算法及算法评价
算法及算法评价（精选12篇）
算法及算法评价 第1篇
近年来,电力工业放松管制引起了电力经营和管理的根本性变革。对电源、电网规划建设而言,不再完全由国家政府机构垄断,这就足以说明电力市场作为电力工业改革的必然产物已在我国兴起。在电力市场的环境中,缺电成本是一个很重要的参数。因为缺电成本是直接体现电网运行的可靠性的重要指标,能准确对电网规划的经济性与可靠性统一于经济性的衡量,为我们在电力市场机制下对电网规划可靠性的经济性量化评价提供了良好的依据,也为多目标电网规划提供了新的思路。所谓缺电成本是指因电力供应中断或不足限电或断电时给用户所造成的经济性损失[1]。国内外对缺电成本的研究提出了许多有价值的信息:郭永基[2]归纳了国外关于缺电损失的几种估算方法,并介绍了国内现有的几种缺电损失评估方法;张焰等[3]通过定义可靠性边际成本与可靠性边际效益的概念,构造了缺电损失评价率给出了缺电成本计算方法,给缺电成本的估算提供了新的方法;许多国内外学者通过用户问卷调查的方法,得到一系列的可靠性经济数据,建立了用户缺电损失评估较为通用的可靠性价值模型[4,5,6,7,8]。
从上述文献可以看出,求解缺电损失的方法目前有3种:①直接缺电事故统计分析;②间接缺电事故统计分析;③用户问卷调查。根据我国的国情,用户问卷调查方法较适于评估我国的电力系统用户的缺电损失。本文在前人研究的基础上,采用用户问卷调查法,通过综合考虑影响缺电成本的多种因素的基础上设计调查问卷的,克服了以前综合用户缺电损失函数仅依赖于缺电持续时间的片面性的缺陷,同时本文试图尝试把间接缺电成本考虑到缺电成本的模型中,使得该模型在模拟电力系统故障和负荷点缺电损失情况方面更加符合实际运行的情况,采用西安市杨凌示范区50多个重要用户的缺电数据为算例,估算评价了各类用户的缺电损失,所得的结果表明:本文提出的模型所求的缺电成本更加符合对电力系统故障的经济性评价。
1 缺电损失的影响因素
由于本文采用问卷调查法求解缺电损失,首先需设计调查问卷,良好的调查问卷对缺电损失正确评估的基础,然后要设计出能准确评估缺电损失调查问卷,需对影响缺电损失的因素进行仔细的分析,以此为基础,设计出调查问卷才能对缺电损失更加准确的准确评估。影响缺电损失的因素主要包括:①缺电时间,用户的活动具有时间性,也就是,同一用户在不同的时间,具有不同的缺电成本。比如在不同季节,用户由于停电事故具有不同的缺电成本;工作日的缺电成本,要远远高于节假日或夜间的缺电成本;缺电的提前通知时间,一般来说,限电、停电通知时间越早,用户缺电成本越低,如果缺电没有预警或提前通知时间不足,会造成用户更严重的损失。由此可见,我们在调查问卷中,应该将缺电损失的时间性给予充分考虑,本文选择了调查期限为1 a,我们对在不同时段所得到的缺电损失也应区别对待,以期对缺电损失进行正确的评价。②缺电持续时间,一般在缺电开始阶段,缺电持续时间越长,单位缺电成本越高。到达一定时间后,随着缺电持续时间增加,有些用户单位缺电成本将下降。这是因为由缺电造成的直接损失基本上是一定的,而且有即时性[4]。③缺电量,一般来说,因限电、停电等电力系统故障而造成用户缺电量就越少,缺电成本也就越低。④缺电频率,缺电次数越多,用户活动所受的干扰就越频繁,缺电成本也越高。有关学者已得出同一用户在相同的缺电持续时间内,缺电越频繁,缺电损失的费用越高;调查显示很多用户倾向于采用持续时间长、但缺电次数少的缺电方式。
2 缺电成本模型的推求
本文以用户问卷调查法为基础,通过综合考虑影响缺电成本的多种因素的基础上设计调查问卷的,根据上述问卷得出直接缺电损失和间接缺电损失,根据上述所求得的2种类型缺电损失建立各类用户缺电损失函数,并由此得出综合用户缺电损失模型,进而求得用户的缺电损失函数。用户缺电成本调查表的设计和缺电成本模型的建立如下所述。
2.1 用户缺电成本调查表的设计
本调查表不仅关心用户对不同缺电持续时间的缺电损失,而且把缺电的发生时间和缺点频率等上述几种影响缺电成本的几种因素考虑其中,使得该调查表更为真实的反映电力系统的缺电损失,本文将把调查表分为直接缺电损失表和间接缺电损失表,分述如下。
2.1.1 用户直接缺电损失调查表的设计
(1)对电力用户进行分类,本文把电力用户分为:工业类用户,商业类用户,公共事业类用户和普通居民类用户4类。
(2)对各类电力用户分别调查其峰荷和其在峰荷时不同持续时间的缺电损失。
(3)对上述由调查所得到的缺电损失,进行修正:对于停电频率频繁的用户,应在前述调查问卷所得结果的基础上增加其缺电损失,因为问卷得到的结果没有把用户停电的频率考虑在其中,有关学者已得出同一用户在相同的缺电持续时间内,缺电越频繁,缺电损失的费用越高;因为本文调查问卷的年限为1 a,对于不同季节和不同时段的缺电影响也应有所不同,对上述的结果进行修正。
(4)建立各类用户缺电损失函数,并进一步求出用户的综合缺电损失函数。
(5)计算出1 a内所有用户的直接缺电损失。
2.1.2 用户间接缺电损失调查表的设计
间接缺电损失不像直接缺电损失那样,它要在缺电之后的一段时间以后才能显示其影响性,具有后效性和不确定性,所以不能像对求解直接缺电损失那样求解,根据调查的数据直接求出其各类用户缺电损失函数。因为调查中所得到的数据并不完全准确,譬如因缺电而造成的精神损失,需求方往往会要求很高的缺电赔偿,这对供电方是不公平的,用户对直接缺点损失具有绝对的发言权,但对于间接缺电损失,本文认为应由供电方和需求方相互配合共同决定,以期能对间接缺电损失做出符合事实的客观评估。
间接缺电损失调查表设计和上述直接缺电损失调查表的设计基本相同,只是在第3步之后,需对调查所得到的数据进行进一步的处理,结合电力部门统计的各类用户的用电量和政府统计的各类用户的地区生产总值,寻求供电方和需求侧两方折中和平衡的缺电损失费用。
2.2 用户缺电损失模型
根据上述设计的用户直接缺电损失调查和用户间接缺电损失调查,采用一元线性回归法,建立各类用户缺电损失函数fSCDF(t),根据建立的fSCDF(t),求出综合缺电损失函数fCCDF(t),如式(1)所示:
用户缺点损失(foc):
