模糊评判范文（精选11篇）
模糊评判 第1篇
以综合评判法为基础,在对评判事物进行初步量化时不采用直接量化评分的形式,而采取相对模糊的评判,如:优秀、合格、不合格等. 考虑到数学教学技能评价常涉及多个因素和指标,适用模糊综合评判法评价数学教学技能.
一、建立数学教学技能模糊综合评判模型
模糊综合评判模型四大要素: 因素集U、评语集V、因素权向量W、单因素评判矩阵R.
1. 确定因素集
根据前期分析,确定影响数学教学技能综合评判模型的因素集有8个因素,分别是U = { U1,U2,U3,U4,U5,U6,U7,U8} . 其中U1= 数学教学语言技能,U2= 数学教学导入技能,U3= 数学教学讲解技能,U4= 数学教学提问技能,U5= 数学教学板书板画技能,U6= 数学教学变化技能,U7= 数学教学强化技能,U8= 数学教学结束技能.
2. 确定评语集
按照所考核技能考核标准,设定评语等级及分数段为V1= 优秀( 90 - 100 ) ,V2= 良好 ( 80 - 90 ) ,V3= 中等 ( 70 80) ,V4= 及格( 60 - 70) ,V5= 不及格( 0 - 60) . 这样,评语集V = [优秀,良好,中等,及格,不及格],记为: V = [ V1,V2,V3,V4,V5].
3. 确定因素权向量
各因素权向量由调查结果按层次分析法确定. 在深入分析数学教学技能分类及其在大学期间训练培养可能性的基础上,建立数学教学技能层次分析结构模型. 其中准则层为U,按照两两比较重要性准则( 参照1 ~ 9比较尺度) 构造判断矩阵,求判断矩阵的最大特征值及其对应的特征向量( 为简化计算过程,判断矩阵的最大特征值和特征向量采用和法进行计算) ,再利用一致性指标、随机一致性指标和一致性比率做一致性检验. 经计算调查结果符合相关检验,由此可以确定因素权向量为:
W =[W1,W2,W3,W4,W5,W6,W7,W8]=[0. 13,0. 15,0. 20,0. 13,0. 09,0. 11,0. 12,0. 07].
4. 确定单因素评判结果———隶属度矩阵
邀请丽江师范高等专科学校数学教育专业10名教师作为评委,分别对学生数学教学技能进行单因素评价,得出单因素评价结果ri =( ri1,ri2,…,rim) ,并就此构造隶属度矩阵R85= ( r1,r2,r3,r4,r5,)T.
5. 建立模型
按照统计成绩( 数值形式) ,计算评价结果. 结果的模糊分布C与因素权向量W及单因素评判矩阵R有关系: C =W·R.
建立评价模型为: X = CVT.
二、案 例
以某次试验中,A班学生A1的某课教学为例,10位评委对A1的单因素评判结果分别为: r1= ( 0. 4,0. 2,0. 2,0. 2,0) ,r2= ( 0. 4,0. 3,0. 2,0. 1,0) ,r3= ( 0. 2,0. 3,0. 2,0. 2,0.1) ,r4= ( 0. 3,0. 3,0. 2,0. 2,0 ) ,r5= ( 0. 5,0. 3,0. 2,0,0 ) ,r6= ( 0. 3,0. 5,0. 1,0. 1,0 ) ,r7= ( 0. 4,0. 5,0. 1,0,0 ) ,r8=( 0. 3,0. 5,0. 2,0,0) . 就此构造隶属度矩阵R = ( r1 ,r2 ,r3 ,r4 ,r5 ,r6 ,r7 ,r8)T.
由此可计算得: C = W·R = ( 0. 338,0. 347,0. 177,0.118,0. 02) .
综合得分计算: X = CVT= 83. 15.
由此可得该 同学本次 教学技能 评价最终 得分为83. 15分.
摘要：构建数学教学技能模糊综合评判模型,并以案例对其进行求解及说明.
军校老师教学比武的模糊综合评判 第2篇
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:
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
财务指标评判的模糊数学模型应用 第3篇
所谓财务报表分析, 是以会计核算和报表资料及其他相关资料为依据, 采用一系列专门的分析技术和方法, 对企业经济组织的过去和现在的有关经营活动进行分析与评价, 为企业的各种相关者了解企业的过去、评价企业的现状、预测企业的未来、做出正确决策, 提供准确信息的经济应用学科。从财务活动本身来说它并不是精确的, 而是带有模糊性。财务信息只能做到近似, 而不可能做到精确, 在市场不断变化的情况下更是如此。
模糊数学是研究和处理客观事物或现象的不清晰性和非确定性的数学理论和方法。财务分析的模糊性的特点就决定了它可能与模糊数学很好地结合起来, 以弥补自身的缺点, 为广大决策者提供更加贴近实际的分析数据。本文主要采用模糊综合评判的方法来对企业的财务分析进行改进, 以现行的企业财务分析评价体系为研究对象, 将它放置于一个模糊的系统中进行研究, 并在这个指标体系之下对企业的财务状况做出判断。本文先以有色金属行业为例, 相关资料参见CSMAR数据库。
二、行业财务指标体系的建立
盈利是上市公司生存的关键, 理应是最重要的评价指标, 成长性是上市公司可持续发展的源泉, 偿债能力反映了上市公司资产的安全性;而经营能力是上市公司日常经营能力的表现。依据这四个方面, 确定其在上市公司经营业绩综合评价中的重要性。结合当前的财务理论与应用实际, 我们选择了以下一些指标作为模糊综合评判的选择指标体系:
盈利能力:净资产收益率 (u1) , 成本费用利润率 (u2) , 每股收益 (u3) 。
偿债能力:速动比率 (u4) , 资产负债率 (u5) , 流动负债经营活动净现金流比率 (u6) 。
发展能力:净利润增长率 (u7) , 总资产扩张率 (u8) 。
运营能力:流动资产周转率 (u9) , 应收账款周转率 (u10) , 固定资产周转率 (u11) 。
三、财务分析模糊评价模型的构建
在上面得出了财务评价指标之后, 我们需要对这些指标进行比较, 从而确立它们之间的权重比例。
(一) 求出相关财务指标的权重。
本文将成对比较法以及专家估测法结合在一起来确定上述指标的权重。首先找到一些具备财务专业知识的人士用成对比较法对上述指标的相互关系进行判断, 然后将得出的数据按照专家估测法的做法进行平均化处理, 从而确定最终的指标比例。成对比较法比较尺度的取值方法如表1所示。 (表1)
在我们选取其中一个专业人员所给的盈利能力指标数据为例, 再直接给出平均化后的结果。其余的打分情况类似处理。 (表2)
由上面的数据可以得出一级评判指标的权重a= (a1, a2, a3) , 分别是上述四种能力的权重比, 其中a1=7/13.0834=0.535, 其余同理可得: (0.5700, 0.1093, 0.3207) , 其他专业人员的比例打分如下:
根据各个因素权重的平均值作为其权重, 相关公式为:, 则可以得到盈利能力指标数据权重为: (0.5732, 0.1273, 0.2295)
其他各项能力的相关指标权重比例为:
偿债能力: (0.2331, 0.6277, 0.1392)
发展能力: (0.7583, 0.2417)
运营能力: (0.5995, 0.2268, 0.1737)
(二) 财务指标体系模糊综合评判。
根据模糊综合评判的理论, 构造U为因素集, V为评语集 (v1优, v2良, v3中, v4低, v5差) , 两者的模糊关系为模糊评判矩阵如下:
下面对指标数据进行无量纲化, 先设ci为ui的最小值, di为最大值。当指标ai≥di时确定该企业对指标ui来讲, 评价为优的隶属度绝对值为1, 当指标值ai≤di时评价为差的隶属度绝对值为1。下面确定评价为良、中、低的隶属度绝对值为1的指标值, 为此需将本行业25家企业相关指标观测值从小到大平均分为三类L1, L2, L3, 求出其平均值δ1, δ2, δ3。然后, 令x1i=ci, x2i=δ1, x3i=δ2, x4i=δ3, x5i=di, 以下限值x1i和上限值x5i为边界, 凡是指标值u≤x1i则完全属于v5 (差) , u≥x5i则完全属于v1 (优) , 把区间[x1i, x5i]划分为五个等级, 以最能表示某级特征的点 (平均值点) 的隶属度为1, 而边界交点概念最模糊, 隶属度为0.5, 构造等级隶属函数后, 我们将财务数据带入公式后便可以得出隶属度综合评判矩阵, 再利用模糊综合评判的公式我们便可以利用这个模糊综合评判结果对该公司的财务状况进行评价。
四、结语
信息产业竞争力的综合模糊评判 第4篇
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
模糊评判 第5篇
关键词：广西；芒果主栽品种；生产性状；模糊
芒果属于漆树科植物的一种，原产地是在印度，富含丰富的维生素A和维生素C，广受世界人民的喜欢。为了降低我国人民购买芒果时的价格，随着我国种植技术的发展，以及我国有与印度环境一致的、适宜芒果生长区域的存在，芒果在我国很多地区扎根成长，例如，我国的广东、广西一级台湾和福建等地，已经发展出了大规模的芒果种植基地，其中在广西南宁、龙州、百色、玉林以及邕宁等地都成为我国芒果种植的主要地区。为了能够更好地提高我国芒果的产量，一直对芒果的主要生产性状模糊综合评判进行分析。
一、实验方法
1、实验所需资料的来源
实验所需的资料都是笔者经过实地的考察得到的，以芒果种植大市广西百色市中的阳圩、那毕、永乐等五个乡镇一级田阳县的六个乡镇总共968个果园进行了走访调查。调查的芒果品种和地点的详细情况如图一所示：
