消除评价指标相关性的优化方法

"这篇论文是徐祥发和肖人彬于2002年发表在《系统工程理论与实践》期刊上的，主要探讨了评价指标相关性消除的方法。该研究提出了一个创新的策略，旨在解决在多指标评估体系中指标间相关性的问题，以提高评价的准确性和可靠性。" 在论文中，作者首先介绍了评价指标相关性问题的重要性，特别是在复杂系统评价中的挑战。相关性可能导致评估结果的偏差，因为某些指标可能通过它们之间的关联性过度影响最终的评价结果。为了解决这一问题，他们提出了一种基于评价指标相关矩阵的方法。 该方法的核心步骤包括： 1. 等价类划分：通过对评价指标集合进行分析，将具有高度相关性的指标划分为不同的等价类。这一步有助于识别和归类那些在功能上相似或相互关联的指标。 2. 随机向量线性相关性：利用随机向量的线性相关性，对等价类进行优化求解。通过这种方法，可以最小化不同等价类之间的相关性，确保每个等价类代表的指标特征独立且有区分度。 3. 优化求解：通过优化算法，寻找使等价类之间相关性最小化的解，从而得到每个等价类的综合函数。这一步骤的目标是找到一个平衡点，使得各个等价类的指标能够独立地对系统进行评价，而不受其他等价类的影响。 4. 系统评价：最后，基于各等价类的综合函数进行系统评价。这一步将每个等价类的综合结果结合，形成一个全面而无偏的评价结果。 论文还提供了一个实际案例来验证和解释这个方法的应用，进一步证明了其有效性和实用性。该研究得到了国家自然科学基金和高等学校博士点基金的支持，展示了其在学术研究领域的价值和应用潜力。 关键词涉及的领域包括等价类理论、统计学中的相关性分析、向量代数以及优化方法。这篇论文对于从事系统评价、决策支持和数据分析的科研人员具有重要的参考价值，有助于他们设计更精确、更公正的评估模型。