科技奖励评价研究：基于改进CRITIC法与云模型

"基于改进的CRITIC法和云模型的科技奖励评价研究* (2014年)" 本文是自然科学领域的学术论文，主要探讨了科技奖励评价的问题。科技奖励的评价通常涉及到多个因素，需要综合考虑专家的评分，而这些评分可能存在模糊性和随机性。为了提高评价的准确性与客观性，作者提出了一个结合改进的CRITIC法和云模型的评价体系。 首先，CRITIC法（Crisp Relative Importance through Intuitionistic Fuzzy Sets）是一种在多准则决策分析中用于确定权重分配的方法。在此基础上，作者通过引入标准差系数对CRITIC法进行了改进，以动态赋权。这种方法能够反映专家评分的分散程度，从而减少专家主观因素的影响，使得权重的确定更加科学和合理。 接着，论文利用云模型来处理模糊性。云模型是由李德毅院士提出的，它能将定性概念量化，模拟人类思维中的模糊性和随机性。在科技奖励评价中，逆向云发生器被用来构造模糊评价矩阵，这一步骤能够将专家的定性评价转化为定量数据。云模型的期望值代表了评价的平均倾向，熵反映了评价的不确定性，而超熵则表示评价的离散程度。 通过虚拟云计算出的期望、熵和超熵，论文进一步对评价项目进行排序，得出了评价结果。虚拟云计算是一种模拟实际云模型的计算方法，可以处理不确定性和不完整性数据，使得评价过程更为精确。 该研究结合了改进的CRITIC法和云模型，不仅考虑了科技奖励评价的复杂性和专家评分的不稳定性，还实现了定性评价与定量计算的有效融合，为科技奖励的公正、客观评价提供了一种新的工具和方法。这一研究对于科技政策制定、科研成果评估以及奖励机制的优化具有重要的理论和实践意义。