2、模糊综合评判所使用的数学模型
通常情况下，模糊综合评判都是由（u，v，R）的形式构成的。且在现有的因素集U={U1，U2，…Un}以及评价集V={V1，V2，…Vn}的基础之上，对因素集中的U分配上模糊子集A：A=（a1，a2，…，an），在这个公式中，a1是指与位于第1个位置的因素U1相对应的权，都与归一化的条件相符： ，其中i=1，2，3，…，n。把第i个因素中的单因素评判为u时，它所对应的v的模糊关系就可以表示为：Ri=（r1，r2，…，rm），那么它所对应的评判矩阵R就可以表示为：R=（rj）nm，得到的综合评判，其实就是在V的前提条件下的模糊子集，可以表示为：B=A·R=（b1，b2，…，bm）。
3、确定因素集
就从目前调查的情况来看，有多方面的因素对芒果的品种产生影响，本文只是单纯性的以品种的角度来对产品的主要生产性状进行选取，例如：芒果的品质、芒果的产量、芒果的资金成本投入、种植芒果所需要的技术要求等，从而得出这4个因素所组成的因素集，表示为：U={芒果品质、芒果的产量、芒果的资金成本投入、种植芒果的技术要求}。
二、综合评判的结果
1、品质角度
从品质的角度来看，青皮芒、金煌芒、田阳香芒以及百色香芒这四个品种的芒果品质最好，得到的评价结果最好。如果种植者比较看重芒果的品质，可以从这四个芒果品种中进行挑选。
2、产量的角度
从产量的角度来看的话，金穗芒、红芒6号、绿皮芒、金煌芒的产量最好，且评价结果也很好，如果种植者较为看重芒果的产量的话，可以从这四个芒果的品种中进行挑选。
3、资金成本投入的角度
从资金成本投入的角度来看，青皮芒、金穗芒、泰国芒、绿皮芒、串芒、以及红芒6号，这几个品种的芒果种植时需要的资金成本投入较少，得到的评价结果最好。如果种植者手里的资金成本较少的话，可以从这几个芒果品种中进行挑选。
4、技术要求的角度
从芒果种植时所需的技术角度来看，泰国芒、绿皮芒、串芒、桂热10号以及红芒6号，这五个品种的芒果种植时对种植技术的要求少，得到的评价结果最好。如果种植者对芒果种植技术掌握的少的话，可以从这五个芒果品种入手，最适宜刚种植芒果的种植户挑选。
5、综合角度
从综合的角度来看，田阳香芒、红象牙、金煌芒、绿皮芒以及青皮芒，这几个芒果品种的综合评价最好，如果种植户比较看重芒果种植的整体的，可以从这几个芒果品种中进行挑选。
结语：
综上所述，种植户在挑选芒果的种植品种时，要从自身的实际情况出发，进行芒果品种的挑选，不能盲目的种植，以免造成不必要的经济损失。对广西种植的芒果主栽品种进行主要生产性状的模糊调查，可以提高我国广西地区的芒果产量，从而促进当地经济的发展。
参考文献：
[1]张仲保.多性状模糊综合评判的变量分析方法[J].西北农业学报，2008（04）
[2]阳明剑，王助引.广西芒果产量波动原因与丰产稳产对策[J].广西农业科学，2008（05）
[3]赵英，黄国弟，周俊岸，莫永龙，李日旺.广西芒果选育种研究现状[J].农业研究与应用，2011（03）
[4]廖香俊，唐树梅，吴丹，冯亚生，夏长健.芒果园土壤环境及其对芒果品质的影响[J].生态环境，2008（02）
模糊评判 第6篇
在生产和科技活动, 社会生活、经济活动中, 一个事物不会独立存在, 而受到各种各样的因素的影响, 必须较全面考虑各种影响, 选择重点, 然后对事物做出比较正确的判断。在二十一世纪竞争日益激烈, 消费者需求日益苛刻, 差异化产品、个性化产品不断出现的时代, 各种新型设备、新型产品不断出现, 厂商在投入市场之前应考虑各个方面的因素来获取人们对此商品的欢迎程度, 再决定是否应该批量生产, 如此才能在竞争中立于不败之地。在经济实际中, 消费电子类产品的更新速度最快, 如手机制造业市场的竞争非常激烈, 各大手机市场都在推陈出新, 新产品的市场投放及市场预测对手机开发商和销售商来说就相当重要。在问题的另一方面, 如果一段时间内发现某商品滞销, 反过来要查找原因。这个问题是与前面相反的。本文利用模糊综合评判方法试图对新型手机开发及销售做出评判, 模糊综合评判也叫做模糊综合决策, 即考虑多种模糊性因素影响下对某事物做出的综合评价。[1]我们将前一问题叫做模糊综合评判的正问题, 后一问题叫做模糊综合评判的逆问题。在本论文中仅讨论正问题模型。
1 模糊综合评判的正问题模型
1.1 模糊变换定义[2]
设有限论域U={u1, u2, …un}和V={v1, v2, …vm}, R是U到V的一个模糊关系, R= (rij) n·m, 0≤rij≤1。若有U上的任一个模糊子集A, 和V上的模糊子集B, 它们之间满足B=AR则称这是一个将U上的模糊集变为V上的模糊集的变换———模糊变换。
从映射的角度看, 任给R∈F (U*V) , 映射他Tn:
可以唯一地确定一个从U到V的模糊变换, A∈F (U) , TR (A) =B∈F (V) , 称B是A的像, A是B的原像。此映射也称为扩展原理。
1.2 正问题模型
正问题就是上述模糊变换中已知A和R求B。问题涉及以下几个方面:1) 一个已知的评判对象的因素集U={u1, u2, …, un}。2) 一个已知的评价决策集V={v1, v2, …vm}。3) 一个已知的对因素的权重分配, 此为U上的模糊集A, 用向量表示A={a1, a2, …an}
其中, ai为第i个因素ui所具有的权重数, 它们满足归一化条件。4) 获取单因素评判矩阵R= (rij) n*m, 它由n个V上的模糊子集———单因素评判向量组成。其中Ri= (ri1, ri2, …, rim) 。5) 进行U到V的模糊变换A·R, 即合成运算, 得V上的模糊子集B, 即对评判对象的模糊综合评判结果。
1.3 评判结果指标的处理
1.3.1 最大隶属度法
取与bj=max{b1, b2, …, bm} (j=1或2或…m) 对应的评价集元素v作为评判结果。不过当最大的或较多的评判指标不止一个时, 此法失败。
1.3.2 加权平均法
以bi为权数, 对各评价集元素vj进行加权平均, 所得结果为最终评判。
若指标集已经进行归一化, 即, 则直接有
1.3.3 模糊分布法
即直接将评判指标集作为评判结果, 或将其归一化后得到对评判对象更全面和更深入地了解。
2 某新型手机的模糊综合评判
2.1 手机市场的因素选择
某手机制造商最近开发了一款新型手机, 在推向市场之前要对市场进行预测, 以便获得最大的收益。这种预测可分为两个方面:按照新产品和新业务开发领域的管理顾问埃里克.曼金 (Eric Mankin) 的思想, 一个新产品要在市场上具有相对竞争优势, 要从两个方面判断, 即“顾客购买的激励因素”和“顾客购买的障碍因素”, 成功导入的新产品必须在以下几个方面表现卓著:
(1) 提供更高的顾客购买激励;它必须比市场上的现有产品便宜 (更低的价格) ;它必须比市场上现有的产品提供更好的特色 (更多的收益) 。
(2) 消除顾客的购买障碍:它必须没有任何的更换和使用成本 (易于使用) ;它必须容易为顾客所获得 (易于购买) 。
按照这两项原则, 可以建立:1) 因素集U={功能u1, 质量u2, 款式u3, 价格u4, 售后服务u5}。2) 评语集V={很受欢迎v1, 较受欢迎v2, 不太受欢迎v3, 不受欢迎v4}
任选几部此类手机, 请一些专家和普通用户来测试一段时间, 并对各单因素进行评价。
若对于功能u1, 有20%的人认为“很受欢迎”, 有50%的人认为“较受欢迎”, 有20%的人认为“不太受欢迎”, 有10%的人认为“不受欢迎”。则对u1的单因素评判向量为:
R1= (0.2, 0.5, 0.2, 0.1)
同理, 对质量u2, 款式u3, 价格u4, 售后服务u5分别做单因素评价, 得:
组成单因素评判矩阵:
2.2 权重集
据调查, 由于该款手机主要面向在校大学生设计, 而大学生普遍对手机的质量、价格和功能要求较高, 而对售后服务和款式要求不那么高。于是得各因素的权重分配向量:
A= (0.1, 0.3, 0.1, 0.3, 0.2)
2.3 模糊变换
其中, “·”为取小取大类型 (∧—∨) 。
由此获得模糊综合评价集B= (0.2, 0.3, 0.3, 0.3) 。
2.4 评判指标的处理
由于在评价集中最大数不止一个, 所以最大隶属度法失效, 我们用加权平均法。首先将评语集V={很受欢迎v1, 较受欢迎v2, 不太受欢迎v3, 不受欢迎v4}进行量化, 我们设很受欢迎、较受欢迎不太受欢迎和不受欢迎的界限分别为:0.85、0.70、0.60、0.45。
对B归一化为:B= (2/11, 3/11, 3/11, 3/11)
所以此款手机属于“不太受欢迎”产品, 应该再作设计后进入市场。
3 结语
本文应用模糊数学的原理, 建立了某款手机市场前景的模糊综合评判模型, 并将其应用于实际当中, 获得了较为全面、合理的评价结果。通过此例我们可以看到, 从因素集的选取、权重的分配和单因素评判矩阵的确定每一步工作都要尽量避免主观性和片面性, 因为它们都直接影响着最终的评判结果。
摘要：为了对开发的新型手机市场前景做出有效的识别和评价, 可以通过对手机的质量特性以及首批投放客户反应进行分析和归纳, 建立模糊层次综合特性评价模型, 运用层次分析法确立新型手机的各因素的权重, 得到评价矩阵并对其做出模糊化处理, 然后通过运算得到综合评价结果。
关键词：模糊综合评判,综合评价,手机前景
参考文献
[1]曹谢东.模糊信息处理及应用[M].科学出版社, 2003.
