专利名称：一种采用多种评价方法的通用综合评价系统的制作方法
技术领域：
本发 明涉及一种采用多种评价方法的通用综合评价系统，属于辅助决策和综合评 价技术领域。
背景技术：
决策是人们为了达到某一目的而进行的有意识、有选择的行动。评价是决策的前 提和依据，它为决策提供基础支撑。评价的目的是对客观事物进行综合分析，其结果应能客 观公正的反映事物的发展变化，并为评价组织者、决策者所信服和接受。在实际决策过程 中，由于决策问题的多样性和复杂性，决定评价问题的复杂性和广泛性，对评价问题的研究 已引起学术界的广泛关注，成为研究领域中的热点问题之一。综合评价的核心是建立高维评价指标空间到某一维实数空间的一种数学映射，根 据研究对象在该一维实数空间中的取值进行分类排序。由于影响综合评价的因素较多、相 互之间的关系复杂，很难利用数学建模方法和优化方法来准确构造数学表达形式，并且很 难结合和利用专家和决策者在综合评价时所具有的经验知识和智慧。因此，在解决复杂系 统问题时，要利用人的知识经验和人工智能、模糊识别、知识工程等方法建立知识模型，采 用知识模型与数学模型相结合的形式，处理复杂问题的综合评价问题。目前，遗传算法、人 工神经网络方法和模糊集方法是建立和发展这类广义模型的有效方法。层次分析法(ΑΗΡ, The Analytic Hierarchy Process)是美国匹兹堡大学数学系 教授，著名运筹学家萨迪Τ. L. Saaty于70年代中期提出来的一种定性、定量相结合的、系统 化、层次化的分析方法。层次分析法本质上是一种多目标群体决策思想和方法。传统的统计模型均采用了 “假定_模拟_预测”这样一种证实性数据分析思路， 难以适应千变万化的客观世界，无法真正找到数据的内在规律，当它被用于高维、非线性、 非正态分布数据预测建模时，很难收到好的效果.针对这一不足，上世纪70年代以来，随 着计算机技术的发展，国际统计界发展了一种投影寻踪技术(Projection Pursuit，简称 PP)。它采用的是“审视数据-模拟-预测”这样一种探索性数据分析(Exploratory Data Analysis)新思路，其本质是寻找由高维数据投影到低维数据的特征投影方向，通过几个投 影方向了解高维数据的分布、结构等性质。投影寻踪这种新兴的统计方法适用于高维、非线 性、非正态问题的分析和处理，因此，它一直引起国内外统计专家和信号处理学者的关注， 已被成功地应用于多个领域。综合评价技术作为一种认识手段已经深入到社会经济生活的各个领域。在被广泛 应用的同时，综合评价技术也暴露了自身诸多缺陷，如何提高综合评价的科学性和可信度， 更为客观地反映事物的实际发展状况，已经成为人们普遍关注的重大课题。首先，综合评价是个十分复杂的问题，它涉及评价对象集、评价目标(指标)集、评 价方法集、评价人集等，综合评价结果由以上诸因素特定组合所决定。综合评价面临的常常 是复杂系统，正确评价难度甚大，在评价方法方面有许多理论问题和实践问题尚待解决。同 时用于综合评价的方法很多，而各种方法的出发点不同，解决问题的思路不同，适用对象不同，各有优缺点，以至人们遇到综合评价问题时不知该选择哪一种方法，也不知评价结果是
否可靠。其次，综合评价技术的单一化现象是当前需要面对的另一个主要问题。综合评价 技术单一化现象所涉及的范围较广，包括评价主体、评价方法、评价的层次结构、评价的时 间维度、评价的数据表现形式等多个方面。单一化现象的出现对综合计价的合理应用产生 了很大的限制，它忽视了综合评价过程中部分有效信息，削弱了综合评价的“效力”;且从应 用层面来看，单一化现象也不符合实践活动的需要。由于每个评价方法只是从某一特定的角度，对特定的方面进行评价，既有其合理 性，也存在一定的不足。因此，本发明考虑提供多种评价方法供不同的应用选择，并且可以 对多种方法或其评价结果进行综合，实现各种方法的优势互补，使评价结果更具代表性和 一致性，其结论也更为合理、科学。研究多种综合评价技术、开发适用于不同应用领域的、集 多种评价方法于一体的综合评价系统具有重要的理论意义和应用价值。
