二级模糊综合评价模型

二级模糊综合评价模型（精选十篇）

二级模糊综合评价模型篇1

关键词：公交服务满意度,层次分析法,隶属函数,模糊数学

1. 引言

公交系统是城市通勤者出行的重要交通工具, 是城市客流运输的重要组成部分, 在缓解城市交通拥堵、减少交通尾气排放方面起到重要作用[1]。在我国的公共交通运行过程中, 忽略了对公共交通满意度的评价, 导致我国公共交通吸引力不足。随着经济的发展, 汽车成本的降低, 越来越多的人用汽车取代公交车出行, 导致城市的拥堵和重度的污染。因此, 如何建立一个与实际公交服务满意度一致的模型, 用其对公交服务满意度进行评价, 是一个值得深入研究的问题。

当前, 对轨道换乘效率评价已经开始了广泛的研究。Alter[2]将可达性、可靠性、出行时间、服务频率、直达系数和客流密度作为吸引潜在乘客量公交乘客满意度水平评价指标。Tyler和Brown等[3]人运用定量与定性相结合的方法对公交乘客使用各类公共交通的方便程度进行了评价。黄厚波[4]等运用模糊数学的分析方法, 对长沙市的公交满意度进行评价。王哲[5]利用熵权法与模糊综合评价法结合, 得到重庆主城区公共交通的发展水平评价。

国内外的学者针对换乘效率做了大量研究, 并取得了很大的成果。在研究之后, 他们也提出了很多关于提升公交服务满意度的对策。本文在借鉴学者已有的公交服务满意度评价研究成果的基础上, 利用二级模糊综合模型对公共交通进行评价, 希望能更加客观地对公共交通的满意度进行合理评价。

2 评判模型建立

2.1 评价指标体系构建

结合换乘效率评价指标的构成要素以及换乘指标体系建立原则, 按照有关影响因素的不同属性, 选取通畅性、便利性、安全性、舒适性、作为一级评价指标, 并选取13个影响因素作为二级评价指标, 形成指标层—准则层—目标层自下而上的评价指标层, 以保证选取指标的客观性。如图1。

公交便利性指旅客进行公交服务时的可达性和方便性, 它反应了公交服务的“以人为本”精神。公交服务是一种将人们进行位移改变的服务, 人们往往都不是为了乘车而乘车, 换句话说, 并不是公交本身让人们想乘, 而是为了获得位移的移动过程。所以, 只有尽力为通勤者的便利性考虑, 才能让更多的通勤者选择公交服务。公交的便利性主要包括了平均步行时间、发车间隔合理性、平均候车时间。

公交安全性, 即公交客运服务过程中对乘客安全的基本保障, 是客运服务质量的重要影响因素。公交的安全性主要包括了司机操作的安全性、车内防护措施的安全性和旅客的财产安全。

提高公交的舒适性是在满足乘客的基本乘车要求的前提下, 营造一个更加舒适的乘车环境氛围。公交的舒适性是提高公交满意度的重要手段, 在本文当中重点考虑车内广播、车内卫生、驾驶员文明程度和车内通风情况。

2.2 权重确定

层次分析法 (AHP) 是将与决策有关的元素分解成目标、准则、方案等层次, 在此基础之上进行定性和定量分析的决策方法。其基本步骤为:首先, 结合有关实际情况, 建立层次分析结构, 运用1-9比例标度法, 构造判断矩阵。然后对判断矩阵进行一致性检验, 确定矩阵的有效性。

以一级指标为例, 运用层次分析法确定权重。为了权重更具有客观性, 采用德尔菲打分法进行专家评估, 根据打分构造两两判断矩阵, 判断矩阵R= (rij) n×n为正负反矩阵, 所构造的判断矩阵具有如下性质:rij>0, rij=1/rji, rii=1, rij表示Rki和Rkj相对于其上一层指标的相对重要性。将判断矩阵每一列归一化, 再将每一列经归一化后的矩阵按行相加, 得到矩阵M= (M1, M2, …Mn, ) , 可得出影响公交服务满意度的权重表。

2.3 评语集及隶属函数确定

模糊综合评价法是运用模糊数学隶属度, 对难以量化和模糊问题进行的评价。评语集是评价指标可能出现结果的集合, 是对模糊问题的评价结果的划分。结合本文的的实际的情况, 将评语集划分为不满意、一般满意、满意。

在进行模糊综合评判时, 隶属函数的确定是整个模糊综合评判的关键, 隶属函数反映了各个评判因素对评语集的隶属度。在本文当中, 影响公交服务满意度的因子分为定性和定量因素, 对于定性因素, 利用专家打分法, 采用离散隶属度, 如表3。对于定量因素, 将利用实测数据分别计算出隶属度与影响因素的函数关系, 综合各因子的特征, 采用三相隶属度函数, 如图4。其计算公式为:

3 实例分析

重庆市是我国著名的山地城市, 主城区公共汽车保有量为7822辆, 运营线路达422条, 线路总长度8880公里, 日均客运量达479.3万人次, 主城区公交分担率在30%左右, 是西南地区著名的经济、文化中心。为了更好的了解重庆公交服务质量, 特别选取重庆1000位不同个人特征的当地居民进行公交服务满意度调查, 采用问卷调查方法, 收回问卷1000份, 数据有效性100%。将全部结果进行加权平均, 调查结果如下表5所示。

3.1 一级模糊评价

将表5中的满意度调查结果分别代入定性、定量隶属函数中, 得到各影响因素对评价集的隶属程度, 即各个单因素的综合评价结果。模糊矩阵如下:

(1) 公交通畅性:B1=A1δR1= (0.0548, 0.5798, 0.3849)

(2) 公交便利性:B2=A2δR2= (0.0144, 0.5050, 0.4806)

(3) 公交安全性B3=A3δR3= (0.5169, 0.3388, 0.1443)

(4) 公交舒适性B4=A4δR4= (0.1177, 0.4304, 0.4520)

3.2 二级模糊评价

由B1、B2、B3、B4得到矩阵R, 进行二级模糊评价。

B=AδR= (0.1678, 0.4778, 0.3613)

由二级评判可以看出, 市民认为公交服务满意度一般的比重最大, 评价为0.4778, 说明公交服务满意度偏低, 市民普遍存在抱怨, 但是基本结构比较合理, 与实际情况吻合。由一级评判看出, 通勤者普遍认为公交车安全性较好, 公交司机的驾驶技术合格, 车内设施较完善。但在通畅性、便捷性和舒适性上都还需要进行改善。公交的通畅性是公交满意度的命脉, 公交车运行的平均速度是最主要影响满意度的因素。重庆市公交通畅性相对于便利性和舒适性的满意度评价更低, 主要原因是车辆保有量的逐年增加, 线路规划不合理。从公交的便利性评价结果表示, 公交便利程度不够, 城市中心区的公交站分布偏少, 路网的密度不合理, 公交车在郊区的候车时间偏长。公交的舒适性是吸引市民选择公交的重要原因, 重庆市目前对公交的舒适性并不足够重视, 车辆卫生比较差, 由于公交车驾驶员的工作时间长, 教育程度普遍低, 服务态度较差。

4. 结论

本文以公交服务满意度为评价目标, 利用二级模糊综合评价方法, 以重庆市公共交通发展水平进行科学、客观、全面的评价, 得出目前重庆市公共交通的发展水平处于中等水平或中下水平, 并总结了目前重庆市主城区公共交通需要改进的地方, 以便清楚认识城市公共交通现状和居民需求城市的发展之间的差距, 调整公共交通系统结构, 保证居民出行, 促进城市公共交通可持续发展。

参考文献

[1]彭金栓, 邵毅明, 彭丽芳.基于熵权的公交满意度模糊综合评价[J].山西建筑, 2007, (36) :15-16.

[2]Alter CH.Evaluation of public transit service:the level-of-service concept[R].TRR, 1976, (606) :323-330.

[3]R.E.ALL sop.University of London Center for Transport Studies Report[R].Traffic Engineering&Contro1, 1997:56.

[4]黄厚波.基于AHP-模糊综合评价法的长沙市公交乘客满意度评价研究[D].中南林业科技大学, 2014.

[5]王哲.重庆市主城区公共交通发展水平评价研究[D].重庆交通大学, 2014.