[2]曹炳元.应用模糊数学与系统[M].北京:科学技术出版社, 2005.
[3]张晓平.模糊综合评判理论与应用研究进展[J].山东建筑工程学院学报, 2003, (4) .
模糊评判 第7篇
关键词：创业机会,评价指标体系,评价方法,模糊综合评判
后工业化时代,创业成为推动经济持续发展的核心驱动力[1]。创业活动的实质是创业者识别、开发与利用创业机会的行为过程,发现具有吸引力的创业机会是创业成功的基石[2]。随着创业型社会的到来,关于创业机会的评价和选择越来越凸显出它在创业过程中的核心地位并成为业界关注的焦点。综合国内外最新研究成果,当前学者关于创业机会的评价和选择研究还大多停留在评价指标设计层面上,且处于百家争鸣的状态,对于如何利用评价指标对多方案进行评价研究却很少涉及,且太过泛化,使得评价结果的实用性大打折扣,无法有效帮助创业者发现和选择创业机会。而将模糊综合评判的方法引入其中,可以有效地弥补上述不足,使得评价和选择过程更加方便快捷、精确直观,并能充分利用现有的研究成果,提高创业机会选择的成功率。
1 模糊综合评判法基本原理[3,4]
按确定的标准,对某个或某类对象中的某个因素或某个部分进行评价,称为单一评判;从众多的单一评判中获得对某个某类对象的整体评价,称为综合评判。综合评判的目的是希望能对若干对象按一定意义进行排序,从中挑选出最优和最劣对象。它是对受多种因素影响的事物作出全面评价的一种十分有效的多因素决策方法。其综合评判的模型分为一级模型和多级模型。
1.1 综合评判的一级模型
综合评判一级模型建构及利用一级模型进行综合评判的过程如下:
(1)确定评判对象的因素集U={u1,u2,…,uu},n为评判因素(指标)个数。由于各因素对事物的影响是不一致的,故因素的权重分配可视为U上的Fuzzy集,记为
undefined
其中undefined表示第i个因素的权重。
(2)给出评判集V={v1,v2,…,vm}。
(3)单因素评判。即建立一个从U到V的模糊映射
undefined:U→F(V)
undefined
模糊映射undefined可诱导出模糊关系undefined,
即undefined,由此undefined可由模糊矩阵R∈μm×n表示:
undefined
称R为单因素评判矩阵。由R再诱导一个Fuzzy变换
undefined:F(U)→F(V)
undefined
称三元体(U,V,R)构成了一个Fuzzy综合评价模型,U,V,R是此模型的三个要素。
(4)综合评判
对于权重undefined,取max-min合成运算,即用模型M(∧,∨)计算,可得综合评判undefined,其中undefined。
它像一个“转换器”(如图一),若输入一个权数分配undefined,则输出一个综合决策undefined。
1.2 综合评判的二级模型
综合评判二级模型建构及利用二级模型进行综合评判的过程如下:
(1)将因素集U={u1,u2,…,un} 分成若干组U={U1,U2,…,Uk},使得
undefined
称U={u1,u2,…,un}为第一级因素集。
设Ui={uundefined,uundefined,…,uundefined}(i=1,2,…,k),其中undefined,称为二级因素集。
(2)设评判集V={v1,v2,…,vm},先对第二级因素集Ui={uundefined,uundefined,…,uundefined}的ni个因素进行单因素评判,即建立模糊映射
undefined:Ui→F(V),
undefined
得单因素评判矩阵为
undefined
设Ui={uundefined,uundefined,…,uundefinedi}的权重为undefined,求得综合评判为
undefined。
(3)再对第一级因素集U={U1,U2,…,Uk},作综合评判,设U={U1,U2,…,Uk}的权重为undefined,总体评判矩阵为
undefined,
按一级模型用算子M(∧,∨)计算,得综合评判为
undefined
二级模型的转换器表示见图2。
三级及以上模型的综合评判依次类推,这里不再具体介绍。
2 创业机会评价指标体系建构
影响创业机会优劣的因素很多,有行业共性因素,也有创业者内部因素;有客观因素,也有人为主观因素;有物质因素,也有文化、技术水平、管理等非物质因素等,其相互之间的关系十分错综复杂。因此,必须全面、深入地分析研究,才能找到影响创业项目的主要因素。借鉴Samuelson、Stevenson、Longenecker、Vesper、Kuratko、Timmons等人的研究成果[5,6,7,8,9,10],结合我国当前创业环境实际,评价创业机会主要考评技术、产品、市场、管理、资金等五类要素21项指标,它们分别构成评价指标体系的一、二级指标(见表一)。指标涵义和评判标准如下:
2.1 技术要素
项目技术要素是决定产品功能、质量和生产成本的基础,也是构成创业项目市场竞争力的基础。凸显项目技术要素的因素主要有三个方面:
(1)科技创新。科技创新是提升产品生产技术水平,形成企业独特竞争优势的基础。评价技术创新的成功标准是商业上的赢利而非技术上的先进性,简单实用的并能获得市场的创新更重要。
(2)工艺水平。工艺是将原材料或半成品加工成产品的方法、技术等。评价工艺水平的标准包含技术上的先进性和经济上的合理性两个方面,新企业的发展强调工艺不要太复杂,必须能由普通人来操作,以避开人才的集聚效应。
(3)技术风险。技术风险是紧跟着技术创新的。市场竞争要求项目所采取的技术能具有突破性,不存在许多替代品或竞争对手。而创新技术又具有高投入、高失败率的特点,导致项目成为表面风光的吸金黑洞。
2.2 产品要素
项目的赢利是通过向消费者提供的产品来实现的。市场竞争力大小体现在它对消费者需求的满足程度上。构成产品市场竞争力的因素有五个方面:
(1)功能创新。新产品(服务)的功能创新是必要的。如果新项目只是以同等的价格提供市场已有的产品或服务,即使在市场大发展时期能够取得一席之地,也只能是昙花一现,基于先发优势和规模经济,注定会在市场萎缩的时候被边缘化。
(2)价格优势。价格优势是实现项目赢利的最基本要求,摆脱“悲伤曲线”的有效方法是使企业的生产过程处于整个产品线的两端,当然实施专门市场战略或收费站战略是取得价格优势的有效途径。
(3)服务创新。在客户管理方面有很好的服务理念,能维护良好的客户关系,保持住老客户和吸引来新的优质客户,企业赢利才有保障。
(4)生命周期。项目的生命周期越长,意味着新创企业调整自己、整合市场、与他人竞争的操作空间就越大。而太长的生命周期,又意味着较大的投资和较长的投资回收期、较多的不确定性和较大的投资风险。尤其太长的投入期和成长期对项目的资金链是个严峻的考验。
(5)可用性。客户只会给对他们有用、为他们带来价值的产品买单。评价产品的可用性,一是看产品和服务是否定型,能否为用户提供稳定的质量保证;二是看产品在当前的技术水平和经济环境下能充分发挥其功效,是否存在浪费的功能及功能付出。
2.3 市场因素
如何成功地将产品引入市场是创业企业的核心工作。产品是否成功不在于它是否新颖、巧妙或具有科学内涵,而在于它是否能够赢得市场。影响创业机会市场成功的因素除了产品本身外,市场也起着关键的作用。影响产品成功的市场因素主要表现在五个方面、
(1)市场规模。传统的观念是产品的市场规模越大越好,这样每个企业即便是拥有较小的市场占有率,也可确保足够的市场发展空间。实际情况远非如此,一般来说,所谓的原始市场规模越大越好,主要是对那些资本、技术、运营能力强的大型企业而言。尤其是在当前马太效应普遍存在的情况下,市场已经呈现“赢家通吃”的现象,这样的市场中,小企业是很难获得发展的机会窗口的。对于新创企业而言,应尽量选择原始市场规模较小的稳定的市场,最好是有专利保护的市场,避免吸引大企业进入。
(2)市场成长性。较快的市场成长性意味着创业机会窗口的打开。因为行业的快速发展将导致先行企业忙着应付市场需求,忽略差异化和无关紧要的服务项目,从而为创业企业留下发展的空间。停滞的市场则意味着竞争和残酷的市场淘汰。
(3)消费者可获得性。某一行业的市场进入障碍越少,依赖的人际网络关系越小,市场的关联度越低,越容易破解先来者优势,对创业者越为有利。
(4)市场竞争格局。对于创业者而言,最有利的市场是一个新兴的行业市场,不存在垄断寡头和马太效应,大家竞争地位平等,机会均等。反之,一个成熟的和存在垄断寡头的市场是不利于创业企业的。
(5)供货商。企业在价值链上一环节的讨价还价能力影响着生产经营成本,从而决定着产品的市场竞争力。维持稳定的弱势的供货商是企业持续发展的基础和保障。任何情况下,供货商的前向一体化都不是经营者所愿意面对的。
2.4 资金因素
筹资渠道单一、资金不足是创业者普遍面临的一个困境。很多情况下,一些看似具有美好前景的方案,往往因为资金链断裂而功亏一篑。在评价创业项目时,从资金的角度主要考虑四个方面:
(1)投资规模。迪蒙斯认为成功的创业企业着眼于最小化使用资源并控制资源。基于创业者的资金筹集难和创业风险较高的实际情况,在创业阶段,小规模的投资项目应是更为理想的项目。
(2)投资回收期。投资回收期折射出项目经营资金需求量和投资风险。具有吸引力的项目是那些资金流动速度快、投资回收期短的项目,长的投资回收期意味着较高的筹资风险和经营风险。
(3)资产集中度。资产集中度和投资风险是紧密相连的。前期的投资过大会使创业者背上沉重的债务包袱和心理压力,进而影响到决策行为和项目成功率。值得推崇的项目是那些运营资金不多、需求量逐渐增加的项目。
(4)资产流动性。资产流动性强,创业者可以中途校正自己的创业路径,不会被锁定在“刚性的创业路径”上,从而显著提高创业成功率,降低创业风险。一个便捷、畅通的退出机制将帮助风险资本最大限度地避免损失,有利于吸引风险投资,降低筹资成本。
2.5 管理因素
(1)管理创新。即制造产品与服务,并且将它们推出上市所需要的各种技能与活动的创新。通过管理创新可以提高创业企业综合竞争力,避免新创企业陷入资源倾轧的悲剧境地。
(2)管理团队。创业是一个综合的经济活动过程,需要各方面的知识和能力。管理团队是新创企业必不可少的管理组织,团队的素质和结构左右着企业的发展和成长。
(3)核心成员。核心成员在新创企业里起着思想家和领航者的作用,是企业经营的灵魂。拥有具有企业家精神的核心成员是企业成功的必备条件。风险资本的投资人乔治·多里奥的投资宗旨是宁可考虑向二流主意的一流人物投资,绝不向一流主意的二流人物投资。
(4)机会适应性。成功创业强调创业者和机会之间必须相互适应,即拥有利用该机会所需的关键资源,能够“架桥”跨越“资源缺口”,利用特定机会的风险是自身可以承受的。
3 评价指标权重的确定
在模糊综合评判决策中,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所起的作用,直接影响到综合决策的结果。目前通用的确定权重的方法主要是主观赋权法,包括专家估测法、加权统计法、频数统计法、层次分析法、模糊协调决策法、模糊关系方程法等,其中美国运筹学家T.L.Saaty的层次分析法(Analytic Hierarchy Process, AHP)因能够有效地处理难于完全用定量分析法解决的复杂问题,并能对多个对象在确定目标下进行排序,在模糊确定指标权重中应用最为广泛。层次分析法确定权重的过程如下[11,12]:
(1)建立递阶层次结构,将评价指标层次化。如本文将评价指标分为两个层次,确定了上下层次指标间的隶属关系。
(2)构建两两比较判断矩阵。目标层次结构建立后,对同一层次指标进行两两比较。这样对于同一层次的n个指标,可得到两两比较判断矩阵A,A={aij)。判断矩阵中的值应满足下列条件:
undefined
Saaty的比较判断标准矩阵见表二。
(3)计算权重
1) 计算判断矩阵A的每一行元素的积Mi;undefined.
2) 计算各行的Mi的n次方根值undefined;undefined.
3)将方根向量undefined归一化,得排序权向量w=(w1,w2,…,wn)T,归一化计算如下:
undefined
wi即为所求的各指标的权重系数。
(4)判断矩阵一致性检验
判断矩阵一般由一群专家主观给出。对于复杂事物,专家们采用两两比较时,不可能一次性做出非常精确的评估,从而存在估计误差。为了衡量数据是否合理需要进行一致性检验。其检验过程如下:
1)计算一致性指标CI,undefined;
λmax为A的最大特征值,undefined。
2)查同阶矩阵平均一致性指标RI。n阶矩阵的平均一致性指标值如表3所示,其值是根据大量随机构造的指定阶数的正互反判断矩阵求出的平均一致性指标。
3) 计算一致性比率CR,CR=CI/RI。
当CR=0时,A具有完全一致性;当CR≤10%时,A具有满意的一致性;当CR≥10%时,A具有非满意一致性。一般以为判断矩阵具有满意的一致性,说明权数分配合理,否则就必须调整判断矩阵,直到取得满意的一致性为止。
4 指标度量和标准化
在利用模糊综合评判法进行机会评价时,需要对评价指标进行度量和标准化,以便于代入数学模型进行运算,得出最终评判结果。评价指标有些是定性指标,有些是定量指标,它们在度量时方法是不一样的,需要区别对待。
4.1 定性指标的量化
定性指标的度量一般是利用专家调研法进行模糊评定。根据G.A.Miller的研究,在对某指标属性的若干不同对象进行判别时,普通人所能正确区别的属性等级在5—9级之间。我们一般将评语集分为五个等级,即V={v1,v2,v3,v4,v5}={很好,较好,一般,较差,很差},其赋值分分别为100、80、60、40、20。例如请10位专家对某个创业机会中的指标进行评价,对于因素1.1“科技创新”,有5人认为“很好”,有3人认为“较好”,1人认为“一般”,1人认为较差,没有人认为“很差”,则
u1.1|→(0.5,0.3,0.1,0.1,0)
4.2 定量指标的标准化
对于一些能够准确度量的定量指标,可以采用功效系数法进行标准化处理,其计算公式如下:
undefined
其中xiuj为样本机会i关于指标uj的度量值,yinj为样本机会i关于指标uj的标准化值,minxuj、maxxuj分别是指标uj在所有行业企业中的最小和最大度量值。例如对于4.2 “投资回收期”,该行业的最长、最短投资回收期分别为8年、2.5年,某项目的估计投资期为4.5年,则该项目投资回收期的标准化分值为undefined
该赋值分处于校好和一般之间,为其平均值,则u4.2|→(0,0,0.51,0.49,0)
5 综合评判结果的量化
对综合评判结果B={b1,b2,…,bm)的量化方法主要有以下三种:
(1)按照最大隶属度原则确定被评价对象最终所对应的评价等级
按照这种方法,选取undefined。由于bk在B中最大,故选择对应的vk作为综合评判结果。将决断集V中各评语等级赋值,就可以得到指标的量化处理结果。
(2)模糊向量单值化
首先将决断集的各评语等级赋值,设C是评语等级赋值行向量,B′是归一化后的B所对应的行向量,则X=B′CT即为综合模糊评判的量化结果。
(3)隶属度对比系数法
通常用结构优良度或者比例相对数来计算隶属对比系数。
6 实例分析
现以电子行业A、B两个创业项目为例,对其优劣进行评价。因两个项目在同一行业,不存在行业差别,所以不需要进行指标行业差别影响的剔除工作。具体评价工作如下:
(1)对于表一中的五个一级指标,某个专家给出的判断矩阵为:
对应λmax=5.1851,CI=0.0463,相应的5阶RI=1.12,则CR=0.041<0.1。故此判断矩阵满足一致性要求。如此进行,得到10位专家的判断矩阵,经过一致性判断和修正后,求其算术平均综合判断矩阵,有
undefined
对应λmax=0.2296,CI=0.0574, CR=0.05125<0.1。归一化权重向量为
aP1=(0.0717 0.4346 0.2982 0.0549 0.1406)T≈(0.07 0.43 0.30 0.06 0.14)T
类似地,根据各位专家的综合意见,再进行第二层次指标权重的运算,其计算结果见表4。
(2)利用专家调研法和功效系数法对A、B两个方案的指标进行标准化和度量,其结果见表4。
(3)进行综合评判
undefined
同样计算得:
BA2=(0.25,0.46,0.27,0.02,0)
BA3=(0.47,0.34,0.17,0.02,0)
BA4=(0.34,0.053,0.13,0,0)
BA5=(0.59,0.37,0.04,0,0)
undefined
=(0.3599 0.417 0.2043 0.0188 0)
BB1=(0.14,0.52,0.3,0.04,0)
BB2=(0.71,0.2,0.09,0,0)
BB3=(0.37,0.44,0.19,0,0)
BB4=(0.49,0.45,0.06,0,0)
BB5=(0.29,0.63,0.08,0,0)
undefined
=(0.4961 0.3696 0.1315 0.0028 0)
利用模糊向量单值法对A、B两方案综合评判结果进行量化得:
XA=BACT=(0.3599,0.417,0.2043,0.0188,0)×(100,80,60,40,20)T=82.36
XB=BBCT=(0.4961,0.3696,0.1315,0.0028,0)×(100,80,60,40,20)T=87.29
对比量化结果知B方案优于A方案,决策时应选择B方案。
7 结论
创业机会评价的意义在于为创业项目选择决策提供科学依据。针对当前创业机会评价领域中的评价指标体系不统一、评价结果泛化、可比性差的现实困境,在综合他人研究成果的基础上,建构起统一的评价指标体系和综合评价标准,并探索将模糊数学方法引入评价过程,应用模糊原理构建综合评价模型,应用层次分析法确定指标权重,应用专家调研法和功效系数法评定项目指标得分,应用综合评判模型进行评判,应用模糊向量单值法对综合评价结果进行量化,使得评价结果直观、量化,便于进行方案排序和优劣对比,解决了决策过程中各个创业机会互有所长、无法决断的难题。
