基于评价信息随机化的群体评价方法与应用

针对群体评价中共识集结的相关问题,从仿真的视角讨论了评价信息随机化的群体共识聚合求解方法。首先,面向实数类型的评价信息,将精确性的数据给予一定的宽松性处理,进一步结合正态分布的3σ原则,利用随机模拟的方式集结出带有概率特征的可能性排序;其次,面向区间数类型的评价信息,整合出各子区间发生概率不同的区间数评价信息,在充分随机模拟的情况下,给出了带有优胜概率特征的可能性排序。最后,通过相应的算例进行求解分析,说明了该方法的可行性和有效性。基于群体共识视角,针对实数和区间数两种类型的评价信息,分别进行相应的随机化处理,并为进一步探索区间数的分布形式提供了一种新的研究思路。     

一种新的基于时序增益激励的赋权方法及应用

针对具有激励特征的动态综合评价问题,在分层规则和激励导向的基础上,提出一种具有识别功能的时序增益激励赋权方法。首先根据各被评价对象在各指标上的整体增益速度的趋势和状态,遵照分层规则对评价指标识别并分层;然后将整体增益速度的趋势和状态“积”性集结得到相应的激励量,并根据激励导向以组合赋权的方式确定指标权重。最后,通过中国31个省域的科技发展水平实证分析对方法的应用过程进行了说明。该赋权方法从激励的视角充分考虑了被评价对象在各指标上的发展趋势和发展潜力,据此,被评价对象可判断自身优势和不足,决策者也可统筹把握被评价对象整体发展情况,实现精准引导、统筹兼顾和公平激励。     

残缺数据下动态随机算法及应用

针对指标数据残缺的动态评价问题,提出了一种基于残缺数据的动态随机算法。首先依据时间维度上的分布情况将残缺值分为两类:离散型与连续型,并提出了对应的补足方法;然后在数据补足完整的基础上,利用随机模拟技术,计算优胜度矩阵,并推导出被评价对象之间的可能性排序。该算法避免了评价对象之间排序的绝对性,在对实际问题的解释方面具有较大弹性。最后,通过一个算例对该算法进行详细说明。     

基于先验信息和一维数据聚类的专家赋权方法

多属性群体评价方法研究中,对专家赋权是一项重要的研究内容。本文结合专家的先验信息和后验信息,提出了一种确定专家权重的方法。首先,利用专家历史评价活动中的序值相关系数,做出本次评价活动的预测值,进而确定专家先验权重;其次,基于群体共识视角,对各专家所给出的指标信息进行一维数据聚类,结合不同分组情况下出现的概率,计算出专家后验权重;最后,将两类权重进行组合确定最终权重,并用一个算例验证了该方法的有效性以及合理性。