随着网络应用范围的迅速扩大和应用程度的深入，网络的性能综合评价成为网络用户关注的焦点。网络指标参数是网络整体性能评阶中的基本单元，包括：时延、吞吐量、链路利用率、响应时间等等。不同的网络应用对网络的指标参数的要求同样是不同的。 本文采用AHP(AnalyticalHierarchyProcess，层次分析法)对多个网络指标参数在网络性能中的权重值进行计算，反映其在性能评价中的重要程度。AHP是综合评价领域广泛应用的评价算法，使用定性分析与定量计算相结合的方法，对评价目标中的众多要素逐个分析、比较、计算，最终得到各要素在评价目标中的综合权重值。但是AHP算法复杂、而且判断标度和判断矩阵的构造不够客观，而且对结果进行校验的步骤比较繁琐、计算量很大，容易导致结果出现错误。结合模糊理论，本文提出了改进的模糊AHP算法——TFAHP(TriangularfuzzynumberAnalyticalHierarchyProcess，基于三角模糊数的模糊AHP算法)，即采用三角模糊数来构建模糊判断一致矩阵，减少模糊判断带来的结果误差，标度的选取也通过模糊理论选用0.1～0.9标度法，使得结论更加客观、合理。同时，使用简单的数学变换即可使判断不一致矩阵变换为模糊一致矩阵，从而大大简化了AHP算法中一致性检验的步骤。对各个参数进行等级判断，再使用其各自权重值加权求和，即可得出系统评价的总得分。 以多媒体网络为例，文中采用OPNET仿真实验统计分析的方法，定性分析了指标参数之间的关系，提供构造判断矩阵的客观依据。依据TFAHP算法，定量计算了多媒体网络中时延、时延抖动、链路利用率、吞吐量、丢包率的权重值。根据指标参数的评判等级结合权值加权求和，即可作出对整个网络性能的评价。