一种基于多因子算法评价指标优化方法

《一种基于多因子算法评价指标优化方法》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、一种基于多因子算法评价指标优化方法　　摘要：从指标的关联性、重要性和有效性出发，利用灰色关联分析，提出了基于多因子算法的评价指标优化方法。该算法同时考虑多种因素对评价指标的影响，不仅保留了指标体系中的重要指标，也使各指标间相互独立，从而使得指标体系既全面又不冗余。在此基础上，通过有效性检验对指标体系进一步分析，确保了优化结果的科学性，给大型复杂系统评价指标的优化提供了新思路。关键词：指标；多因子算法；优化中图分类号：X9129文献标识码：A文章编号：2095-2163（2013）02-0070-040引言建立完善的评价

2、指标体系是获得有效评价效果的前提，评价指标体系科学、合理，评价结果才会相应地准确与客观。目前，针对评价指标体系的研究较多，借助各种文献资料，已经构建了各种各样的评价指标体系，但由于缺乏科学理论方法的指导，却引发了各类程度不同的问题。因此，实用有效的指标优化方法对于评价指标体系的构建具有重要而深远的意义。1评价指标优化方法研究分析8已有为数众多的研究者就评价指标优化方法开展了大量研究工作，得到了一些实用的方法，解决了一部分实际问题。然而仍有一些问题未获圆满解决。这些问题主要表现在以下几个方面：（1）大多数评价指标都是基于

3、定性分析和定量分析相结合来进行筛选，但目前所选用的定量分析方法却常常仅从单一因素考虑，未能兼顾各类指标之间的关联性和重要性。而优质、高效的评价指标体系只有需要综合考虑各种因素影响，才能得到切实、可靠的构建[1]。（2）针对评价指标体系有效性测评的研究开展得仍不够充分。基于不同的角度，对于同一评价目标可建立不同的评价指标体系。对这些指标体系的有效程度应如何进行定量描述，其中哪个体系更能真实反映评价目标，诸如此类问题的全面解决对于建立合理的指标体系具有基础性的重要意义[2]。2构建评价指标优化方法2.1多因子综合算法科学、

4、合理的评价指标体系是进行准确、客观评价的基础。然而，目前有关建立评价指标体系的问题仍缺乏足够的理论指导，尤其是对于一些大型的较为复杂系统，因其内部影响因素间的关联对应错综烦杂，使得评价指标体系的构建就尤显困难。为了建立全面、且无冗余的评价指标体系，须从指标的关联性、重要性和有效性三个方面综合考虑。8（1）指标的关联性。即各指标之间的关联程度，其大小用关联度来表示。关联度越小，就表明指标间的独立性越高，指标间的冗余度也就相应地越小，指标体系越能如实地反映评价目标。（2）指标的重要性。即各指标的重要程度，其大小用重要度来表

5、示。指标的重要度与该指标对评价目标的影响效果成正比。（3）指标的有效性。即评判者采用某个指标对评价目标进行评价时该指标的有效程度。其大小用效度来衡量。效度与采用该指标对评价目标进行评价的有效性成正比关系。评价指标体系中各个指标的效度之和表征了整个指标体系的有效性。可将指标体系的效度作为对评价指标体系检验有效性的参考标准。综上所述，为了建立科学有效的评价指标体系，就必须尽量减小指标间的关联度，对于关联度大的指标应根据具体情况进行取舍；为保证指标体系的简洁性，应该滤除重要度相对较低的指标；而后再利用效度对其进行有效性分析，

6、并根据有效性检验结果判定指标体系的构建是否合理。根据这一思路，在综合考虑指标的关联度、重要度和效度的基础上，提出了评价指标优化的多因子综合算法。第2期杨敏，等：一种基于多因子算法的评价指标优化方法智能计算机与应用第3卷822多因子综合算法的基本原理多因子综合算法的基本原理是，首先参考国内外标准初步建立评价指标，并使用该评价指标体系评价目标对象，将评价结果作为灰色关联聚类方法的输入，由此可以计算得出各个指标之间的相关程度，同时各个指标的重要程度可以通过模糊分析计算获取，然后将分析计算所得的指标之间的关联度和指标的重要度作

7、为对所有指标进行分类和判定取舍的依据，最后采用灰色关联分析法来检验指标的有效性。算法的实现流程如图1所示。基于多因子综合算法优化后的评价指标体系可以保证其中指标全面且无冗余，互相独立而又重点突出[3]。2.2.1指标的相关性分析通常，指标相关性分析都基于数理统计或聚类分析等方法，但这些方法要求预先取得大量的统计数据，并且计算任务繁重，有时还要求样本数据呈现某些特殊关系。而灰色关联分析法对于数据样本数量和样本特征均没有特殊要求，而所涉及的计算也非常简便，并且对定性和定量指标均有很好的适应性[4]。该方法的基本思想是，比较

8、序列曲线几何形状的相似程度，以此来反映各曲线的关联程度。若各比较序列曲线几何形状的相似度越大，相应序列间的关联程度也就越大，反之亦然。因此，可以采用灰色关联分8析方法通过曲线几何形状相似程度的比较来进行指标的相关性分析。另外，对于复杂系统评价指标的优化，由于受主观因素影响，会涉及到大量不确定信息，致使分析过程具有明显的灰色性，而灰