境支撑的好与坏、创新能力的高与低等。其中“好”与“坏”之间没有截然的分界线，这就涉及到了评价数据的模糊性。因此，科技人力资源的竞争力的评价涉及到多因素的综合评价问题，而且影响科技人力资源的竞争力的因素大多具有模糊性，其影响程度一般也是由人们的主观判断决定的，一般的评价方法无法处理，必须采用模糊评价法才能较好地解决多因素、模糊性及主观判断等问题。
1.3 定性与定量方法相结合
一般地，在评价一个地区的科技人力资源的竞争力时，以量化指标为主，通过定量的数据来表达，全面可靠的数据可为评价提供实证基础，我们可据此结果设计出反馈机制来帮助控制和决策。因此，科技人力资源竞争力定量分析十分重要。
1.4 动态性
科技人力资源竞争力评价应该制定科学的评价周期，定期进行评价。评价时不但要进行结果评价，而且要注重过程评价；不但要对工作现状进行评价，而且要对发展趋势进行评价；不但要评价工作状态，而且要评价工作绩效。并在评价过程中还要根据影响因素的变化实时调整评价方法，因此，科技人力资源竞争力评价活动应该是一个动态过程，所选择的评价方法需要在动态变化中分析，在动态变化中评价。
2 现有科技人力资源竞争力评价方法评析
2.1 人工神经网络评价法
人工神经网络方法是一种模拟人脑神经元结构，进行分布式并行信息处理的算法数学模型。人工神经网络是自适应和可以训练，它有自学习能力，如果它的输出不满足期望结果，网络可以不断调整，整个修正过程可以通过训练算法来实现。⑤对于科技人力资源竞争力的定量分析较为有利，但存在难于精确分析神经网络中科技人力资源竞争力的各项性能指标以及体系结构的通用性差的缺点。⑥
2.2 主成分分析法
主成分分析法是一种把变量维数降低以便于描述、理解和分析的方法。主成分分析法能找到表现原始数据阵最重要的变量的组合；能有效地直观反映样本之间的关系；能从最大的几个主成分的得分来近似反映原始的数据阵的信息。但是，对于人力资源竞争力的评价来说，由于主成分分析都依赖于原始变量，也只能反映原始变量的信息，而造成一定的困难，可行性和可操作性较差。而且如果评价指标选取的原始变量都本质上独立，那么降维就可能失败；还有，由于原始变量不同，因子的选取不同，排序可以很不一样，这就容易造成评价结果失真和不一致。⑦
2.3 灰色关联评价方法
灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，来衡量因素间关联程度的一种方法。它的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间的关联度就越大，反之则越小。⑧但是由于该方法在规范性和关联性以及正负相关性上存在一些不足，依旧不是科技人力资源竞争力评价的合适方法。
2.4 层次分析法
层次分析法，是实现思维过程主观判断规范化、数量化的基本方法，为了对较为复杂的问题做出正确的认识以及最终的决策，往往将所涉及决策的相关因素分成目标准则方案等多个层次。⑨虽然层次分析法在人的定性判断起重要作用的、对决策结果难于直接准确计量的情况下具有重要的价值，但在科技人力资源竞争力的评价中涉及很多诸如科技投入、科技人员总数等定量指标，这一点层次分析法不能准确地反映，另外层次分析法中人的主观因素的干扰也不能客观地反映竞争力的强弱。
2.5 模糊综合评价
模糊综合评价法是一种根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。⑩它对科技人力资源竞争力的优劣程度用优、良、差等模糊概念来描述，对评价指标中诸如创新创业氛围、信任度等模糊的、难以量化的问题能较好地反映，但它的缺点是在科技人力资源竞争力各评价指标的权值分配上，由于专家和工作人员价值观、感情亲疏等人为因素，不能更客观、准确地反映各指标实际的重要程度，此外对被评对象给出唯一的评价值，不能反映其动态变化的过程。豘
3 基于AHP（层次分析）的动态模糊评价法
鉴于以上评价方法都存在这样或那样的不足，本文在结合上述方法的优点基础之上提出一种新的评价方法——基于层析分析（The analytic hierarchy process，简称AHP）的动态模糊评价法。
基于AHP的动态模糊综合评判理论是对传统模糊综合评判理论的改进，不仅考虑了评价过程中的模糊性，也融入了动态性；而层次分析法能够较为客观、准确地分配各评价指标的权值，豙弥补了人为因素过于主观的不足。该方法使定性评价转化为定量评价，使评价结果具有可比性和可操作性。其可行性表现在以下几个方面：
