基于模糊综合评判法的评价模型
需积分: 0 139 浏览量
更新于2024-08-05
收藏 312KB PDF 举报
"204模糊综合评判法"
204模糊综合评判法是一种多标准决策方法,旨在对复杂系统或项目进行综合评判。该方法的主要特点在于对被评价对象进行逐个评判,不受被评价对象所处对象集合的影响,从而获得唯一的评价值。
基本原理:
1. 确定被评价对象的因素集合、评价集。
2. 确定每个因素的权重及隶属度向量。
3. 获得模糊评判矩阵。
4. 将模糊评判矩阵与因素的权向量进行模糊运算并进行归一化,得到模糊综合评价结果。
评价因素:
评价因素(F)是对招标项目评议的具体内容,例如价格、各种指标、参数、规范、性能、状况等。为了便于权重分配和评议,可以按评价因素的属性将评价因素分成若干类,例如商务、技术、价格、伴随服务等,把每一类都视为单一评价因素,并称之为第一级评价因素(F1)。
第一级评价因素可以设置下属的第二级评价因素(F2),第二级评价因素可以设置下属的第三级评价因素(F3)。依此类推。
评价因素值:
评价因素值(Fv)是评价因素的具体值。例如,某投标人的某技术参数为120,那么,该投标人的该评价因素值为120。
评价值:
评价值(E)是评价因素的优劣程度。评价因素最优的评价值为1(采用百分制时为100分);欠优的评价因素,依据欠优的程度,其评价值大于或等于零、小于或等于1(采用百分制时为100分),即0≤E≤1(采用百分制时0≤E≤100)。
平均评价值:
平均评价值(Ep)是评标委员会成员对某评价因素评价的平均值。平均评价值(Ep)=全体评标委员会成员的评价值之和÷评委数。
权重:
权重(W)是评价因素的地位和重要程度。第一级评价因素的权重之和为1;每一个评价因素的下一级评价因素的权重之和为1。
加权平均评价值:
加权平均评价值(Epw)是加权后的平均评价值。加权平均评价值(Epw)=平均评价值(Ep)×权重(W)。
综合评价值:
综合评价值(Ez)是同一级评价因素的加权平均评价值(Epw)之和。综合评价值也是对应上一级评价因素的值。
评价步骤:
1. 确定评价对象的因素域P个评价指标。
2. 确定每个评价因素的权重和隶属度向量。
3. 获得模糊评判矩阵。
4. 将模糊评判矩阵与因素的权向量进行模糊运算并进行归一化,得到模糊综合评价结果。
应用:
204模糊综合评判法广泛应用于项目评估、招标评估、生产规划、投资决策等领域,可以帮助决策者更好地评估和比较不同的选项,提高决策的科学性和准确性。
优点:
1. 能够处理复杂的多标准决策问题。
2. 能够对被评价对象进行逐个评判,不受被评价对象所处对象集合的影响。
3. 能够获得唯一的评价值。
缺点:
1. 需要大量的数据和信息。
2. 需要专门的知识和经验来进行评价。
3. 可能存在主观性和偏见。
204模糊综合评判法是一种实用的多标准决策方法,能够帮助决策者更好地评估和比较不同的选项,但需要注意其缺点和局限性。
2009-11-21 上传
2024-05-26 上传
171 浏览量
2022-08-03 上传
点击了解资源详情
天眼妹
- 粉丝: 29
- 资源: 332
最新资源
- Angular实现MarcHayek简历展示应用教程
- Crossbow Spot最新更新 - 获取Chrome扩展新闻
- 量子管道网络优化与Python实现
- Debian系统中APT缓存维护工具的使用方法与实践
- Python模块AccessControl的Windows64位安装文件介绍
- 掌握最新*** Fisher资讯,使用Google Chrome扩展
- Ember应用程序开发流程与环境配置指南
- EZPCOpenSDK_v5.1.2_build***版本更新详情
- Postcode-Finder:利用JavaScript和Google Geocode API实现
- AWS商业交易监控器:航线行为分析与营销策略制定
- AccessControl-4.0b6压缩包详细使用教程
- Python编程实践与技巧汇总
- 使用Sikuli和Python打造颜色求解器项目
- .Net基础视频教程:掌握GDI绘图技术
- 深入理解数据结构与JavaScript实践项目
- 双子座在线裁判系统:提高编程竞赛效率