发明内容
本发明的目的是为了实现利用不同评价方法的优点、对评价对象进行全方位评 价，提出一种采用多种评价方法的通用综合评价系统。本发明是通过以下技术方案实现的。本发明的一种采用多种评价方法的通用综合评价系统，包括三个功能模块评价 指标体系管理模块、综合评价模型库和综合评价模块，具体分别为(1)评价指标体系管理模块实现评价指标体系的定制和维护；定制的目的是为了满足不同领域和不同级别的综合评价工作，评价指标体系管理 模块可以针对实际评价对象的评价指标层次结构进行定制；并且可以保存和维护多个指标 体系，在综合评价时根据需要选择某一指标体系。评价指标体系的灵活定制功能可以使综合评价系统软件适用不同的评价对象和 更多的有综合评价需求的领域。(2)综合评价模型库中包含了多种综合评价方法的模型并实现了多种综合评价方 法；根据应用需求，可以增加新的评价方法到综合评价模型库中，使系统的综合评价能力不 断增强；(3)综合评价模块的功能是根据选定的评价指标体系和具体的综合评价方法，完 成综合评价；本发明的一种采用多种评价方法的通用综合评价系统中，将评价指标体系和评 价方法分离，即在评价过程中，根据评价需要，选择不同的评价指标体系、在综合评价模型 库中选择一种或多种评价方法进行评价，可以提高系统的通用性，使评价结果更全面和客 观；上述综合评价模型库中可选用的多种评价综合方法包括层次分析法、模糊德尔菲 层次分析法、投影寻踪评价法和基于神经网络的综合评价方法。本发明的一种采用多种评价方法的通用综合评价系统，其评价过程的步骤如下步骤1.利用评价指标体系管理模块实现评价指标体系的定制； 步骤2.在综合评价模型库中选择具体的综合评价方法；
步骤3根据评价指标体系和具体的综合评价方法，从指标体系管理模块导入评价 指标数据，并进行指标数据的归一化和无量纲化处理；步骤 4.依据选定的综合评价方法进行综合评价；步骤5.为每种评价方法赋予一定的权值，将每种方法的综合评价结果进行加权 平均后的结果作为最终的评价结果；上述步骤1中评价指标体系的定制的步骤为步骤1.根据实际评价对象和评价目标，确定评价指标体系的层次结构；步骤2.采用树形结构的建立方式、自上而下逐层创建各层指标体系；步骤3.在指标体系的最底层设定每个指标数据的名称和类型；步骤4.将定制的指标体系的层次结构保存在数据库中，并自动生成用于保存各 个指标具体数据的数据表；步骤5.可以定义多个指标体系，不同的指标体系通过指标体系名称加以区别。有益效果本发明的一种通用的综合评价系统的设计方法，采用多种评价方法进行综合评 价，突破了单一方法的局限，形成了较全面的、多种方法相结合的综合评价系统；结合多种 评价方法进行评价，使评价更加科学和全面，该方法设计合理，实用性强，能够为综合评价 工作提供参考和依据。具体说来，本发明具有如下优点(1)通用化本发明给出的通用综合评价系统由于评价指标体系是可定制的，因 此具备广泛的适用性；(2)模块化综合评价模型库中集中实现了多种综合评价方法，使具有相对独立 的评价方法分离出来，便于评价方法的组合使用。(3)通过各种方法的组合，可以达到取长补短的效果。每种方法都有其自身的优点 和缺点，它们的适用场合也并不完全相同。将各种综合评价方法组合在一起，能够使各种方 法的缺点得到弥补、同时兼有各方法的优点。(4)通过各种方法的组合，可以利用更多的信息。不同的方法往往从不同的角度描 述评价对象的属性，通常只能反映事物的一个侧面。要反映事物的全貌必须从多角度、全方 位进行研究。将各种综合评价方法组合在一起，得到的综合评价结果更能体现事物的本质 和原貌。
图1为本发明的通用综合评价系统的结构框图。
