数学建模中，评价类模型是一类比较基础的数学模型之一，往往是对应生活中的一些实际问题。最常见的数学模型包括：层次分析法、模糊综合评价、熵值法、TOPSIS法、数据包络分析、秩和比法、灰色关联法。下面对于上述几种模型的优缺点进行系统地分析。

1.层次分析法

2.模糊综合评价

3.熵值法

4.TOPSIS法

5.数据包络分析

6.秩和比法

7.灰色关联法

1.层次分析法

层次分析法的优点如下所示：

层次分析法是一种系统性的分析方法。层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。

层次分析法是一种简洁实用的决策方法。这种方法既不单纯追求高深数学，还不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来。

层次分析法所需定量数据信息比较少。层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲究定性的分析和判断。

层次分析法的缺点如下所示：

层次分析法指标过多时数据统计量大，且权重难以确定。

层次分析法的特征值和特征向量的精确求法比较复杂。在求判断矩阵的特征值和特征向量时，所用的方法和我们多元统计所用的方法是一样的。

层次分析法的定量数据较少，定性成分多，不易令人信服。

层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。

2.模糊综合评价

模糊综合评价的优点如下所示：

模糊评价通过精确的数字手段处理模糊的评价对象，能对蕴藏信息呈现模糊性的资料作出比较科学、合理、贴近实际的量化评价。

模糊评价法的评价结果是一个矢量，而不是一个点值，包含的信息比较丰富，既可以比较准确的刻画被评价对象，又可以进一步加工，得到参考信息。

模糊综合评价的缺点如下所示：

模糊综合评价的计算复杂，对指标权重矢量的确定主观性较强。

当指标集U较大时，在权矢量和为1的条件约束下，相对隶属度权系数往往会偏小，权矢量与模糊矩阵R不匹配，结果会出现超模糊现象，分辨率很差，无法区分谁的隶属度更高，严重情况甚至会造成评判失败，此时可以使用分层模糊评估法加以改进。