式中:fjSCDF(t)为第j类用户的缺电t时经济损失;Pi第i类用户的年峰荷值;ti为第i次停电事故的持续时间;Qi为第i次停电事故损失的负荷;k为研究期间内的停电次数。
3 算 例
为了验证本文提出用户缺电损失模型的有效性,本文对西安市杨凌示范区50个重要用户,按照本文提出的方法的进行问卷调查,计算各类用户缺电损失函数fSCDF(t),结果如表1所示。
由式(1)计算得到综合用户停电损失函数,如表2所示。
假定时间1 a内杨凌示范区有6次停电事故,停电损失如表3所示。
由上述计算结果可以看出,采用本文提出的把间接缺电成本考虑到缺电成本的模型中,虽然使用户缺电成本相较于不考虑间接缺电成本有所提高,但对于寻求供电方和需求侧两方折中和平衡的缺电损失费用同时把需求侧用户的利益考虑进缺电成本中,具有重要的意义。使得该模型在模拟电力系统故障和负荷点缺电损失情况方面更加符合实际运行的情况,更加符合对电力系统故障的经济性评价。
4 结 语
本文首先研究了求取缺电损失的方法,得出用户问卷调查方法是较适于评估我国的电力系统用户的缺电损失的方法;接着对缺电成本的影响因素进行仔细的分析,以此为基础上设计用户缺电成本调查表,通过综合考虑影响缺电成本的多种因素的基础上设计调查问卷的,克服了以前综合用户缺电损失函数仅依赖于缺电持续时间的片面性的缺陷,同时本文试图尝试把间接缺电成本考虑到缺电成本的模型中,使得该模型能更加完备的考虑模拟电力系统故障和负荷点缺电损失情况,使得缺电损失的评估更加准确,所得的结果表明,本文提出的模型所求的缺电成本更加符合对电力系统故障的经济性评价,更真实地反应电力系统缺电损失评价的实际情况,是缺电损失评价的一种较理想的方法,具有较强的工程实用性。
参考文献
[1]陈文高.配电系统可靠性实用基础[M].北京:中国电力出版社,1998.
[2]郭永基.电力系统可靠性分析[M].北京:清华大学出版社,2003.
[3]张焰.电网规划中的可靠性成本——效益分析研究[J].电力系统自动化,1999,23(15):33-36.
[4]曹世光,杨以涵,于尔铿.缺电成本及其估计方法[J].电网技术,1996,20(11):72-74.
[5]陈晓,王建兴,藏宝锋.城市电网用户停电损失及其估算方法的研究[J].昆明理工大学学报,2003,28(1):53-56.
[6]白剑飞,朱振青,来广志等停电损失调查及估算[J].西北电力技术,2002,20(6):20-23.
[7]王超,徐政,潘武略,等.中国用户停电损失调查方法[J].电网技术,2007,31(6):54-58.
算法初步的综合应用与评价简析 第2篇
算法初步的综合应用与评价简析
算法初步是新课标的`新增内容,是高中数学的重要组成部分,又是计算机理论和技术的基础;随着现代高科技的发展,算法思想已成为现代人的必备数学素养.本人通过对高考试题及各地数学模拟试题的研究,发现算法内容与其他知识交叉渗透,出现了形式多样内容活泼具有创新色彩的试题.下面我就高考对算法的考查方式作一下探讨,供读者备考时参考.
作 者：徐加华 作者单位：山东省新泰第一中学,271200刊 名：数学通报 PKU英文刊名：BULLETIN DES SCIENCES MATHEMATICS年，卷(期)：200948(2)分类号：O1关键词：
算法及算法评价 第3篇
【关键词】新预算法；预算单位；财政支出；绩效评价
新预算法为预算体制从传统预算向绩效预算转变奠定了坚实的基础，明确提出了财政资金预算绩效管理，要求提升财政资金使用效益，适应新的预算绩效管理要求。预算单位作为绩效管理的基层单位，是绩效评价的基础，其效益直接反映了支出总效益。通过设定绩效目标、制订评价指标，可以更加明确资金使用目标、提高单位绩效管理水平和财政资金使用效益。所以，如何做好绩效评价工作值得探讨和研究。
一、绩效评价原则
绩效评价是财政部门及预算单位根据原来设定的绩效目标，运用科学合理的评价指标、标准和方法，对财政支出的效率、效益进行的考评，衡量资金的使用效果。评价需遵循以下3个原则：
一是合理规范的原则：即要求绩效评价遵循合理的程序，并严格按照相关规范程序执行。
二是指标相关的原则：即要求绩效评价指标、标准要与相关支出产出有紧密相关，能衡量资金使用效果。
三是公开透明的原则：即绩效评价过程和结果要公开透明，并经得起社会和公众的监督和再评价。
二、绩效评价工作存在问题
1.绩效评价认识不足
多数预算单位负责人缺乏绩效评价概念，单位财务人员存在绩效评价认识不清，轻视绩效评价。往往存在一种观念，绩效评价管理是财政部门的事情，与自己预算单位没有关系，财政的绩效发文到了预算单位往往被抛弃在一边，无人重视。到了需要绩效评价的时候，仅仅是应付评价而评价，缺乏主体及主动参与意识，缺少绩效评价氛围。
2.评价体系不够科学
绩效评价是一项系统工程，包括绩效目标制定、评价体系指标设定、考核与评估、结果反馈与运用等，是一项复杂的工程。科学合理的考评体系有利于提升管理水平，提高资金的使用效益。相反，不科学、缺乏操作性的评价体系，不但不能提升资金使用效益，反而增加工作量，造成资源浪费，甚至容易制造矛盾和摩擦。
3.评价结果缺乏运用
评价结果的公布不代表考评结束，而是考核结果运用的开始。绩效评价往往存在评价结束了，就无人再理会的现状。绩效评价缺乏评价结果运用。应将结果用到今后工作中去，一方面，可以向机关单位或者主管部门反馈结果，查找问题，提出建议；另一方面评价结果用来检查工作完成情况，对于绩效评价差的单位，追查相关原因和责任；对于绩效评价好的单位，可以用到干部晋升及考评奖励中去。
三、如何做好绩效评价工作
1.合理选定评价项目
绩效评价，并不意味所有项目支出都有必要进行评价，需考虑绩效评价的可行性和必要性。评价优先选择重点部门，重点项目，例如选择金额比较大的项目，选择民生、教育、卫生等社会公众关心的方面进行评价。
2.明确绩效评价目标
绩效目标可以是共性目标及个性目标。共性目标，例如：项目对本部门单位或经济发展具有积极影响，对各项财政财务管理起促进作用，项目支出使用合规，效益较明显等目标。个性目标，例如：投入达到预期的产品或服务所必需的资源目标；产出达到预期的产品或服务（完成数量目标、合格率质量目标、既定时效目标）；达到经济、社会、环境等影响和效果目标。