具体实施例方式下面结合附图和实施例对本发明做进一步说明。实施例一种采用多种评价方法的通用综合评价系统，如图1所示，包括三个功能模块评 价指标体系管理模块、综合评价模型库和综合评价模块，其中综合评价模型库包含四种综 合评价方法，分别是层次分析法、模糊德尔菲层次分析法、投影寻踪评价法和基于神经网络 的综合评价方法；综合评价模块包含评价方法的选择、指标数据的导入和评价结果的综合三个功能 模块。一种采用多种评价方法的通用综合评价系统，其评价过程的步骤如下步骤1.利用评价指标体系管理模块实现评价指标体系的定制，具体为首先，根据实际评价对象确定评价指标的层次结构，在指标体系管理模块中自上 而下逐层创建各层指标体系，在指标体系的最底层设定每个指标数据的名称和类型。然后， 将定制的指标体系的层次结构保存在数据库中，并自动生成用于保存各个指标具体数据的 数据表。根据需要可以定义多个指标体系，不同的指标体系通过指标体系名称加以区别，针 对不同的评价对象进行综合评价时，可以灵活选择某一指标体系。步骤2.在综合评价模型库中选择具体的综合评价方法；步骤3.根据评价指标体系和具体的综合评价方法，从指标体系管理模块导入评 价指标数据，并进行指标数据的归一化和无量纲化处理；步骤4.依据选定的多个综合评价方法分别进行综合评价；步骤5.为每种评价方法赋予一定的权值，对每种方法的综合评价结果进行加权 平均后的结果作为最终的评价结果。本评价系统中的模糊德尔菲层次分析法步骤如下步骤1.建立系统的递阶层次结构；步骤2.建立群体的模糊判断矩阵；两两比较判断矩阵包含了参与决策专家的意见，其中的相对重要程度判断具有 不确定性，本方法采用模糊三角数来整合专家的意见，以求在决策者主观意见的基础上建 立一个较为客观的模糊群体判断矩阵。用三角模糊数表示的群体的两两判断矩阵为B = (Bij)，其中Bij为三角模糊数，构成方法是Bij = [ α Jj, β Jj, γ , α ^ β ^ Yij，且 Qij, β Yij e [1/9，1] U [1,9]其中α ij = mink(Bijk), β = Geomeank(Bijk), γ = maxk(Bijk)。Geomean 表示 考虑每个专家权重后的加权几何平均，考虑各个专家的知识水平和背景不同，为每个专家 赋予一个权值，这些权值的和为1。步骤3.确定群体模糊权重向量；基于群体模糊判断矩阵B = (Bu)，用列向量几何平均法，确定出相应的模糊权重 向量对任意的j，j = 1,2,……，m，计算r =( · .β ^，其中·表示模糊三角数
之间的乘积运算关系。进一步可以将。标准化为Wj Wj =-，j = l，2，...，m
η +r2 +- + rm步骤4.单准则权重决策分析，步骤如下首先用模糊分析中的截集概念进行权重的反模糊化分析，令A e
表示截值 参数，假设 wi = (wiL, wiM, wiu)，令wiL = (wiM-wiL) α +wiLwiu = (wiu-wiM) α +wiMwi (α , λ) = λ wiu(a ) + (1-λ )wiL(a )其中λ为决策者对权重的乐观系数。进一步，将wi (a，λ)规范化，得到归一化权重向量Wi (a，λ) = wi ( α , λ)/(Σ wi(a, λ))，其中α反映权重关于决策专家判断意见的变动程度。λ代表整合决策 者决策权重的参数。通过上述方法得到各个子目标的相对权重后，从层次结构顶层自上而下最后求得 各个指标属性的绝对权重。当用户对某个评价对象进行系统评价时，首先将评价对象的各个指标值进行量 纲的统一，然后利用上述计算得到的指标权重，通过以下公式得到该评价对象的最终得分
I m