3.熵值法

熵值法的优点如下所示：

熵值法是根据各项指标指标值的变异程度来确定指标权数的，这是一种客观赋权法，避免了人为因素带来的偏差。

熵值法的缺点如下所示：

熵值法不能减少评价指标的维数。

熵值法忽略了指标本身重要程度，有时确定的指标权数会与预期的结果相差甚远。

4.TOPSIS法

TOPSIS法的优点如下所示：

TOPSIS法避免了数据的主观性，不需要目标函数，不用通过检验，而且能够很好的刻画多个影响指标的综合影响力度。

TOPSIS法对于数据分布及样本量、指标多少无严格限制，既适于小样本资料，也适于多评价单元、多指标的大系统,较为灵活、方便。

TOPSIS法的缺点如下所示：

TOPSIS法必须有两个以上的研究对象才可以进行使用。

TOPSIS法需要的每个指标的数据，对应的量化指标选取会有一定难度。

TOPSIS法不确定指标的选取个数为多少才适宜去很好刻画指标的影响力度。

5.数据包络分析

数据包络分析的优点如下所示：

数据包络分析又称作为DEA，可用于处理具有多个输入和输出的问题。

数据包络分析对于效率的评估结果是一个综合指标，并且可用于在经济学中应用总生产要素的概念。

数据包络分析可以处理间隔数据以及序号数据。

数据包络分析中的加权值是数学的乘积计算，因此摆脱了人类的主观性。

数据包络分析不会受到不同规模的影响。

数据包络分析的缺点如下所示：

数据包络分析不应该有太多变量。

数据包络分析的输入变量和输出变量之间的关系程度没有考虑。

数据包络分析它产生了有效的边界，这可能相当大。

如果样本量太小的话结果不太可靠。

6.秩和比法

秩和比法的优点如下所示：

秩和比法又称为RSR法，该方法使用了数据的相对大小关系，而不真正运用数值本身，所以此方法综合性强，可以显示微小变动，对离群值不敏感。

秩和比法能够找出评价指标是否有独立性。

秩和比法能够对各个评价对象进行排序分档，找出优劣，是做比较，找关系的有效手段。

秩和比法的缺点如下所示：

秩和比法通过秩替代原始指标值，会损失部分信息，不容易对各个指标进行恰当的编秩。

7.灰色关联法

灰色关联法的优点如下所示：

灰色关联法对于数据要求比较低，工作量比较少。

灰色关联法的思路明晰，可以在很大程度上减少由于信息不对称带来的损失。

灰色关联法的缺点如下所示：

灰色关联发要求需要对各项指标的最优值进行现行确定，主观性过强。

灰色关联法的部分指标最优值难以确定。

数学建模中各种评价类模型的优点和缺点总结相关推荐

数学建模中的lp造船模型求解
*** 1. 数学建模中的lp如何造船使费用最小模型求解以及LINGO的初始用法先看问题: 例 SAILCO公司需要决定下四个季度的帆船生产量.下四个季度的帆船需求量分别是40条,60条,75条,2 ...
数学建模优化模型简单例题_数学建模中简单的优化模型
本文介绍较简单的优化模型,归结微积分中函数的机制问题,可以直接用微分法求解. 1. 存贮模型工厂订购原料,出售商品,都需要确定贮存量. 1.1不允许缺货的存贮模型经济批量订货公式(EOQ公式) 用 ...
数学建模笔记——评价类模型之熵权法
嗯,这次讲一讲熵权法,一种通过样本数据确定评价指标权重的方法. 熵权法之前我们提到了TOPSIS方法,用来处理有数据的评价类模型.TOPSIS方法还蛮简单的,大概就三步. 将原始数据矩阵正向化. 也 ...
Algorithm：数学建模大赛(CUMCM/NPMCM)之数学建模(经验/技巧)、流程(模型准备/模型假设/建模/求解/分析/优化/预测/评价)、论文写作(意义/摘要/关键词/问题重述和模型假设/建
Algorithm:数学建模大赛(CUMCM/NPMCM)之数学建模(经验/技巧).流程(模型准备/模型假设/建模/求解/分析/优化/预测/评价).论文写作(意义/摘要/关键词/问题重述和模型假设/建 ...
数学建模中的ARMA模型和ARIMA模型的使用实例（含代码）
数学建模中的ARMA模型和ARIMA模型的使用实例(含代码) 原文地址:http://blog.csdn.net/qq_34861102/article/details/77659399 对于较少时间 ...
数学建模中常用的方法
数学建模中常用的方法:类比法.二分法.差分法.变分法.图论法.层次分析法.数据拟合法.回归分析法.数学规划(线性规划,非线性规划,整数规划,动态规划,目标规划).机理分析.排队方法.对策方法.决策方法 ...
模型学习01——评价类模型（1）
一.层次分析法(AHP) 1.简介将与决策有关的元素分解成目标.准则.方案等层次,在此基础之上进行定性和定量分析(形成打分表)的决策方法.主要适用于解决评价类模型. 2.目标形成以下打分表格 ...
Maltab在数学建模中的应用（第二版）——读书笔记上
Maltab在数学建模中的应用(第二版)--读书笔记上 1.MATLAB与数据文件的交互 1.1数据拟合 1.2数据拟合实例 1.3数据可视化 1.4层次分析法 2.规划问题的MATLAB求解(多约束 ...
Maltab在数学建模中的应用（第二版）——读书笔记下
Maltab在数学建模中的应用(第二版)--读书笔记下 1彩票中的数学2002B 总结 2露天卡车调度问题2003B 总结 3奥运会商圈规划问题2004A 总结 4交巡警服务平台的设置与调度2011B ...
数学建模_随机森林分类模型详解Python代码
数学建模_随机森林分类模型详解Python代码随机森林需要调整的参数有: (1) 决策树的个数 (2) 特征属性的个数 (3) 递归次数(即决策树的深度)''' from numpy import ...

数学建模中各种评价类模型的优点和缺点总结

1.层次分析法

2.模糊综合评价

3.熵值法

4.TOPSIS法

5.数据包络分析

6.秩和比法

7.灰色关联法

数学建模中各种评价类模型的优点和缺点总结相关推荐

最新文章

热门文章