模糊模型（精选十篇）
模糊模型（精选十篇）
模糊模型 篇1
首先, 每个学生给老师的分数是该生对教师的印象分, 有很大的主观性, 很难做到客观公正。教师的教学方法、教学水平、教学态度固然对自己的成绩有很大影响, 然而, 学生对老师的态度却不仅取决于此, 或许教师对学生的正常批评和适度的惩罚都会让学生深恶痛绝。
其次, 班级之间的差异性使学生的评教成绩不能整体上反映教师的教学情况。有的班给教师打的分数普遍过低, 以至于该班教师最高评教成绩低于其他班教师的最低成绩, 因而, 在整体排名中该班任课教师就不会有好的名次了。
最后, 由于评教成绩关系到教师的荣辱, 因而有些教师跟学生之间产生了不正当关系。事实上, 如果教师对学生宽一些, 放纵一些, 则成绩就高一些, 所以有些老师在学生面前做老好人。在高校, 有些教师甚至用承诺让学生考试全部及格为手段换取高分。
学生评教所带来的弊端使原本为促进教学工作而开展的学生评教工作大打折扣, 使评教工作不是流于形式, 就是不能正确反应教师教学实际, 打击了一些老师的教学积极性, 产生了消极效果。
然而学生评教是必须的, 学生学, 教师教的教学过程质量如何, 只有学生有发言权, 同时学生评教能促使教师认认真真的上好每一节课。问题的关键是怎样处理学生评教数据, 使这些数据能比较真实的反映教学情况。
提出问题:某校以班级为单位每个学生给该班的每个任课教师打出一个评教分, 怎样处理这些数据使结果能比较接近该校教师教学的实际情况?
问题分析:传统的学生评教方法是用确定数据求平均值, 得到了确定的名次, 名次靠前的教师, 被认为教学效果优秀的, 名次靠后的教师, 被认为教学效果不理想。其实, 教学效果优秀与否, 是一个很模糊的概念, 在集合论理, 所有的教学效果优秀的老师是不能组成集合的。在模糊数学里, 所有教学效果优秀的老师组成一个模糊集, 一位教师是否属于这个集合是不能完全肯定和否定的。因而这是一个典型的模糊模型应用问题。
设U表示某学校全体任课教师的集合, A表示所有教学效果优秀的教师能组成的模糊集, 则该学校的一个教师x总以某个程度µx属于A, 而不是要么x∈A要么x∉A, 这儿称µx为x对模糊集A的隶属度, 或优秀度。如果µx=0.5则称x为模糊集A的过渡点, 即模糊性最大, 最难区分优劣的教师。
根据学生评教数据, 建立适当的数学模型, 计算出每一个教师的优秀度, 根据计算结果, 来评价教师的教学效果, 而且要使评教尽可能的符合客观实际。由于学生评教是通过学生给任课教师打分实现的, 那么要建立的数学模型包含了三个实体:学生、教师、分数, 与这三个实体相关的因素如下。
(1) 与学生有关的因素包括:
(1) 能客观公正评教的学生的比例。
(2) 学生的认知水平。
(3) 学生的构成。
(2) 与教师有关的因素包括:
(1) 教师在班级评教成绩的名次。
(2) 该班教师的配置。
(3) 与分数有关的因素包括:
(1) 班级之间存在差异性。
(2) 学科之间也存在差异性。
当然还可以罗列出更多的有关因素, 但就上面的因素如果都考虑到模型当中, 已经相当复杂, 以至于无法有效地建立模型。下面尝试着保留主要因素减少次要因素, 达到建模的目的, 因而作如下假设。
(1) 该学校任何班级都有相同比例的学生对教师的评价是完全客观公正的。
(2) 在教师评教成绩相差不大的情况下, 名次对优秀度的影响不很显著。
(3) 任何两位教师的评教成绩如果相差不大, 则他们的教学效果没有质的区别。
以据第三条假设, 如果某教师的评教成绩与所教班级所有教师的平均评教成绩相差不大, 则认为很难区分该教师教学效果的优劣, 因而他的教学效果优秀度应该为0.5。我们把能够区分两个教师教学效果差异的最小评教成绩差称为显著分差, 记为d。记∆为某教师的评教成绩与所教班级所有教师的平均评教成绩的差。如果∆≤-3d, 则认为该教师在评教中教学效果被高级置疑;如果-3d<∆≤-2d, 则认为该教师在评教中教学效果被中级置疑;如果-2d<∆≤-d, 则认为该教师在评教中教学效果被初级置疑;如果d<∆≤2d, 则认为该教师在评教中教学效果初级显著;如果2d<∆≤3d, 则认为该教师在评教中教学效果中级显著;如果∆>3d, 则认为该教师在评教中教学效果高级显著。
建立模型:设想有n班级对m个教师评教, 从而得到该校学生评教的原始数据, 表1列出了模型中的参数。
接下来, 利用上面的变量参数, 建立模型计算教师的优秀度。根据假设, 一个教师的优秀度, 不是由评教成绩唯一决定的, 而是根据教师在班级任课教师评教成绩的排名以及评教成绩与班级评教成绩的平均值的差的大小综合评定的。如果教师的排名即不在前也不在后, 评教成绩与班级评教成绩平均值的差距小于显著分差, 那么这位教师的教学效果很难定性优劣, 模糊度定位0.5, 所以我们可以假定每一个教师的初始优秀度都为0.5, 然后根据在评教中所处的名次及成绩的分布来综合评定每一个教师的优秀度。
根据我们事先确定的能公平公正评价教师的学生的比例, 对原始的班级评教数据进行加工, 剔除个别不能公平评价教师的同学的评价成绩, 为了计算上的方便, 我们对每个班级的每位教师的评教成绩由高到低取比例为b位同学的评教分数, 作为有效评教分, 进行统计分析。
在有效评教分的数据基础上, 计算班级平均分, 教师x的平均分yx, 以及根据统计或者经验得到的显著分差d, 确定该教师应得的优秀度。具体计算函数如下:
其中:
用这样的方法计算每一个班级每一位教师的优秀度, 对教授多个班级的老师, 把所教班级对他评教的优秀度求平均值, 从而确定该教师的优秀度, 这种评教方法, 会消除因学生引起的主观差异, 因班级差异引起的客观差异等弊端, 更为公正的反映了教师的教学效果。
摘要：本文利用模糊数学的思想, 借助统计学的方法, 建立一个模糊评价的模型, 处理学生的评教数据, 使评价结果更公平合理。
模糊模型 篇2
GIS数据模型的模糊性质及操作算法
传统GIS数据模型反映不了地理世界的连续性.该文以模糊集理论为基础,依据地理实体在时、空、属三域的物理性质和GIS数据模型,提出了隶属度归一性.隶属度归一性是适用于多维GIS数据模型的一个基本性质,传统模糊集理论中的`“交”算子与“并”算子不能满足隶属度归一性.因此,在GIS中有必要引入新的“叠加算子”.该文还给出了两个满足隶属度归一性的叠加算法.