（1）满足科技人力资源竞争力的评价指标具有层次性的特征。一般来说根据不同的需要划分为二级或三级指标，通过对每一层指标的分析最终得出竞争力的强弱。如韩伯棠在《中国科技人力资源评价指标体系构建方法研究》豛一文中制定了二级评价指标，在科研投入、环境支撑、科技创新和储备人才四个方面又下设了子指标，构成评价体系。
（2）适应了科技人力资源竞争力具有模糊性的特征。模糊性主要指客观事物差异的中间过渡中的不分明性。豜对科技人力资源竞争力的评价需要用优、良、差等这些模糊概念来描述。
（3）具有科技人力资源竞争力具有动态性的特征。例如，随着某一地区科技投入增多，人才的引进，其科技人力资源的竞争力就会逐步增强，由于传统的模糊关系矩阵只是静态地显示了因素论域对评判等级论域的隶属关系，模糊关系矩阵与权重系数集一旦确定，也就决定了评判结果的惟一性，豝因而这一动态性的变化传统的模糊评价就不能体现。采用基于AHP（层次分析）的动态模糊评价法恰好弥补了这一不足。
4 结语
AHP层次模糊 篇12
1 总体思路
首先,在MATLAB 2012a中新建.NET Aseembly类型的工程,编写实现模糊综合集成分析算法的m文件,并进行编译生成相应的COM组件。然后,在Visual Studio 2010应用程序中引用MATLAB 2012a的自带组件MWArray和实现决策分析法的自定义组件,结合页面输入将数据参数传递给自定义组件即可进行分析计算,并将结果返回到页面之中。该系统采用B/S结构,开发软件平台是Windows XP SP3、Visual Studio 2010 旗舰版、MATLAB 2012a、IIS 5.1。其结构框架如图1所示。
2 关键技术
2.1 MATLAB 2012a实现模糊综合集成分析的算法
基于AHP的模糊综合集成分析决策,是以层次模型为基础分析运算,其中需运用特征向量法、递阶层次结构原理、两两比较标度与判断原理和层次排序原理等多种数学基本原理。
2.1.1 建立层次结构模型
本实例采用的层次模型如图2所示。
2.1.2 构造两两比较矩阵,计算权重系数,并进行一致性检验
对模型中的三级指标进行两两比较,比较结果采用1～9标度法(如表1所示),构造出两两比较的判断矩阵,这里以B3_C为例(如表2所示)。B3_C是对二级指标B3包含的三级指标的两两比较矩阵,该矩阵是反对称矩阵,其中元素的含义如下:例如,对于指标C10和C8进行比较,C10比C8较强重要,所以其标度为5。本实例中,需要构造8个判断矩阵,分别是A_B、B1_C、B2_C、B3_C、B4_C、B5_C、B6_C、B7_C。
对每一个判断矩阵求出其特征向量w=(w1 w2 … wn)。归一化后即为对应指标的权重系数。
为对比较矩阵进行一致性检验,需要计算其一致性指标CI=(λmax-n)/(n-1),当CI为0时,具有完全一致性;CI越大,矩阵的一致性越差。1、2阶比较矩阵总具有完全一致性;当阶数>2时,定义随机一致性比率CR=CI/RI(其中RI是1980年萨蒂通过实验给出的一致性指标CI的平均值,如表3所示)。当CR<0.10时,认为比较矩阵具有满意的一致性,通过一致性检验,否则就需要对比较矩阵进行调整。
关键语句如下:
2.1.3 专家打分确定三级指标的隶属度矩阵
设有n个专家对二级指标k中的三级指标进行评估,评估集为V={很好,较好,一般,较差},评估中令mij为三级指标i对第j个等级的评估专家人数,用pij=mij/n作为三级指标i对第j个等级的模糊隶属度,令Pk=(pij)。
2.1.4 得出二级评价Ek及综合评价E
令Ek=wk×Pk,其中wk为二级指标k的权重向量,Pk为二级指标k的隶属度矩阵,Ek为二级指标k的模糊综合评价值;令E=w×Ek,其中w为一级指标的权重向量,E为一级指标的模糊综合评价值。根据最大隶属度原则,将E的各级从大到小进行排序,就可得到作战能力的高低分析。
关键语句如下:
2.2 在MATLAB 2012a中编译生成.NET 使用的COM组件
2.2.1 配置编译COM的环境
在编译COM组件前必须事先配置COM编译环境,否则会在后面的编译中出现错误。
输入命令
>> mbuild -setup
根据提示,选择共享库文件和COM组件的编译器,该实例中选择Microsoft Visual C++ 2010。
2.2.2 定制COM组件
①新建Deployment Project,名称为AHPFuzzy.prj,最重要的是选择Type为.NET Assembly,因为其它类型会造成在.NET中调用时的一些不方便。比如“Generic COM Component”类型的组件在生成带参数的组件时,虽然也可在.NET中调用,但是其参数的调用方法单一且不易使用。