二级模糊综合评价模型篇2

构建了水质模糊综合评价模型,并以雅安市青衣江龟都府水质监测断面为例,对比分析了水质的`单因子评价法和模糊综合评价方法的特点.结果表明:雅安市青衣江龟都府水质的单因子评价结果为Ⅲ类,模糊综合评价结果对Ⅰ、Ⅱ、Ⅲ类水质标准相应的隶属度分别为0.771 6,0.178 1,0.050 3,反映尽管断面水质在单因子评价中为Ⅲ类,但大部分监测指标能达到Ⅰ、Ⅱ类标准,模糊综合评价比单因子评价法更能全面地反映水质状况.

作者：何锦峰刘艳艳舒兰刘邵权 HE Jin-feng LIU Yan-yan SHU Lan LIU Shao-quan 作者单位：何锦峰,刘艳艳,HE Jin-feng,LIU Yan-yan(重庆交通大学,河海学院,重庆,400074)

舒兰,SHU Lan(重庆交通大学,人文学院,重庆,400074)

刘邵权,LIU Shao-quan(中科院、水利部成都山地灾害与环境研究所,成都,610041)

刊名：重庆工商大学学报（自然科学版）英文刊名：JOURNAL OF CHONGQING TECHNOLOGY AND BUSINESS(NATURAL SCIENCES EDITION) 年，卷(期)：2009 26(2) 分类号：X37 X322 关键词：水质模糊综合评价单因子评价隶属度

网络课程的模糊综合评价模型研究篇3

关键词：网络课程评价指标体系教学软件

中图分类号：G40-058.1文献标识码：A

文章编号：1673-8454（2007）11-0020-04

教学软件的质量直接影响教学质量，教学软件的质量评价是现代教育质量评价的主要内容之一。开展网络课程软件的质量评价活动，不但是推动网络教育事业发展、提高网络教学水平的重要措施，也是对网络教学软件的研发、选用进行宏观指导和质量管理的重要手段。[1] 质量评价活动的开展依赖于完善的评价指标体系，下面针对网络课程软件质量评价问题进行探讨，进一步为网络课程的质量评价提供依据。

一、网络课程的评价分析

网络课程特指在网络上运行的、一门完整课程或学科的教学软件，是通过网络表现的某门课程或学科的教学内容及实施教学活动的总和。它包括两部分：按一定教学目标、教学策略组织起来的教学内容；网络教学支撑的硬件和软件环境。教学目标是教学软件与其它软件的本质区别所在，它必须以学习理论作指导，能体现教学设计的思想，能反映教材内容和教材结构，并具有某种教学策略。

教学软件的设计与制作涉及多种学科的知识与技能，例如：教学设计、教育心理学、美术、软件设计、计算机硬件、音乐、摄影、录像等。对于网络上运行的教学软件，还要求具备网络硬件、网络布局、网络协议、网络支撑软件等方面的知识。与其它教学软件的制作过程相似，网络课程软件的制作也要经由以下流程：根据教学大纲的要求确定教学目标；分析教学任务；分析学习者（施教对象）、选择教学方案并设计教学策略；确定教学内容并决定软件结构；编写脚本、选取素材（包括相关的各种媒体素材或课件）；程序设计与调试；教学实验与评价；修改；交付使用。[2]

网络课程的评价是对某一学科内容和在网络上实施该门学科内容的教学活动进行的价值判断。它主要是对教学内容、学习资源和寓于内容之中的教学策略和学习策略的评价，涉及学生、教师、学习资料、网络教学支持系统、学习支持和服务系统中的每一部分但又不是全部。[2]对网络课程进行评价时要根据系统论的观点，从整体出发，考察网络课程各个部分的关联情况和综合性能。

二、网络课程的评价指标体系

建立科学、合理、可行的评价指标体系是正确评价网络课程软件的前提和基础，故在建立评价指标体系时应遵循全面完整性、层次性及简明科学、可测性等原则。本文通过对网络课程软件共性的分析，结合课程的特点以及教学对系统功能的要求，建立两层指标集：第一层为教学性、技术性、艺术性和使用性等四个方面；第二层指标如下所述。

1.教学性评价指标

教学性是网络课程的首要的根本的质量指标。要保证网络课程的质量就必须贯彻教育理论的指导、围绕教育理论特别是学习心理学对各种学习信息进行组织、规划、设计，实现学习过程的最优化，达到教与学的和谐统一。

网络课程内容一般由教学内容、学与教的活动、学与教的策略、工具支持、资源支持等系统构成。网络课程必须注意教学目标明确，阐述规范。教学内容必须符合教学大纲的要求，具有科学性、系统性和先进性，符合课程的内在逻辑体系和学生的认知规律：内容的呈现做到图文并茂，生动活泼，表现形式应采用文字说明、背景资料支持、配音阐述、重点过程模拟表现以及小画面教师讲授录像播放相结合；同时利用各种方式，如大小、颜色、字体，下划线、闪烁等或用语言突出学习内容的重点和难点；网络课程中还应提供相关资源的链接，有关名词、概念、符号、人名、定理、定律和重要知识点都要与相关的背景资料相链接。

网络课程的教学性还表现在学与教的活动。应安排教学过程中教与学的互动，知识形成于人类社会的实践之中，原本具有生命，但负载于课程之后却往往失去了生命的活力。而理想化的教学就应在教师的直接或间接的指导下，尽可能让学习者通过系列互动去重新经历知识的形成过程，并在过程中得到充分地体验和领悟，探究和发现，把握和发展。教学活动是网络课程的核心内容，在一门完整的网络课程中，需要设计如下一些教学活动：讲授与答疑、讨论与协作、练习与反馈、作业与评价、探究与研究等，这些活动都有其相应的评价标准，如学习反馈及时、准确、详略得当，有提示、指导、激励作用；学习结果的评价应合理、公正、详细，能起指导、激励作用。

网络课程的教学性还应在学与教的策略上有所体现，动机的激发与维持；对学习者的引导和帮助与自主探索和自主学习相结合，促进学习者对知识的意义建构；教学方法是否恰当；教学环节的灵活多样性，学习策略的运用和教学策略应用的适应性等。学习工具是网络课程教学性的重要体现，认知工具、交流工具和效能功能的提供有利于学习者自主学习。创新是指在网络课程中运用的教学策略、教学设计等的创新程度如何，该指标旨在充分发挥网络课程开发人员的创造力。

2.技术性评价指标

网络课程和媒体素材本身是否到达必要的技术要求，网络课程中应用的多媒体技术、编程技术是否先进。

为保证用户使用网络课程学习时能完全享有编制者预先设计的各项功能特性，网络课程编制时必须提高其开发技术。技术性是指网络课程中应用的媒体素材本身是否达到必要的技术要求，应用的多媒体技术、编程技术是否先进，是否稳定可靠，是否安全。对网络课程技术性的评价包括：安全与可靠、配置与效率、维护方便与升级扩展、先进性和智能性。

安全与可靠，安全是指信息保密性、安全性。目前很少评价体系提及，但是，随着网络技术的发展，保密与安全问题将愈来愈重要，它是一个不可或缺的评价项目；可靠是指课程运行的稳定性，无故障运行是网络教学的重要保障。

配置与效率：配置简单，对学习者要几乎透明，课程运行效率高，占系统资源低。维护方便与升级扩展，网络课程应提供管理平台，课程采用模块化结构，能方便对课程的内容进行扩展，对功能进行升级。网页文件、目录清晰，合理，提供完整的文字说明与制作脚本。

先进性和智能性，网络课程中应用的多媒体技术、网络技术与编程技术是否先进，如虚拟现实、XML、JPG2000、SOAP，等等。智能性，它与先进性一样，都是鼓励课程开发人员采用最新的技术，只是智能性要求更高，为以后网络课程的发展方向指明了方向，即自适应超媒体风格课程，能真正做到因材施教的目的；能分析学习者的学习水平及认知结构和特点，并确定相应的学习方法、学习内容和学习速度；能根据学习者的抽象水平选择合适的传播符号，便于学习者理解学习信息。