参考文献
[1]彼得.德鲁克.创新与企业家精神[M].北京:机械工业出版社,2007
[2]梁巧转,赵文红.创业管理[M].北京:北京大学出版社,2007
[3]梁保松,曹殿立.模糊数学及其应用[M].北京:科学出版社,2007
[4]谢季坚,刘承平.模糊数学方法及其应用[M].武汉:华中科技大学出版社,2003
[5]萨缪尔森,诺德豪斯.宏观经济学[M].北京:华夏出版社,1999
[6]HOWARD H STEVENSON,MICHAEL J ROBERTS,IRVINGGROUPSBECK.新企业和企业家[M].北京:机械工业出版社,2004
[7]JUSTIN G LONGENECKER,CARLOS W MOORE,J WILLAMPETTY.小企业管理[M].沈阳:东北财经大学出版社,1998
[8]KARL H VESPER.New Venture Strategies,Revised[M].Re-printed by permission of Pearson Education,Inc.,Upper SaddleRiver,NJ
[9]DONALD F KURATKO,HAROLD P WELSCH.创业成长战略[M].北京:清华大学出版社,2005:129-149
[10]JEFFRY A TIMMONS.New Venture Creation-entrepreneurship forthe 21st Century[M].Irwin,McGraw-Hill,1999
[11]T L SAATY.层次分析法——在资源分配、管理和冲突分析中的应用[M].北京:煤炭工业出版社,1988
公交站点选址的分析与模糊评判 第8篇
传统的对公交线路的设计包括对公交线路上站点的设计都是由城市交通管理部门根据城市发展需要初步规划出新的常规公交线路与站点,然后征求市民的意见或建议,最后根据各方面需求确定实施公交线路的方案。
本文总结公交站点选址的几个影响因素,采用模糊评判的方法对设置公交站点的优劣进行评价。
1 公交站点选址问题现状
目前,国内外对于公共交通方面的研究更多的是集中在公共交通换乘线路的设计研究、公共交通专用道路的研究、公共交通枢纽规划选址方面的研究或者是智能公共交通管理方面。至于公共交通评价方面,主要是针对公共交通系统的整体的评价,比如汪江洪的《公交换乘系统研究及其评价》,主要是从方便性、迅速性、准时性、安全性、经济性等方面的指标进行评价。而这里的经济性评价主要是从交通费率来考虑的,是从系统的观点出发的。目前对于公交站点的选址问题,国内外还没有较为系统详细的研究,对于公交站点的选址,在具体的操作过程中,主要是通过对调查数据的分析,根据居民出行对公共交通方式的需求,确定公交线路的走向和公交站点的位置。这种做法存在一定的弊端,有些公交站点的设置并不能吸引足够的乘坐客源,还会影响公交站点的进出效率,并且会影响公交线路的效率。
本文主要从公交线路设计的细节出发,总结在公交线路上设置公交站点的影响因素,用模糊评判的方法,来确定站点设置的合理性。填补公共交通研究方面的细节的研究,使公共交通方面的研究更加系统。
2 公交站点选址原则
新的公交线路的设计,是出于城市发展的需要,是为了解决居民出行难的问题,是为了消除城市局部公交盲点问题。公交站点的设置需要遵循原则为:①效率与成本同行。公交站点的设置要考虑减少居民出行成本,即出行费用最小,同时要提高公交企业效率。出行费用包括出行的金钱与出行的时间折成的费用之和,出行时间包括出行者步行到达公交站、候车、下车后步行到目的地所花费的时间,以及乘车的时间,这些时间折合成的出行成本最低。公交企业的效率,是指公交企业设置公交站点所能吸引的交通量带来的经济效益与设置这条公交线路的经济花费之比。②提高居民出行的舒适度与方便性。舒适性就是指公交承载出行者的多少是否影响了出行者乘车的舒适度,如果承载的乘客太多,导致公交拥挤不堪,那么就会降低出行者乘车的舒适度。方便性就是指公交站点设置的位置是否满足绝大多数附近居民快捷的出行。
2.1 选择站点处的地理位置
地理位置是公交站点选址中最重要的一个因素。这是传统设置公交站点最多考虑的因素。因为地理位置制约着这个地方的交通量,于是由地理位置可以预测这条线路经过路线上的交通量。地理位置主要包括这一站点周围存在住宅区、公共设施区(包括商业金融场所、文化娱乐场所、医院、名胜古迹景点等)、工厂企业等的数目。如果这一站点周围住宅区较多,这里的出行产生交通量就会很大,即生成交通量会很大;公共设施也会吸引较多的交通量,特别是公共休息日的时候,较多的人流将会被吸引,即会产生较多的交通量;如果工厂企业多,则不住在工厂的工人也会有很多,就会产生较大的交通吸引量。这样,在此处设置站点的优势就会很大,但站点的设置要尽量避免在路口转弯处,应当与路口保持一定的距离。
地理位置的影响其实主要是看这个地理位置能够吸引或者产生的交通量是否值得设置公交站点,较大的交通量会保证公交车辆的利用率,减少车辆空载率,提高公交线路的经济效益。
2.2 选择的站点位置上其他公交线路影响
公交站点的设置经常会一站多点。这样公交站点的选址就要考虑应该在哪一地点上设置。
公交站点选址时应该考虑:选择的地点同时是其他多少条公交线路设置的站点,如果这个地点处设置的公交线路数目太多,就会影响车辆进出站点的时间和乘客进出车站的拥挤程度。因为乘客出行会考虑时间成本和舒适度。可以考虑将这一公交站点设置在同一站的另一个地点上。新建线路有时设置站点的地方还没有其他线路的公交通过,在这一地点设置公交站点的可能性就是百分之百。
选择公交站点在一站多点的哪个点设置时应该考虑的另一个因素是:此地点上与考虑的这条公交线路上从这一站到下一站的去向相同的公交线路数目是多少。同一站点上,会有很多条公交线路与考察的这条公交线路到下一站的去向相同,这样的公交线路数目太多,就可以考虑不在这个位置设置站点,这样不仅可提高人们出行的效率,也可以节省资源。
另外,还要考虑在这一站点附近有没有其它轨道交通的存在,比如地铁、轻轨。常规公交如果和轨道交通共线运营且轨道交通在这个地方有站点,就可以考虑不在这个地方设置公交站点。如果常规公交和轨道交通有接有驳,且这个地方设置有轨道交通的站点,那么就有必要在这里设置公交站点,方便出行者的出行。
2.3 选择的公交站点所处位置上交通通向的大小
选择公交站点的位置还要考虑这个位置所在道路及其站点附近道路的交通通向的大小,交通通向的大小也影响着这个站点的吸引交通量。交通通向分为3种情况:第一种单向通行,即公交站点所处道路附近(可以人为的规定步行3 min的范围)没有其他方向的道路,并且所在道路是单向通行,这种情况吸引的交通量就相对的少一点。第二种情况与前一种位置相同,只是所处道路是双向通向的,这样吸引的交通量就会比单向通行时多一些。第三种情况是站点附近有其他方向的道路,且所处道路是双向通行的,加上附近其他方向的道路四通八达,于是吸引交通量自然也会最多。
但是在考虑站点附近交通通向的大小时还要考虑因交通通向的单一导致这一站点上其它线路也会相对少,有设置站点的必要性。这两点有相对矛盾的地方,这样就需要用概率来解决什么时候应该考虑哪那个因素,可运用模糊评判的方法把这些因素量化来决策公交站点设置的优劣。
3 公交站点设置合理性的模糊评判
下面主要是对公交线路上在某一点设置站点的优略性的模糊评判分析
3.1 建立有关的模糊集合
第一层因素F的构成是:F=Fi(i=1,2,3)={ 地理位置,站点上其它公交线路,站点附近道路通向}。
第二层因素Fij,表示对应于i因素体系下的第j个指标。
F1=﹛A11,A12,A13﹜={住宅小区的影响, 公共设施的影响,工厂、企业的影响},
F2=﹛A21,A22,A23﹜={同站点上其他公交线路的影响, 同站点上同方向的其他公交线路的影响, 站点附近其他轨道交通站点的影响},
F3=﹛A31,A32,A33﹜={为附近道路且单向通行的影响, 为附近只有一条道路但是双向通行的, 附近交通通向四面八达}。
3.2 建立评价语模糊集合
V=(V1,V2,V3)分别表示评价指标的评语为:“很好”、“一般”、“不好”对应的为将公交站点设置在这个位置这个选择是很好的,或者选在这里一般,或者是选在这里不好。
3.3 确定权重向量A
运用专业人员的经验,得到这些因素集的权重为
F =﹛A1,A2,A3﹜=﹛0.425,0.400,0.175﹜,
F1=﹛A11,A12,A13﹜=﹛0.125,0.150,0.150﹜,
F2=﹛A21,A22,A23﹜=﹛0.150,0.150,0.100﹜,
F3=﹛A31,A32,A33﹜=﹛0.025,0.050,0.100﹜.