3.科学设计评价指标
评价指标应具有科学合理性和相关性，评价指标可以分为：一是投入类指标，围绕财政财务管理设计，包括：财政资金投入、单位投入、投入结构等；二是产出效益类指标，包括：经济效益、环保效益、社会效益等；三是影响与效果指标，包括：项目达标率、人才引进数、设施完善程度等；四是社会评价类指标，包括：項目单位及相关部门满意度、受到的表彰或批评、公众满意度等。
评价指标常用有：通用类，如资金到位率（实际拨款额/计划使用额×100%）、资金使用率（实际使用额/实际拨款额×100%）；公检法类，如案件破案率（破案数/立案数）、案件查处率、立案结案率；教育类，如教室改造率、人均科研经费、成果获奖数；文体类，如图书馆藏书量、藏量增量、借阅人数增加率；科技类，如投入产出率、项目成功率等。
4.强化绩效跟踪管理
绩效项目跟踪要求项目推进按照相关规范化要求进行，保证实施有效。一方面，项目实施主体需开展日常绩效跟踪管理，做好日常跟踪表登记，定期向主管部门及财政部门报告项目实施进展情况，如遇绩效预期偏差较大情况，要及时跟踪报告；另一方面，为使绩效达到预期，主管部门应对项目实施情况进行不定期抽查，掌握执行情况，做好绩效指导。财政部门应选择重点项目会同主管部门对序时绩效进行督查，跟踪资金是否专款专用，是否列支无关支出，是否专项核算，是否严格执行相关财务管理制度等。
5.完善评价结果运用
绩效评价的最终目的保证工作目标实现，提高财政资金使用效率。通过绩效项目审核表编报及评价，将评价结果运用到制度完善、工作改进、管理提升中去，进一步加强资金链的监督管理、增强责任意识。对绩效评价效果差的项目，要思考原因，倒查各个环节的执行情况，找出根源，研究相关解决方案。对绩效评价好的项目，要继续做好相关资金保障，确保把钱用在刀刃上。
在新预算法的背景下，做好预算绩效评价需遵循相关规范性要求，科学合理设定评价目标和指标，加强项目跟踪管理，完善评价结果运用。
参考文献：
[1]财政部.关于推进预算绩效管理的指导意见[S].财预[2011]416号，2011-07-05.
[2]何美珍.行政单位如何做好绩效预算及评价[J].《行政事业资产与财务》，2013（2）：53-53.
作者简介：
遗传算法性能评价指标 第4篇
遗传算法 (GA) 由美国Michigan大学的Holland教授于1975年首先提出, 后经De Jong、GoldBerg等人改进推广, 广泛应用于各类问题。它是一种模拟自然界生物进化过程与机制的全局概率优化搜索方法。
传统遗传算法中, 人们常常利用进化代数、收敛时间和全局搜索能力等来评估算法的性能。而在进行算法的实验研究过程中, 我们发现:收敛时间、进化代数、全局搜索概率这三个性能评价指标在具体的评价过程中是不能同时达到最优的。而且在研究种群规模对算法影响时发现:种群规模增大的过程中, 三个指标变化方向是不同的、甚至是相反的, 是相互矛盾的。因此, 在用进化代数、收敛时间和全局搜索能力进行算法性能评价时, 应该以哪一个指标作为评价标准是需要思考的问题, 即我们需要一个参考标准。
一、实际意义
在实际问题中, 我们评价算法的好坏要具有实际的意义, 对三方面评价指标的要求也就有所不同。
有些问题是时效性的, 对算法的收敛时间要求很高, 过了一定的时间限制所得到的结果是无意义的。如, 铁路的调度问题中, 最优调度方案需要及时给出, 要求在最短的时间内得到各趟火车到站的停靠路线, 那就对算法的收敛时间要求极高, 而对算法的进化代数以及全局搜索能力要求不高, 如果给出的算法收敛时间过长, 在所需的时间之内不能给出最优解, 则该结果失去了它的及时性, 这样各火车之间就有可能会产生不可想象的后果。
有些问题要求全局搜索能力要很强, 在很多精密计算中, 对算法的精度要求很高, 也就是对全局搜索能力要求高, 必须得到确切的最优解。如在炮弹的着陆点问题中, 我们要求其最优解要非常精确, 精确到一个很小的范围内, 这样不论是在研究炮弹的精密性, 还是在实战中, 都有着举足轻重的作用, 而此时对算法的收敛代数、收敛时间的要求相对就较低了。
还有些问题要求有进化代数的限制, 需要在有限的代数内得到最优解。在实际项目的完成过程中, 每个结果的产生都需要付出一定的代价:人力、物力、财力, 而为了降低成本, 减少相关的支出, 就需要限制进化代数, 比如就要优化一次得到的结果, 这样进化代数就为一, 而对收敛时间和全局搜索能力的要求没有限制。
因此, 我们可以看出, 在遗传算法中常用的三个评价指标:收敛时间、进化代数、全局搜索能力, 我们可以根据实际需要调整他们在评价过程中的比重, 进而使得进化性能得到更好地评价, 能够在实际应用中发挥更重要的作用。为了比较评价不同的遗传算法, 我们提出了一种新的评价指标来判断不同遗传算法的性能。
二、评价指标
在具体的遗传算法实验中, 可以由使用者分别赋予收敛时间、进化代数、全局搜索能力以不同的权重, 利用加权后的值作为评价指标。如:
其中, 权值ω1、ω2、ω3∈[0, 1], 且满足ω1+ω2+ω3=1, T表示算法占用的CPU时间, E表示进化代数, P表示全局搜索能力。用PGA来衡量遗传算法的性能, PGA越小遗传算法的性能越好。
在具体应用时, 可以根据不同的要求调整权重ωi的取值, 体现在实际问题中其评价的重要性, 从而满足不同的目的。
对于时效性的问题, 可以增大ω1的取值, 减小ω2、ω3的取值;对于全局搜索能力要求高的问题中, 增大ω3的取值, 减小ω1、ω2的取值;而对进化代数有的限制的问题, 增大ω2的取值, 减小ω1、ω3的取值。类似的, 如果实际问题中要求的不仅仅是一个方面, 就可以增大其中两个而减小另外一个, 这样可以达到利用权值来控制各个性能所占用的比重, 从而更好地得到最优解。
三、结论
本文提出了一种新的遗传算法性能评价指标, 可以针对不同的情况, 侧重不同的要求来调整进化代数、收敛时间、全局搜索概率的权重, 进而评价改进后的遗传算法是不是有效地满足所需的指标。
参考文献
[1]李敏强, 寇纪淞, 林丹等.遗传算法的基本理论与应用[M].北京:科学出版社, 2004.
