前言

對(duì)于評(píng)價(jià)類模型，最好還是使用 Topsis法，主成分分析主觀因素太大，灰色關(guān)聯(lián)分析因?yàn)檫@個(gè)灰色理論近幾年才在國(guó)內(nèi)出現(xiàn)，使用范圍較小，可能評(píng)委老師了解不多。模糊綜合評(píng)價(jià)的話也可以使用，但是能用 Topsis法最好還用 Topsis法。
評(píng)價(jià)類模型主要研究的是多個(gè)指標(biāo)中各個(gè)指標(biāo)的評(píng)分來(lái)對(duì)不同指標(biāo)進(jìn)行評(píng)價(jià)。

一、層次分析法（AHP）

1.介紹

層次分析法是一種解決多目標(biāo)的復(fù)雜問(wèn)題的定性與定量相結(jié)合的決策分析方法。該方法將定量分析與定性分析結(jié)合起來(lái)，用決策者的經(jīng)驗(yàn)判斷各衡量目標(biāo)之間能否實(shí)現(xiàn)的標(biāo)準(zhǔn)之間的相對(duì)重要程度，并合理地給出每個(gè)決策方案的每個(gè)標(biāo)準(zhǔn)的權(quán)數(shù)，利用權(quán)數(shù)求出各方案的優(yōu)劣次序，比較有效地應(yīng)用于那些難以用定量方法解決的課題。
層次分析法的基本思路是將所要分析的問(wèn)題層次化；根據(jù)問(wèn)題的性質(zhì)和所要達(dá)成的總目標(biāo)，將問(wèn)題分解為不同的組成因素，并按照這些因素的關(guān)聯(lián)影響及其隸屬關(guān)系，將因素按不同層次凝聚組合，形成一個(gè)多層次分析結(jié)構(gòu)模型；最后，對(duì)問(wèn)題進(jìn)行優(yōu)劣比較并排列。

2.算法流程

1. 分析系統(tǒng)中各因素之間的關(guān)系，建立系統(tǒng)的遞階層次結(jié)構(gòu)
   
2. 對(duì)于同一層次的各元素關(guān)于上一層次中某一準(zhǔn)則的重要性進(jìn)行兩兩比較，構(gòu)造兩兩比較矩陣（判斷矩陣）
3. 由判斷矩陣計(jì)算被比較元素對(duì)于該準(zhǔn)則的相對(duì)權(quán)重，并進(jìn)行一致性檢驗(yàn)（檢驗(yàn)通過(guò)權(quán)重才能用）.
   
   
4. 根據(jù)權(quán)重矩陣計(jì)算得分，并進(jìn)行排序

3.局限性

二、優(yōu)劣解距離法（Topsis法）

1.介紹

TOPSIS 法是一種常用的綜合評(píng)價(jià)方法，其能充分利用原始數(shù)據(jù)的信息，其結(jié)果能精確地反映各評(píng)價(jià)方案之間的差距?；具^(guò)程為先將原始數(shù)據(jù)矩陣統(tǒng)一指標(biāo)類型（一般正向化處理）得到正向化的矩陣，再對(duì)正向化的矩陣進(jìn)行標(biāo)準(zhǔn)化處理以消除各指標(biāo)量綱的影響，并找到有限方案中的最優(yōu)方案和最劣方案，然后分別計(jì)算各評(píng)價(jià)對(duì)象與最優(yōu)方案和最劣方案間的距離，獲得各評(píng)價(jià)對(duì)象與最優(yōu)方案的相對(duì)接近程度，以此作為評(píng)價(jià)優(yōu)劣的依據(jù)。該方法對(duì)數(shù)據(jù)分布及樣本含量沒(méi)有嚴(yán)格限制，數(shù)據(jù)計(jì)算簡(jiǎn)單易行。

2.算法流程

1. 將原始矩陣正向化
   
2. 正向化矩陣標(biāo)準(zhǔn)化
   注：標(biāo)準(zhǔn)化的目的是消除不同指標(biāo)量綱的影響。
3. 計(jì)算得分并歸一化

3.模型拓展 —— 帶權(quán)重的Topsis

1.使用層次分析法來(lái)確定權(quán)重取值

2.基于熵權(quán)法對(duì)Topsis模型的修正

熵權(quán)法的計(jì)算步驟

1. 判斷輸入的矩陣中是否存在負(fù)數(shù)，如果有則要重新標(biāo)準(zhǔn)化到非負(fù)區(qū)間
   （后面計(jì)算概率時(shí)需要保證每一個(gè)元素為非負(fù)數(shù)）
2. 計(jì)算第 j 項(xiàng)指標(biāo)下第 i 個(gè)樣本所占的比重，并將其看作相對(duì)熵計(jì)算中用到的概率
   
3. 計(jì)算每個(gè)指標(biāo)的信息熵，并計(jì)算信息效用值，并歸一化得到每個(gè)指標(biāo)的熵權(quán)
   

三、灰色關(guān)聯(lián)分析

1.介紹

2.算法流程

1. 畫統(tǒng)計(jì)圖
2. 確定分析數(shù)列
   
3. 對(duì)變量進(jìn)行預(yù)處理（兩個(gè)目的：去量綱；縮小變量范圍簡(jiǎn)化計(jì)算）
   對(duì)母序列和子序列中的每個(gè)指標(biāo)進(jìn)行預(yù)處理：先求出每個(gè)指標(biāo)的均值，再用改指標(biāo)中的每個(gè)元素都除以其均值。
4. 計(jì)算子序列中每個(gè)指標(biāo)與母序列的關(guān)聯(lián)系數(shù)

6. 通過(guò)比較三個(gè)?序列和?序列的關(guān)聯(lián)度可以得到結(jié)論

spassau中的算法步驟：
第一步：確定母序列和特征序列，且準(zhǔn)備好數(shù)據(jù)格式；
第二步：針對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱化處理（通常情況下需要）；
第三步：求解母序列和特征序列之間的灰色關(guān)聯(lián)系數(shù)值；
第四步：求解關(guān)聯(lián)度值；
第五步：對(duì)關(guān)聯(lián)度值進(jìn)行排序，得出結(jié)論。

3.注意事項(xiàng)

四、模糊綜合評(píng)價(jià)模型

閱讀：模糊綜合評(píng)價(jià)模型詳解

1.算法流程

第一步：確定評(píng)價(jià)指標(biāo)和評(píng)語(yǔ)集；

第二步：確定權(quán)重向量矩陣A和構(gòu)造權(quán)重判斷矩陣R；

第三步：計(jì)算權(quán)重并進(jìn)行決策評(píng)價(jià)。

2.應(yīng)用實(shí)例

總結(jié)

補(bǔ)充閱讀：
指標(biāo)賦權(quán)與評(píng)價(jià)類方法總結(jié)
數(shù)模算法：模糊綜合評(píng)價(jià)模型文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-468758.html

到了這里，關(guān)于數(shù)學(xué)建模 —— 評(píng)價(jià)模型的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！