4 实例应用
对于西安市11路公交没有在康复路设置站点的评判:
康复路周围的条件如下:附近住宅小区有10多个,1个医院,大型超市1个,2个饭店,无工厂、企业;同一站点有其他公交线路52条,其中与到下一站同方向的公交线路16条,附近无地铁站点;附近道路是双向通行的。11路公交车在这里设置公交站点的优劣性做出的评判矩阵为
于是 B1=F1×U1=(A11, A12, A13)( U11, U12, U13)= (0.132 5,0.140 0,0.150 0),
B2=F2×U2=(A21, A22, A23) (U21, U22, U23)T=(0.100 0, 0.100 0, 0.140 0),
B3=F3×U3=(A31, A32, A33) (U31, U32, U33)T=(0.075, 0.045, 0.052 5).
将评价矩阵归一化为
于是这条考察的公交线路在这个点设置公交站的可能性的综合评判为
D= A·B=(A1,A2,A3)(B1,B2,B3)T=(0.292 5, 0.285 4, 0.418 8).
归一化为D=(0.294,0.286,0.420).
由此可以看出,根据康复路的地理情况、实际站点情况,由模糊评判可以看出11路公交车在康复路站设置公交站点不好的评价占42%,所以11路公交车没在康复路设置站点的决策是正确的。
5 结束语
城市规划和建设中会开辟很多条公共交通路线,在这些路线中公共交通站点的选择相当重要。各个路线与站点总体所覆盖的面积要能够使城市的交通网络相互连接并且满足城市发展的需要。这里只着重考虑了一条公交线路上站点的设置,有很多人为的因素,所以具有缺陷性。作为城市规划要从一条一条的线路开始考虑,还需要统筹全局,做好整个城市公交线路规划工作。
摘要：很多城市都在大规模的扩充或新建公共交通线路,以满足城市的发展对于公共交通的需求。总结常规公交站点选址的影响因素,并且运用模糊评判的方法,对在某点设置公交站点的优劣进行评价,依据评价结果来指导公交站点建设,最后用实例对此方法进行验证。
关键词：影响因素,公交站点选址,模糊评判,评价模型
参考文献
[1]刘林.应用模糊数学[M].西安:陕西科学技术出版社,1996.
[2]王纬,杨新苗,陈学武,等,城市公共交通系统规划方法与管理技术[M].北京:科学出版社,2002.
[3]袁坤,马培建,崔曙光.轨道交通与常规公交共线运营时公交线路长度的确定及站点的选择[J].交通与运输,2008(5):72-75.
[4]王江.城市公交站点发展规模研究[J].交通与安全,2008(6):168-170.
[5]陈硕恒.模糊决策方法定量评价道路安全性的尝试[J].交通科技报,2007(1):90-92.
[6]杨涛.常规城市公共系统规划关键技术研究[D].湖南:湖南大学,2008.
模糊评判 第9篇
温室是一种特殊的农业生产性建筑, 具有鲜明的使用功能, 是一个建筑与机械产品结合的综合性设施。鉴于温室的功能性和综合性的特点, 温室的整体性和配套性就显得尤为重要。目前, 要强化温室企业与用户的温室整体性、配套性的观念和意识, 以促进我国温室业和设施园艺业整体水平的提高[1]。
温室整体性能的评价是一项较为复杂的工作。通常在温室工程竣工验收时, 首先进行各分项系统的验收, 再进行总体验收。在进行分项验收时, 一方面是看设计时的资料是否符合相关的标准和规范;另一方面是对某些机械设备进行简单的运行操作, 看其运动是否平稳和达到设计时的要求。评价指标缺乏全面性与可比性, 评审专家仅仅是做感性评判, 而无法进行数据化的定量评判。如何对这种受多因素影响的且这些因素又不可能完全定量化的对象进行科学合理的评判, 是亟待解决的问题。对温室整体性能的验收评判工作已引起人们的重视。
本文提出在温室整体性能评价时引入模糊综合评判方法, 对那些不能直接量化的指标在模糊定性评判的基础上进行定量处理, 从而能较全面地汇总各评价主体的意见, 综合反映被评对象的优劣程度。在此基础上, 开发了温室整体性能模糊综合评判系统, 充分利用现代信息技术处理手段, 有效地解决了数据采集、处理、温室整体性能等级的判定及结果查询、报表打印等问题, 使模糊综合评判方法在温室整体性能评价中的应用切实可行。
1 评价指标及模糊综合评判数学模型
1.1 评价指标体系
为了对温室整体性能进行客观全面的评价, 依据许多专家[1,2,3]的研究成果, 本文提出温室整体性能评价指标体系, 如图1所示。
1.2 指标的评价等级
各指标的评价等级可分为A (优) 、B (良) 、C (一般) 、D (差) 等4级。各级标准的制定可聘请温室设计、制造及使用等相关部门的专家, 参照国内外现有的温室标准, 针对每个评价指标分别制定相应的标准。对于4个评价等级, 可采用四级分等、两级定标的方法来确定。即制定A与C两级的标准, 间于A与C两级之间的评为B级, 比C级更差的定为D级。例如运行费用的A级标准为与原设计要求相一致或者浮动幅度小于原设计的10%;C级标准为浮动幅度是原设计标准的20%～30%。
1.3 模糊综合评判数学模型
1.3.1 建立因素集、权重集和备择集
1) 因素集。
U={u1, u2, …, um}, ui (i=1, 2, …, m) 为一级指标;
u1={ui1, ui2, …, uin}, uij (j=1, 2, …, n) 为二级指标。
2) 权重集。
undefined为一级指标权重集, aj为一级指标权数;
undefined为二级指标权重集, aij为二级指标权数。
3) 备择集 (或评判集) 。
V={v1, v2, …, vp}, vk (k=1, 2, …, p) 表示某个评价等级。
1.3.2 模糊综合评判数学模型[4,5]
undefined
式中undefined—单因素隶属度矩阵;
undefined—总评价矩阵;
“。”—矩阵合成运算, 采用模型:M (·, +) ;
bk—评判对象按所有各因素评判时, 对备择集中第k个元素的隶属度。
1.3.3 隶属度
隶属度即从某个单因素出发, 以确定评判对象对备择集元素的隶属程度。采用模糊统计法, 由专家对各个指标按照评价等级及标准进行评价, 然后统计评价结果。当专家人数足够多时, 此因素得到某个等级的频数就是其隶属度。例如, uij隶属于备择集中第k个元素的隶属度, 可表示为rijk。
2 软件系统实现
2.1 软件设计基本思想
在整个软件设计过程中, 始终坚持以模糊综合评判数学模型和评判流程为基础, 以模糊推理计算为重点, 计算过程透明化, 处理过程自动化, 具有一定的通用性。
2.2 系统结构
温室整体性能模糊综合评判系统具有温室整体性能评价、历史评价信息查询和评价指标维护等功能。系统主窗口如图2所示。
2.2.1 温室整体性能评价
它是该系统的主要功能模块, 完成温室整体性能评价的过程, 包括数据的录入、处理、结果生成及报表打印等功能, 温室整体性能评价界面如图3所示。整个计算过程对用户是透明的, 用户只需关心所评价的温室、有效评分票数、评价时间以及评分表中的原始数据, 提高了评判的自动化程度, 减少了由于人工计算所带来的误差。
2.2.2 历史评价信息查询
主要实现对已完成的温室整体性能评价信息进行查询, 并对查询结果进行浏览和打印。
2.2.3 评价指标维护
它包括一级和二级指标的维护, 主要完成对温室整体性能评价指标的添加、删除、修改等操作。通过该模块可根据实际对评价指标进行设置, 在一定程度上实现了评价指标的可调整性, 提高了评价指标的科学性, 增强了软件的通用性。
3 计算实例
以昆明市某PC板Venlo型实验温室为例, 在温室验收时聘请20位专家, 根据各指标的评价标准, 参与验收的专家就各个指标给出一个评价等级;然后由计算机对所有评价结果进行统计, 各个等级的频数即为其隶属度。