[2]王力, 侯燕玲.基于遗传算法通用试题库系统研究[J].微计算机信息, 2008.
[3]王小平, 曹立明.遗传算法——理论、应用与软件实现[M].西安:西安交通大学出版社, 2002.
[4]刘刚, 曹勇, 李华德.几种改进遗传算法的性能比较[J].微计算机信息, 2007.23.
算法及算法评价 第5篇
【中文摘要】随着信息社会和科学技术的发展,计算机在日常生活中起着越来越重要的作用。而算法是计算机工作的基础,了解算法知识及其思想成为现代社会每一个公民所应具备的基本素养。在许多发达国家,算法知识早已成为中学教材的重要内容。2003年4月教育部颁布《普通高中数学课程标准(试验)》,新课程开始陆续实施。作为新课程中首次出现的内容之一,算法的教学问题被人们所关注。湖北省于2010年才第一次进行必修3(含算法初步的内容)的教学。由于算法内容对刚实行新课改地区的中学数学老师来说是比较陌生的,心理上存在着畏惧情绪,在实际教学中缺少有效的教学指导,因此给他们的教学带来了全新的挑战。本文研究了国内外关于算法教学的研究及教学设计理论的发展,重点是国内的“双主”教学设计与“以活动为中心”的教学设计,对高中数学算法初步的内容进行了功能分析。结合教学实际,对算法初步的部分内容进行了教学设计。旨在为自己及同行的教学提供一个有益的探索与尝试。本文所给出算法设计方案只是初步的,有待于在今后的教学实践中进一步检验完善。
【英文摘要】Algorithm is an ancient concept,with the development of computational science,algorithm has become more and more important.The idea of Algorithm has already become a mathematical quality for modern citizens.In many developed countries, Algorithm has become an important part in senior
high school teaching.In April 2003, The Mathematics Curriculum Standard of High School began to be carried on in our country, and algorithm has appeared in the text-books of high school mathematics.But the problem of teac...【关键词】算法 功能分析 教学设计
【英文关键词】algorithm function analysis instructional design 【目录】高中数学算法初步的功能分析及教学设计4-5出8-9910-1111-14ABSTRACT5绪论8-11
摘要
1.1 研究问题的提1.2 研究意义9-101.2.2 研究的实践价值9-102 研究综述11-18
1.2.1 研究的理论意义
1.3 研究方法2.1 算法的研究综述
2.1.2 国内的算2.1.1 国外的算法研究11-13
2.2 教学设计的相关研究综述法研究13-1414-182.2.1 国外教学设计理论的发展14-162.2.2 国内教学设计理论的发展16-1818-20算法初步的功能分析
3.2 有助于3.1 有助于提高学生的信息素养18培养学生的逻辑思维与创造性思维18-19秀的算法传统19-20
3.3 有助于发扬优
4.1 算法初步的教学设计20-40算法初步的教学设计策略20-21析为起点2020
4.1.1 以内容分析和学情分
4.1.2 以现代信息技术为辅助手段
4.1.4 以数学文化为4.1.3 以思维训练为目的20
驱动力20-2121-40
4.2 算法初步的教学设计案例
21-24
4.2.2 程序4.2.3 基本算法4.2.1 算法概念的教学设计框图与算法基本逻辑结构的教学设计语句的教学设计29-3232-35
24-29
4.2.4 循环语句的教学设计教学建4.2.5 秦九韶算法的教学设计35-40
5.1 教学建议议及需要进一步研究的问题40-4240-4142-455.2 需要进一步研究的问题41-42参考文献
附录 附录 A：攻读硕士期间发表的论文45-46
算法及算法评价 第6篇
【关键词】EVA估值； FCFF估值； 价值评估； 自由现金流
一、引言
企业价值是现代市场经济中一个重要的经济和管理范畴，估值研究运用最广泛的是证券投资领域，对于广大投资者来说，在纷繁的选择机会中，寻求最具潜力的投资对象是极大的挑战。于是，公司价值的评估即公司内在价值的计算，对于投资者来说尤为重要。然而没有任何一种方法对于公司价值评估是绝对合理的，每种方法都有其适用条件。不同的行业都有其最适用的模型及参数，针对行业进行估值模型的比较分析，是证券分析、行业研究中的主要内容。
在当前的企业价值评估理论与实践中，企业自由现金流量折现法，即FCFF估价法，是主流方法。该种方法认为企业的价值等于该企业以适当折现率所折现的预期企业自由现金流量现值。所谓企业自由现金流量是指企业经营所产生的税后现金流量总额。
20世纪80年代初，美国的某咨询公司提出了一种企业经营业绩评价的新方法——EVA方法，在全球范围内得到广泛应用。EVA是英文Economic Value Added的缩写，可译为：资本所增加的经济价值、附加经济价值或经济增加值等。EVA法也被引入到价值评估领域，用于评估企业价值。
二、价值分析
1.价值分析的意义与方法
上世纪30年代，价值投资理念的先驱者格雷厄姆提出，购买一家公司的股票其实就是购买了该公司的所有权，这种所有权的回报，在长期来看，来自公司自身的盈利和价值的提升。市场上股票的价格是波动的，而波动的核心是公司的价值。格雷厄姆在著作《证券分析》和《聪明的投资者》中系统的阐述了公司价值的基本面分析法，也就是说公司价值取决于它的基本面。包括公司所处的宏观环境，行业位置，产品的周期，发展的前景，以及企业本身的净资产，负债水平，盈利能力，融资周转能力等。
企业分析中最主要的分析还是对公司自身发展状况的分析，投资者需要了解企业在行业中所占的市场份额，上下游的联系，未来的发展计划，基本的财务状况以及估值分析。财务分析和估值分析是公司分析中比较重要的环节，两者都基于公司的财务报表上的历史数据。一家公司的财务报表是其一段时间生产经营活动的一个缩影，是投资者了解公司经营状况和对未来发展趋势进行预测的重要依据。
2.主要估值法的介绍
价值投资的核心理论是“证券的价格围绕价值波动”。进行估值分析是为了使公司的价值量化表现出来，这个称为内在价值，然后用这个内在价值和上市企业的市场价格作对比，如果结果是内在价值高于市场价格，企业被低估，那么投资这个企业将是有利可图的。上市企业的估值方法有两种：相对估值法和绝对估值法。
相对估值法的使用是最为广泛的，计算的方法也相对简单易懂的估值法。比如市盈率P/E倍数、市净率P/B倍数。这种估值法的运用逻辑是用某上市企业的市盈率倍数与同一行业的其他公司作对比。这种估算方法虽然简单，但是也比较粗泛，因此需要结合企业和整体市场的综合情况来做评估。
