资源描述
数学建模综合评价与决策方法数学建模综合评价与决策方法14、1 理想解法理想解法14、1、1示例示例采纳上式进行属性规范化时采纳上式进行属性规范化时,经过变换的最差属性值经过变换的最差属性值不一定为不一定为0,最佳属性值为最佳属性值为1。14、1、2 方法与原理方法与原理14、1、3 TOPSIS法的算法步骤法的算法步骤14、2 模糊综合评判法模糊综合评判法14、2、1 一级模糊综合评判在人事考核中的应用一级模糊综合评判在人事考核中的应用2024年年6月月25日日38模糊综合评判模糊综合评判一级模糊综合评判一级模糊综合评判2024年年6月月25日日39模糊综合评判模糊综合评判2024年年6月月25日日40根据运算的不同定义,可得到以下不同模型:根据运算的不同定义,可得到以下不同模型:模糊综合评判模糊综合评判2024年年6月月25日日41例如有单因素评判矩阵例如有单因素评判矩阵则则B(0、18,0、18,0、18,0、18)2024年年6月月25日日42模糊综合评判模糊综合评判2024年年6月月25日日43模糊综合评判模糊综合评判2024年年6月月25日日44其中:其中:模糊综合评判模糊综合评判2024年年6月月25日日45 例例:“晋升”的数学模型、以高校老师晋升教授为例:因素集U=政治表现及工作态度,教学水平,科研水平,外语水平,评判集V=好,较好,一般,较差,差、因素 好 较好 一般 较差 差政治表现及工作态度 4 2 1 0 0教学水平 6 1 0 0 0 科研水平 0 0 5 1 1 外语水平 2 2 1 1 1 2024年年6月月25日日46给定以教学为主的权重给定以教学为主的权重A=(0、2,0、5,0、1,0、2),分别用分别用M(,)、M(,)模型所作评判下模型所作评判下:M(,):B=(0、5,0、2,0、14,0、14,0、14)归一化后归一化后,B=(0、46,0、18,0、12,0、12,0、12)M(,):B=(0、6,0、19,0、13,0、04,0、04)2024年年6月月25日日47模糊综合结论最后通过对模糊评判向量B的分析作出综合结论、一般能够采纳以下三种方法:(1)最大隶属原则(2)加权平均原则 评价等级集合为=特别好,好,一般,差,各等级赋值分别为4,3,2,1 14、2、2 多层次模糊综合评判在人事考核中的应用多层次模糊综合评判在人事考核中的应用依照最大隶属度原则依照最大隶属度原则,认为对该员工的评价为良好。认为对该员工的评价为良好。同理可对该部门其他员工进行考核。同理可对该部门其他员工进行考核。14、3 数据包络分析法数据包络分析法14、4 灰色关联分析法灰色关联分析法14、5 主成分分析法主成分分析法 当影响事件的因素过多时当影响事件的因素过多时,能够依照因素内在关系能够依照因素内在关系构造出影响事件的主要成分构造出影响事件的主要成分,同时用主要成分来对事件同时用主要成分来对事件进行评分。进行评分。为主成分为主成分的累积贡献率的累积贡献率,14、6 秩与比综合评价法秩与比综合评价法14、6、1 原理及步骤原理及步骤14、6、2 应用实例应用实例感谢您的聆听!感谢您的聆听!
展开阅读全文