作 者：王晓栋 党安荣 毛其智 作者单位：清华大学,建筑学院,北京,100084刊 名：清华大学学报(自然科学版) ISTIC EI PKU英文刊名：JOURNAL OF TSINGHUA UNIVERSITY(SCIENCE AND TECHNOLOGY)年，卷(期)：42(8)分类号：P23关键词：模糊集理论 不确定性 隶属度归一性 叠加算法
网络课程的模糊综合评价模型研究 篇3
关键词：网络课程 评价指标体系 教学软件
中图分类号：G40-058.1文献标识码：A
文章编号：1673-8454（2007）11-0020-04
教学软件的质量直接影响教学质量，教学软件的质量评价是现代教育质量评价的主要内容之一。开展网络课程软件的质量评价活动，不但是推动网络教育事业发展、提高网络教学水平的重要措施，也是对网络教学软件的研发、选用进行宏观指导和质量管理的重要手段。[1] 质量评价活动的开展依赖于完善的评价指标体系，下面针对网络课程软件质量评价问题进行探讨，进一步为网络课程的质量评价提供依据。
一、网络课程的评价分析
网络课程特指在网络上运行的、一门完整课程或学科的教学软件，是通过网络表现的某门课程或学科的教学内容及实施教学活动的总和。它包括两部分：按一定教学目标、教学策略组织起来的教学内容；网络教学支撑的硬件和软件环境。教学目标是教学软件与其它软件的本质区别所在，它必须以学习理论作指导，能体现教学设计的思想，能反映教材内容和教材结构，并具有某种教学策略。
教学软件的设计与制作涉及多种学科的知识与技能，例如：教学设计、教育心理学、美术、软件设计、计算机硬件、音乐、摄影、录像等。对于网络上运行的教学软件，还要求具备网络硬件、网络布局、网络协议、网络支撑软件等方面的知识。与其它教学软件的制作过程相似，网络课程软件的制作也要经由以下流程：根据教学大纲的要求确定教学目标；分析教学任务；分析学习者（施教对象）、选择教学方案并设计教学策略；确定教学内容并决定软件结构；编写脚本、选取素材（包括相关的各种媒体素材或课件）；程序设计与调试；教学实验与评价；修改；交付使用。[2]
网络课程的评价是对某一学科内容和在网络上实施该门学科内容的教学活动进行的价值判断。它主要是对教学内容、学习资源和寓于内容之中的教学策略和学习策略的评价，涉及学生、教师、学习资料、网络教学支持系统、学习支持和服务系统中的每一部分但又不是全部。[2]对网络课程进行评价时要根据系统论的观点，从整体出发，考察网络课程各个部分的关联情况和综合性能。
二、网络课程的评价指标体系
建立科学、合理、可行的评价指标体系是正确评价网络课程软件的前提和基础，故在建立评价指标体系时应遵循全面完整性、层次性及简明科学、可测性等原则。本文通过对网络课程软件共性的分析，结合课程的特点以及教学对系统功能的要求，建立两层指标集：第一层为教学性、技术性、艺术性和使用性等四个方面；第二层指标如下所述。
1.教学性评价指标
教学性是网络课程的首要的根本的质量指标。要保证网络课程的质量就必须贯彻教育理论的指导、围绕教育理论特别是学习心理学对各种学习信息进行组织、规划、设计，实现学习过程的最优化，达到教与学的和谐统一。
网络课程内容一般由教学内容、学与教的活动、学与教的策略、工具支持、资源支持等系统构成。网络课程必须注意教学目标明确，阐述规范。教学内容必须符合教学大纲的要求，具有科学性、系统性和先进性，符合课程的内在逻辑体系和学生的认知规律：内容的呈现做到图文并茂，生动活泼，表现形式应采用文字说明、背景资料支持、配音阐述、重点过程模拟表现以及小画面教师讲授录像播放相结合；同时利用各种方式，如大小、颜色、字体，下划线、闪烁等或用语言突出学习内容的重点和难点；网络课程中还应提供相关资源的链接，有关名词、概念、符号、人名、定理、定律和重要知识点都要与相关的背景资料相链接。
网络课程的教学性还表现在学与教的活动。应安排教学过程中教与学的互动，知识形成于人类社会的实践之中，原本具有生命，但负载于课程之后却往往失去了生命的活力。而理想化的教学就应在教师的直接或间接的指导下，尽可能让学习者通过系列互动去重新经历知识的形成过程，并在过程中得到充分地体验和领悟，探究和发现，把握和发展。教学活动是网络课程的核心内容，在一门完整的网络课程中，需要设计如下一些教学活动：讲授与答疑、讨论与协作、练习与反馈、作业与评价、探究与研究等，这些活动都有其相应的评价标准，如学习反馈及时、准确、详略得当，有提示、指导、激励作用；学习结果的评价应合理、公正、详细，能起指导、激励作用。
网络课程的教学性还应在学与教的策略上有所体现，动机的激发与维持；对学习者的引导和帮助与自主探索和自主学习相结合，促进学习者对知识的意义建构；教学方法是否恰当；教学环节的灵活多样性，学习策略的运用和教学策略应用的适应性等。学习工具是网络课程教学性的重要体现，认知工具、交流工具和效能功能的提供有利于学习者自主学习。创新是指在网络课程中运用的教学策略、教学设计等的创新程度如何，该指标旨在充分发挥网络课程开发人员的创造力。
2.技术性评价指标
网络课程和媒体素材本身是否到达必要的技术要求，网络课程中应用的多媒体技术、编程技术是否先进。
为保证用户使用网络课程学习时能完全享有编制者预先设计的各项功能特性，网络课程编制时必须提高其开发技术。技术性是指网络课程中应用的媒体素材本身是否达到必要的技术要求，应用的多媒体技术、编程技术是否先进，是否稳定可靠，是否安全。对网络课程技术性的评价包括：安全与可靠、配置与效率、维护方便与升级扩展、先进性和智能性。
安全与可靠，安全是指信息保密性、安全性。目前很少评价体系提及，但是，随着网络技术的发展，保密与安全问题将愈来愈重要，它是一个不可或缺的评价项目；可靠是指课程运行的稳定性，无故障运行是网络教学的重要保障。
配置与效率：配置简单，对学习者要几乎透明，课程运行效率高，占系统资源低。维护方便与升级扩展，网络课程应提供管理平台，课程采用模块化结构，能方便对课程的内容进行扩展，对功能进行升级。网页文件、目录清晰，合理，提供完整的文字说明与制作脚本。
先进性和智能性，网络课程中应用的多媒体技术、网络技术与编程技术是否先进，如虚拟现实、XML、JPG2000、SOAP，等等。智能性，它与先进性一样，都是鼓励课程开发人员采用最新的技术，只是智能性要求更高，为以后网络课程的发展方向指明了方向，即自适应超媒体风格课程，能真正做到因材施教的目的；能分析学习者的学习水平及认知结构和特点，并确定相应的学习方法、学习内容和学习速度；能根据学习者的抽象水平选择合适的传播符号，便于学习者理解学习信息。
3.艺术性评价指标
主要是从表现手法的多样性、情节的生动性、构图的合理性以及画面的灵活性等来考虑。网络课程的设计不仅仅是一个计算机问题和教学问题，更是一个艺术问题，恰当地运用艺术性能引起学习者学习的兴趣与集中注意力，调动学习者学习的主动性与积极性，增强学习效果，同时亦能提高学习者的审美能力，总体而言，网络课程的艺术性的评价应注意界面设计(统一、简洁、美观)，媒体使用(多样、过渡)、总体效果(创意、创新)、背景音乐四个方面，界面整体风格要统一，简洁美观，布局符合视觉习惯：页面上的文本、图形等可视元素搭配协调得当，富有表现力，具有视觉上的吸引力；背景音乐选用恰当；以严谨朴素为原则，不宜太花哨，这样不会因风格的杂乱而给学习者造成不必要的分心或认知负担。媒体的使用要求，要求画面清晰、色彩逼真、文字醒目、声音清晰、音量适中、快慢适度，媒体素材在制作技术上要符合《教育资源建设技术规范》，在保证各媒体的制作格式与数据量大小的同时，最好保持网络课程每个页面的数据量不要超过30KB，原则上最多不要超过100KB。总体效果，主要是指对网络课程整体的视听觉效果的评价，冲击力如何，观后留下的总体印象如何。
4.使用性评价指标
要求简单易操作，个性化与人性化设计。使用性是网络课程的一个重要的质量特性，它要求网络课程操作简单，使用方便，个性化设计，从而有利于学习者的学习与认知发展。[3] 具体到二级指标，它包括易识别性、导航与定位、帮助与反馈、内容的链接、网页与接口的规范五个方面。
易识别性，课程中的文字、图形等对象的大小合适，颜色对比适当。字体、字号不宜太小和变化太多，背景颜色应与字体前景颜色协调，同一网页中不宜同时出现过多动态区域，网页长度不宜太长，每页呈现的信息量符合学生的认知能力。
导航与定位，网络课程的导航设计要清晰、明确、简单，符合学生认知心理，每门课程至少应提供如下导航方法：列出课程结构说明，网络课程网站的文件结构、页面组织、直接导航、浏览历史记录。学习者可以方便地访问课程的各模块；有明确的定位标记，标明学习者在整个课程中的位置：可以通过图形方式直观地说明课程的各个部分，学习者点击课程图标可以直接进入想去的位置；提供浏览历史记录工具，允许撤销或跳转到某一操作。应尽可能提供一种以上的导航方式，以便于转换视角。