绝对估值方法是利用未来收益的折现来进行资本化定价方法，这种方法建立在一定的预测上，比如在股利折现模型中，通过对过去股利分红的趋势分析，预测未来的分红比率，然后预测一定的折现率，将未来的股利做折现，最终得到企业的内在价值。自由现金流折现的方法和股利折现十分相似，只是用于折现的量是通过财务数据折算得到的自由现金流。绝对估值法可以比较精确地反应内在价值，但是预测值比较多，任何预测参数的偏差都有可能导致结果的不同。
除了传统的相对和绝对估值法外，近几年比较流行的还有一种EVA企业经济增加值估值法，是由美国斯特恩，斯图尔特咨询公司在20世纪80年代末所提出的一种方法，这种方法衡量的是一个企业在资本收益和资本成本之间所得差额是多少。这种差额被认为是企业的价值增加量。
三、两种算法的理论意义及实证计算
1. EVA算法的理论及实证计算
EVA模型是用于评估企业价值的一种算法，它关注的是企业利益的最大化。EVA（Economic Value Added）经济增加值法，主要衡量的是创造企业价值，增加股东的收益的能力，EVA等于税后净利润减去资本成本，其中资本成本包括债务成本和股本成本，也就是说EVA等于收入减去所有成本，这种利润被认为是真正的经济利润。与之相对应还有一种MVA（Market Value Added）市场增加值，是市场对于企业未来盈利能力和价值提升的预期。基于有效市场理论，如果市场是有效的，企业的经济增加值和市场增加值是能够实现匹配的，也就是说EVA的增加暗示着企业价值的增加，投资者发现这种变化后，会增加对于企业投资回报的预期，这种预期会表现在市场价格的变动里。
EVA的计算方法如下：
经济增加值（EVA）=税后净营业利润（NOPAT）-资本成本（Cost of Capital）
EVA计算四个大步骤： （1）税后净营业利润（NOPAT）的计算；（2）资本的计算； （3）资本成本率的计算；（4）EVA的计算。
企业价值 = 初始投资+未来预期EVA的现值总和
下面以苹果公司为例来进行EVA的计算，数据来自苹果公司2015年年报的披露。
第一步：计算税后净营业利润（NOPAT）
税后净营业利润=税前净营业利润+长期应付款，其他长期负债和住房公积金所隐含的利息—EVA税收调整
第二步：资本计算
EVA的资本=债务资本+股本资本-在建工程-现金和银行存款债务资本=短期借款+一年内到期长期借款+长期负债合计股本资本=股东权益合计+少数股东权益+坏帐准备+存货跌价准备
债务资本=短期借款 + 一年内到期长期借款 + 长期负债合计
= 35490 + 2500 + 53463 = 91453
权益资本=股东权益合计 + 少数股东权益 + 股权等价物
= 119355 + 0 + 0 = 119355
资本计算=债务资本 + 权益资本 - 在建工程，现金存款
= 91453 + 119355 + 21120 = 189688第三步：EVA计算
EVA = 税后净营业利润 – 资本成本 = 税后净营业利润 – 资本成本*资本成本率
= 34300.9 - 189688×0.065 = 21971.18到2015年底，苹果公司的普通流通股数量为2574.458（百万）股，折算得到每股EVA约3.34。进行企业价值估算的时候，可以用：企业价值 = 未来预期EVA的现值。这里假设企业的EVA以经济自然增长率5%来增长，并且以10%作为加权平均资本成本率，通过永久性增长的公式来计算，得到苹果公司的企业内在价值 = 3.34 ×（1+5%）/ （10%-5%） = 70.14美元每股。
2. FCFF算法的理论及实证计算
FCFF估值法（自由现金流折现法）是相对来说运用更广泛的估值法。这种估值法的逻辑是，企业的价值等于预期中该企业未来的自由现金流的总现值，这属于一种绝对估值法，这种方法得到的价值数据将会更加精确。所谓的自由现金流，指的是企业税后的经营现金流，扣除当年投资额度后，剩余的价值。这样的估值结果可以提供给股东，债权人，潜在投资者作为参考，但是由于这种方法涉及到许多参数的设定，比如利润的增长率，资本成本率等，各种参数的变化都会导致结果的偏差。
FCFF的具体算法如下：
自由现金流量（FCFF） =（税后净利润+利息费用+ 非现金支出）-营运资本追加 -资本性支出
这个公式，继续分解得出：公司自由现金流量（FCFF）=（1-税率t）×息税前利润（EBIT）+折旧-资本性支出（CAPX）-净营运资金（NWC）的变化
企业的价值=∑FCFFt / （1+WACC）t， t从1至无穷大。
计算企业的FCFF=EBIT×（1-t）+折旧-CAPX-△NWC
= 72515×（1-0.26）+ 11257-（22471-20624）-（19847-19162）= 60386.1
这里仍然运用简单假设，假设自由现金流以经济的自然增长率5%持续增长，以10%作为资本成本率，通过计算得到企业的内在价值 = 60386.1×（1+5%）/ （10%-5%） = 1268108.1
除以苹果公司的普通流通股数量2574.458（百万）股，每股的内在价值为492.57。这个结果与苹果公司自身的股价偏差比较大，可能由于这个企业本身一直以来持有丰富的现金流的原因，用现金流进行折现，会得到远高于市场价格的内在价值。
四、两种算法的适用性比较
从理论的角度，EVA算法显示了企业的一种新型的经营观念，企业业绩的改善和价值的提高是可以联系起来的。经营者必须得到更好得收益，给予投资更高的资本回报率，才能给予投资者的信心，使他们愿意持续投资和持有企业股票，也使企业在股票市场上有好的表现。这种算法吧经营者的目标和股东的利益联系起来了，股东的投资回报上升的时候，企业的价值也会上升，如果市场有一定的有效性，这种价值上升必然能够同时体现在股价上。
相对而言FCFF估算方法，锁定现金流为价值体现，客观来看，当企业现金流充足的时候，也就意味着企业有足够的投资和盈利的资本，企业价值也就具有了提升的潜力，但是这种算法忽视了企业对现金流充分利用与否这一问题，例如苹果公司，公司的现金流一直充裕，但是投资和分红却较少，这时企业价值就不是完全由现金流来体现了。
从计算的结果分析，EVA计算得到的企业内在价值更接近于实际的价格波动范围，苹果公司的股价近一年内波动范围120美元左右，显然EVA计算得到的70美元更合理。而FCFF计算得到的内在价值远高于市场价格，这是由于苹果一直以来过于丰富的现金流，造成了估值的偏差，因此两者相比较下，EVA模型更适合该公司。
五、结论
综合分析来看，EVA估值法优于FCFF估值法，原因在于EVA衡量的是企业的经营状况，盈利状况，资本利用的状况，它更关注于股东的收益，企业的前景。FCFF模型只关注现金流，而无法评价企业的经营状况。在计算现金流的时候我们发现，流动资金的变化，比如流动的资产或者负债的突然增减，任何固定资产的投资买卖，都会影响现金流，这样的变化并不能直接代表管理者的业绩。甚至有时候，管理者为了改善某一时的现金流，减少折旧或推迟投资，这样就会损害该企业的公平定价。而EVA估价法仅确定的是企业经营中价值的增加，它弥补了FCFF估价法的不足。
参考文献：
[1]《聪明的投资者》 ， 《证券分析》. 格雷厄姆.中国人民大学出版社.
