系统综合评价的方法及应用研究

论文摘要

综合评价是系统工程领域研究的重要分支,其方法的研究是一个多学科边缘交叉、相互渗透、多点支撑的新兴研究领域。它是决策科学化、民主化的基础,是实际工作迫切需要解决的问题。因此,需要我们深刻了解和掌握综合评价的理论及方法应用。本文在研究综合评价理论的基础上,对综合评价处理过程,以及灰色关联分析、层次分析、人工神经网络分析等综合评价方法进行了深入的分析和研究。在Visual C++6.0编程语言与Microsoft SQL Server 2000数据库平台上实现了集多种评价方法功能于一体的通用性综合评价决策支持系统。并应用评价系统针对各实例的特点选择适当的评价方法进行综合评价,系统在通用性和功能系统化等方面达到了较好的应用效果,评价结果满足了综合评价的预期要求。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 选题背景及意义
• 1.1.1 选题背景
• 1.1.2 选题意义
• 1.2 综合评价概述
• 1.2.1 评价的基本含义
• 1.2.2 综合评价的概念
• 1.2.3 综合评价的研究现状与发展趋势
• 1.3 论文的研究内容
• 第二章 综合评价的相关理论分析
• 2.1 综合评价指标体系的建立
• 2.1.1 建立指标体系的原则
• 2.1.2 综合评价指标的构建及筛选
• 2.2 评价指标数据的预处理
• 2.2.1 评价指标类型的一致化
• 2.2.2 评价指标的无量纲化
• 2.3 评价指标权重的确定
• 2.3.1 赋权方法的分类
• 2.3.2 赋权方法举例
• 2.4 本章小结
• 第三章 系统综合评价的方法
• 3.1 灰色关联分析法
• 3.1.1 灰色系统与灰色关联分析
• 3.1.2 灰色关联分析的步骤
• 3.1.3 其他常用关联度
• 3.1.4 灰色关联分析法的改进
• 3.1.5 灰色关联分析方法评价
• 3.2 层次分析法
• 3.2.1 层次分析法简介
• 3.2.2 层次分析法的基本步骤
• 3.2.3 层次分析法优点与局限性
• 3.2.4 层次分析法的改进
• 3.3 人工神经网络评价法
• 3.3.1 人工神经网络的思想和原理
• 3.3.2 人工神经网络的模型
• 3.3.3 BP网络的学习算法和步骤
• 3.3.4 BP网络学习算法的改进
• 3.3.5 基于BP网络的综合评价神经网络模型设计
• 3.3.6 人工神经网络评价法总结
• 3.4 其他分析方法
• 3.4.1 数据包络分析法
• 3.4.2 主成分分析法
• 3.4.3 系统模拟与仿真
• 3.4.4 可能—满意度法
• 3.4.5 技术经济分析
• 3.4.6 定性分析方法
• 3.5 本章小结
• 第四章 综合评价方法的设计与应用
• 4.1 灰色关联分析法的实现
• 4.1.1 灰色关联分析的设计
• 4.1.2 指标重要性评价的应用
• 4.1.3 样本综合评价的应用
• 4.1.4 实际应用效果分析
• 4.2 层次分析法的实现
• 4.2.1 层次分析法的实际应用
• 4.2.2 实际应用效果评价
• 4.3 人工神经网络评价法的实现
• 4.3.1 人工神经网络评价法的设计
• 4.3.2 人工神经网络分析法的实现
• 4.3.3 实际应用效果评价
• 4.4 本章小结
• 第五章 综合评价决策支持系统的设计与实现
• 5.1 综合评价与决策支持
• 5.1.1 决策支持系统简介
• 5.1.2 综合评价与多属性决策的比较
• 5.2 CEDSS的设计
• 5.2.1 系统分析
• 5.2.2 系统功能模块设计
• 5.2.3 系统工作流程
• 5.3 CEDSS的实现
• 5.3.1 数据库的还原
• 5.3.2 登陆模块的实现
• 5.3.3 数据连接模块的实现
• 5.3.4 数据管理模块的实现
• 5.3.5 数据处理模块的实现
• 5.3.6 综合评价模块的实现
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 本文总结
• 6.2 研究展望
• 参考文献
• 致谢
• 附录
• 在学期间公开发表的学术论文