S = JZs' ，其中S为评价总得分，Si为第i项指标的得分，Wi为第i项指标的权重。本评价系统中的投影寻踪评价方法的基本思想是在综合评价过程中，可以将评 价对象看成由若干指标属性组成，如果属性个数为n，那么可以将每个评价对象看作是一个 η维数据，利用投影寻踪模型将这些η维数据转化为在某个方向上的1维数据，这样可以从 整体上来考察不同评价对象的优劣情况；具体操作步骤如下步骤1.评价指标归一化；步骤2.构造投影指标函数，方法是设第i个评价对象为Ix (i，j) I j = 1 η}， 其中η为指标属性个数，将它综合为以a = (a(l),a(2),...a(n))为投影方向的一维投影 值ζ⑴
ηz(i) = J^a(j)x(i,j) Q = ι η)
Jt1 .根据上式求得z(i)的一维散布图并进行分类，a为单位长度向量，即
玄《2(7+) = 1。这样可以构造投影指标函数Q(a) = SzDz^ Sz=Ifi(Z(I)-Z)2Zin-I)]05,
；=1 i=l η η
双唭中—为序列lz(i) Ii = 1，2，...η}的均值；R为局部密度的窗
i=l ；=1Z
口半径，一般取0. ISz;距离rij= z(i)-z(j) ；u(t)为单位阶跃函数，当t彡0时其函数 值为1，当t<0时其函数值为0。步骤3.优化投影指标函数，即选择最佳投影方向；当各个指标值给定后投影指标函数Q(a)只随着投影方向a的变化而变化。不同 的投影方向反映不同的数据结构特征，最佳投影方向就是最大可能暴露高维数据某种特征 的结构的投影方向。可以用下式来估计这种最佳投影方向max Q (a) = SzDz
ηs.t. γ^α2^) = !
；=1上式属于非线性的最优化问题，由于优化变量较多，因此用传统方法解决起来比 较困难，所以可以使用遗传算法来找到这个最佳投影方向。步骤4.聚类，得到待评价对象的评价排序；
η将步骤3求得的最佳投影方向a*带入式=功，7+) (i = 1 η)中，得到
；=1
所有待评价对象的投影值z*(i)。 投影值z*(i)与z*(j)越接近说明评价对象i与评价对 象j越倾向于同一类。按照z*(i)从大到小可以对待评价对象进行分类，进而得到对它们的一个评价排序。 应用投影寻踪评价方法中，使用遗传算法构造投影指标函数以及求得最佳投影方 向的步骤如下步骤1.确定遗传算法参数，包括种群规模、选择概率、交叉概率、变异概率，最大 循环次数；步骤2.初始化训练器，训练器个数即为种群数，每个训练器个体编码采用实数编 码，由随机生成的a(j)序列组成；步骤3.定义估价函数；首先定义函数z(i) = JjGi j)x{ij) (/ = 1~ )
1=1
_ ηζ = (^zQ))/η
i=lSz=[^(z(i)-zf/(n-l)f5
i=l利用投影值ζ (i)的标准差Sz来描述ζ (i)值的发散程度，Sz越大说明ζ (i)的整 体发散效果越好；
η ηA = Σ Σ (尺-rv >(R ~ rv )
i=l ；=1上式表示投影值ζ (i)的局部集中程度，它的取值越大，说明ζ (i)的局部集中程度 越好，R为局部密度窗口半径，它的选取既要使包含在窗口内的投影点的平均个数不太少， 避免滑动；平均偏差太大，又不能使它随着η的增大而增加太高，z(i)-z(j) I表示样 本之间的距离，u(t)为单位阶跃函数，当t ^ 0时，其值为1，当t < 0时其值为0。密度窗口宽度的选取对投影方向向量的取值有重要意义，它的取值合理与否直接 关系到样本分类结果的合理与否。目前，它的确定大多是通过试算来确定，或通过样本投 影值标准差乘以某一百分数来计算，下面将从Dz的计算表达式来分析密度窗宽的特性及取 值，推导过程为
η ηD2^YjYj(R-T13)U(R-T13)
；=1= [(尺+ (尺+ +(尺尺-4)]
i=\={R-ru)u{R-ru) + {R-rl2)u{R-rl2) + ... + {R-rln)u{R-rln)+(R - r2l )u(R-r21) + (R-r22 )u(R -r22) +... + (R- r2n)u(R - r2n)............+(R-rJu(R-rJ + (R-rn2>(R-rn2) + ... + (R-rnn>(R-rnn)因为R > 0，当 i = j 时，rij = 0，所以(R-ripu(R-rij) = R，于是A =欣+ 2玄(尺- >(尺- )+ 2t(尺- >(尺- )