3.1 因素集、权重集和隶属度
温室整体性能的评价指标 (因素) 、权重和隶属度如表1所示。
3.2 模糊综合评判结果
经温室整体性能模糊综合评判系统统计评价, 得到该温室的模糊综合评价结果如图4所示。
3.3 结果分析
根据温室整体性能评价等级, 按照“最大隶属度原则”, 选择最大评判指标所对应的备择元素作为评判结果。因此, 由上述计算结果可知各一级评判结果为:该温室的适用性优, 经济性、耐久性及艺术性均为良;温室整体性能的综合评价结果为良。
4 结论
1) 对温室整体性能的评判涉及的因素较多, 且各因素的评定得到的均是一些模糊信息, 因而可用模糊综合评判法进行定量评定。
2) 通过理论分析和实例计算表明, 模糊综合评判法应用于温室整体性能的评价, 其结果客观全面以及科学准确。
3) 操作过程简便。参评人员无需打分, 只需在设定好的评分表中分别对各指标选择一个评价等级即可。虽然从计算方法看运算量大, 但通过设计计算软件, 操作时只需要录入 (人工或计算机) 所有参评人员的评价表, 即可由系统自动统计各评价指标在每个等级下的得票数, 然后给出所有评价结果。
4) 评价结果分级给出, 便于温室建设者和使用者分析该温室目前存在的不足, 为今后的建设和使用提供依据, 指明方向。
5) 在评价过程中, 应结合实际情况, 对温室整体性能评价中各级指标进行设立和权重的分配, 力争建立较全面的评价指标, 给出合理的权重值。
参考文献
[1]周长吉.现代温室工程[M].北京:化学工业出版社, 2003:36-39.
[2]张淑娟, 王双喜, 何勇.基于模糊综合评判的日光温室设计质量评判[J].农业机械学报, 2002, 33 (5) :67-70.
[3]徐向峰, 张瑜, 王立舒, 等.温室环境适应性模糊评价方法研究[J].农机化研究, 2006 (11) :200-202.
[4]韩立岩, 汪培庄.应用模糊数学[M].北京:首都经济贸易大学出版社, 1989.
模糊评判 第10篇
关键词 贝叶斯网络；供应链风险；故障树；模糊综合评判
中图分类号 O224 文献标识码 A
1 引 言
供应链风险管理已经成为组织，甚至是当前经济和金融危机所应关注的核心问题.供应链风险评判的目的是为了更加全面了解供应链风险的整体状况，从而为实施有效的风险管理措施提供依据.供应链风险评估的方法有风险矩阵法、故障树分析法、蒙特卡洛模拟法、模糊综合评判法等，但是这些方法只能进行定性或半定量分析，无法完整地从定量角度准确反应风险水平的高低.
贝叶斯概率模型的提出解决了从定量角度分析难的问题，它通过概率理论与可视化网络图来进行概率推理，并且能够有效地将专家经验、历史数据以及各种不完整、不确定信息综合起来提高建模效率和可信度.贝叶斯网络（Bayesian Network， BN）技
术在国内外区域经济预测[1]、期权定价[2]、军事对抗模拟、工业废水处理[3]等领域得到了广泛应用.近年来，国内外许多学者也采用了贝叶斯网络技术对供应链风险进行了评判.比如李恩平[4]运用BN对供应链进行了可靠性分析，Soberanis[5]将贝叶斯网络扩展模型应用于供应链风险评判中，索秀花[6]利用BN对供应链质量进行了评价与识别.这些文章运用贝叶斯网络技术从定量角度进行评估，然而评判中未考虑损失的影响，无法反应实际情况，也无法对不确定因素进行准确考虑.
因此，本文提出将贝叶斯网络技术与模糊综合评判法相结合解决上面出现的问题，目前将两者结合起来进行风险评判在国内外很少见.以某企业供应链风险数据为基础，通过基于贝叶斯网络技术与模糊综合评判相结合对供应链风险进行了评判 ，为以后进行相关风险研究提供参考依据.
2 基于故障树的贝叶斯网络建造方法
2.1 故障树分析法的基本介绍
故障树分析法（Fault Tree Analysis， FTA）[7]是一种运用演绎法逐级分析，寻找导致某种故障事故的各种可能原因，直到最基本原因，并通过逻辑关系的分析确定潜在的风险故障，以便采取防范措施的分析方法.在此方法中通常把人们不希望发生的，但可以预见的对系统性能、经济性、可靠性和安全有显著影响的故障事件作为顶事件，把引发顶事件故障的最终原因作为底事件，把反映顶事件与底事件之间因果关系的事件称为中间事件.然后通过各事件间的逻辑关系建立系统故障的数学模型.
故障树模型的建立有3个前提假设：1）事件状态为两态：工作（w）或失效（F）；2）各事件之间独立；3）事件之间中有“与、或”两种逻辑门相互联系.[8]从这些前提假设可以看到，FTA方法在分析问题时存在一些局限性，比如事件要求两态性，各事件之间独立且逻辑门表示方法有限.事实上有些事件不止存在着两态，有时处于两态之间，并且许多事件又是相互联系的，单纯地用“与门”或者“或门”来表示它们之间的关系是不够的，比如本文要研究的供应链失效风险，就存在这样的情况，因此再单纯的运用故障树模型处理就不能很好地反应实际问题了，故本文提出了贝叶斯网络与故障树分析法相结合，使所要研究的结果更加切合实际.
由表6可以得出，网上订购失效等级为4级，说明该企业网上订购存在很大的风险隐患，如果不及时采取合理措施将造成很大损失；系统故障的等级为4级，很大原因是该企业技术配置较低，配送以及调度信息处理不当，因此该企业应该采取有效的办法及早提高技术配置并以合理快速的方式处理配送及调度信息；客户订单递交失效、网络差和调度不当的风险等级为3级，此时该企业也应该提高网络技术以及客服的服务水平.依据同样的研究方法，可以计算出供应链失效中其他非根节点的风险等级.结果表明，供应链失效总风险等级为3级，产品失效及原材料失效都为3级.对于不同等级的风险事件应该采取相应的措施来降低风险，以此来减少供应链失效带来的损失.
4 结束语
将贝叶斯网络技术与模糊综合评判方法结合起来，提出基于贝叶斯网络的供应链风险模糊综合评判方法.以文中生产企业供应链风险数据为基础，运用基于贝叶斯网络的模糊综合评判方法计算出该企业供应链风险总等级以及其他事件的风险等级.本方法可为研究其他类似风险提供参考依据.
针对不同企业要结合具体实际情况，运用本文的研究方法，将很容易分析出企业运营中的其他类似风险等级，为企业及时调控提供依据.
参考文献
[1] 王 飞. 基于贝叶斯向量自回归的区域经济预测模型： 以青海为例[J]. 经济数学，2011，28（2）：95-100.
[2] 熊炳忠，马柏林. 基于贝叶斯MCMC算法的美式期权定价[J]. 经济数学，2013，30（2）：55-62.
[3] H MTHLENBEIN， T MAHNIG. Evolutionary optimization using graphical models [J]. New Generation Computing， 2000， 18（2）： 157-166.
[4] 李恩平，葛兰.基于贝叶斯网络的供应链可靠性诊断分析[J].物流技术，2010，21（9）：96-99.
[5] E D SOBERANIS. An extended Bayesian network approach for analyzing supply chain disruptions[D].Lowa：Industrial Engineering，University of Lowa， 2010.
[6] 索秀花，张仁发.基于贝叶斯网络的供应链质量风险识别与评估[J].中国市场，2010，23（12）：127-130.
[7] 曾声奎.可靠性设计与分析[M].北京：国防工业出版社，2011：225-246.
[8] 谢斌，张明珠，严于鲜.贝叶斯网络对故障树方法的改进[J].燕山大学学报，2004，28（1）：55-57.
[9] 齐善明，李磊，杨欢.基于故障树贝叶斯网络的装备故障诊断方法研究[J].舰船电子工程，2012，32 （6）：112-113.
