模糊层次综合分析法Python实践及相关优缺点分析

模糊综合评价法(FCE,Fuzzy Comprehension Evaluation Method)是一种根据模糊数学隶属度理论把定性评价转化为定量评价的方法,它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。

FCE计算的前提条件之一是确定各个评价指标的权重,也就是权向量, 它一般由决策者直接指定,但对于复杂的问题,例如评价指标很多并且相互之间存在影响关系, 直接给出各个评价指标的权重比较困难, 而这个问题正是AHP所擅长的。

1. 模糊综合评价算法步骤

我们假设以企业组织和管理水平评价为例,用模糊综合评价方法给出定量评价,其中主要涉及模糊综合评价法(模糊数学范畴)和层次综合分析法(运筹学范畴)理论知识,以及线性代数矩阵运算基础,本文重点介绍模糊综合评价法。

首先举例,我们先看模糊综合评价数据表,这是专家(或其他统计方式)对评价打分表投票表决结果统计数据,简单的说就是对需要评价的因素(指标)给出主管或客观的“优、良、一般、较差、非常差”评价。这样,我们能给企业什么样的评价呢?

1.1. 确定因素集及权重向量

因素集是以影响评价对象的各种因素为元素所组成的一个普通集合,通常用 UU U 表示, U=(u1,u2,⋯,um)U=(u_{1},u_{2},\cdots ,u_{m}) ( u 1 ​ , u 2 ​ , ⋯ , u m ​ ) ,其中元素 uiu_{i} u i ​ 代表影响评价对象的第i个因素。这些因素,通常都具有不同程度的模糊性。

这里假设评定公司组织与管理水平的指标集为 U=(u1,u2,u3,u4,u5)U=(u_{1},u_{2},u_{3},u_{4},u_{5}) ( u 1 ​ , u 2 ​ , u 3 ​ , u 4 ​, u 5 ​ ) , u1u_{1} u 1 ​ 表示为持证上岗, u2u_{2} u 2 ​ 表示组织赋能, u3u_{3} u 3 ​ 表示合规管理, u4u_{4} u 4 ​ 表示员工赋能, u5u_{5} u 5 ​ 表示绩效管理。

由于实际评价业务中往往是因素集中元素较多(指标太多),我们通常可以对其进行归类分层分析。比如下表的评价标准,通过准则层和因素层形成多级指标,这里就要用到多级模糊综合评价。 (一般一级不超过5个) 。

上表中的权重来自AHP(层次分析法)[1],其中因素集和权重矩阵实际数据如下表所示。其中,权重使用AHP(层次分析法)[1]完成的,权重逐层分解,例如“持证上岗”权重分解到“人员专业化”和“人员持证率”两项权重。因素集 u1=(u11,u12)u_{1}=(u_{11},u_{12}) ( u 1 1 ​ , u 1 2 ​ ) 与因素集 u2=(u21,u22,u23)u_{2}=(u_{21},u_{22},u_{23}) ( u 2 1 ​ , u 2 2 ​ , u 2 3 ​ ) 之间,在因素层没有直接关系,其各自权重分别独立使用。

1.2. 建立综合评价的评价集

评价集是评价者对评价对象可能做出的各种结果所组成的集合,通常用 VV V 表示, V=(v1,v2,⋯,vn)V=(v_{1},v_{2},\cdots,v_{n}) ( v 1 ​ , v 2 ​ , ⋯ , v n ​ ) ,其中元素 vjv_{j} v j ​ 代表第j种评价结果,可以

  • 1
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值