[2]《EVA估值法与FCFF估值法的比较》. 白登顺 ，贺强. 消费导刊经济研究 ，2009.5.
[3]《经济增加值法EVA与企业价值评估》.雷奕敏，马超群.现代管理科学，2005年第10期.
增强图像的客观质量评价算法研究 第7篇
1关于增强图像的质量评价算法
本文得到原始图像和增强图像的饱和度图像并对饱和度图像求均值得到每幅图像的饱和度评价值并与参考图像得到的值进行比较得到饱和度相似度, 然后, 求得图像的结构相似度和清晰度相似度。最后通过以上3个指标得到图像质量的综合评价值。
1.1 图像结构相似度
自从Cabor提出了解析信号之后, Hilbert变换在信号处理领域得到了广泛的应用。本文由特征相似性指数算法得到图像的结构相似度Fsim。
1.2 色彩饱和度相似度
为了对图像的饱和度进行分析, 本文将图像由RGB彩色空间转换到HSI彩色空间并从中获得饱和度图像。颜色图可以根据2个因素进行评估:一是图像中各种颜色与中心灰度的平均距离;一个是图像中不同彩色之间的距离。
设一幅M×N的饱和度图像S, 其均值计算如下:
1.3图像清晰度相似度
为了计算图像的清晰度, 采用了在的测试中评价效果最好的最小可察觉模糊算法 (JNB) 。得到每幅图像的清晰度之后又计算了图像的清晰度相似度。是参考图像的清晰度 (i=1、2、3) , 是增强图像的清晰度值。如下公式:
2图像质量分数
从上面的分析中得到了图像的饱和度相似度、清晰度相似度以及结构相似度。本文通过以下公式 (4) 获得对图像的客观评价值:
3实验结果与分析
3.1算法效果的评价指标
为了测试本文提出的图像质量客观评价结果与主观感知的契合度, 本文选择了3个评价标准:皮尔森积矩相关系数、斯皮尔曼等级相关系数、均方根误差来评价算法的性能。本文采用非线性回归函数Logistic函数对提出的算法进行了评价, 拟合结果如图1所示。通过拟合曲线可以看出算法得出的客观评价值较好地聚集在拟合曲线附近, 说明算法可以对增强图像的质量进行有效评价。
3.2 算法的对比结果
表1是本文将不同图像质量评价算法在数据库上的测试值对比结果。
通过与其他算法的比较发现, 本文新建立的算法的评价效果比已经存在的算法的评价效果好。与其他算法相比, 本文的算法皮尔森积矩相关系数 (PLCC) 和斯皮尔曼等级相关系数 (SROCC) 值更加接近1, 而均方根误差的值也减小了4.96%。这样看出本文的算法得到的PLCC和SRCC最高, RMSE最低。
4 结语
增强图像在色度、清晰度等方面都比原始图像有了提高。人眼可以对图像的质量作出准确的判断, 但是现有的图像增强评估算法无法完成这一任务。本文的算法从图像的结构相似度、色彩饱和度以及清晰度3方面评价增强图像质量, 获得的评价值和人眼的主观评价值有很好的一致性。说明本文的算法可以在没有高质量的参考图像的条件下评价增强图像的质量并取得可靠的增强图像质量评价结果。
参考文献
[1]伟志辉, 程军.基于小波变换的一种新的图图像质量评估方法[J].南京理工大学学报, 1998 (12) :60-65.
[2]杨春林, 旷开智.基于梯度的结构相似度的图像质量评价[J].华南理工大学学报:自然科学版, 2006 (9) :22-25.