[10]杨虹，汪厚祥，支冬栋，等.基于贝叶斯网络的故障树在机械设备中的应用[J].微计算机信息，2010，26（2）：116-119.
[11]程鹏.供应链风险评估中贝叶斯网络的应用[J]. 生产力研究，2012，2（5）：215-216.
[12]周红波.基于贝叶斯网络的深基坑风险模糊综合评估方法[J].上海交通大学学报，2009，43（9）：1474 -1478.
[13]张姣，贾敏才，张建.地铁隧道盾构法施工全过程风险分析[J].公路工程，2013，38（3）：39-41.
模糊评判 第11篇
随着我国信息化应用的逐步深入, 越来越多领域内的主要业务都依赖于信息系统得以实施。信息系统风险评估和以其为基础和前提的信息系统安全工程越来越受到人们的重视。
然而我国在信息安全风险评估方面起步较晚, 到目前为止缺乏形式化的分析和描述方法, 无法精确分析和描述风险相关要素, 给评估结果带来很大的偏差;缺乏对风险相关要素的抽象和归纳的方法, 暂时还没有有效的风险量化模型算法;同时评估的结果也不够直观。
本文对信息安全风险评估的要素进行了分析, 基于模糊数学理论提出风险量化模型, 可以较为准确的计算信息系统存在风险的大小, 为提高企业信息安全水平提供客观的依据。
1 信息安全风险评估简介
信息安全风险评估, 是指依据国家风险评估有关管理要求和技术标准, 对信息系统由其存储、处理和传输的信息的机密性、完整性和可用性等安全属性进行科学、公正的综合评价过程。
信息系统风险评估涉及的要素较多, 包括资产价值、面临的威胁、存在的脆弱性以及安全措施、安全事件、风险影响等, 风险评估围绕着这些基本要素展开。然而由于一些要素在类属、性态方面定义的不精确和不明晰, 使得风险评估过程中充满了模糊性。要描述对象的模糊性特征, 就需要运用模糊数学理论, 通过模糊数学分析, 实现由模糊向精确的转化。因此, 为了能精确计算风险值, 本文将模糊数学方法引入信息安全风险评估当中。
2 模糊综合评判
2.1 模糊综合评判基本概念
(1) 模糊数学分析的基本思想
传统的集合论认为, 一个元素要么属于某个集合, 要么不属于某个集合, 没有介于二者之间的其他情况。美国数学家查德则设法提出用一个隶属度的概念, 即隶属于某个集合的程度, 用以来描述那些处在“属于”和“不属于”之间的模糊事物, 并记为uA (x) 。当uA (x) 为“0～1”之间的小数时, A就成为一个模糊集合。如0.9表示隶属于集合A的程度比较高, 而0.1则表示隶属于集合A的程度比较低。这样, 对那些模糊事物的性状就有了一种可靠的定量分析方法, 即模糊数学分析法。
(2) 模糊综合评判
模糊综合评判 (Fuzzy Comprehensive Evaluation, FCE) 是模糊数学中应用的比较广泛的一种方法, 它的基本思想是把待评价的同类事物的多种因素按其属性分成若干类大因素, 然后对每一类大因素进行初级评价, 在这基础之上再对初级评价的结果进行高一级的综合评价。模糊综合评判方法己广泛应用在工程技术、经济管理和社会生活等各方面。
2.2 模糊综合评判的步骤
(1) 确定因素集U
(2) 确定评语V
评语集包含所有可能出现的对评价对象的评语, 专家根据实际问题主观给出。记为:V={v1, v2, …, vm};
(3) 建立权重集
不同因素在评估中作用可能有大有小, 称为相应因素的权重。记为:A={a1, a2, ……, am}, 满足ai≥0, i=1, 2, …, m, 且
(4) 进行实际评判, 形成评判模糊矩阵R
对U中每一因素根据评判集中的等级指标进行模糊评判, 以确定评价因素集U中每一个因素指标在评判集V中的隶属度, 从而建立一个从U到V的模糊关系, 得到判断矩阵R。
(5) 初级模糊评判
按每个因素的各个等级进行评价, 记评价结果向量为B。
B=A×R= (b1, b2, ……, bm) , 经归一化处理后, , 得, 于是可确定对象的评判等级。
(6) 评判结果
完成以上步骤后, 得到的最终向量B'。然后对评价结果做出合理现实的解释, 即判断出其风险的大小并给出有针对性的安全措施建议。
3 模糊综合评判的应用
以下通过实例说明模糊综合评判在信息安全风险评估的具体应用。
(1) 风险事件名称:间谍利用系统弱口令入侵系统偷窃政府战略发展计划。
(2) 细化该事件的各个因素:
(1) 目标资产:战略发展计划;
(2) 威胁行为:间谍入侵系统偷窃政府战略发展计划; (3) 脆弱点:系统弱口令;己有安全措施:计划书加密。 (4) 威胁行为各因素。包括威胁源:间谍;动机:偷窃国家机密;技能:一般受过专业训练;资源:一般有较大的资金资助;受惩罚风险等级:受惩罚的可能性较低;资产吸引力:政府战略发展计划涉及国家机密, 其吸引力较大。
3.1 确定因素集及评判目标集
风险事件发生可能性因素层分为两层, 如图1所示。
3.2 确定模糊关系矩阵
先对第二层进行初级模糊评判。根据隶属函数及实际调查的样本结果, 构造威胁行为发生可能性各个因素隶属于各个级别的隶属矩阵, 如表1所示。
可得到隶属矩阵R1:
把R归一化处理后得到威胁行为发生可能性的模糊关系矩阵R'1:
3.3 权重的确定
由于信息评估在很大程度上依赖于信息安全专家的经验, 因此在这采用专家估测法来计算权重, 假设有4个专家, , 如表2所示。
因此可得权重矩阵A1, A1= (0.25, 0.3375, 0.2, 0.2125)
结果向量B1=A1×R'1 (0.0294, 0.2, 0.2191, 0.3375, 0.25)
经过归一化处理得:B'1= (0.0284, 0.1931, 0.2115, 0.3258, 0.2413)
此时即完成了初级模糊评判。
3.4 二级模糊综合评判
将上面所得的B'1作为因素之一, 结合资产脆弱性和已有安全措施这两个因素进行二级模糊综合评判, 步骤和初级模糊评判一致。再根据隶属函数及实际调查的样本结果, 构造风险发生可能性各个因素隶属于各个级别的隶属矩阵, 如表3所示。
得到其隶属矩阵R2, 如前将其归一化后得:R'2。
各因素权重如表4所示。
B2=A2×R'2 (0.2125, 0.244, 0.4066, 0.3258, 0.2413)
经归一化处理得:B'2= (0.1486, 0.1706, 0.2843, 0.2278, 0.1687)
3.5 评判结果
如表5, 参照GB/T 20984-2007《信息安全技术信息安全风险评估规范》, 当评判目标落在某个等级上时, 就可以判定事件发生可能性的取值范围。
B'2= (0.1486, 0.1706, 0.2843, 0.2278, 0.1687) , 其最大值为0.2843, 表示该风险在第三级的隶属度最高。可看出该事件的风险发生可能性属于中级。再按照评语等级中值来赋值, 这样可就算出风险发生的可能性的具体值。
V= (5%, 25%, 52.5%, 75%, 92.5%) , 风险发生的可能性P=B'2VT=52.62%
最后依据风险评估的结果, 选择和实施恰当的安全措施, 将风险始终控制在可接受的范围内。
4 结论
模糊综合评判为信息安全风险评估提供了定量分析和系统分析的新思路, 通过对风险相关要素的抽象和归纳来分析信息系统风险, 给出精确的评估结果。本文利用模糊综合评判法对企业信息安全风险发生的可能性进行了评估, 并为选择有效的安全措施提供了依据。此外, 模糊综合评判可以将管理手段、技术类型、决策人等因素纳入层次结构模型中, 解决信息安全风险评估中的各种问题, 依靠数据说话, 为信息安全建设提供客观、科学的依据。
摘要：信息系统安全的风险评估是建立信息系统安全体系的基础和前提。本文利用模糊综合判定的相关原理与方法对信息系统的风险进行定量分析, 将与风险相关的各因素分层, 建立了模糊分析的指标体系, 并结合具体实例对风险发生的可能性进行了模糊综合评判, 实现了信息安全风险的量化评估。
关键词：信息安全,风险评估,模糊综合评判,风险量化
参考文献
[1]GB/T20984-2007.信息安全技术信息安全风险评估规范[S].国家质量监督检验检疫局.2007.
[2]杨晓明, 罗衡峰, 范成瑜.信息系统安全风险评估技术分析[J].计算机应用.2008.
【模糊评判】相关文章：
多层模糊综合评判08-10
多级模糊综合评判08-19
国有企业项目目标管理的模糊评判09-10
模糊综合评判法在机械创新设计方案中的应用12-02
安全评判07-10
优化评判08-28
综合评判08-30
性能评判标准05-12
评判性思维能力07-06