i=2i=3
η+…+ 2Σ (尺-rn_h])u(R-rn_h]) + 2(R-rn_ln)u(R-rn_ln)
i=n-\
因此有如下结论设
权利要求
1.一种采用多种评价方法的通用综合评价系统，其特征在于包括三个功能模块评价指标体系管理模块、综合评价模型库和综合评价模块；其中 评价指标体系管理模块实现评价指标体系的定制和维护；综合评价模型库中包含了多种综 合评价方法的模型并实现了多种综合评价方法；综合评价模块根据选定的评价指标体系和 具体的综合评价方法，完成综合评价； 其评价过程的步骤如下步骤1.利用评价指标体系管理模块实现评价指标体系的定制； 步骤2.在综合评价模型库中选择具体的综合评价方法；步骤3.根据评价指标体系和具体的综合评价方法，从指标体系管理模块导入评价指 标数据，并进行指标数据的归一化和无量纲化处理； 步骤4.依据选定的综合评价方法进行综合评价；步骤5.为每种评价方法赋予一定的权值，将每种方法的综合评价结果进行加权平均 后的结果作为最终的评价结果。
2.根据权利要求1所述的一种采用多种评价方法的通用综合评价系统，其特征在于 所述步骤1中评价指标体系的定制的步骤为步骤1.根据实际评价对象和评价目标，确定评价指标体系的层次结构； 步骤2.采用树形结构的建立方式、自上而下逐层创建各层指标体系； 步骤3.在指标体系的最底层设定每个指标数据的名称和类型； 步骤4.将定制的指标体系的层次结构保存在数据库中，并自动生成用于保存各个指 标具体数据的数据表；步骤5.可以定义多个指标体系，不同的指标体系通过指标体系名称加以区别。
3.根据权利要求1所述的一种采用多种评价方法的通用综合评价系统，其特征在于 综合评价模型库中所包含的综合评价方法包括层次分析法、模糊德尔菲层次分析法、投影 寻踪评价法和基于神经网络的综合评价方法。
4.根据权利要求3所述的一种采用多种评价方法的通用综合评价系统，其特征在于模 糊德尔菲层次分析法步骤如下步骤1.建立系统的递阶层次结构； 步骤2.建立群体的模糊判断矩阵； 步骤3.确定群体模糊权重向量； 步骤4.单准则权重决策分析。
5.根据权利要求3所述的一种采用多种评价方法的通用综合评价系统，其特征在于投 影寻踪评价方法的步骤如下步骤1.评价指标归一化； 步骤2.构造投影指标函数；步骤3.优化投影指标函数，即使用遗传算法选择最佳投影方向； 步骤4.聚类，得到待评价对象的评价排序。
6.根据权利要求4所述的一种采用多种评价方法的通用综合评价系统，其特征在于使 用遗传算法优化投影指标函数的流程如下步骤1.确定遗传算法参数，包括种群规模、选择概率、交叉概率、变异概率，最大循环初始化训练器，初始化内容包括随机生成a(j)值； 定义估价函数；执行遗传操作，包括选择操作、交叉操作和变异操作三个步骤； 达到训练次数后返回最优训练器的序号。
全文摘要
本发明涉及一种采用多种评价方法的通用综合评价系统，属于辅助决策和综合评价技术领域。包括三个功能模块评价指标体系管理模块、综合评价模型库和综合评价模块，其评价过程的步骤包括评价指标体系的定制、选择综合评价方法、导入评价指标数据、综合评价和对评价结果进行加权处理。本发明突破了单一方法的局限，形成了较全面的、多种方法相结合的综合评价系统，结合多种评价方法进行评价可以使评价更加科学和全面。该方法设计合理，实用性强，能够为综合评价工作提供参考和依据。
文档编号G06Q10/00GK102034176SQ20111000925
公开日2011年4月27日 申请日期2011年1月17日 优先权日2011年1月17日
发明者刘琼昕, 孙新, 贺跃, 郑军, 高春晓 申请人:北京理工大学