3.艺术性评价指标

主要是从表现手法的多样性、情节的生动性、构图的合理性以及画面的灵活性等来考虑。网络课程的设计不仅仅是一个计算机问题和教学问题，更是一个艺术问题，恰当地运用艺术性能引起学习者学习的兴趣与集中注意力，调动学习者学习的主动性与积极性，增强学习效果，同时亦能提高学习者的审美能力，总体而言，网络课程的艺术性的评价应注意界面设计(统一、简洁、美观)，媒体使用(多样、过渡)、总体效果(创意、创新)、背景音乐四个方面，界面整体风格要统一，简洁美观，布局符合视觉习惯：页面上的文本、图形等可视元素搭配协调得当，富有表现力，具有视觉上的吸引力；背景音乐选用恰当；以严谨朴素为原则，不宜太花哨，这样不会因风格的杂乱而给学习者造成不必要的分心或认知负担。媒体的使用要求，要求画面清晰、色彩逼真、文字醒目、声音清晰、音量适中、快慢适度，媒体素材在制作技术上要符合《教育资源建设技术规范》，在保证各媒体的制作格式与数据量大小的同时，最好保持网络课程每个页面的数据量不要超过30KB，原则上最多不要超过100KB。总体效果，主要是指对网络课程整体的视听觉效果的评价，冲击力如何，观后留下的总体印象如何。

4.使用性评价指标

要求简单易操作，个性化与人性化设计。使用性是网络课程的一个重要的质量特性，它要求网络课程操作简单，使用方便，个性化设计，从而有利于学习者的学习与认知发展。[3] 具体到二级指标，它包括易识别性、导航与定位、帮助与反馈、内容的链接、网页与接口的规范五个方面。

易识别性，课程中的文字、图形等对象的大小合适，颜色对比适当。字体、字号不宜太小和变化太多，背景颜色应与字体前景颜色协调，同一网页中不宜同时出现过多动态区域，网页长度不宜太长，每页呈现的信息量符合学生的认知能力。

导航与定位，网络课程的导航设计要清晰、明确、简单，符合学生认知心理，每门课程至少应提供如下导航方法：列出课程结构说明，网络课程网站的文件结构、页面组织、直接导航、浏览历史记录。学习者可以方便地访问课程的各模块；有明确的定位标记，标明学习者在整个课程中的位置：可以通过图形方式直观地说明课程的各个部分，学习者点击课程图标可以直接进入想去的位置；提供浏览历史记录工具，允许撤销或跳转到某一操作。应尽可能提供一种以上的导航方式，以便于转换视角。

帮助与反馈，针对操作使用方法，在学习者需要时，遇到困难时要提供帮助说明，帮助说明应该明确、完整、有效。内容链接明显易辨，链接的外观明确而且符合一般习惯，有明确的标签，告知其指向的主题内容。

网页与网站的规范主要涉及课程与资源的共享与互操作。网页规范，页面格式具有统一的风格，具有相同的页首页尾，各种字符、标号准确、正规、统一，菜单的界面均应有统一要求，必须能够通过标准的WEB浏览器兼容。网站规范：必需注明最后更新日期，引用文档必须有信息来源，每篇文档的下载或浏览次数，课程的访问次数，访问者的停留时间和注册用户数目上，提交产品的完整性，包括：安装程序、源代码、素材、开发文档、软件的ZIP格式自解压的压缩包。

用Xi表示第一层指标，X为指标集，集合表示为X=｛X1，X2，X3，X4 ｝Xi（i=1，2，3，4）各个指标可进行细分，各个指标中的子集各不相同，Xi=｛Xi 1，Xi 2，…，Xij，…，Xin ｝，Xij为第二层指标，表示Xi中第j个指标，n表示Xi 中共有n个子指标，各项指标之间可能存在一定的相关性。网络课程综合评价的指标体系见图1所示的层次结构模型。

三、网络课程评价模型与方法

由于网络课程的评价指标体系中既有定量指标，又有定性指标，各因素之间还有层次之分；因此，在进行评价过程中采用了模糊综合评价法。该方法的原理是：利用模糊集和隶属度函数等概念，应用模糊变缓原理，采用定性与定量相结合的方法，从多个方面对网络课程隶属等级状况进行整体评价。

1.评价指标权重的确定

权重选择的合理性以及准确度直接影响整个体系是否可行。权重的确定有统计调查法、德尔菲法、层次分析法（AHP法）等，本文采用的是二级评价指标集，故应分别对一级及二级指标用德尔菲法确定权重集。[4] 确定指标权重的基本步骤如下：以第一层指标X1，X2，X3，X4为例，第二层指标采用同样方法。

（1）确定各指标Xi的重要性序列值

每一个评判者提供各指标的Vi值，V∈｛1，2，3，4 ｝，其中Vi最重要的指标的值为1，最不重要的指标Vi为4。将第K个评判者就指标所给定的指标Xi重要性序列值记为Vi-k。

（2）编制优先得分表

按成员提供的指标重要性序列值进行如下统计。

2.建立评语集

评语集是评价者对评价对象可能做出的各种评价结果组成的集合，其大小可根据实际情况及计算量的大小决定。根据网络课程及人的思维的特点，确立一个从高到低的评价集U=｛U1（优85～100）；U2（良70～85）；U3（一般60～70）；U4（差60～以下）｝。

3.进行第一级Xi的评价

（1）模糊评价矩阵

四、应用实例

应用上述的评价模型和方法对某具体网络课程质量进行评价。

（1）利用德尔菲法得到第一层与第二层的权重模糊集分别为：

A= （0.282，0.212，0.243，0.263）

A1= （0.263，0.268，0.232，0.237）

A2= （0.264，0.255，0.243，0.238）

A3= （0.213，0.189，0.232，0.201）

A4= （0.187，0.192，0.225，0.197，0.199）

（2）用统计调查法及模糊交换得到一级评价矩阵：

（3）通过模糊交换得到二级评价向量：B=（0.265，0.254，0.242，0.239）。

（4）从二级评价向量可知，该网络课程的最终评语为“U1优{85～100}”。

五、结论

构建网络教学软件的质量评价指标体系和开展网络教学软件质量的评价活动，有利于规范网络教学软件的制作、使用和管理，对于普及现代教育技术、促进教学改革，尤其是发展现代远程教育或终身教育，具有特别重要的意义。

参考文献：

[1]王朋娇，刘洪莉等.网络课程发展性评价“三螺旋”结构体系的构建[J]. 中国电化教育，2006（10）：72-74

[2]朱凌云，罗廷锦，余胜泉.网络课程评价[J].开放教育研究，2002（1）：22-28

[3]黄艳，黄荣怀等.“网络课程质量认证标准”的研制与修订[J].电化教育研究，2003（6）：65-70

城市品牌模糊综合评价模型初探篇4

一、城市品牌基本构成体系分析

所谓品牌,是指给拥有者带来溢价、产生增值的一种无形的资产,它的载体是用以和其他竞争者的产品或劳务相区分的名称、术语、象征、记号或者设计及其组合。增值的源泉来自于消费者心智中形成的关于其载体的印象。品牌本身是一个复杂的识别系统,它应该是由品牌属性、利益、价值、文化、个性和用户这六个层次构成的一个体系。将品牌概念引入城市形象建设,对城市进行品牌化管理是营销研究深化的一个重要标志。正如营销大师菲利普?科特勒所指出:广告、促销等手段已无法应对当今的全球城市竞争,要实现城市营销的多元目标,包括树立积极、正面的形象以吸引企业、投资、游客、高素质的居民、公共机构、重要活动以及开拓出口市场等等,就必须采用战略营销规划工具,必须进行自觉的品牌建设和管理。

城市品牌是蕴含城市独特个性及受众效用的城市名称和标志,是构成城市的各种因素之总和在城市公众心目中的总体印象和实际评价,是城市性质、功能和文明的外在表现。关于城市品牌的基本构成体系,一个全面的城市品牌评价系统应由城市品牌属性、利益、价值、文化、个性和用户这六个基本方面构成。其中:

1. 属性:

品牌代表着特定的商品属性,属性是消费者判断是否接受商品的第一要素。对于城市品牌来说,则是它所反映出来的一个城市的基本面貌,如:城市规模、生活水平、工作效率等。

2. 利益:

品牌利益在很大程度上受制于品牌属性,而属性需要转换成品牌消费者功能和情感利益。也就是指一个城市对投资者、游客和其他潜在客户所能够带来的各种利益,如:良好的投资环境、完善的公共配套设施、便利的交通条件等。

3. 价值:

品牌还体现了拥有者的某些价值观。体现在一个城市的诚信建设、安全状况、产品质量等方面。

4. 文化:

