论文部分内容阅读
随着学科研究的不断交叉融合，现代综合评价方法逐渐呈现多元化，而且它被广泛地应用于决策、信息管理和评估等领域之中。因此，对它的理论以及有效性进行系统研究，提出更为有效的评价方法，具有重要的学术和应用价值。本论文结合系统工程、模糊数学和人工智能等学科知识，纵览现代综合评价方法体系理论，一方面在系统归纳其理论体系的基础上，分析研究了影响各方法有效性的因素，并且提出了评估它们有效性的算法。另一方面，在分析研究人工神经网络综合评价法（ANNCEM）和遗传算法综合评价法（GACEM）的基础上，针对ANNCEM在权值和阈值初始化方面存在的盲目性和随意性，以及GACEM局部搜索能力不足，易产生早熟收敛现象的问题，给出了ANN&GA集成综合评价模型。本论文对于现代综合评价方法有效性的研究内容主要包括：1.基准等级序列的设定。为了实现对其有效性的评估，以多种方法确定的等级序列为依据，结合序号总和理论（SNST）、众数理论（MT）和加权平均理论（WAT），计算基准等级序列。2.有效性评估。以评估某一种方法的有效性为目的，结合具体实例，将基准等级序列与该方法确定的等级序列相联系，组成一对等级评估资料，利用斯皮尔曼秩相关系数(SRCC)分析二者的相关性，通过相关系数检验实现对此方法有效性的评估。实验仿真结果表明这个评估算法合理简单、易于操作。ANN&GA集成综合评价法的研究内容主要包括：1.ANNCEM和GACEM算法分析。一方面对ANNCEM进行系统的分析和研究，指出该方法在综合评价网络的权值和阈值初始化方面存在盲目性和随意性，使得学习训练而成的综合评价网络具有一定的误差。另一方面分析研究了GACEM，指出该方法虽然在实际应用中存在提前收敛于最优指标权值的现象，但是它对于指标权值的确定具有良好的优化作用。2.ANN&GA集成综合评价法研究。在分析和研究ANNCEM和GACEM自身优点和不足的基础上，给出了ANN&GA集成综合评价模型，利用GACEM的优化功能，指导和优化ANNCEM的初始化权值和阈值以提升综合评价的准确性。实验仿真表明，对于克服ANNCEM初始化权值和阈值的随机性和盲目性，降低ANNCEM的网络误差，ANN&GA集成综合评价法具有良好效果。