数学建模综合评价方法

综合评价研究
常用的综合评价方法大致可分为9大类,现归纳如下:
常用的综合评价方法比较与汇总
方法类别
方法名称
方法描述
优点
缺点
适用对象
1.定性评价方法
专家会议法
组织专家面对面交流,通过讨论形成评价结果
操作简单,可以利用专家的知识,结论易于使用
主观性比较强,多人评价时结论难收敛
战略层次的决策分析对象,不能或难以量化的大系统简单的小系统
Delphi
征询专家,用信件背靠背评价、汇总、收敛
犀牛角识别
2.技术经济分析方法
经济分析法
通过价值分析、成本效益分析、价值功能分析,采用NPVIRR指标
方法的含义明可比性强
建立模型比较困难,只适用评价因素少的对象
大中型投资与建设项目,企业设备更新与新产品开发效益等评价
经济分析法
通过可行性分析、可靠性评价等
3.多属性决策方法
多属性和多目标决策方法
通过化多为少、分层序列、直接求非劣解、重排次序法来排序与评价
对评价对象描述比较精确,可以处理多决策者、多指标、动态的对象
刚性的评价,无法涉及有模糊因素的对象
优化系统的评价与决策 ,应用领域广泛
4.运筹学方法(狭义)
数据包络分析模型
以相对效率为基础,按多指标投入和多指标产出湍流强度,对同类型单位相对有效性进行评价,是基于一组标准来确定相对有效生产前沿面
可以评价多输入多输出的大系统,并可用“窗口”技术出单元薄弱环节加以改进
只表明评价单元的相对发展指标,无法表示出实际发展水平
评价经济学中生产函数的技术、规模有效性,产业的效益评价、教育部门的有效性
5.统计分析方法
主成分分析
相关的经济变量间存在起着支配作用的共同因素,可以对原始变量相关矩阵内部结构研究,出影响某个经济过程的几个不相关的综合指标来线形表示原来变量
全面性, 可比性,客观合理性
因子负荷符号交替使得函数意义不明确,需要大量的统计数据,没有反映客观发展水平
对评价对象进行分类
因子分析
根据因素相关性大小把变量分组,使同一组内的变量相关性最大
反映各类评价对象的依赖关系,并应用于分类
聚类分析
计算对象或指标间距离温州民房倒塌,或者相似系数,进行系统聚类
可以解决相关程度大的评价对象
需要大量的统计数据,没有反映客观发展水平
证券组合投资选择联合光子,杨白冰模式地区发展水平评价
判别分析
计算指标间距离, 判断所归属的主体
主体结构的选择,经济效益综合评价
6.系统工程方法
评分法
对评价对象划分等级、打分,再进行处理
方法简单, 容易操作
只能用于静态评价
新产品开发计划与结果,交通系统安全性评价等
关联矩阵法
确定评价对象与权重,对各替代方案有关评价项目确定价值量
层次分析法
针对多层次结构的系统,用相对量的比较,确定多个判断矩阵,取其特征根所对应的特征向量作为权重,最后综合出总权重,并且排序
可靠度比较高,误差小
故事湖南评价对象的因素不能太多(一般不多于9)
成本效益决策、资源分配次序、冲突分析等
7.模糊数学方法
模糊综合评价
引入隶属函数,实现把人类的直觉确定为具体系数(模糊综合评价矩阵)
其中,表示指标在论域上评价对象属性值的隶属度,并将约束条件量化表示,进行数学解
可以克服传统数学方法中“唯一解”的弊端. 根据不同可能性得出多个层次的问题题解,具备可扩展性,符合现代管理中“柔性管理”的思想
不能解决评价指标间相关造成的信息重复问题,隶属函数、模糊相关矩阵等的确定方法有待进一步研究
消费者偏好识别、决策中的专家系统、证券投资分析、银行项目贷款对象识别等, 拥有广泛的应用前景
模糊积分
模糊模式识别
8.对话式评价方法
逐步法
用单目标线性规划法求解问题,每进行一步,分析者把计算结果告诉决策者来评价结果。如果认为已经满意则迭代停止;否则再根据决策者意见进行修改和再计算,直到满意为止
人机对话的基础性思想,体现柔性化管理
没有定量表示出决策者的偏好
各种评价对象
序贯解法
Geoffrion
9 智能化评价方法
基于BP人工神经网络的评价
模拟人脑智能化处理过程的人工神经网络技术,通过BP 算法,学习或训练获取知识,并存储在神经元的权值中,通过联想把相关信息复现。 能够“揣摩”“提炼”评价对象本身的客观规律,进行对相同属性评价对象的评价
网络具有自适应能力、可容错性,能够处理非线形、非局域性与非凸性的大型复杂系统
精度不高,需要大量的训练样本等
应用领域不断扩大,涉及银行贷款项目、股票价格的评估、城市发展综合水平的评价等

本文发布于:2024-09-20 23:44:34,感谢您对本站的认可!

本文链接:https://www.17tex.com/xueshu/572614.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:评价   对象   方法   指标   分析
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议