一種基于多因子算法評價指標優(yōu)化方法

《一種基于多因子算法評價指標優(yōu)化方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、一種基于多因子算法評價指標優(yōu)化方法　　摘要：從指標的關(guān)聯(lián)性、重要性和有效性出發(fā)，利用灰色關(guān)聯(lián)分析，提出了基于多因子算法的評價指標優(yōu)化方法。該算法同時考慮多種因素對評價指標的影響，不僅保留了指標體系中的重要指標，也使各指標間相互獨立，從而使得指標體系既全面又不冗余。在此基礎(chǔ)上，通過有效性檢驗對指標體系進一步分析，確保了優(yōu)化結(jié)果的科學(xué)性，給大型復(fù)雜系統(tǒng)評價指標的優(yōu)化提供了新思路。關(guān)鍵詞：指標；多因子算法；優(yōu)化中圖分類號：X9129文獻標識碼：A文章編號：2095-2163（2013）02-0070-040引言建立完善的評價

2、指標體系是獲得有效評價效果的前提，評價指標體系科學(xué)、合理，評價結(jié)果才會相應(yīng)地準確與客觀。目前，針對評價指標體系的研究較多，借助各種文獻資料，已經(jīng)構(gòu)建了各種各樣的評價指標體系，但由于缺乏科學(xué)理論方法的指導(dǎo)，卻引發(fā)了各類程度不同的問題。因此，實用有效的指標優(yōu)化方法對于評價指標體系的構(gòu)建具有重要而深遠的意義。1評價指標優(yōu)化方法研究分析8已有為數(shù)眾多的研究者就評價指標優(yōu)化方法開展了大量研究工作，得到了一些實用的方法，解決了一部分實際問題。然而仍有一些問題未獲圓滿解決。這些問題主要表現(xiàn)在以下幾個方面：（1）大多數(shù)評價指標都是基于

3、定性分析和定量分析相結(jié)合來進行篩選，但目前所選用的定量分析方法卻常常僅從單一因素考慮，未能兼顧各類指標之間的關(guān)聯(lián)性和重要性。而優(yōu)質(zhì)、高效的評價指標體系只有需要綜合考慮各種因素影響，才能得到切實、可靠的構(gòu)建[1]。（2）針對評價指標體系有效性測評的研究開展得仍不夠充分。基于不同的角度，對于同一評價目標可建立不同的評價指標體系。對這些指標體系的有效程度應(yīng)如何進行定量描述，其中哪個體系更能真實反映評價目標，諸如此類問題的全面解決對于建立合理的指標體系具有基礎(chǔ)性的重要意義[2]。2構(gòu)建評價指標優(yōu)化方法2.1多因子綜合算法科學(xué)、

4、合理的評價指標體系是進行準確、客觀評價的基礎(chǔ)。然而，目前有關(guān)建立評價指標體系的問題仍缺乏足夠的理論指導(dǎo)，尤其是對于一些大型的較為復(fù)雜系統(tǒng)，因其內(nèi)部影響因素間的關(guān)聯(lián)對應(yīng)錯綜煩雜，使得評價指標體系的構(gòu)建就尤顯困難。為了建立全面、且無冗余的評價指標體系，須從指標的關(guān)聯(lián)性、重要性和有效性三個方面綜合考慮。8（1）指標的關(guān)聯(lián)性。即各指標之間的關(guān)聯(lián)程度，其大小用關(guān)聯(lián)度來表示。關(guān)聯(lián)度越小，就表明指標間的獨立性越高，指標間的冗余度也就相應(yīng)地越小，指標體系越能如實地反映評價目標。（2）指標的重要性。即各指標的重要程度，其大小用重要度來表

5、示。指標的重要度與該指標對評價目標的影響效果成正比。（3）指標的有效性。即評判者采用某個指標對評價目標進行評價時該指標的有效程度。其大小用效度來衡量。效度與采用該指標對評價目標進行評價的有效性成正比關(guān)系。評價指標體系中各個指標的效度之和表征了整個指標體系的有效性?？蓪⒅笜梭w系的效度作為對評價指標體系檢驗有效性的參考標準。綜上所述，為了建立科學(xué)有效的評價指標體系，就必須盡量減小指標間的關(guān)聯(lián)度，對于關(guān)聯(lián)度大的指標應(yīng)根據(jù)具體情況進行取舍；為保證指標體系的簡潔性，應(yīng)該濾除重要度相對較低的指標；而后再利用效度對其進行有效性分析，

6、并根據(jù)有效性檢驗結(jié)果判定指標體系的構(gòu)建是否合理。根據(jù)這一思路，在綜合考慮指標的關(guān)聯(lián)度、重要度和效度的基礎(chǔ)上，提出了評價指標優(yōu)化的多因子綜合算法。第2期楊敏，等：一種基于多因子算法的評價指標優(yōu)化方法智能計算機與應(yīng)用第3卷822多因子綜合算法的基本原理多因子綜合算法的基本原理是，首先參考國內(nèi)外標準初步建立評價指標，并使用該評價指標體系評價目標對象，將評價結(jié)果作為灰色關(guān)聯(lián)聚類方法的輸入，由此可以計算得出各個指標之間的相關(guān)程度，同時各個指標的重要程度可以通過模糊分析計算獲取，然后將分析計算所得的指標之間的關(guān)聯(lián)度和指標的重要度作

7、為對所有指標進行分類和判定取舍的依據(jù)，最后采用灰色關(guān)聯(lián)分析法來檢驗指標的有效性。算法的實現(xiàn)流程如圖1所示?；诙嘁蜃泳C合算法優(yōu)化后的評價指標體系可以保證其中指標全面且無冗余，互相獨立而又重點突出[3]。2.2.1指標的相關(guān)性分析通常，指標相關(guān)性分析都基于數(shù)理統(tǒng)計或聚類分析等方法，但這些方法要求預(yù)先取得大量的統(tǒng)計數(shù)據(jù)，并且計算任務(wù)繁重，有時還要求樣本數(shù)據(jù)呈現(xiàn)某些特殊關(guān)系。而灰色關(guān)聯(lián)分析法對于數(shù)據(jù)樣本數(shù)量和樣本特征均沒有特殊要求，而所涉及的計算也非常簡便，并且對定性和定量指標均有很好的適應(yīng)性[4]。該方法的基本思想是，比較

8、序列曲線幾何形狀的相似程度，以此來反映各曲線的關(guān)聯(lián)程度。若各比較序列曲線幾何形狀的相似度越大，相應(yīng)序列間的關(guān)聯(lián)程度也就越大，反之亦然。因此，可以采用灰色關(guān)聯(lián)分8析方法通過曲線幾何形狀相似程度的比較來進行指標的相關(guān)性分析。另外，對于復(fù)雜系統(tǒng)評價指標的優(yōu)化，由于受主觀因素影響，會涉及到大量不確定信息，致使分析過程具有明顯的灰色性，而灰