论文部分内容阅读
多属性综合评价是管理科学领域的一个重要分支,其本质是为人们面对复杂问题时提供了一种科学的判断选择过程,包括评价目的的确定、评价指标的构建及预处理、指标权重的确定、信息集成方法的选取或构建以及最终评价结果的求解等环节,其中,信息集成方法的选择或构建是综合评价的核心环节之一目前,关于信息集成方法的研究已取得了丰硕的成果,各种信息集成方法多从属性重要性、位置、属性间关系以及属性与理想样本的对应关系等方面考虑,成果类别比较分散。针对该问题,有的学者提出了组合形式的信息集成方法。然而,上述信息集成方法在面向复杂评价问题时,仍有一定的局限性,主要体现在以下两个方面:(1)已有信息集成方法多考虑单个属性的特征或不同属性间的相互关系,相对而言,对属性间整体结构特征的研究相对较少。而在面向复杂评价问题或凸显特定评价需求的问题时,考虑数据的结构特征往往很有必要。通常,对评价信息整体结构特征的分析,能够识别出一些潜在的隐含信息,如群体参与评价时不同意见群体的发现、人员特定潜能的发掘、异常数据的识别及处理等。(2)传统的信息集成过程,仅能处理单一数据形式、偏好类别、结构特征的评价信息。然而,随着信息技术的发展,使得大规模群体在不同时间、空间参与评价成为可能。由于不同参与者对问题理解层面、自身知识架构的不同,可能给出的评价信息也各有差异,因而对不同类别的评价信息进行总体整合与求解,直接关系到解决大规模群体参与的复杂评价问题的实际解决效果。基于此,本论文面向上述两类复杂的综合评价问题,分别从“一维数据内部结构特征分析”与“多维网状结构评价信息的集成”两个层面研究了两种信息集成方法:密度算子的信息集成模式和泛结构信息的集成模式,并对其应用进行了分析。具体而言,主要工作与结论体现在以下四个方面。(1)对密度集结算子的基本理论进行简单介绍的基础上,分别介绍了“线性”、“积性”和“调和”三种类别的密度算子信息集成模式,并对其进行了比较分析;在此基础上,进一步分析了包括算术平均、几何平均、调和平均和相应的密度集结算子在内的多种信息集结算子的结构灵敏度,得出了密度算子具有较高结构灵敏度,尤其适用于对异常信息的识别与处理等问题的结论。(2)在对密度算子信息集成模式进行分析的基础上,将密度算子集成模式分别应用于人员或组织的奖惩管理、群体智慧的信息集成两类问题中。首先,对于人员或组织的奖惩管理问题,通过评价数据的分组处理,识别出了被评价对象的优势和劣势考核项(指标),再通过密度权重实现了奖励优势、惩罚劣势的效果,与不体现奖惩作用的加权平均算子的结果比较,验证了密度集结算子在奖惩管理中的有效性;然后,针对大规模群体参与预测(有真实值)的问题,发现相比于其他信息集结算子,密度算子在处理非理性分布的预测数据时,能够弱化极端预测数据在信息集成过程中的作用,从而可达到极大程度提升最终预测结果准确度的效果。(3)面对大规模群体参与评价且给出不同数据形式、结构特征、偏好类型的多维网状结构的评价信息问题,提出了泛结构的信息集成模式,并分别从泛结构信息融合框架的构建、融合框架内多种类别的混合形式的评价数据的处理、信息融合框架的整体求解、可能性排序结论的获取等多个环节对泛结构信息集成模式展开了全面研究。(4)为提升泛结构信息集成模式在实际应用中的可操作性,进一步研究了泛结构信息融合框架的简化求解算法,并通过数值算例的形式对其有效性进行了验证:然后将泛结构信息集成模式应用于多方参与的政府绩效评价问题中,取得了较好的效果。论文最后对面向复杂评价问题的两种信息集成模式进行了总结,并指出了需要进一步研究的问题及展望。