帮助与反馈，针对操作使用方法，在学习者需要时，遇到困难时要提供帮助说明，帮助说明应该明确、完整、有效。内容链接明显易辨，链接的外观明确而且符合一般习惯，有明确的标签，告知其指向的主题内容。
网页与网站的规范主要涉及课程与资源的共享与互操作。网页规范，页面格式具有统一的风格，具有相同的页首页尾，各种字符、标号准确、正规、统一，菜单的界面均应有统一要求，必须能够通过标准的WEB浏览器兼容。网站规范：必需注明最后更新日期，引用文档必须有信息来源，每篇文档的下载或浏览次数，课程的访问次数，访问者的停留时间和注册用户数目上，提交产品的完整性，包括：安装程序、源代码、素材、开发文档、软件的ZIP格式自解压的压缩包。
用Xi表示第一层指标，X为指标集，集合表示为X=｛X1，X2，X3，X4 ｝Xi（i=1，2，3，4）各个指标可进行细分，各个指标中的子集各不相同，Xi=｛Xi 1，Xi 2，…，Xij，…，Xin ｝，Xij为第二层指标，表示Xi中第j个指标，n表示Xi 中共有n个子指标，各项指标之间可能存在一定的相关性。网络课程综合评价的指标体系见图1所示的层次结构模型。
三、网络课程评价模型与方法
由于网络课程的评价指标体系中既有定量指标，又有定性指标，各因素之间还有层次之分；因此，在进行评价过程中采用了模糊综合评价法。该方法的原理是：利用模糊集和隶属度函数等概念，应用模糊变缓原理，采用定性与定量相结合的方法，从多个方面对网络课程隶属等级状况进行整体评价。
1.评价指标权重的确定
权重选择的合理性以及准确度直接影响整个体系是否可行。权重的确定有统计调查法、德尔菲法、层次分析法（AHP法）等，本文采用的是二级评价指标集，故应分别对一级及二级指标用德尔菲法确定权重集。[4] 确定指标权重的基本步骤如下：以第一层指标X1，X2，X3，X4为例，第二层指标采用同样方法。
（1）确定各指标Xi的重要性序列值
每一个评判者提供各指标的Vi值，V∈｛1，2，3，4 ｝，其中Vi最重要的指标的值为1，最不重要的指标Vi为4。将第K个评判者就指标所给定的指标Xi重要性序列值记为Vi-k。
（2）编制优先得分表
按成员提供的指标重要性序列值进行如下统计。
2.建立评语集
评语集是评价者对评价对象可能做出的各种评价结果组成的集合，其大小可根据实际情况及计算量的大小决定。根据网络课程及人的思维的特点，确立一个从高到低的评价集U=｛U1（优85～100）；U2（良70～85）；U3（一般60～70）；U4（差60～以下）｝。
3.进行第一级Xi的评价
（1）模糊评价矩阵
四、应用实例
应用上述的评价模型和方法对某具体网络课程质量进行评价。
（1）利用德尔菲法得到第一层与第二层的权重模糊集分别为：
A= （0.282，0.212，0.243，0.263）
A1= （0.263，0.268，0.232，0.237）
A2= （0.264，0.255，0.243，0.238）
A3= （0.213，0.189，0.232，0.201）
A4= （0.187，0.192，0.225，0.197，0.199）
（2）用统计调查法及模糊交换得到一级评价矩阵：
（3）通过模糊交换得到二级评价向量：B=（0.265，0.254，0.242，0.239）。
（4）从二级评价向量可知，该网络课程的最终评语为“U1优{85～100}”。
五、结论
构建网络教学软件的质量评价指标体系和开展网络教学软件质量的评价活动，有利于规范网络教学软件的制作、使用和管理，对于普及现代教育技术、促进教学改革，尤其是发展现代远程教育或终身教育，具有特别重要的意义。
参考文献：
[1]王朋娇，刘洪莉等.网络课程发展性评价“三螺旋”结构体系的构建[J]. 中国电化教育，2006（10）：72-74
[2]朱凌云，罗廷锦，余胜泉.网络课程评价[J].开放教育研究，2002（1）：22-28
[3]黄艳，黄荣怀等.“网络课程质量认证标准”的研制与修订[J].电化教育研究，2003（6）：65-70
城市品牌模糊综合评价模型初探 篇4
一、城市品牌基本构成体系分析
所谓品牌,是指给拥有者带来溢价、产生增值的一种无形的资产,它的载体是用以和其他竞争者的产品或劳务相区分的名称、术语、象征、记号或者设计及其组合。增值的源泉来自于消费者心智中形成的关于其载体的印象。品牌本身是一个复杂的识别系统,它应该是由品牌属性、利益、价值、文化、个性和用户这六个层次构成的一个体系。将品牌概念引入城市形象建设,对城市进行品牌化管理是营销研究深化的一个重要标志。正如营销大师菲利普?科特勒所指出:广告、促销等手段已无法应对当今的全球城市竞争,要实现城市营销的多元目标,包括树立积极、正面的形象以吸引企业、投资、游客、高素质的居民、公共机构、重要活动以及开拓出口市场等等,就必须采用战略营销规划工具,必须进行自觉的品牌建设和管理。
城市品牌是蕴含城市独特个性及受众效用的城市名称和标志,是构成城市的各种因素之总和在城市公众心目中的总体印象和实际评价,是城市性质、功能和文明的外在表现。关于城市品牌的基本构成体系,一个全面的城市品牌评价系统应由城市品牌属性、利益、价值、文化、个性和用户这六个基本方面构成。其中:
1. 属性:
品牌代表着特定的商品属性,属性是消费者判断是否接受商品的第一要素。对于城市品牌来说,则是它所反映出来的一个城市的基本面貌,如:城市规模、生活水平、工作效率等。
2. 利益:
品牌利益在很大程度上受制于品牌属性,而属性需要转换成品牌消费者功能和情感利益。也就是指一个城市对投资者、游客和其他潜在客户所能够带来的各种利益,如:良好的投资环境、完善的公共配套设施、便利的交通条件等。
3. 价值:
品牌还体现了拥有者的某些价值观。体现在一个城市的诚信建设、安全状况、产品质量等方面。
4. 文化:
品牌也象征了一定的文化。品牌中所蕴含的文化是使品牌得到市场认可的重要因素。对于一个城市而言,文化主要是指历史文化脉络以及能够凝练反映城市传统特征的文化特色方面。
5. 个性:
不同的品牌会使人们产生不同的品牌个性联想。品牌还代表了一定的个性。这在品牌方面主要是指一个城市的特色。
6. 用户:
品牌暗示了购买或使用产品的消费者类型。城市品牌用户体现的是城市对某些特定人群的吸引力。
二、运用模糊评价与I A H P进行城市品牌测评
城市品牌测评是要将品牌基础理论研究的最新成果与我国城市发展的现状及国际化方向相结合,科学制定城市品牌评价指标体系,旨在对我国城市品牌测评体系进行系统研究。基本思路是:第一,在品牌基本构成层次的基础上,对各级城市的相关要素进行确定并量化;第二、综合利用模糊评价原理与层次分析法(I A H P),建立了我国城市品牌的评价指标体系和评价模型;第三、对样本城市品牌进行测评,为城市决策者提供相应的对策建议。
对于城市品牌状况,其影响因素具有极大的复杂性,精确化能力的降低造成对系统描述的模糊性,运用模糊手段来处理模糊性问题,将会使评价结果更真实、更合理。模糊综合评价模型的建立须经过以下步骤:模糊综合评估的数学原理,首先考虑到影响城市品牌的量的确定是模糊的,也就是在确定了城市品牌能力指标体系之后对各因素指标标准首先不做定量处理。而是由评估专家对各因素指标标准进行模糊选择,然后统计出专家群体对评估因素指标体系的选择结果,再按照所建立的数学模型进行最后计算。模糊评估法的基本过程就是先从定性的模糊选择入手,然后通过模糊变换原理进行运算取得结果。
指标体系的构建,首先根据对影响城市品牌因素的分析,综合地反映城市品牌的各项指标,利用层次分析法,从品牌属性、利益、价值、文化、个性和用户等六个方面来构建城市品牌评价指标体系。
1. 建立模糊评价矩阵R
(1)依据综合评价指标体系,设立评价指标集A,一级评价指标,其中,分别为:属性、利益、价值、文化、个性和用户。二级评价指标,其中i=1,2,……,n,n为一级指标数,j为一级指标Ai含有的指标数。
(2)确定评语集
评语集是对各种指标作出可能结果的集合,可请专家进行评估定级。我们根据城市品牌评价的目的。从A到U的模糊关系可以用模糊评价矩阵R来描述:
现在要对若干样本城市分别比较他们的文化、价值、个性、用户、属性和利益。
先成对比较所有样板城市的“文化”因素,根据专家评估定级,得成对比较阵:
经计算,的权向量
对所有样本城市的“价值”、“个性”、“用户”、“属性”、“利益”因素同样得成对比较阵后,经计算可得其权向量依次为:
2. 确定指标权重集K
所谓权重系数是表示某一指标在整个指标体系中具有的重要程度。某种指标越重要,则该指标的权重系数越大,反之,权重系数越小。可以通过专家打分法并运用层次分析法(IAHP)来确定各指标的权重,。
层次分析法(The analytic hierarchy process)简称AHP,是由Thomas L.Staaty最先发明的用于解决包含多项标准时的复杂问题,在这个过程中,决策者需要判断各项评判标准的重要性、决策变量相对于评判标准的优先极。应用层次分析法可以给出各个标准的权重,各个决策变量相对于每项标准的优先级,量化决策变量,从而为决策提供依据。从心理学观点来看,专家打分法如分级太多会超越人们的判断能力,既增加了作判断的难度,又容易因此而提供虚假数据。Saaty等人还用实验方法比较了在各种不同标度下人们判断结果的正确性,实验结果也表明,采用1-9标度最为合适。对比矩阵如下:
根据判断矩阵,精确地求出的最大特征根所对应的特征向量。所求特征向量即为各评价因素的重要性排序。归一化后,也就是权数分配。经过计算确定指标权重集为:
3. 利用模糊矩阵的合成运算
通过模糊矩阵的合成运算,对样本城市的品牌进行排序。
模糊矩阵的合成运算模型:;其中i为评价指标权重(隶属度)所在列(行),J为样本城市所在列。
同样可以得出其他样本城市的P值,分别为:0.12、0.17、0.25、0.35。
由此可知样本城市的品牌进行的综合排序结果。若以最大值作为标准,则其他各城市品牌的分数分别为:31分、34分、49分和71分。
总之,城市品牌是一个复杂的社会识别系统,在全面建设小康社会、加快推进社会主义现代化的发展阶段,在城市化进程和城市间竞争日益激烈和经济全球化背景下,塑造城市品牌已成为城市实现可持续发展的关键。加强对我国城市品牌发育水平的研究,探讨科学的城市发展战略定位,并以此促进我国城市的科学发展和城市的国际化进程,将是每个城市决策者和相关领域的理论研究者所愈来愈关注的问题。
摘要：结合品牌内涵,在对城市品牌基本构成体系加以研究的基础上,将理论与实际相结合,探讨了运用模糊评价和层次分析法建立我国城市品牌评价模型的基本框架思路。目的在于进一步提高城市品牌测评的科学性。加强对城市品牌发育水平的研究,有利于促进我国城市的科学发展和国际化进程。
关键词：城市品牌,模糊综合评价,层次分析法
参考文献
[1]菲利普·科特勒:营销管理[M].上海人民出版社,2006.303
模糊模型 篇5
张晶1，范允龙2，刘海霞3
(1.青岛远洋船员职业学院，山东青岛266100;2.山东省潍坊第一中学，山东潍坊261000;3.山东省青岛市第十六中学，山东青岛266100)
摘要：在评教中，学生对教师的评价是定性问题，如何对定性问题进行定量处理是值得探讨的问题。本文构建了学生评教测量指标体系，然后建立了一个基于多级模糊评价的学生评教模型，得到了量化综合评价，最后以实例说明。
关键词：学生评教;指标;模糊评价模型
作者简介：张晶，女，讲师，研究方向：应用统计、精算、数量经济学。
一、引言
自20世纪80年代开始，我国高校的学生评教活动陆续开展并日益受到重视。在评教过程中，学生对教师的评价是一个定性问题，如何对这个定性问题进行定量处理是一个值得探讨的问题。若没有科学的评价模型、比较客观而公正的评估标准和可用于衡量的定量指标值，就会使得学生所提供的信息不完全和准确，使评教方式无法体现科学化和客观化。
而多级模糊评价模型是一种关于多因素加权平均的综合评价方法，他能对受多种因素制约的事物和对象做出一个总体的评价，适宜解决模糊的、难以量化的、非确定性的问题，学生评教就属于多因素加权平均的综合评价问题。
本文首先综合目前国内文献建立了学生评教指标体系，然后建立了一个多级模糊评价模型，以期实现评价分数的科学化和客观化。
二、建立学生评教指标体系
目前，国内文献涉及评价指标体系的较多。在评教的一级指标上，有文献认为，评教的一级指标应分为“教学态度”、“教学内容”、“教学方法”和“教学效果”四个指标(李丹青，;雷敏，2005;常亚平，);除了这四项，还有文献认为“对课程的总体评价”、“教材评价”(吴培群，2010)，“教学常规”、“教学改革”(沈阳，)等也属一级指标。在评教的二级指标研究上，刘杭玲研究认为二级评价指标个数不宜太多，大约在18~24个左右比较适宜，这样可避免指标的重叠和相互包容，美国斯坦福大学学生评教量表的二级指标是17个(孙超，2009);雷敏(2005)研究发现，学生对二级指标的某些项能做出较好描述，但对诸如“授课内容的适合性和先进性”等与学术有关的内容，学生则略显能力不足，所以在二级指标的设计上要运用符合学生思维的语言;另外，对于二级指标，大家普遍接受的一个观点是不同学科、不同课程，甚至不同职称的老师的评教体系都应有所不同，按小班、大班、实习、实验等教学组织形式划分的.课程的评教体系也应有所不同(姚利民，2005;李丹青，2005;雷敏，2005等)。
笔者在综合了国内文献的基础上，提出了学生评教评价体系。(见表1)
评价体系说明：本文主要进行的是基于多级模糊评价模型的学生评教方法研究，上述二级指标只是在研究国内文献中形成的，还很笼统，实际应用时，测量主体还应按学校、学科和课程的不同而有所不同。
三、建立学生评教多级模糊评价模型
建立二级指标体系，由目标层A、一级指标层B和二级指标层C构成。A代表评教效度的综合测量值，B代表一级测量指标组成的集合，记B= |B1，B2，B3，B4 |，C 代表二级测量指标组成的集合， 记C=|C1，C2，…，Cn |，有4个一级指标和n个二级指标。
评价模型具体步骤如下：
(1)制定二级测量指标C的评分等级标准。二级测量指标C是主观指标，一般通过百分制、五分制、“优、良、中、差”等转化成定量指标。
(2)确定测量指标权重。
目标层A的权重为V;一级指标B1的权重为V1，B2的权重为V2，B3的权重为V3，B4的权重为V4。
通常利用层次分析法(AHP)或专家打分法确定各级指标的权重。
四、结语
综上，多级模糊评价模型的特点：(1 )为评估提供了一个比较客观的评估指标体系，避免了学生打分的随意性、主观性;(2)在客观的评估指标体系下，对学生的打分进行了加权平均，是一种较科学的评价方式;(3)不但能体现出学生对教师的总体评价，评估指标体系还能体现出教师优缺点。
应注意的问题：(1 )评价指标较多，应使学生提前了解这个评价体系的各级指标及其权重，让学生有充分足够的时间对评教做出思考;(2)不同学校、不同课程的评价体系应有所不同，理论课与实践课(或实验课)教师评价体系也应有所不同，并且权重都应有所不同。
参考文献：
[1]李丹青，钱存阳。高等学校中的“生评教”制度研究[J].教育发展研究，2005，(10)：68-72.
[2]雷敏。论提高高校学生评教质量的方法和策略[J].高教探索，2005，(1 )：50-53.
[3]常亚平，陈亮，闫俊。高校“学生评教”误差形成机制研究―――基于学生态度的视角[J].高教探索，2010，(1 )：80-86.
[4]吴培群，陈小红。大学生评教的统计分析及其改革途径探讨―――基于北京一所高校学生评教分数的统计分析[J].高教探索，2010，(3 )：78-91.
[5]沈阳。高校学生评教指标体系的构建―――以湖州师范学院为个案[J].湖州师范学院学报，2009，(3 )：131-133.
[6]刘杭玲。高校学生评教的有效性及保障措施研究[J].江苏高教，2002，(1 )：85-88.
[7]孙超。美国研究型大学学生评教的政策、特点及启示―――以斯坦福大学为例[J].黑龙江高教研究，2009，(8 )：38-40.
[8]姚利民，邓菊香。提高学生评教有效性之对策研究[J].黑龙江高教研究，2005，(5 )：50-53.
基于模糊理论的课堂教学评价模型 篇6
关键词 模糊综合评判；课堂教学；模型
中图分类号：G420 文献标识码：B 文章编号：1671-489X(2011)03-0072-03
Fuzzy Theory in Class Teaching Evaluation Model//Liu Guijuan, Liu Jianbo, Chen Xianrui, Han Jing, Yin Yanhua,
Abstract Evaluation is an issue which involves evaluation subject whether is single or multiple and evaluation object whether is qualitative or quantitative. Class teaching evaluation is a multifaceted issue. To ensure the quality of teaching evaluation on scientific, objective and impartial, class teaching evaluation can be assessed by Fuzzy Comprehensive Evaluation which concerns multiple evaluation subject and makes evaluation object be transferred between qualitative and quantification, therefore class teaching evaluation can display its superiority.