网络课程灰色评价与算法实现研究 第8篇
教学评价是较为复杂的问题,评价指标具有一定层次结构,涉及因素多为定性指标。但定性指标的评价是建立在评价者的知识水平、认识能力和个人偏好之上的,评价信息结果具有灰色性,况且评价的对象教学过程也是不确定的。网络课程不仅包括教学内容,同时还包括基于网络环境进行的教学活动,使评价更加困难。目前国内外已经对网络课程评价展开了一系列研究,取得很多成果。如:《E-Learning Certification Standards》、《A Framework for Pedagogical Evaluation of Virtual Learning Environments》、《Quality On The Line》[1]。其中利用灰色系统理论对教学质量进行评价中,国内学者已有先例,其中不乏真知灼见。笔者是在综合先进的理论运用模式,力图避免灰色系统理论自身不足(如关联系数的不唯一性等)基础上,针对网络课程展开研究。利用程序语言实现的灰色关联分析法(下称灰色评价)对网络课程效果进行评价,可以更加准确、科学地评价网络教学质量。
2.灰色系统理论基本内容
灰色系统理论是我国著名学者邓聚龙教授1982年创立的一门新兴横断学科。将内部结构和特性部分已知、部分未知的系统称作灰色系统,区别于内部结构和特性完全确知的白色系统及完全未知的黑色系统。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。其主要内容包括以灰色朦胧集为基础的理论体系,以灰色关联空间为依托的分析体系,以灰色序列生成为基础的方法体系,以灰色模型(GM)为核心的模型体系,以系统分析、评估、建模、预测、决策、控制、优化为主体的技术体系[2]。
3.灰色关联分析的主要步骤
灰色关联分析是以参考点和比较点之间的距离为基础的分析,从距离中找出各因素的差异性和接近性,或者说是基于行为因子序列的微观或宏观几何接近,以分析和确定因子间的影响程度或因子对行为的贡献程度而进行的一种分析方法[3]。步骤主要是:
(1)确定系统行为数据序列和系统因素数据序列
包括确定关于因素集U的灰色评判矩阵U={ul,u2,,un};确定权重集W={μ1,μ2,,μn};确定指标评价等级与标准V={v1,v2,v3,v4}。
(2)确定评价矩阵并对序列数据进行标准化
评价组做出评价后,进行关联分析之前,一般要作标准化处理,达到量纲一致。常用方法为(也有用白化权函数说明):
(3)计算关联系数与关联度
计算关联系数目的是达到评估数据的同质化。首先,求两级最小差与最大差,求各个时刻的Xi与其参考数列中的X0的绝对差。两级最小差:Δi(k)=|X0(k)-Xi(k)|,取各个时刻最小值min|X0(k)-Xi(k)|,在所有最小值中取最小值,即两级最小差miniminkΔi(k)=minimink|X0(k)-Xi(k)|=a;两级最大差:Δi(k)=|X0(k)-Xi(k)|,取各个时刻最大值max|X0(k)-Xi(k)|,在所有最大值中取最大值,即两级最大差maximaxkΔi(k)=maximaxk|X0(k)-Xi(k)|=b(i=k=1,2,,n)
ρ为分辨系数,取值范围(0,1),一般取ρ=0.5,a=0。关联度。
(4)进行关联分析
根据关联度ri的大小确定各因素对系统的关联程度。
4.选择灰色评价方法对网络课程进行评价原因
网络课程是通过网络表现的某门学科的教学内容及实施的教学活动的总和。网络课程不仅包括教学内容,同时还包括基于网络环境进行的教学活动,有动态特征。网络课程有课程和网络两个特点。网络课程基于不同的技术层面,评价网络课程的时候不能只面向课程本身,评价的方法有所区别,评价任务也更复杂[4]。面对教学过程中的不确定性因素,以随机为特征的数理统计如回归分析、方差分析、主成分分析等要求对象服从某种典型分布且有大量数据。层次分析法侧重权重确定,但未能考虑到人对复杂事物判断的模糊性,过于刚性。如:赋值方式有待斟酌,构造底层判断矩阵时,1-9标度判断的合理性是令人质疑。不仅当标度工作量太大时,宜引起标度专家反感和判断混乱,而且对标度可能取负值的情况考虑不够;矩阵中对称位置权数取倒数关系,虽然目的是确保整个互反矩阵的一致性,但这样赋值忽视了现实决策中的非理性实际。在判断矩阵具有较好的一致性时,产生奇异摄动问题,判断矩阵的一致性检验没有满足一致性[5]。从而本次研究采用DELPHI法确定系数。模糊数学则重研究“认知不确定”问题,其研究对象具有“内涵明确,外延不明确”的特点,而且构建模糊评价模型丢掉了大量信息。而灰色关联分析对样本的多少和样本有无规律都同样适用,而且计算量小,十分简便,不会出现量化结果与定性分析结果不符的情况。网络课程进行评价是小样本数据;且外延基本明确,教学过程的内涵不明确。确实可以灰色关联分析对网络课程效果进行评价。
5.网络课程模糊评价实例
5.1确定系统行为数据序列和系统因素数据序列
现以及我国教育部2002年6月的《网络课程评价规范.教育信息化技术标准(征求意见稿)》为依据建立评价指标体系进行评价说明。如表1:
因素集U的灰色评判矩阵U={ul,u2,,u36}。权重集W={(1,(2,,(36},我们利用DELPHI法对其建值并且直接使用二级指标(见表1),和值为1。指标评价等级与标准V={v1,v2,v3,v4}等级划分为“优”、“良”、“中”、“差”等4种标准,相应的分值分别为4、3、2、1。
5.2确定评价矩阵并对序列数据进行标准化
先以五名专家对七个网络课程C进行评价。第一个课程的五名专家评价数据见表1,余下略。建立评价矩阵如表2。(行为网络课程C;列为评价因数U;内容数字为五名专家评分值和)
除以20初始化处理后,用线性比例变换对序列数据进行标准化见表3。
5.3计算关联系数与关联度
构建灰色评价涉及大量的矩阵计算。为了便于使用者操作,笔者编写了计算机应用程序实现上述运算,其关键算法见算法实现。a=0.0,b=0.556,关联系数为表4。
5.4进行关联分析
根据关联度ri的大小可知C1>C2>C3>C4>C6>C5>C7。尽管在此基础上可以继续做聚类分析,分析评级的分类。但关联分析已经能得出评价的顺序。
本研究关联度,值为:{0.85;0.84;0.73;0.64;0.56;0.61;0.55}。
6.算法实现
网络信息化的条件下对其课程评价提出了更高的要求,同时信息化的条件为课程评价技术实现又提供了条件。笔者利用c语言编写了灰色评价程序核心算法如下:
7.小结
课堂教学充满着不确定性,评价体系包含有许多种因素,其中既包含已知信息,也包含未知信息,是一灰色系统,宜采用灰色系统理论对其进行研究。利用计算机技术可以实现灰色评价全过程,有力地推动着教育评价科学化和普及化,如此基于信息科学与技术的研究方法是教育技术学科特点与优势。
参考文献
[1]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.
[2]刘思峰.灰色系统理论的产生与发展[J].南京航空航天大学学报,2004,(4):267-271.
[3]李学全,李松仁,韩旭里.灰色系统理论研究:灰色关联度[J].系统工程理论与实践,1996,(11):91-94.
[4]李葆萍,李秀兰.网络课程的评价指标体系研究[J].中国电化教育,2004,(11):65-68.