②新建m文件,将实现层次分析法的语句写入其中。
③在.NET Assembly 对话框中(该对话框在VS2010窗口右侧),依次选择Add class 和Add files添加m文件。选择右上角的build按钮即可进行编译。编译完成后会在安装目录 MATLAB R2012a bin AHPFuzzy AHPFuzzy distrib下生成AHPFuzzy.dll和AHPFuzzyNative. dll文件。
2.3 VS2010中调用matlab 2012中的dll文件实现决策分析
2.3.1
在VS2010中新建项目,使用C#语言建立ASP.NET Web应用程序
2.3.2 在VS2010中设计友好的交互界面
在设计页面中,添加比较矩阵和指标评估表格,根据判断矩阵的特点,设置对角元素值默认为1,在对角线的右上部分单元格中加入Datalist控件,控件内容值为九级标度法的全部17种标度(1-9和1/2-1/9),默认值为1。在对角线的左下部分单元格中加入TextBox控件,默认值为1。在Datalist控件的SelectedIndexChanged事件中,加入代码,实现反对称矩阵的输入。例如:取C8C10单元格中DropDownList控件的选中值(DListC8_C10.SelectedValue),取其倒数,添加到C10C8单元格的TextBox控件中(TBoxC10_C8.Text)。 如图3所示,这样即可方便用户输入,又可防止输入错误,实现了良好的互动界面。
2.3.3 添加引用组件
在.NET编程环境中,MATLAB程序输入、处理、输出的数字数据只能是MWNumericArray类型的矩阵,即使是一个数字也是一个1*1的MWNumericArray变量。所以需引用MWarray.dll组件,用于引入MWNumericArray类型。该组件的位置在MATLAB的安装目录 MATLAB R2012a toolbox dotnetbuilder bin win32 v2.0下。另外,还需添加上述的自定义组件AHPFuzzy.dll 和AHPFuzzyNative.dll。
在代码中加入以下语句,即可在程序中调用相应组件。
2.3.4 根据界面输入,提取相应的判断矩阵,其中要特别注意数据格式的转换问题
关键语句如下:
2.3.5 调用AHPFuzzy组件实现决策分析
添加“综合评估”按钮,在click事件中写入代码,调用MATLAB生成的组件,实现决策分析。此步骤中一定要注意参数的传递。
关键语句如下:
2.3.6 发布程序与配置IIS
2.3.6.1 发布程序
使用菜单项中的“项目”—“打包/发布设置”,进行发布包的路径设置。使用“生成部署包”命令生成发布程序压缩包。
2.3.6.2 配置IIS
本实例中,服务器安装了.Net 4.0。在IIS中设置物理路径,将生成的部署包解压缩,要求源文件Web.config在根目录。在IIS中设置虚拟路径和添加应用程序,注意文件权限的设置。如果IIS后于.Net安装,需要修复IIS注册。步骤如下:打开程序-运行-cmd,输入命令C: WINDOWS Microsoft.NET Framework v4.0.30319 aspnet_regiis.exe –i 重新注册IIS,参数“–i”说明安装 ASP.NET 的此版本,并更新 IIS 元数据库根处的脚本映射和根以下的所有脚本映射,现有的低版本脚本映射升级到此版本。
3 总结
利用MATLAB与ASP.NET混合编程实现基于AHP的模糊综合集成分析决策软件,有如下三点优势:一是既发挥了MATLAB数学专业软件功能完善、计算简便的优势,又通过.NET平台将之布设于网络之上扩展了应用范围,增强了软件的实用性。二是,通过混合编程,既封装了MATLAB专业函数调用,实现了专业透明,又通过界面的巧妙设计,简化用户操作,增强了软件的易用性。三是,本文中使用的实例是典型的层次分析模型,在实际应用中可自行构建具体目标的决策指标体系实现决策分析。
参考文献
[1]运筹学教材编写组.运筹学.[M].北京:清华大学出版社,2005
[2]ASP.NET与MATLAB混合编程实现信号分析.微计算机信息,2009年(28)
【AHP层次模糊】推荐阅读：
模糊层次综合评价09-28
模糊判决—层次分析论文05-22
模糊层次综合法09-16
模糊层次综合评估法11-07
模糊层次综合评价方法11-24
多层次模糊综合评价10-20
改进模糊层次分析法06-09
模糊层次综合分析法11-25
三角数模糊层次分析法08-05