品牌也象征了一定的文化。品牌中所蕴含的文化是使品牌得到市场认可的重要因素。对于一个城市而言,文化主要是指历史文化脉络以及能够凝练反映城市传统特征的文化特色方面。

5. 个性:

不同的品牌会使人们产生不同的品牌个性联想。品牌还代表了一定的个性。这在品牌方面主要是指一个城市的特色。

6. 用户:

品牌暗示了购买或使用产品的消费者类型。城市品牌用户体现的是城市对某些特定人群的吸引力。

二、运用模糊评价与I A H P进行城市品牌测评

城市品牌测评是要将品牌基础理论研究的最新成果与我国城市发展的现状及国际化方向相结合,科学制定城市品牌评价指标体系,旨在对我国城市品牌测评体系进行系统研究。基本思路是:第一,在品牌基本构成层次的基础上,对各级城市的相关要素进行确定并量化;第二、综合利用模糊评价原理与层次分析法(I A H P),建立了我国城市品牌的评价指标体系和评价模型;第三、对样本城市品牌进行测评,为城市决策者提供相应的对策建议。

对于城市品牌状况,其影响因素具有极大的复杂性,精确化能力的降低造成对系统描述的模糊性,运用模糊手段来处理模糊性问题,将会使评价结果更真实、更合理。模糊综合评价模型的建立须经过以下步骤:模糊综合评估的数学原理,首先考虑到影响城市品牌的量的确定是模糊的,也就是在确定了城市品牌能力指标体系之后对各因素指标标准首先不做定量处理。而是由评估专家对各因素指标标准进行模糊选择,然后统计出专家群体对评估因素指标体系的选择结果,再按照所建立的数学模型进行最后计算。模糊评估法的基本过程就是先从定性的模糊选择入手,然后通过模糊变换原理进行运算取得结果。

指标体系的构建,首先根据对影响城市品牌因素的分析,综合地反映城市品牌的各项指标,利用层次分析法,从品牌属性、利益、价值、文化、个性和用户等六个方面来构建城市品牌评价指标体系。

1. 建立模糊评价矩阵R

(1)依据综合评价指标体系,设立评价指标集A,一级评价指标,其中,分别为:属性、利益、价值、文化、个性和用户。二级评价指标,其中i=1,2,……,n,n为一级指标数,j为一级指标Ai含有的指标数。

(2)确定评语集

评语集是对各种指标作出可能结果的集合,可请专家进行评估定级。我们根据城市品牌评价的目的。从A到U的模糊关系可以用模糊评价矩阵R来描述:

现在要对若干样本城市分别比较他们的文化、价值、个性、用户、属性和利益。

先成对比较所有样板城市的“文化”因素,根据专家评估定级,得成对比较阵:

经计算,的权向量

对所有样本城市的“价值”、“个性”、“用户”、“属性”、“利益”因素同样得成对比较阵后,经计算可得其权向量依次为:

2. 确定指标权重集K

所谓权重系数是表示某一指标在整个指标体系中具有的重要程度。某种指标越重要,则该指标的权重系数越大,反之,权重系数越小。可以通过专家打分法并运用层次分析法(IAHP)来确定各指标的权重,。

层次分析法(The analytic hierarchy process)简称AHP,是由Thomas L.Staaty最先发明的用于解决包含多项标准时的复杂问题,在这个过程中,决策者需要判断各项评判标准的重要性、决策变量相对于评判标准的优先极。应用层次分析法可以给出各个标准的权重,各个决策变量相对于每项标准的优先级,量化决策变量,从而为决策提供依据。从心理学观点来看,专家打分法如分级太多会超越人们的判断能力,既增加了作判断的难度,又容易因此而提供虚假数据。Saaty等人还用实验方法比较了在各种不同标度下人们判断结果的正确性,实验结果也表明,采用1-9标度最为合适。对比矩阵如下:

根据判断矩阵,精确地求出的最大特征根所对应的特征向量。所求特征向量即为各评价因素的重要性排序。归一化后,也就是权数分配。经过计算确定指标权重集为:

3. 利用模糊矩阵的合成运算

通过模糊矩阵的合成运算,对样本城市的品牌进行排序。

模糊矩阵的合成运算模型:;其中i为评价指标权重(隶属度)所在列(行),J为样本城市所在列。

同样可以得出其他样本城市的P值,分别为:0.12、0.17、0.25、0.35。

由此可知样本城市的品牌进行的综合排序结果。若以最大值作为标准,则其他各城市品牌的分数分别为:31分、34分、49分和71分。

总之,城市品牌是一个复杂的社会识别系统,在全面建设小康社会、加快推进社会主义现代化的发展阶段,在城市化进程和城市间竞争日益激烈和经济全球化背景下,塑造城市品牌已成为城市实现可持续发展的关键。加强对我国城市品牌发育水平的研究,探讨科学的城市发展战略定位,并以此促进我国城市的科学发展和城市的国际化进程,将是每个城市决策者和相关领域的理论研究者所愈来愈关注的问题。

摘要：结合品牌内涵,在对城市品牌基本构成体系加以研究的基础上,将理论与实际相结合,探讨了运用模糊评价和层次分析法建立我国城市品牌评价模型的基本框架思路。目的在于进一步提高城市品牌测评的科学性。加强对城市品牌发育水平的研究,有利于促进我国城市的科学发展和国际化进程。

关键词：城市品牌,模糊综合评价,层次分析法

参考文献

[1]菲利普·科特勒:营销管理[M].上海人民出版社,2006.303

二级模糊综合评价模型篇5

模糊综合评价模型在交通建设项目管理中的应用

该文将模糊综合评价模型引入对交通建设项目的.管理实践中,对交通建设项目指标体系的构成进行了初步探讨,描述了模糊综合评价模型的建立方法,并结合交通建设项目实例介绍其具体应用过程.

作者：郭敏 Guo Min 作者单位：上海市闵行区市政工程管理署刊名：城市公用事业英文刊名：PUBLIC UTILITIES年，卷(期)：200923(3)分类号：U4关键词：交通建设项目指标体系模糊评价模型

二级模糊综合评价模型篇6

关键词：绩效评价；隶属函数；指标体系

目前，移动公司对其营业厅营业员的绩效评价很简单，单独的由每个月的新业务量来评判员工的绩效，这存在着很大的缺陷。每个营业厅所处的外部环境不同，因此其营业情况也不同，所以应对每个营业厅的营业员分别进行绩效评价。并且，只用新业务量来评价员工的工作，也存在着局限性。因为新业务率=新业务/总业务量，如果一个员工的总业务量小，那么他的新业务率就会高，这不利于调动员工的积极性。如今，服务行业的服务质量越来越受到关注，所以工作人员的服务质量也应该是绩效评价的标准之一。因此，本文对营业厅员工绩效进行建模，并评价其工作绩效。

一、员工绩效评价指标体系的建立

绩效考核是指在某一个时间区间的期初确定考核指标、绩效目标和评价标准，到了期末的时候就依据这些确定的指标、目标和标准对员工的实际绩效表现来进行评价的过程。可见，绩效考核指标是进行绩效考核的基本要素，制定准确、合理的指标是绩效考核取得成功的基础。

（一）员工绩效指标体系

首先，营业厅是其客户办理业务的主要渠道，营业员办理业务的多少直接反映了这个员工的工作量。但是，员工每天在营业厅只是被动的接受客户前来办理业务，只用业务量考核营业员的工作，不利于调动他们的积极性。营业员还应该积极主动的向客户介绍、推销新业务。当然，营业员并不能仅仅在数量上求多，工作质量、工作效率也是十分重要的。另外，营业厅作为为客户提供服务的场所，营业员的服务质量也是一个不容忽视的方面。同时，出勤率、专业知识反映了员工对待工作的态度，团结协作的能力、学习能力反映了员工的素质，也都是衡量营业员绩效不可缺少的因素。

通过以上的分析，可以确定9个指标，并且可以分为定量和定性两类。营业厅员工的一个绩效考核指标体系如表1所示。该指标体系主要由能力和行为两个指标组成。其中，能力指标包括员工的业务量、新业务、出勤率、工作质量（投诉）、专业知识（考核），行为指标包括员工的服务态度、工作效率、团结协作、学习能力。行为指标评价难度较大，主观性因素比较多，很难保证公平性，但有时是必不可少的。一般来说，将产出指标和行为指标结合起来用效果最好。

