二、综合评价方法的最新发展
随着科学的不断发展,不同领域知识的不断交叉、融合,综合评价理论因其自身的兼容并包性,使得综合评价模型可以吸收到运筹学、数据挖掘、模糊数学、管理科学等不同学科的多种方法之所长。系统的组成以“功能”为准则,只要是能用于综合评价的方法都可以看作为系统的成员。因此,综合评价作为一个多学科边缘交叉、相互渗透、多点支撑的新兴研究领域被专家和学者所推崇。
随着实际评价系统日益大型化、数字化、智能化和集成化,常规的综合评价方法,如线性规划法、专家评价法、综合指数法、层次分析法等已难以胜任复杂系统评价问题中所涉及的多层次、多因子的问题。目前,模糊综合评价、灰色综合评价、智能模型评价、组合评价成为解决实际评价的新的有效方法。
模糊综合评价(Fuzzy Comprehensive Evaluation)以模糊数学为基础,针对传统数学方法中“唯一解”的弊端,可以有效评价客观事物的差异在中介过渡时所呈现的“亦此亦比”性状态。有时,从一个等级到另一个等级间没有一个明确的分界,中间经历了一个从量变到质变的连续过渡过程,这个现象叫做中介过渡。而模糊数学理论的优势即在于解决“内涵明确,外延不明确”的“认知不确定”问题。比如,“年轻人”就是一个模糊概念,因为每一个人都十分清楚“年轻人”的内涵,但是要让你划定一个确切的范围,则很难办到。模糊综合评价则可应用模糊关系合成的原理,将一些边界不清、不易定量的因素定量化,从多个因素对被评价事物隶属等级状况进行综合性评价。但不足之处是其本身并不能解决评价指标间相关造成的评价信息重复问题,隶属函数的确定还没有系统的方法。
灰色综合评价(Gray Comprehensive Evaluation)以灰色系统理论为基础,包括灰色关联度评价方法、灰色聚类分析方法等。灰色系统理论以“部分信息已知,部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象,其特点是“少数据建模”,主要通过对“部分”已知信息的生成、开发,提取有价值的信息,实现对系统运行行为、演化规律的正确描述和有效监控。与模糊数学不同的是,灰色系统理论着重研究“外延明确,内涵不明确”的对象。比如说到2050年,中国要将总人口控制在15亿到16亿之间,这“15亿到16亿之间”就是一个灰概念,其外延是很清楚的,但如果要进一步问到底是15亿到16亿之间的哪个具体数值,则不清楚。灰色综合评价方法的主要工具是关联分析,即通过比较数列与参考数列的关联系数和相关度,来确定各种影响因素或备选方案的重要度,进而决定重要因素或最优方案。
智能模型评价方法主要指在系统评价过程中更多地考虑思维规律和人脑的智能特征,将定性分析与定量分析综合集成的评价方法。其包括了遗传算法的智能技术、模拟人脑结构的人工神经网络方法、模拟发散思维的蒙特卡罗方法、基于粗糙集理论的评价方法等。而目前应用较多地为BP人工神经网络的评价方法,它通过BP算法学习或训练获取知识,并存储在神经元的权值中,通过联想使相关信息复现,能够“揣摩”、“提炼”评价对象本身的客观规律,进行对相同属性评价对象的评价。由于智能模型评价方法具有自适应能力、可容错性,能够处理非线性、非局域性与非凸性的大型复杂系统,因此被越来越广泛地应用于涉及银行贷款项目、股票价格的评估、城市发展综合水平的评价等。
组合评价(Combination Evaluation)是对两种或两种以上的综合评价结果(或评价技术)进行集成的技术。较单一的评价方法更合理、更科学,因为它克服了不同类评价方法的缺陷,同时吸收了各自的优点,对评价对象作了更为全面、合理的评价。其主要包括评价过程中权重的组合、方法的组合、结果的组合三个关键环节的系统性研究。在现阶段的研究中,以层次分析法(AHP)与模糊综合评价方法、模糊综合评价与灰色综合评价几类组合评价较为普遍。
|