Key words fuzzy comprehensive evaluation; class teaching; model
Author’s address The Department of Information Engineering, Taishan Medical University, Taian, Shandong, China 271016
教育行政部门、学校领导干部和教研人员越来越重视对教学质量的评价，并精心研究，积极探索，积累了不少经验。评价涉及评价主体是单一还是多元，对评价客体是定性还是定量。教学质量评价是一个多层面的评价问题, 评价涉及的内容较多，评价指标受评价者的知识水平、认知能力和个人偏好的直接影响，很难完全排除人为因素带来的偏差。如果对教学质量评价采用定量评价，且评价主体是学生，那么，评价结果中90与89的水平又差多少？由于学生的知识和经验所限，局限于学生本人的认识水平，对教师的授课评价往往取决于学生个人的心理需求和自身感受，何况不能把所有的评价指标一概而论，全部由学生和教师、专家去评价。让学生去评价教师该评的指标或让教师去评价学生该评的指标，容易导致评价结果失真。如何将教学质量评价尽可能做到客观、公正、科学，一直是广大教育管理者所重视和探索的课题。将模糊数学中的模糊综合评判运用到对教师的教学质量评价中，建立多元评价主体，定量与定性科学转化模型，能很好地解决这一问题。
1 模糊综合评判模型
在模糊集合论的基础上，模糊数学将元素“属于”集合的概念模糊化，把“非此即彼”的判定转换为不同的元素对同一个集合不同的隶属关系。如果集合A以某一个定义在U上，而在[0,1)上取值的函数A(u)为隶属函数，则称A是U上的一个模糊集合。隶属函数A(u)用于刻画元素u对模糊集合A的隶属度。A(u)的值越大，u的隶属度越高。
从模糊集合的定义可以看出，在普通集合的特征函数中，0和1两个值正是模糊集合的隶属函数的两个特殊值，后者是前者的拓展。模糊集合的边界是不明确的，模糊集合把认识事物两极对立的绝对性转变为承认两极对立的不充分性；从承认抽象的（没有差别和变异的）同一性转变为承认具体的（包含差别和变异的）同一性，它否定了普通集合论中赋予的属于和不属于，以及集合自身同一以绝对性的要求，具有深刻的辩证性质。
模糊综合评判模型由因素集、评语集、权重集、分数集等若干个集合构成，并利用层次分析法或德尔菲法[1]或熵值权法[2]确定指标权重。由模糊关系确定隶属度组成评价矩阵，进行矩阵运算以求得结果。
1）因素集。由一系列的评价指标构成共分三层：第一层为目标层；第二层为一级指标，用表示；第三层为二级指标，用表示，表示一级指标下具体二级指标的序数。
2）评语集。表示评价客体的优劣程度，由含个元素的集合B表示。
3）权重集。反映各个指标在所属层次中的重要程度。其中一级指标对应的权重为，二级指标对应的权重为。权重的确定可采用层次分析法、德尔菲法，也可采用熵值权。
4）评判矩阵。从一级指标和二级指标到评语集B可以建立模糊关系，用矩阵和表示。其中二级指标到B的模糊关系矩阵，一级指标所包
含的全部二级指标对应的模糊关系矩阵，
其中表示一级指标所包含的因素个数。为一级指标所包含的二级指标中的第个指标对应评语集的隶属度，满足。一级指标的评价矩阵为。所有的一级指标对应的评价矩阵为，目标层对应的评语集矩阵。
2 课堂教学模糊综合评价指标的建立
将参加教学评价的人员分为两类：A类人员，即督导专家、教学管理人员和教师代表，使用表1；B类人员，即学生代表，使用表2。
3 课堂教学模糊综合评价矩阵与评价方法
模糊综合评判模型由参加评判的人员、评价指标、评判矩阵构成。督导专家和教学管理人员和教师代表使用表1进行评价。其评价方法如下：用德尔菲法或层次分析法确定每一级指标权重，以一级指标为例说明，其他一级指标的方法以此类推。设第一级指标包含的第二级指标的权重记为，其中且满足。得到权重矩阵：。又设二级
指标属于评语集B=（优 良 一般 差）的隶属度分别为，隶属度按照某一等级评价人数与总的评价人数之比进行计算。由的隶属度为行而组成的模糊关系矩阵为：。从而得到一级指标的评价矩阵。用同样的方法计算出,,,的评价矩阵，得到一级指标对应的评价矩阵。设一级指标,,,,的权重分别为，由
算式得到目标评价矩阵，即。
学生代表使用表2，用同样的方法得到目标层的评价矩阵，记为。
最后赋予督导专家、教学管理人员和教师代表结果评价权重0.5，赋予学生评价结果权重0.5，再按矩阵乘法运算，得出综合评价结果。取其最大的一个数对应等级，即为综合评价等级。其中、、、分别对应优、良、一般、差4个等级。
模糊综合评判模型在课堂教学评价上的运用，其计算是通过人工实现的。如果要在实际中运用此评判方法，为了便捷，其计算可以利用MATLAB数学软件或开发专业软件予以实现。为了使评价结果更符合实际，对反映学生评分结果离散性的均分差应设置一个标准，在对数据进行处理时，对离散性太大的结果要最大限度地去掉这些评分异常值，得出相对合理的结果。如统一剔除一定比例（如3%）的最高分和最低分。若要在全校范围内对教师的课堂教学评分进行横向比较，就必须对学生的原始打分进行处理[3]。进行纠偏，恰当处理“学生评教”的结果，处理结果要注意：1）要对学生评教结果进行技术修正，即运用数理统计方法，科学合理地分析学生评价结果，剔除那些极端的异常评价；2）可对学生评教结果进行可靠性分析，如可采用SPSS软件，运用回归分析、方差分析以及多元统计技术等手段，消除个别学生不认真打分带来的误差。
参考文献
[1]梁保松,曹殿立.模糊数学及其应用[M].北京:科学出版社,2007:40
[2]陈耀辉.银行系统风险评估方法研究[J].科学管理,2003(2):17-20
治未病体质模糊辨别模型 篇7
"治未病"源于《内经》、《难经》,《素问·四气调神大论》:"是故圣人不治已病治未病,不治已乱治未乱,此之谓也。夫病已成而后药之,乱已成而后治之,譬犹渴而穿井,斗而铸锥,不亦晚乎。""治未病"主要是指在机体没有疾病时须顺从四时阴阳,积极养生,即未病先防。它是中国传统医学理论体系的重要组成部分,也是中医学独具特色的内容之一。医圣张仲景禀《内经》、《难经》之旨,在临床医学实践中贯彻"治未病"思想,使"治未病"思想的理论内涵得以全面继承和进一步发展,这不仅对后世中医学的发展具有重要影响,而且对当代中医学的理论与临床也有积极指导意义[1]。
体质理论为疾病的预防提供了可行性。通过流行病学调查、普查等,对体质倾向予以评定,可以从健康人群中确定某种疾病的高危人群或早期患者,对病人施加早期诊断、早期治疗,促使其康复。实践证明,不同体质类型的评定不失为一种迅速、简便的筛检方法。除正常体质外,其余均为病理性体质,包括阴虚质、阳虚质、痰湿质、湿热质、气虚质、瘀血质等[2]。病理性体质对疾病具有内在的倾向性,病理性体质与相关疾病发病率关系的确定,使我们能够确定某种疾病的高危人群以进行重点预防和早期诊治。对于阴虚质、阳虚质、痰湿质、湿热质、气虚质、瘀血质等体质,每一种体质均有一个或多个特定的代表性症候表现,通过大量的人群体质普查,运用模糊聚类方法[3]计算出每一种体质的症候标准,构建出体质理论模糊识别[4]数学模型。
2 数学模型的建立
2.1 体质标准症候的制定
通过对大量人群体质的流行病学调查,初步确定M种体质可能相关症候表现,经过四格表x检验,进行多个症候表现的相关分析,挑选出P值<0.05~0.0l的N个症候表现,形成M x N维的矩阵,进行模糊聚类分析(Fuzzy Cluster),根据不同的r值(多个症候表现之间的相关度),绘制出模糊动态聚类图。若有2种或2种以上症候表现在人群中分布相似,则只需把其中任意一种症候表现纳入体质标准症候。
2.2 基本假设
假设某种体质有n个主要症状表现:t1、t2、t3…tn,共有m种体质:S(i)(i=1,2,3…,m)。每一体质所具有的症状表现可看作n维症候群空间[X]中的一个点x∈{(t1,t2,t3…tn)|tn,tn≠0},把每个症状表现T(i)看成是S的一个普通子集,构建其特征函数为:x有症状表现t(i)时,Xs(i)(x)=1;x无症状表现t(i)时,Xs(i)(x)=0;另外,每一体质都有一组典型症状表现,我们把某人的每一实际症状t(i),定义它对其典型症状表现的隶属度如下:ц[t(i)]=1,t(i)为典型症状表现;ц[t(i)]=0.75,t(i)为较典型症状表现;ц[t(i)]=0.50,t(i)为中等典型症状表现;ц[t(i)]=0.25,t(i)为弱典型症状表现;ц[t(i)]=0,t(i)为非相似典型症状表现,其中i=i=1,2,3…,n。根据临床经验、中医辨症论治理论以及统计方法,对每一症状表现在各种体质S(i)(i=1,2,3…,m)中所起作用不同分别赋予一定的权重:q1(i),q2(i),q3(i)…qn(i)(i),其中,n(i)为体质S(i)中的症状表现总数,n1+n2+n3…+ni=n,其中i=1,2,3…m。现可得出体质S(i)对若干症状表现的隶属函数为:
其中qj(i)表示第j种症状表现在第i种体质中的权重表现,цi[t(j)]表示某人第j个症状表现t对第i种体质中的典型症状表现Tц=1j的隶属度。
对于某个人,设其体质症侯表现集合为x(x∈[X]),由上式分别算出某种体质S(i)对其隶属度S(i)(x),(i=1,2,3…m),根据最大隶属原则,若S(k)(x)=MAX{S(1)(x),S(2)(x),S(3)(x)…S(i)(x)},(1<=k<=m),则可判定此人属于体质类型S(k)(x)。存在一常数R,当S(k)(x)=MAX{S(1)(x),S(2)(x),S(3)(x)…S(i)(x)}〈R时,体质隶属度计算无较大意义,此时体质类型在定义域S(i)∈{S|1<=i<=m}外,属于综合型体质或者其它未定义类型体质。此时应该重新进行望闻问切以寻求更多准确的症状表现因素,重新计算最大隶属度。当存在S(k1)(x)=MAX{S(1)(x),S(2)(x),S(3)(x)…S(i)(x)}〉R,且存在S(k2)(x)=MAX{S(1)(x),S(2)(x),S(3)(x)…S(i)(x)}(i≠k1)时,S(k1)(x)>S(k2)(x),|S(k1)(x)-S(k2)(x)|<β(β<0.05)时,S(k1)称为主优先体质,S(k2)称为次体质,如此类推。
3 分析与讨论
中医体质学将人分为平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、瘀血质、气郁质等基本类型,不同体质类型在形体特征、生理特征、心理特征、病理反应状态、发病倾向等方面各有特点[5]。对于上述模型而言,体质症状表现T(n)={E(形体),E(生理),E(心理),E(病理反应状态),E(发病倾向)…},其中E代表各系统的特征集合。平和质体质特点是:体态均匀健壮,性格开朗随和,对疾病抵抗能力强,对气候冷热变化适应能力强。此体质qj(i)在所有体质中表现为相对偏高,表明是人体的最佳平衡状态。阴阳乃人体的根本,其它类型的体质若继续失去代偿,最终会趋向于阳虚质与阴虚质两个极端,在此过程中,qj(i)与S(i)的变化率较高,即可通过监测⊿S(i)=d S(i)/d(t)对体质类型改变以及亚健康状态进行准确的评估,当⊿S(i)趋向于0时,机体依然稳定于某种平衡状态,当⊿S(i)趋向于1时,机体原有平衡状态打破,提示即将发病或者痊愈,从某种意义上说真正做到了预测疾病的发生。
此数学模型的建立是紧密依据中医体质学说理论与模糊数学理论建立起来的,应用数学语言对体质类型进行了较为严密的推理论述,其重要的现实意义在于利用计算机模拟可建立相应的治未病诊断系统,将体质进行量化,准确地辨别体质类型,不但能够对基础体质进行及时的调护,抑制亚健康状态的发展,而且有助于确定病理性体质,病理性体质与相关疾病发病率关系的确定,使我们能够确定某种疾病的高危人群以进行重点预防和早期诊治。
参考文献
[1]胡卫东,钱俊华.张仲景"治未病"思想浅述[J].国医论坛,2008,23(2):5-6.