（二）指标的衡量

能力指标中，二级指标观察数据可以直接得到。业务量是营业员当月办理业务的数量；新业务是指营业员主动向客户介绍推荐，客户同意办理的业务数量；出勤率等于该员工当月实际出勤的天数/应该出勤的天数；工作质量则用员工受到的顾客关于当月的投诉数来衡量；专业知识用平时公司组织的业务知识考核分数来衡量。

行为指标都是定性指标，没有具体的数据资料，其二级指标观察数据可以通过员工的领导、同事、顾客对员工打分获得。服务态度可从营业员是否微笑服务，对待顾客是否诚恳、有耐心、文明用语等方面来判断；工作效率可看员工有无在工作期间聊天、做工作以外的事情；团结协作能力指员工能否在工作中讲求团队精神；学习能力是指营业员在学习新业务知识时的能力。在此采取十分制，共分为5个大类：3分，较差；5分，一般；7分，较好；9分，很好。打分人员可以根据自己的理解对员工进行打分。

二、员工绩效多层次模糊综合评价模型

（一）建立隶属函数

为求模糊矩阵R，就要根据待评员工的指标数据，对每一个评价指标ui(i=1,2,…,9)，分别构造出它隶属于v1（优）、v2（良）、v3（中）、v4（及格）、v5（不及格）的隶属函数v1i、v2i、v3i、v4i、v5i。9个指标——业务量u1、新业务u2、出勤率u3、工作质量（投诉）u4、专业知识（考核）u5、服务态度u6、工作效率u7、团结协作u8、学习能力u9，它们可以分为两类：一类是正指标，指标值越大越好，如业务量u1、新业务u2、出勤率u3、专业知识（考核）u5、服务态度u6、工作效率u7、团结协作u8、学习能力u9；另一类是逆指标，指标值越小越好，如工作质量（投诉）u4。

设ci为指标ui的最小值，di为指标ui的最大值。

1、正指标隶属函数的构建。把指标ui的观察值从小到大平均分为三类：

L1=Z11,…,Zln,,L2=Z21,…，Z2m,L3=Z31,…,Z3P

求三个类的平均值：

令x1i=ci,x2i=ζ1,x3i=ζ2,x4i=ζ3,x5i=di，把［x1i,x5i］区间划分为五个等级，以最能表示某及特性的点的隶属度为1，而边界交点概念最模糊，隶属度为0.5。构造指标的五个等级隶属函数如下：

2、逆指标隶属函数的构建。方法与正指标完全相同。确定x1i，x2i，x3i，x4i，x5i，把［x1i，x15］区间划分为五个等级，以最能表示某及特性的点的隶属度为1，而边界交点概念最模糊，隶属度为0.5。构造指标的五个等级隶属函数如下：

（二）建立综合评价矩阵R

根据以上的隶属度函数，可得第i个员工的隶属度矩阵R（i）。

由B＝AoR（i），既可得第i个员工的综合评价B（i）。再把其归一化，从而对各个员工进行绩效评价与比较。

三、应用举例

（一）权重的确定

根据层次分析法原理，我们设计了员工绩效权重打分表，并请专家进行打分，得到一级指标的权重为A0=（0.7，0.3），二级指标的权重为A1=（0.2，0.3，0.1，0.3，0.1）和A2=（0.6，0.2，0.1，0.1），所以各指标的综合权重为：A=（0.14，0.21，0.07，0.21，0.07，0.18，0.06，0.03，0.03）。

（二）隶属函数的计算

南京某移动公司营业厅有员工6人，对其进行数据统计，得到某月的能力指标观察数据如表1：

由于行为指标不能直接得到观察数据，因此设计了一个调查打分表，由此营业厅的直接领导根据这6名员工平时的表现，对其四个行为指标进行打分（采取10分制，精度0.1），得到如下的打分表，如表2所示。

把表1数据代入隶属函数中，可得其隶属度矩阵R（i）（i=1，……，6）。

再由B＝AoR（i），并分别把它们归一化，得B=（b1、b2、b3、b4、b5），即：

（三）员工综合绩效评价的结果

令v1（优）、v2（良）、v3（中）、v4（及格）、v5（不及格）的分数分别为95、85、75、65、55，于是用pi=95b1+85b2+75b3+65b4+55b5，即可求出第i个人的综合得分。

p1=78.21235，p2=76.0681，p3=70.61255，p4=88.0049，p5=70.2675，p6=73.0388。

综上可得，丁的绩效最好，其次为甲、乙、己、丙，最差的是戊。因此，公司可根据该评价结果，对此营业厅的员工进行一定的奖罚。

四、结束语

绩效指标是一种有效的沟通方式，它以一种明确的方式告诉员工了企业最重视的价值和希望达到的目标，为员工指明了努力的方向，有助于员工通过对比实际绩效与预期绩效的差距进行自我学习。实行绩效评价，使员工明确实际绩效与预期绩效的差距所在，为员工提高绩效指明了方向。员工在此方面所做的努力，由绩效评价所记录，会提高员工对达成目标的自信心和成就感，激励员工不断改善绩效。同时，可将绩效评价与员工的奖酬制度联系起来的，员工会有持续的动力去追求更好的绩效。而奖酬制度如何能够更好的反应员工的绩效也是一个值得探讨的问题。

应用绩效评价方法的企业应当认识到绩效指标是一把双刃剑，它的威力在于能够不断强化它认同的行为。设计良好的绩效指标，能够激励和强化员工的“好行为”，得到期望的效果；设计不良的绩效指标，也会不断强化和鼓励员工的“坏行为”，破坏企业的价值．如何构造一种客观的、不易操纵的绩效指标是问题的关键。

参考文献：

1、杨少梅.层次分析法在员工绩效评价中的应用[J].华北电力大学学报,2006(7).

2、王清.绩效考评打造销售“铁军”[J].工厂管理,2003(4).

3、周齐武,邓峰,马如雪.经济附加值绩效评价在中国企业中应用的潜在价值[J].南开管理评价,2004(1).

4、张帆,王秉文,戴志诚.模糊综合评判在企业员工测评中的应用[J].现代管理科学,2004(4).

5、孙新波,于春梅,孙培山,吕计红.知识型企业知识员工的模糊综合评价[J].沈阳工业大学学报,2005(6).

（作者单位：南京农业大学理学院）

学习型城市模糊综合评价模型研究篇7

城市是现代社会发展的基本单位, 城市的竞争力关键取决于城市社会各阶层对知识技术的获取和创新能力。自本世纪以来, 我国各大中小城市启动和推进学习型城市建设。学习型城市的构建是一个系统工程, 涉及城市建设的各个方面, 它是一种通过营造终身教育体制, 发展知识经济, 促进全民学习, 不断创新和发展的城市发展类型。在10多年的实践中, 各学习型城市建设到什么程度, 有些什么差距, 没有统一的标准, 同时各学习型城市建设达到了什么样的水平, 各要素之间哪些需要进一步改善、增强和提高, 没有相应的科学评价方法, 因此, 本文试图通过佛山市的具体情况, 借助运筹学的方法, 提出一种学习型城市建设的综合评价模型, 并将模型应用于佛山市学习型社会的建设中, 为佛山市学习型城市建设提供决策参考。

1 学习型城市评价指标体系

1.1 构建评价指标体系的原则

在构建学习型城市评价指标的过程中, 指标的选取不可能包罗万象, 面面俱到, 过多过滥, 从而影响指标的使用效率, 因此指标体系的构建必须遵循以下原则:

①系统性。知识经济时代, 人们的物质文化生活与社会、经济、科技和环境紧密相连, 因而评价指标应全面地、客观地反映学习型城市各层指标及其相互协调与整体运作。

②科学性。在考虑指标的选取、权重的选择、数据的可比性以及计算方法的科学性时, 都要根据可持续发展的客观规律, 全面反映学习型城市的运行过程。

③可操作性。重点考虑指标的代表性、内涵的覆盖性、人口素质的提高、人民文化消费观念的改变、科技创新能力与城市竞争力的提高、指标的量化、数据获取的难易程度与可靠性、计算方法的简易性以及人机交互功能等。

④动态性。建设学习型城市既是城市建设的目标也是过程, 其内涵随着社会经济的发展和社会的进步而不断深化, 因此指标体系应动态反应学习型城市建设的现状及未来发展趋势。

