应用人工神经网络确定评价指标的权重

《应用人工神经网络确定评价指标的权重》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第20卷第3期山东科技大学学报(自然科学版)Vol20N03201年9月JommlofShandongUniversityofScienceandTechnology(NaturalScience)Sep．2001文章编号：1000—2308(2001)03—0084—03应用人工神经网络确定评价指标的权重。孙会君1．王新华2(1北方主通大学交遄运输学院．北京100044；2．山未科拄大学垃济管理学院．泰安271019)摘要：阐述了如何利用人工神经网络方法确定评价指标的权重，以消除以往权重确定过程中人为影响及缺乏动态性这一弊端．具有一定的实用意义。关键词：

2、人工神经网络；评价指标；权重中围分类号：F224文献标识码：ADeterminationoftheWeightofEvaluationIndexeswithArtificialNeuralNetworkMethodSUNHui-junl，WANGXin-hua2(1CFollegeolTrafficandTransportation．NomhemJiaotongUriversity．Beljln9100044，ChiIla)2CoUpeotEconomyandManagement．SUST．Taian271019。Cram)Abstract：Thispaperel

3、aborateshowtodeterminetheweightofevaluationindexeswiththeartificialneuralnetworkmethodItCanremovetheman—madeinfluenceandlackofdynamiccharacteristicinweightdeter—minationKeywords：artificialneuralnetwork；evaluationindex；weight我们进行系统评价时建立的评价指标体系中各个指标对其描述对象的影响程度即它们的权重是不同的，这就需要根据指标的重要性确定其权

4、重大小。在以前的评价方法中，传统的权重设计带有很大的模糊性，有时离差也显得过大，同时权重确定中人为因素影响也很大。随着时间、空间的推移，各指标对其对应问题的影响程度也可能发生变化，确定的初始权重不一定符合实际情况。再者考虑到整个分析评价是一个复杂的非线性大系统，必须建立权重的学习机制，这些方面正是人工神经网络解决问题的优势所在。我们利用人工神经网络来确定各项指标的权重，通过对已知(经实践检验是科学、合理、切合实际的评价)样本的学习，获得评价专家的经验知识及对目标重要性的权重协调能力，尽可能消除以往权重确定方法中的人为影响，保证权值的有效性和实用性。1人工神经网络方

5、法(1)人工神经网络简介人工神经网络(ArtificialNeuralNetwork，简称ANN)是由大量的、同时也是很简单的处理单元广泛连接而形成的网络系统。它最早开始于1943年Meculloch和Pitts提出的神经元的数学模型。它反映了人脑功能的许多基本特征，是一个并行处理的非线性系统，但它并不是人脑神经系统的真实写照，而只是对人脑的行为作某些简化、抽象和模拟。神经网络的学习算法有多种，根据所研究问·收稿日期：2000—10—30基金项目：山东省自然科学基金资助项目(Y98J08104)作者简介：孙会君(1974一)．女．河北衡水人，博士研究生，主要从事管

6、理科学与工程、变通运输规划与管理研究。万方数据第3期孙会君等：应用人I神经网络确定评价指标的权重85题的性质和神经网络的有关理论，在本文的评价模型中全部采用BP神经网络的结构形式。(2)BP神经网络的学习算法模型研究是人工神经网络研究的主要方面之一，到目前为止，人们至少已设计出几十种不同的神经网络模型，BP网络是在1985年由RumeChart等人提出的反向传播算法的基础上发展起来的，是一种多层次反馈型网络，所使用的是有导师学习算法，网络结构如图1所示。图1BP网络模型BP网络的学习算法步骤如下：第一步：设置初始参数m和口，(m为初始权重．0为临界值，均随机设为较

7、小的数)。第二步：将已知的样本加到网络上，利用下式算出它们的输出值Mr]-1Yj=Jl+f“j吁一一o’J(1)【J式中：z。为该节点的输入(i=1，⋯m)；w。为从i到j的联接权(i=l⋯m，j～1·”)，初始权重随机设为[o，1]较小的数；只为l临界值；yi为实际算出的输出数据。第三步：按已知输出数据与上面算出的输出数据之差(d，一*)调整权系数w，调整量为：Aw0=和，(2)式中：T／为比例系数，即学习率，在计算中设置为一较小的数[O，I】，在网络训练中以不引起振荡和能保证较好的精度为前提，逐步提高口值，直到认为达到满意的训练速度为止；z．为在隐节点为网络输

8、入，在输出