[2]吴承玉,李向荣.中医体质与辨证论治的相关性研究[J].南京中医药大学学报,2008,24(1):1-3.
[3]安中华,安琼.模糊聚类的有效性研究[J].湖北大学学报·自然科学版,2006,28(3):222-226.
[4]许晓娟,王庆国,许海旭,许海洪,刘伟,宗毅.模糊模式识别和模块化思维用于中医证候诊断的可行性探讨[J].北京中医药大学学报,2007,30(1):17-21.
模糊模型 篇8
备件是设备正常维护和应急处理的重要保障性物资。核电生产运行系统的高安全性特征对备件供应的及时性提出很高要求,企业不得不持有大量的库存来满足设备维修的需要。如在广东某核电站,所有保证机组日常维修的物资约为1.1亿美元,种类多达2万余种,备件库存量大且结构不合理,企业每年为此“黑洞”付出非常惊人的代价。因此,针对此类备件建立适用的库存模型就显得尤为重要[1]。
EOQ模型是一种科学适用备件库存控制模型并不断得到改进。在这些模型中,通常假设需求或采购费用为确定或随机变量,经典的库存模型往往采用概率理论来描述这些不确定因素。然而,备件订货量往往为一些难以判断和控制的不确定因素所影响。如库存费用、订货费用通常是不明确和不精确的,并具有一定的灵活性。而模糊理论对于难以精确化的过程描述有着良好的适应性[2]。因此,用模糊理论来处理EOQ模型的研究越来受到重视,如文献[3]把订货量用三角模糊数表示;文献[4]把订货量与总需求数量以三角模糊数表示,然后通过重心法去模糊化得到最优订货量;文献[5]把库存成本和订货成本分别定义为三角和梯形模糊数,并建立模型求解使总成本最小的订货量。以上研究多假设模糊数为三角或者梯形模糊数,然后采用重心法/符号距离法去模糊法直接进行求解。然而,当模糊变量的隶属度函数为复杂函数时(如指数函数和梯形函数并存),传统的求解方法将难以解决此类问题。
库存问题的目标通常是极小化总费用目标函数,当备件存储费用和订货费用为模糊变量时,总库存费用也是一个模糊变量。另外,决策者总是希望备件的总库存成本不超过设定的资金预算。这时可借助相关机会规划的思想(即极大化不确定事件成立的机会),求得使总成本小于预算水平的可信度最大的最优订货量。本文构建了一个模糊机会约束规划EOQ模型,设计了基于改进粒子群优化方法和模糊模拟方法的智能求解算法,此算法对模糊变量的隶属度函数的形态没有特殊要求,适用范围广;最后对相关决策参数进行了敏感性分析,指出了此类备件库存优化的方向。
2 模糊相关机会规划EOQ模型
2.1 相关机会规划模型
作为一类新型的数学规划模型,相关机会规划(DCP)是使事件的机会函数在不确定环境下达到最优化的理论[7]。一个复杂的决策系统通常要完成多项任务,称之为事件,决策者往往希望这些事件实现的机会尽可能大。DCP可表示为:
其中:x为决策向量,ξ为不确定变量,f(x,ξ)表示目标函数,事件由hk(x,ξ)≤0表征,不确定环境由gj(x,ξ)≤0刻画,而Ch可分别代表概率Pr、可信性测度Cr、信任测度Tr等机会测度。
2.2 备件模糊EOQ模型
在某些备件的采购中, 采购成本的预算支出是一定的, 此时可将最优订货量视为使采购总成本低于预算水平的可信度最大时的订货量, 本文尝试建立适合备件库存管理实践要求的科学实用的EOQ模型, 用到的符号如下:
t— 某一时间段;
h— 单位时间单位数量的备件存储费用;
r— 总成本预算水平;
T— 计划期时长;
A— 订货费用;
D— 计划期内的总需求数量;
Q— 单位周期的订货数量。
假设如下:①不允许缺货; ②假设参数h和A为在可能性空间(Θ,P(Θ),Pos)为独立的模糊变量。可构建模糊DCP模型如下:
3 模糊EOQ模型智能求解算法设计
3.1 模糊模拟
设计了模糊模拟方法用来估计每一个给定Q值的
第1步: 设e1=0, e2=0, n=1;
第2步: 在Θ=Θ1×Θ2中均匀产生一系列(θ1n,θ2n), 从而使
第3步: 计算
第4步: 如果
第5步: 以n+1代替n返回步骤2,直到迭代次数达到设定的数值;
第6步: 返回
3.2 基于改进粒子群优化算法的模糊模拟
① 粒子群优化算法(particle swarm optimization,PSO)改进
PSO算法的最大优点在于稳定可靠、适应性强、能在可行的时间内以较大的概率获得问题的最优解或近似解[7]。PSO初始化为一群随机粒子,然后通过迭代找到最优解。每次迭代,粒子通过跟踪粒子本身所找到的最优解Pbest和群体找到的最优解Pg来更新自己。粒子在找到上述两个极值后,就根据以下公式来更新自己的速度与位置:
其中:V是粒子的速度, Present是粒子的当前位置, rand()是(0,1)之间的随机数, c1和c2被称作学习因子; ω是加权系数,取值可在0.1到0.9之间。
研究发现惯性权重ω对算法的优化性能有很大的影响,ω较大则算法具有较强的全局搜索能力,ω较小则有利于算法的局部搜索。因此,采用自适应PSO算法调整ω的策略,让ω随算法迭代的进行而线性地减少,从而显著改善算法的收敛性能。设ωmax,ωmin分别为惯性系数的起始值和终止值, k为当前迭代次数, kmax为最大迭代次数, ω按下式进行迭代:
该方法能灵活调整粒子在全局搜索能力和局部搜索能力之间的平衡,既可在初期有较高的收敛速度,又可在后期有较高的收敛精度。
② 智能求解算法
设计的基于粒子群算法和模糊模拟的智能算法用于估计每个模糊事件的可信度,其中粒子群算法是用于寻找最优解,步骤如下:
第1步: 设k=1。
第2步: 对于粒子i从(0,D)中随机产生一个初始位置Qki, i=1,2,…,N, N是粒子的数量。然后对于粒子i从(0,V)中随机产生一个速度Vki, V是最大速度, i=1,2,…, N.
