1、數(shù)學(xué)建模算法與應(yīng)用,第14章 綜合評價與決策方法,數(shù)學(xué)建模算法與應(yīng)用,14.1 理想解法,14.1.1示例,采用上式進(jìn)行屬性規(guī)范化時，經(jīng)過變換的最差屬性值不一定為0，最佳屬性值為1。,14.1.2 方法和原理,14.1.3 TOPSIS法的算法步驟,14.2 模糊綜合評判法,14.2.1 一級模糊綜合評判在人事考核中的應(yīng)用,2020年7月21日,39,模糊綜合評判,一級模糊綜合評判,2020年7月21日,40,模糊綜合評判,2020年7月21日,41,根據(jù)運(yùn)算的不同定義，可得到以下不同模型：,模糊綜合評判,2020年7月21日,42,例如有單因素評判矩陣,則B(0.18, 0.18, 0.18

2、, 0.18),2020年7月21日,43,模糊綜合評判,2020年7月21日,44,模糊綜合評判,2020年7月21日,45,其中：,模糊綜合評判,2020年7月21日,46,例 ：“晉升”的數(shù)學(xué)模型. 以高校老師晉升教授為例：因素集U =政治表現(xiàn) 及工作態(tài)度,教學(xué)水平,科研水平,外語水平, 評判集V=好,較好,一般,較差,差. 因素 好 較好 一般 較差 差 政治表現(xiàn)及工作態(tài)度 4 2 1 0 0 教學(xué)水平 6 1 0 0 0 科研水平 0 0 5 1 1 外語水平 2 2 1 1 1,2020年7月21日,47,給定以教學(xué)為主的權(quán)重A = (0.2, 0.5, 0.1, 0.2)，分別用

3、M(,)、 M( , )模型所作評判下：M(,)： B = (0.5, 0.2, 0.14, 0.14, 0.14) 歸一化后，B = (0.46, 0.18, 0.12, 0.12, 0.12) M( , )： B = (0.6, 0.19, 0.13, 0.04, 0.04),2020年7月21日,48,模糊綜合結(jié)論,最后通過對模糊評判向量B的分析作出綜合結(jié)論一般可以采用以下三種方法： (1) 最大隸屬原則 (2) 加權(quán)平均原則,評價等級集合為=很好，好，一般，差，各等級賦值分別為4，3，2，1,14.2.2 多層次模糊綜合評判在人事考核中的應(yīng)用,根據(jù)最大隸屬度原則，認(rèn)為對該員工的評價為良好。 同理可對該部門其他員工進(jìn)行考核。,14.3 數(shù)據(jù)包絡(luò)分析法,14.4 灰色關(guān)聯(lián)分析法,14.5 主成分分析法,當(dāng)影響事件的因素過多時，可以根據(jù)因素內(nèi)在關(guān)系 構(gòu)造出影響事件的主要成分，并且用主要成分來對事件 進(jìn)行評分。