1.2 评价指标体系的构建

创建学习型城市的目标是在“终身学习”的组织原则下, 通过学习技术的应用, 促进城市的个体发展、城市的社会、文化、环境以及经济的发展, 从而大幅提高城市的整体学习和创新能力, 使城市形成和长期保持强大的竞争能力。因此, 为了建设学习型城市, 我们需要提供充分的学习资源和教育培训资源, 使得我们的市民“活到老, 学到老”, 从而提高人口素质和科技创新能力, 增强城市竞争力。本文根据指标体系的构建原则和目标, 构建了包括5个一级指标和15个二级指标的评价体系, 如表1所示。

2 学习型城市模糊综合评价模型的建立

2.1 确定评价指标模糊集

由表1指标体系的定义, 一级准则层指标集为, 二级指标层指标集, , 其中:i=1, 2, …m, j=1, 2, …, n。

2.2 确定评语集

定义评语集为, 其中:j=1, 2, …, n, 在此取n=5, V1, V2, V3, V4, V5分别代表评语为学习能力很强、学习能力较强、能力一般、学习能力较弱、学习能力很弱。

2.3 确定权重

本文采用AHP确定学习型城市建设评价指标体系的权重。AHP层次分析法根据问题的性质和要达到的总目标, 将问题分解为不同的组成因素, 并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合, 形成一个多层次的分析结构模型, 将每一层次的各要素两两比较, 按照一定的标度理论, 建立判断矩阵, 通过计算判断矩阵的最大特征值及特征向量, 建立权重向量。具体步骤如下:

①根据标度理论, 构造判断矩阵, 其中:

②求判断矩阵A的每一行元素相乘后, 求其n次方根:

③对进行归一化处理得到排序权重向量ωi:

④求出最大特征根λmax

⑤进行一致性检验

2) 找出相应的平均随机一致性指标R.I.;

3) 计算一致性比例;

当C.R.<0.1时, 可接受一致性检验, 否则对A修正。

2.4 模糊评价矩阵的确定

对U中的作单因素评价, 确定Ui对第j级评语的隶属度;j=1, 2, …, n) , 则因素Ui的单因素评价集为:

则从Ui到V的模糊评价矩阵为

2.5 建立模糊综合评价模型

模糊综合评价模型为

这里, 。对向量B= (b1, b2, …, bn) 作归一化处理, 取bj=max{b1, b2, …, bn}, 则目标层U的模糊综合评价结果为评语Vj。

2.6 多级模糊综合评价法

将学习型城市的评价采用二级评价的方法, 成立不少于10人的专家小组, 采用定量与定性相结合的方法, 将每个层次按类进行评价, 最后再对评价结果进行类之间更高层次的综合评价。

2.7 评价结论

将隶属度和权重代入模糊综合评价模型, 计算出衡量学习型城市学习水平的综合评价值。指标的测量采用李克特量表的方法, 利用语义学标度分为5个测量等级:学习能力很强、学习能力较强、能力一般、学习能力较弱、学习能力很弱, 为便于计算, 我们将主观评价的语义学标度进行量化, 分别赋值5、4、3、2、1。

3 佛山市学习型城市建设模糊综合评价

根据以上模型, 结合佛山市的具体实际, 我们选择了表1所示的指标体系, 计算结果为:

人口素质的权重:

学习资源的权重:ω2= (0.1958, 0.3108, 0.4934)

教育培训的权重:ω3= (0.2184, 0.1515, 0.6301)

城市竞争力的权重:ω4= (0.4934, 0.3108, 0.1958)

科技创新的权重:

一级指标权重:ω= (0.3196, 0.2848, 0.1283, 0.1391, 0.1283)

各判断矩阵一致性指标均小于0.10, 因此权系数的分配是合理的。

对综合评分值的加权平均的结果:

4 建议与结论

从综合得分结果可以看出, 学习资源得分较高, 其次是人口素质, 教育培训、城市竞争力和科技创新发展略有不足, 总体得分3.2932, 发展良好。因此, 在佛山市目前这种文化氛围下, 可以加强教育基础设施的建设, 大幅提高学习资源建设的水平, 进一步激活教育培训市场, 增强城市的聚集能力, 充分利用知识和科技对竞争力的渗透作用来增强城市的整体水平。具体分析如下:

①充分的学习资源和教育培训是佛山市建设学习型城市的保障。学习资源值为4.1675, 教育培训值为2.5942, 不但传统学习资源比例增长, 很多人学会使用新媒体, 而政府和相关教育机构不断对相关网站的内容多样化和增加新的学习方式, 使学习变得更加容易, 通俗易懂。人均教育文化娱乐服务支出的增加, 说明从业人口参与培训的比例增加, 居民学习意识的增长。同时教育培训值最低, 说明政府应该增加人们的教育培训机会, 增加对培训机构的建设与投入。这些是佛山市学习型城市建设的促进因素。

②良好的人口素质是佛山市能够开展学习型城市建设的基础。该指标值为3.1500, 所选指标为大专以上人口的比例和平均受教育年限, 得到的结果表明良好。这说明佛山市进行学习型城市建设的人文基础较好, 学习型城市建设具有广泛的社会基础和可行性, 这也从一个方面说明了佛山市从提出创建学习型城市到如今所取得的成果。

③城市竞争力和科技创新能力是当前佛山市学习型城市发展的薄弱环节。城市竞争力值是2.8630, 科技创新值是2.8721, 研发投入不高造成该指标值偏低。但随着中德工业园的建设, 以及高新技术企业的不断发展, 城市竞争力一定会有较大的提升。

综上所述, 本文构建的学习型城市模糊综合评价模型, 具有较强的实用价值, 能够较好地评价学习型城市整体状况和各子系统及其要素的水平, 完整描述学习型城市的发展状况, 更好地为佛山市学习型城市建设提供决策依据。

参考文献

[1]叶忠海.创建学习型城市的理论和实践[M].上海:三联书店, 2005.

[2]Tim Campbell.Learning cities:knowledge, capacity competiti veness.Habitat International, No.33, 2009:195-201.

[3]孙玫璐, 等.可持续发展:学习型城市建设造就社会发展的光明未来[J].高等继续教育学报, 2014, 27 (1) :13-16.

[4]汤兵勇.市场经济控制论.北京:中国环境科学出版社, 1997.

二级模糊综合评价模型篇8

1. 基于熵权模糊综合评价模型

基于熵权模糊综合评价方法是在考虑多种因素的影响下, 利用熵值法得到各因素在总体中所占权重, 通过结合权重运用模糊数学工具对事物作出综合评价。

将拥有n个评价指标的评价对象U{u1, u2, u3, …, un}, 通过模糊映射函数映射到对指标有m种评语的评价集V{v1, v2, v3, …, vm}上, 根据评价指标集可得n个待评价方案的评价矩阵A, A′为A的标准化矩阵:

其中aij=uij (i=1, 2, …, n, j=1, 2, …, m) , a′ij为aij标准化以后的数据。利用标准化矩阵A′根据熵值法计算指标的熵和熵权从而得到m个评价指标的熵权重向量为ω=[ω1, ω2, …, ωm]。利用隶属度函数计算各项评价指标在评价集V上的模糊子集得到每个方案的模糊评价矩阵:

综合评价集Bi为V上的模糊子集

对Bi归一化处理, 从而得到第i个方案的评价结果为:

式中为第i个方案相对于评语k的隶属度, 表示方案i在多大程度上可以被评语k描述。最后按照隶属度选取排序方法得到最终排名结果。

2. 实验分析

以2014年美国数学建模大赛B题为例, 通过NCAA官网获取8名具有代表性的美国大学篮球教练各项评价指标数据, 同时对评价指标数据进行标准化处理, 利用于基于熵权模糊综合评价模型得到排名结果, 同时, 将该组数据应用于文献[5]提出的Topsis模型, 对比结果如表1所示。

根据官方公布的往年美国大学篮球教练排名数据为判断基准, 显示基于熵权模糊综合评价模型与Topsis模型所得结果整体相似度较高, 但是基于熵值的模糊综合评价模型结果更为准确。

3.结论

基于熵值的模糊综合评价模型利用熵权权重, 消除了部分主观因素对结果的影响, 在避免权重的不平衡情况下又考虑了单个权重在综合权重中的主次问题, 同时将评价指标合理模糊化, 实现方案的相对优劣排序。通过这种模型, 使得排名次序更具有公平性和科学性。

参考文献

[1]徐雅静, 汪远征.主成分分析方法的改进[J].数学的实践与认识, 2006, 36 (6) :68-75.