第3步: 设Pki是粒子i的一个位置, 并且
第4步: 更新V
Vk+1i=ωVki+c1r1(Pki-Qki)+c2r2(Pkg-Qki)
第5步: 设Q
第6步: 用k←k+1,返回第3步,直到循环次数达到预设数值。
第7步: 返回Pkg的值即为最优解。
4 实例分析
考虑一个不允许缺货,计划期为T=30的模糊EOQ库存系统,计划期内总需求量为D=125,库存成本h=(3,4,5,6),订货成本A=(60,65,70)。需要求出总成本不超过1650的最优订货量及其对应的最大可信度,可建立模糊DCP模型如下:
利用设计的求解算法进行求解,设最大速度为v=2, ωmin=0.2, ωmax=0.6, c1=c2=2; 迭代1000次下得到的最大可信度如图1所示,可看出最大可信度在进行600次迭代之后趋于稳定,此时:
为了验证本文设计的智能算法的可靠性,我们设计了一个基于模拟退火算法——模糊模拟方法的求解算法,得到的优化结果为:
因此,可看出基于粒子群算法和模糊模拟的智能求解算法的性能是可以接受的。
5 相关决策参数敏感性分析及应用效果
分别讨论备件存储费用变动和订货费用变动对最优订货量和最大可信性水平的影响,具体数据如表1和表2所示。
从以上结果可看出: ①当模糊变量的期望值大小不变时,模糊集范围增大时,总成本小于给定预算水平的可信度降低,即总成本超过预算水平的可信度变大。因而如果能搜集更多的信息来缩小模糊变量的模糊集范围,对于降低企业超支的风险是有益的。②当模糊变量的期望值变小时,总成本小于预算水平的可信度增大,即降低模糊变量的期望值,同样能降低企业超支的风险。
由此可见,在模糊环境下充分利用一切有利信息以及正确的思维判断,合理科学地对未知参数进行模糊推测,恰如其分地确定其模糊集范围和相应的隶属函数形式就显得尤为重要。本模型已在某核电站100余种备件库存管理中试用,以前企业依据经典的EOQ模型进行管理, 2007～2008年采用本模型后,这些备件总的库存费用与经典的EOQ模型相比下降了4.15%,同时这些备件的供应服务水平亦得到满足,取得了良好的经济效益。
6 结束语
本文以某核电站备件库存管理为背景,讨论了模糊理论在库存控制中的应用。在备件存储费用和订货费用均为模糊变量的情况下,构建了模糊相关机会规划EOQ模型;基于粒子群算法和模糊模拟技术求得模糊总成本小于资金预算下可信度最大的最优订货量。此模型不仅实用,而且对提高此类备件库存管理现代化水平有一定的借鉴意义。下一步准备将多模糊参数的单库存拓展到上下游两个或多个库存系统,深入研究模糊环境下的备件供应链库存模型及高效求解算法。
参考文献
[1]张金隆,王林,陈涛,曾宇容.连续生产模式下的不常用备件联合采购优化分析[J].中国管理科学,2004,12(5):58~62.
[2]Dutta P,Chakraborty D,Roy A R.Continuousreview inventory model in mixed fuzzy andstochastic environment[J].Applied Mathematics&Computation,2007,188:970~980.
[3]Lee H M,Yao J S.Fuzzy inventory with orwithout backorder for fuzzy order quantity withtrapezoid fuzzy number[J].Fuzzy Sets andSystems,1999,105:311~337.
[4]Yao J S,Chang S C,Su J S.Fuzzy inventorywithout backorder for fuzzy order quantity andfuzzy total demand quantity[J].Computers&Operations Research,2000,27(10):935~962.
[5]Wang X B,Tang W S,Zhao R Q.Fuzzy economicorder quantity inventory models withoutbackordering[J].Tsinghua Science&Technology,2007,12(1):91~96.
[6]Liang R,Gao J W.Dependent-chance programmingmodels for capital budgeting in fuzzy environments[J].Tsinghua Science&Technology,2008,13(1):117~120.
企业财务风险模糊模式识别模型 篇9
随着我国经济向市场经济转轨, 加之现在席卷全球的经济危机挥之不去, 防范与化解企业财务风险愈发成为每个企业需要加强管理的核心问题, 但加强风险管理首先需要能够正确识别风险的类型。对如何评估企业财务风险, 当前大多限于采用零散的几个财务指标来进行测量, 主要的方法是以定性分析为主。这些风险识别方法虽然操作起来简单, 但各项指标所起的作用很难兼顾。与此不同, 本文从整合企业财务风险的各项指标出发, 提出一种基于模糊理论的企业财务风险类型 (等级) 评估模型, 使风险识别定量化和系统化, 继而更加科学化。
二、模型构造步骤
模式识别是对给定的某个具体模型的特征识别它属于何种类型的问题。模糊模式识别模型建立在最大隶属原则的基础上, 运用标准模型库中提供的模型来对待识别模型进行分类。这里我们设定企业财务风险等级共6级, 即AAA, AA, A, BBB, BB, B共六级。各风险等级依次递增, 表示企业财务风险增加, 因而要求企业加强风险监管, 采取措施化解风险。
1. 财务风险与评估指标。财务风险是指公司财务结构不合理, 融资不当使公司可能丧失偿债能力而导致投资者预期收益下降的风险。财务风险有广义和狭义之分。前者把风险定义为损失的不确定性, 而后者则强调风险不只是指损失的不确定性, 而且还包括盈利的不确定性, 即风险就是不确定性, 它既可能给活动主体带来威胁, 也可能带来机会。为了构造模型, 选取既全面又准确刻画企业财务风险的指标系统如下:
★盈利能力——体现在主营业务利润率, 总资产利润率, 净资产利润率, 总资产贡献率, 主营业务毛利率等。没有足够的盈利能力, 企业不能生存。
★成长能力——体现在总资产增长率, 销售增长率与留存收益总资产比等。没有利润的增长, 企业不会持续生存。
★资产管理能力——体现在总资产周转率, 存货周转率, 应收账款周转率与固定资产周转率等。资产的使用效率不高, 会影响盈利能力。
★偿债能力——体现在资产负债率, 流动比率, 速动比率, 利息保障倍数, 长期债务营运, 资本率等。不能到期偿债, 企业可能宣告破产。
★现金能力——体现在经营现金流动负债比, 经营现金总债务比, 经营现金主营业务收入比与经营现金总资产比等。在“现金至尊”的时代, 增加现金流量指标的测量尤显必要。
2. 确定企业风险评价等级标准模型库, 即AAA——A1, AA——A2, A——A3, BBB——A4, BB——A5, B——A6六个等级 (类型, 模型) 。它们构成论域U上的标准模型库{A1, A2, A3, A4, A5, A6}。
3. 构建各个风险等级标准模型的隶属函数。每个企业X具有5种财务风险特征指标:X= (x1, x2, x3, x4, x5) , 其中x1表示盈利能力, x2表示成长能力, x3表示资产管理能力, x4表示偿债能力, x5表示现金能力。就单种财务风险特征指标而言, 令第i种风险等级的第j种财务特征指标是模糊集Aij, 即Aij= (Ai1, Ai2, Ai3, Ai4, Ai5) (i=1, 2, 3, 4, 5, 6) 是一个模糊向量集合族。从每种财务特征指标反映企业财务风险等级的不同特性出发, 用指派方法构造各模糊子集的偏小型与中间型梯形分布隶属函数分别为
上述隶属函数中的参数aij, bij, cij, dij可由企业风险管理专家用统计方法并结合实践经验得到。
4. 计算企业各种财务风险特征指标的值, 记为普通向量X= (x1, x2, x3, x4, x5) 。特征指标的类型应与标准模型库的类型相一致。
5. 计算普通向量X对标准模型库中模糊向量集合族Ai= (Ai1, Ai2, Ai3, Ai4, Ai5) (i=1, 2, 3, 4, 5, 6) 的隶属度。 。
6. 按最大隶属原则识别该企业财务风险的等级模式。这里, 采用常见的Zadeh算子 (∧, ∨) 即 (取小, 取大) 来进行模糊集的有关计算。
三、模型应用举例
【案例分析】设论域U={企业财务风险}, 现有从AAA到B的6种风险等级标准模型库, 其5种财务特征指标隶属函数中的参数经专家评定如下表1所示。试识别一财务特征指标普通向量X= (x1, x2, x3, x4, x5) = (1.2, 5.2, 7.6, 0.47, 4.9) 的企业财务风险属于何种等级模式。
决策分析方法:
第一步, 计算待识别风险模式的企业的普通向量X对标准模型库中模糊向量集合族Ai= (Ai1, Ai2, Ai3, Ai4, Ai5) (i=1, 2, 3, 4, 5, 6) 的隶属度。