[2]赵全超, 赵国杰, 王举颖.基于BP神经网络模型的企业综合绩效评价方法研究[A].天津理工学院学报, 2004, 20 (2) :12-15.

[3]陈自洁.一种改进的粗集综合评价算法[A].海南师范学院学报 (自然科学版) , 2005, 18 (4) :324-329.

[4]林济铿, 李童飞, 赵子明等.基于熵权模糊综合评价模型的电力系统黑启动方案评估[A].电网技术, 2012, 36 (2) :115-120.

二级模糊综合评价模型篇9

目前,研究产学研协同创新的文献中,主要涉及产学研协同创新的主体、组织机制、绩效评价、利益分配模式、风险控制等,对于合作伙伴选择的研究主要集中在突破性创新联盟、技术创新网络、项目合作组织、企业及客户合作等方面[2,3,4,6]。王进富、张颖颖、苏世彬、刘江南[7]等提出了从动力协同、路径协同、知识管理协同构建产学研协同创新机制,首次提出用协同度来评价协同创新效应[9]。徐亚丰、贾连光、田斌、孙辉分析了如何建立校企合作的机制,同时结合高校与某建筑企业合作模型的案例,提出了产学研合作的新途径[10]。段晶晶提出建立了相应的博弈模型来解决实际中的利益分配问题,拓展了对产学研合作利益分配研究的理论。同时,在现有的产学研合作伙伴研究中,定性方法居多,且大多并未形成系统的决策思路和方法,如毕丹[2]。通过关系理论法、模糊综合评价法进行过滤及初选,最终用指标体系建立多目标规划模型最终确定最优目标。王胜维[4]建立了合理的战略联盟合作伙伴选择机制,而后基于层次分析法和遗传算法进行综合优化。曹霞、刘国巍、付向梅[9]从产学研协同创新合作伙伴选择的基本特性出发,采用直觉模糊多属性决策理论和相对熵理论,为解决决策者偏好特性和有限理性的问题,建立产学研合作伙伴选择的群体决策模型。

1问题提出

产学研协同创新可以给合作各方带来利益,高校及科研所借此提升了学术与实践相结合的能力,并实现了商业的收益,企业可能通过与高校及科研所合作降低了研发风险和成本。另一方面,协同创新伙伴的质量将关乎合作项目成败,从整个协同创新的过程来看,选择合作伙伴是第一步,然而当前情况下企业选择合作伙伴时仍较为盲目,缺乏高效、易行的方法,现有文献中所涉及产学研合作伙伴选择的决策模型大多无法较好地适应企业在选择合作伙伴过程中所面临的不确定性环境,以及由于信息不对称所引起的决策偏差。本文基于产学研协同创新过程中各方的紧密合作协调关系,从供应链的视角对产学研合作伙伴关系进行分析后,将三角模糊综合评价法与改进的TOPSIS法相结合形成筛选协同创新合作伙伴的模型,此模型能够很好地解决选择合作伙伴的决策过程中的模糊性问题,提高决策的准确性,因此,本文将为企业选择合适的高校及科研院所进行合作提供了模型范本。

2确定综合指标权重方法

2.1运算规则

用W=(1,m,u)来表示三角模糊数,三角模糊数的取值由(1,m,u)确定,如下所示:

2.2计算权重

1建立模糊判断矩阵。将决策信息由三角模糊数定量表示,由此建立三角模糊判断矩阵Wk=[Wpq]n×n。由决策者给出针对第K个上一级目标的评估值,这里Wpq= (1pq,mpq,upq)是一个闭区间,1pq是最保守评估值,mpq是最可能评估值,upq是最乐观评估值,这样便建立起初始评估矩阵。

2评估信息综合。决策者给出的三角模糊数由Wtpq= (1tpq,mtpq,utpq),(p,q=1,2…n,t=1,2,…T)表示,在综合决策者偏好时采用简单平均法,公式:

3计算综合重要度。利用公式:

求出规范化模糊集合S1k,S2k,…,Snk,分别表示第k层各个因素相对于上一级第q个因素的模糊综合程度。

4利用公式(8),由各指标的重要性得出Spk≥S1k, S2k…,Snk的可能度,即:dqk(Xi)=V(Spk≥S1k,S2k…,Snk),p=1,2,n。

5利用公式(7),计算Spk≥Sqk的可能度V(Spk≥Sqk), p,q=1,2,…,n;p≠q。

6单层指标权重向量的获得。依据得到的dkq(xi) (p=1,2,…,n),则Ẑqk=(dqk(x1),dqk(x2),…,dqk(xn))T是合作伙伴选择方案第k层单排序权向量,归一化后得到Uqk=Zqk=(z1q,z2q,…,znq)T即第k层单排序权向。(其中

7综合指标权重向量。如果用Zk-1=(Z1k-1,Z2k-1,…, Znk-1)T表示k-1层关于总目标的排序权重向量,那么可以得到Zk=(Z1k,Z2k,…,Znk)T=UkZnk-1(11)

某层全体元素对总目标的综合排序权重向量。

3模糊网络分析法-模糊TOPSIS法评估模型

3.1评估步骤

首先,根据产学研协同创新伙伴评估的现状制定总体评估流程 ,分析模糊三角理论、层次网络模型和TOPSIS理论的具体研究情况。其次,依据模糊层次网络模型,确定全局指标权重,方法如下:1提出产学研协同创新伙伴评估思想方法;2模糊判断矩阵的建立;3最终确定产学研协同创新伙伴评估全局指标权重。第三,采用改进的TOPSIS方法对各个评估方案排序,具体包括: 1待评估对象到正理想方案和负理想方案的距离计算; 2确定产学研协同创新伙伴的最终排序。第四,案例研究。1整理案例分析数据以及资料;2用评估模型对产学研协同创新伙伴进行评估;3最终确定恰当的产学研协同创新伙伴。

3.2指标体系确立

在现有的合作伙伴研究文献的基础上,同时结合当代企业的实际需求,综合考虑产学研合作各方的机制、组织目标等方面的差异,本文中给出的评估体系包括六个方面指标,分别为合作积极性、合作声誉、技术改良与创新能力、知识整合能力、协同能力、研究资源实力。其中未完全包括相关决策因素,然而通过文献研究,发现这些指标是进行产学研协同创新伙伴评估的最重要指标

图1中,单项箭头表示单独作用关系,双向箭头表示相互作用关系。

3.3三角模糊ANP-TOPSIS集成评估方法

3.3.1模糊ANP方法。模糊层次网络法结合了传统层次分析法和模糊综合评价,最终形成了新的决策评估分析法。它的具体操作步骤如下所示:步骤1:建立评估指标体系之后,将评估指标和评估对象相互进行比较,从而建立三角模糊判断矩阵,在三角模糊数计算规则的基础上,合成各个决策者的判断矩阵。步骤2:运用模糊网络分析法计算出所有评估指标的局部以及全局权重,进而为模糊TOPSIS法的实现打下基础。

3.3.2改进的TOPSIS法。TOPSIS法是多目标决策分析中的一种常用的有效方法,它是在现有的对象中进行相对优劣的评价方法,其基本原理是根据有限个评价对象与理想化目标的接近程度进行排序的方法。TOPSIS法是一种逼近于理想解的排序法,该方法只要求各效用函数具有单调递增(或递减)性即可。因此,本文运用三角模糊理论,将TOPSIS方法中的各指标权重和备选方案的等级采取了数学语言变量进行描述,进而引入模糊TOPSIS方法解决产学研伙伴评估问题。用TOPSIS方法求解步骤如下:

步骤1:对决策矩阵进行规范化处理。rpq为决策矩阵中元素,公式

其中Xpq是决策矩阵的初始值,p表示第p个决策方案,q表示第q个评估指标。

步骤2:运用模糊网络分析法可得全局评估指标结果,其后计算综合决策矩阵Vpq,综合决策矩阵是指经过指标加权后的TOPSIS规范化决策矩阵,公式如下:

步骤3:得到最佳合作伙伴和最差合作伙伴,其中Cb是效益目标集,Cc是成本目标集。S*=(V*1,V*2,…,V*n)为最佳合作伙伴,其

步骤4:为评选各备选方案与理想方案和负理想方案的接近程度,引入如下两个距离,即备选方案xp到S*的距离d*p和S-的距离d-p。

步骤5:各备选方案与最佳方案的相对接近程度计算,如下所示:

步骤6:根据CCi的值可以进行综合评价,dp越大,说明离理想合作伙伴水平越接近。

4模型应用

中国某电子制造企业需进行产学研合作伙伴评估, 本文将以该企业为例来验证评估模型的实用性。现有8个待评估产学研合作伙伴,分别为O1,O2,O3,O4,O5, O6,O7,O8。现在成立了一个决策评估小组,由两人组成采用的评估指标为模型中图1所示。

不同影响程度采用11个语言变量进行描述,对应的三角模糊数表示如表1。

表2中描述了各个评估指标间的重要程度判断矩阵,分别用语言变量和对应三角模糊数进行表示。其他各级指标计算方法类似。

1计算完成所有局部权重后,利用公式(7)(8)计算出全局指标权重。计算结果如下:

全局指标权重为:[S1,S2,S3,S4,S5,S6]=[0.08,0.21, 0.18,0.14,0.16,0.22]

由模糊TOPSIS方法得,第一步得出综合加权评估值,该值是关于各备选产学研协同创新合作伙伴的各项评估指标的。

2由公式(12)(13)确定最佳合作者和最差合作者, 列示如下:

S*={(0.104,0.12,0.136),(0.252,0.294,0.326), (0.144,0.18,0.216),(0.182,0.21,0.238),(0.208,0.24, 0.272),(0.264,0.308,0.352)}

S-={(0.04,0.056,0.072),(0.063,0.105,0.147), (0.09,0.126,0.162),(0.084,0.112,0.14),(0.096,0.128, 0.16),(0.154,0.198,0.242)}

3根据公式(14)(15),计算得各方案到理想方案的距离为:

d1*=0.2197 84,d2*=0.146 127,d3*=0.207 029,d4*=0.170939,d5*=0.216 97,d6*=0.282 567,d7*=0.225 096,d8*=0.139169

4根据公式(16),每个合作伙伴对最佳合作伙伴的相对接近值

u1=0.484 307,u2=0.431 405,u3=0.418 5,u4=0.3671 64, u5=0.407 311,u6=0.286 176,u7=0.251 707,u8=0.617 499

5根据ui对候选合作伙伴进行排序得:

o8>o1>o2>o3>o5>o4>o6>o7

因此,最佳合作伙伴为o8。

5结论

产学研合作伙伴选择是企业开启创新活动的第一步,也是基础且关键的一步,给企业造成了诸多难题,也是如今学界研究的热点问题。由于在进行产学研合作伙伴选择的过程中,决策者的有限理性和偏好特性给决策的制定带来了重大影响,因此,本文基于三角模糊理论和TOPSIS评估法,为产学研协同创新合作伙伴的选择提供了综合模型。结论如下:

5.1产学研合作伙伴选择是由企业主动发起的合作伙伴搜寻工作,同时受政府政策和社会资本偏好的影响,产方和学研方互相之间缺乏了解和感性认知,从而给决策的进行带来了诸多阻碍,因此,本文采取三角模糊理论将评价过程定量化,同时加入层次网络分析法计算评价指标的权重分配,以求得在群体决策的基础上达到较好的决策效果。同时,产学研协同创新的过程中,由于产方面临的具体环境具有极高的变动性和不确定性,因此本文采用了改进的TOPSIS法基于理想点进行多指标决策使得选拔的合作伙伴具有更高的适应性。本文的模型为解决产学研合作伙伴选择这一复杂决策问题提供了新的决策思路和理论,同时为产学研协同创新机制的建立提供了支撑基础。

5.2本文将改进后的TOPSIS方法与三角模糊理论及层次分析网络模型加以结合,为产学研协同创新合作伙伴的选拔提供了新的思路和方法,使得整个选拔过程更为高效。运用三角模糊理论将决策信息数学化,使决策语言能够进行定量化计算,并用数学化的语言准确表达决策者的思想意见;采用层次分析网络模型更为科学地计算指标权重,并将TOPSIS方法基于理想点进行改进,提高了决策过程的精确度,以促使决策者做出科学决策。

二级模糊综合评价模型篇10

关键词：油气管道项目,投资风险,指标体系,模糊综合评价

管道项目的显著特点是资金技术密集、建设周期较长、高投入及高风险,其风险比一般的工业项目更具有典型代表性,国内外管道界对管道项目的风险十分重视。管道项目投资的风险评估是一种模拟性及市场化的动态行为,依据特定的目的和条件,对管道项目投资的风险进行估算和评定。如何客观真实地评价出风险的大小,减少不确定性因素对管道项目投资风险的影响,是管道项目评估中亟待解决的一个问题。

1 管道项目投资风险评价指标体系

1.1 管道项目的风险因素

1)资源风险。2)技术风险。3)自然风险。4)政治风险。5)经济风险。6)社会风险。7)管理风险。

1.2 管道投资风险指标体系的设计

从上述投资风险因素分析可看出,影响投资风险的因素众多且关系较为复杂。为了便于投资决策者理解各因素的层次关系,构建了如图1所示的油气管道项目投资风险评价指标体系[2,3,4]。

2 管道投资风险模糊综合评价模型

2.1 改进的模糊层次分析法(FAHP)

T.L.Saaty提出的层次分析法(AHP)能将定性问题定量化,它的基本原理是将待评价的各因素两两比较其相对重要程度,然后依据比较结果将所有因素进行排序。实践证明,AHP存在一定的缺陷和不足。

1)需对判断矩阵进行一致性检验;

2)利用行和归一化法、方根法求每一个因素的重要性排序时,仅考虑了判断矩阵中对应一行元素的影响,故计算精度不高。

为此,本文对层次分析法进行改进[5,6],称为改进的模糊层次分析法(FAHP),步骤如下:

1)采用三标度法建立优先关系矩阵F=(fij)n×n。

$f_{i j} = {\begin{cases} 0.0 ‚ s (i) ＜ s (j) \\ 0.5 ‚ s (i) = s (j) \\ 1.0 ‚ s (i) ＞ s (j) \end{cases}$

(1)

其中,s(i),s(j)分别为指标fi和fj相对的重要性程度;显然,F为模糊互补矩阵。

2)修正优先关系矩阵。

因进行评价的专家能力不同,利用陈利琼博士提出的专家能力权值模型[5],用改进的FAHP方法计算得各专家的能力权值,对优先关系矩阵进行修正。

3)将修正后的优先关系矩阵F改造成模糊一致矩阵R=(rij)n×n,即F先按行求和,记为:

$r_{i} = \sum_{k = 1}^{n} f_{i k} (i = 1, 2, \dots ‚ n)$ (2)

然后作行变换为:

$r_{i j} = \frac{r_{i} - r_{j}}{2 n} + 0.5$ (3)

4)利用行和归一化法或方根法求得排序向量:

W(0)=(w1,w2,…,wn)。

5)利用转换公式eij=rij/rji将互补型判断矩阵R=(rij)n×n变为互反型矩阵E=(eij)n×n。

6)将排序向量W(0)作为特征值法的迭代初值V0,进一步求精度较高的排序向量W(k),具体步骤如下[6]:

a.以V0=V0(v01,v02,…,v0n)T为迭代初值,利用迭代公式Vk+1=EVk求特征向量Vk+1,并求Vk+1的无穷范数‖Vk+1‖∞。

b.若|‖Vk+1‖∞-‖Vk‖∞|<ε,则‖Vk+1‖∞即为最大特征值λmax,将Vk+1进行归一化处理,所得向量W(k)=Vk+1即Abstract:

为方案排序向量,迭代结束;否则,以

$\begin{array}{l} V_{k} = \frac{V_{k + 1}}{∥ V_{k + 1} ∥_{\infty}} = \\ [\frac{v_{k + 1 ‚ 1}}{∥ V_{k + 1} ∥_{\infty}} ‚ \frac{v_{k + 1 ‚ 2}}{∥ V_{k + 1} ∥_{\infty}} ‚ \dots ‚ \frac{v_{k + 1 ‚ n}}{∥ V_{k + 1} ∥_{\infty}}]^{Τ} \end{array}$