1. 计算X对A1的隶属度:∵x1=1.2
2. 计算X对A2的隶属度:
3.计算X对A3的隶属度:
4.计算X对A4的隶属度:
5.计算X对A5的隶属度:
6.计算X对A6的隶属度:
第二步, 按最大隶属原则识别企业财务风险等级模式:
该企业财务风险等级属于AA级, 即说明企业财务营运状况良好, 风险很低。
四、小结
本文在整合企业财务风险预警指标的基础上, 构造了一个风险类型模糊模式识别模型, 使得财务风险的管理定量化与系统化。该模糊运用中的难点在于隶属函数的确定, 这需要风险管理经验很丰富的人员来参与。因此, 所构造的风险模糊模式识别模型是在充分吸收管理者经验与智慧基础上的一种定量化的技术方案。
参考文献
[1]尚宏丽倪勇:高科技企业财务风险评价指标分析研究.商场现代化, 2007 (516)
[2]叶华蔡根女:浅探企业财务风险评价方法.财会月刊, 2004 (37)
[3]李冉:浅析财务风险评价体系构建.内蒙古科技与经济, 2008 (160)
[4]邹奎:企业财务发现的适时管理.财会研究, 2008 (19)
学习型城市模糊综合评价模型研究 篇10
城市是现代社会发展的基本单位, 城市的竞争力关键取决于城市社会各阶层对知识技术的获取和创新能力。自本世纪以来, 我国各大中小城市启动和推进学习型城市建设。学习型城市的构建是一个系统工程, 涉及城市建设的各个方面, 它是一种通过营造终身教育体制, 发展知识经济, 促进全民学习, 不断创新和发展的城市发展类型。在10多年的实践中, 各学习型城市建设到什么程度, 有些什么差距, 没有统一的标准, 同时各学习型城市建设达到了什么样的水平, 各要素之间哪些需要进一步改善、增强和提高, 没有相应的科学评价方法, 因此, 本文试图通过佛山市的具体情况, 借助运筹学的方法, 提出一种学习型城市建设的综合评价模型, 并将模型应用于佛山市学习型社会的建设中, 为佛山市学习型城市建设提供决策参考。
1 学习型城市评价指标体系
1.1 构建评价指标体系的原则
在构建学习型城市评价指标的过程中, 指标的选取不可能包罗万象, 面面俱到, 过多过滥, 从而影响指标的使用效率, 因此指标体系的构建必须遵循以下原则:
①系统性。知识经济时代, 人们的物质文化生活与社会、经济、科技和环境紧密相连, 因而评价指标应全面地、客观地反映学习型城市各层指标及其相互协调与整体运作。
②科学性。在考虑指标的选取、权重的选择、数据的可比性以及计算方法的科学性时, 都要根据可持续发展的客观规律, 全面反映学习型城市的运行过程。
③可操作性。重点考虑指标的代表性、内涵的覆盖性、人口素质的提高、人民文化消费观念的改变、科技创新能力与城市竞争力的提高、指标的量化、数据获取的难易程度与可靠性、计算方法的简易性以及人机交互功能等。
④动态性。建设学习型城市既是城市建设的目标也是过程, 其内涵随着社会经济的发展和社会的进步而不断深化, 因此指标体系应动态反应学习型城市建设的现状及未来发展趋势。
1.2 评价指标体系的构建
创建学习型城市的目标是在“终身学习”的组织原则下, 通过学习技术的应用, 促进城市的个体发展、城市的社会、文化、环境以及经济的发展, 从而大幅提高城市的整体学习和创新能力, 使城市形成和长期保持强大的竞争能力。因此, 为了建设学习型城市, 我们需要提供充分的学习资源和教育培训资源, 使得我们的市民“活到老, 学到老”, 从而提高人口素质和科技创新能力, 增强城市竞争力。本文根据指标体系的构建原则和目标, 构建了包括5个一级指标和15个二级指标的评价体系, 如表1所示。
2 学习型城市模糊综合评价模型的建立
2.1 确定评价指标模糊集
由表1指标体系的定义, 一级准则层指标集为, 二级指标层指标集, , 其中:i=1, 2, …m, j=1, 2, …, n。
2.2 确定评语集
定义评语集为, 其中:j=1, 2, …, n, 在此取n=5, V1, V2, V3, V4, V5分别代表评语为学习能力很强、学习能力较强、能力一般、学习能力较弱、学习能力很弱。
2.3 确定权重
本文采用AHP确定学习型城市建设评价指标体系的权重。AHP层次分析法根据问题的性质和要达到的总目标, 将问题分解为不同的组成因素, 并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合, 形成一个多层次的分析结构模型, 将每一层次的各要素两两比较, 按照一定的标度理论, 建立判断矩阵, 通过计算判断矩阵的最大特征值及特征向量, 建立权重向量。具体步骤如下:
①根据标度理论, 构造判断矩阵, 其中:
②求判断矩阵A的每一行元素相乘后, 求其n次方根:
③对进行归一化处理得到排序权重向量ωi:
④求出最大特征根λmax
⑤进行一致性检验
2) 找出相应的平均随机一致性指标R.I.;
3) 计算一致性比例;
当C.R.<0.1时, 可接受一致性检验, 否则对A修正。
2.4 模糊评价矩阵的确定
对U中的作单因素评价, 确定Ui对第j级评语的隶属度;j=1, 2, …, n) , 则因素Ui的单因素评价集为:
则从Ui到V的模糊评价矩阵为
2.5 建立模糊综合评价模型
模糊综合评价模型为
这里, 。对向量B= (b1, b2, …, bn) 作归一化处理, 取bj=max{b1, b2, …, bn}, 则目标层U的模糊综合评价结果为评语Vj。
2.6 多级模糊综合评价法
将学习型城市的评价采用二级评价的方法, 成立不少于10人的专家小组, 采用定量与定性相结合的方法, 将每个层次按类进行评价, 最后再对评价结果进行类之间更高层次的综合评价。
2.7 评价结论
将隶属度和权重代入模糊综合评价模型, 计算出衡量学习型城市学习水平的综合评价值。指标的测量采用李克特量表的方法, 利用语义学标度分为5个测量等级:学习能力很强、学习能力较强、能力一般、学习能力较弱、学习能力很弱, 为便于计算, 我们将主观评价的语义学标度进行量化, 分别赋值5、4、3、2、1。
3 佛山市学习型城市建设模糊综合评价
根据以上模型, 结合佛山市的具体实际, 我们选择了表1所示的指标体系, 计算结果为:
人口素质的权重:
学习资源的权重:ω2= (0.1958, 0.3108, 0.4934)
教育培训的权重:ω3= (0.2184, 0.1515, 0.6301)
城市竞争力的权重:ω4= (0.4934, 0.3108, 0.1958)
科技创新的权重:
一级指标权重:ω= (0.3196, 0.2848, 0.1283, 0.1391, 0.1283)
各判断矩阵一致性指标均小于0.10, 因此权系数的分配是合理的。
对综合评分值的加权平均的结果:
4 建议与结论
从综合得分结果可以看出, 学习资源得分较高, 其次是人口素质, 教育培训、城市竞争力和科技创新发展略有不足, 总体得分3.2932, 发展良好。因此, 在佛山市目前这种文化氛围下, 可以加强教育基础设施的建设, 大幅提高学习资源建设的水平, 进一步激活教育培训市场, 增强城市的聚集能力, 充分利用知识和科技对竞争力的渗透作用来增强城市的整体水平。具体分析如下:
①充分的学习资源和教育培训是佛山市建设学习型城市的保障。学习资源值为4.1675, 教育培训值为2.5942, 不但传统学习资源比例增长, 很多人学会使用新媒体, 而政府和相关教育机构不断对相关网站的内容多样化和增加新的学习方式, 使学习变得更加容易, 通俗易懂。人均教育文化娱乐服务支出的增加, 说明从业人口参与培训的比例增加, 居民学习意识的增长。同时教育培训值最低, 说明政府应该增加人们的教育培训机会, 增加对培训机构的建设与投入。这些是佛山市学习型城市建设的促进因素。
②良好的人口素质是佛山市能够开展学习型城市建设的基础。该指标值为3.1500, 所选指标为大专以上人口的比例和平均受教育年限, 得到的结果表明良好。这说明佛山市进行学习型城市建设的人文基础较好, 学习型城市建设具有广泛的社会基础和可行性, 这也从一个方面说明了佛山市从提出创建学习型城市到如今所取得的成果。
③城市竞争力和科技创新能力是当前佛山市学习型城市发展的薄弱环节。城市竞争力值是2.8630, 科技创新值是2.8721, 研发投入不高造成该指标值偏低。但随着中德工业园的建设, 以及高新技术企业的不断发展, 城市竞争力一定会有较大的提升。
综上所述, 本文构建的学习型城市模糊综合评价模型, 具有较强的实用价值, 能够较好地评价学习型城市整体状况和各子系统及其要素的水平, 完整描述学习型城市的发展状况, 更好地为佛山市学习型城市建设提供决策依据。
参考文献
[1]叶忠海.创建学习型城市的理论和实践[M].上海:三联书店, 2005.
[2]Tim Campbell.Learning cities:knowledge, capacity competiti veness.Habitat International, No.33, 2009:195-201.
[3]孙玫璐, 等.可持续发展:学习型城市建设造就社会发展的光明未来[J].高等继续教育学报, 2014, 27 (1) :13-16.
[4]汤兵勇.市场经济控制论.北京:中国环境科学出版社, 1997.