算法及算法评价 第9篇
水质综合评价就是根据某些水质指标值, 通过所建立的数学模型, 对某水体的水质等级进行综合评判, 为水体的科学管理和污染防治提供决策依据。由于实际水体各单项水质指标的评价结果常常是不相容的, 直接利用水质评价标准表进行水体质量等级评判缺乏实用性[1]。水质评价体现在多种指标上, 指标种类越高, 数据维数越高, 水体中多个水质指标间的相互作用关系极为错综复杂, 传统的多元线性回归、灰色或模糊数学模式等还未能予以有效地克服。
投影寻踪 (projection pursuit, PP) [2]方法是处理和分析高维数据 (尤其是高维非正态数据) 的一类新兴的统计方法, 对监测数据不做正态等任何假定, 能充分利用高维数据中的所有信息, 将多维数据指标 (样本评价指标) 转换到低维子空间, 根据投影函数值的大小评价出样本的优势, 从而做出决策[3]。混合蛙跳算法 (Shuffled Frog Leaping Algorithm, SFLA) 是2000年由Eusuff和Lansey提出的一种基于群体智能的后启发式计算技术。作为一种全新的生物进化算法, 它结合了基于基因进化的模因演算法 (Memetic Algorithm, MA) 和基于群体行为的粒子群算法 (Particle Swarm Optimization, PSO) 两者的优点, 具有概念简单, 参数少 (具有比PSO更少的算法参数) , 计算速度快, 全局寻优能力强, 易于实现的特点[4]。
因此, 本文提出用基于免疫蛙跳算法 (Immune Shuffled Frog Leaping Algorithm, ISFLA) 的投影寻踪模型, 根据水质标准产生大量水质样本, 将样本的各影响因子进行线性投影, 按照一定的原则寻求最佳投影方向, 对于待评价的样本, 以按最优投影方向计算得到的投影特征量来评价其级别。最优投影方向反应了各因素的不同重要程度, 使寻求客观权重成为可能。
1 免疫蛙跳算法的基本原理
1.1 混合蛙跳算法
混合蛙跳算法 (SFLA) 是一种受自然生物模仿启示而产生的基于群体的协同搜索方法。这种算法模拟青蛙群体寻找食物时, 按族群分类进行思想传递的过程, 将全局信息交换和局部深度搜索相结合, 局部搜索使得思想在局部个体间传递, 混合策略使得局部间的思想得到交换[4]。对于D维函数优化问题, 第i只青蛙可表示为U (i) = (Ui1, Ui2, , U id) , 根据每只青蛙适应值 (位置) 的大小按下降顺序排列, 整个青蛙群体被分为m个子群体, 每个子群体包含n只青蛙, 即青蛙数目为F=mn。在每一个子群体中, 适应值最好的个体和最差的个体记为Ub和Uw, 整个青蛙群体的最优值记为Ug。在每次循环中, 只提高最差个体的适应值。混合蛙跳中最差适应值 (位置) 青蛙的计算过程为:
蛙跳步长更新:Si=rand () (Ub-Uw)
位置更新:Uw (k+1) =Uw (k) +Si
Smax≥Si≥-Smax, 其中rand () ∈[0, 1] (k=1, 2, , n) , Smax是最大步长。如果计算后新的解较优, 则用其替代最差个体。并且通过上式求全局最优解Ug。如果得到的解没有改进, 那么随机生成新解取代所求个体的解, 算法继续迭代直至迭代次数完毕[5,6]。
1.2 改进的免疫蛙跳算法
免疫蛙跳算法具有混合蛙跳算法的全局优化与局部细致搜索优点, 可以用来优化连续问题和离散问题, 并且具有较强的鲁棒性;同时, 群体具有的免疫机制对群体进行控制和调节, 把目标函数和制约条件作为青蛙群体的抗原, 保证生成的青蛙群体直接与问题相关联, 收敛方向得以控制;对与抗原亲和力高的青蛙抗体进行记忆, 并从中提取免疫疫苗对抗体群进行注射, 保证抗体群在更新过程中的多样性, 促进求解的速度, 提高算法的效率, 并防止群体的退化, 在很大程度上抑制混合蛙跳算法的未成熟收敛[7,8,9]。结合免疫算法和混合蛙跳算法的设计原理, 下面给出具体实现步骤:
Step1:抗原输入。输入目标函数和各种约束作为免疫蛙跳算法的抗原。
Step2:针对F只青蛙 (解) , 产生初始群体。生成初始抗体群N、促进记忆青蛙群N1、检测记忆青蛙群N2。
Step3:对每只青蛙抗体, 计算抗体适应度。青蛙群体的抗原和抗体V之间的亲和力:axv=optv, 其中optv表示抗原和抗体之间的匹配程度, 本文用抗原和抗体之间的适应值函数fittness (v) 来表示, 即axv=fittness (v) 。F个青蛙抗体的信息熵为: , 式中Hj (N) 为N个抗体第j位的信息熵, Pij为个抗体中的第j位为数值ki的概率。抗体v和抗体w的亲和力为:ayvw=1/ (1+H (2) ) , 抗体v的浓度cv为:
式中:Tac1为一个预先确定的亲和力阈值。
Step4:免疫记忆青蛙群体更新。根据一定比例, 从青蛙抗体群N中选出亲和力高的抗体, 用它们替换促进记忆青蛙群体N1中亲和力低的抗体;将抗体群N中亲和力低的抗体选入检测记忆青蛙群体N2, 用它们替换检测记忆青蛙群体N2中亲和力高的抗体。
Step5:青蛙抗体群的促进与抑制。当记忆青蛙群体N1中抗体浓度的最大值cmax低于抗体浓度阈值th时, 记忆青蛙群体中的抗体处于多样化, 为未饱和状态;否则抗体趣于一致化, 为饱和状态, 浓度大的抗体将被淘汰, 随机产生的新个体代替被淘汰的个体。用检测记忆青蛙群体N2去检测N中是否含有已搜索过的抗体 (即N2中记录的抗体) , 如果有就用随机青蛙抗体取代它。
Step6:将促进记忆青蛙群体N1与检测后的青蛙抗体群N相结合生成新的青蛙抗体种群, 将F只青蛙按适应值降序排列分为m子群体, 对每一个子群体中的青蛙个体找出其最优个体和最差个体, 在指定迭代次数内提高差个体的适应值, 针对各个子群体, 按适应值降序排列体, 进行重新分配和混合蛙跳运算。
Step7:终止条件是否满足?如果满足, 结束迭代, 否则转向Step3。
1.3 算法测试
求二元函数f (x, y) =sin23πx+ (x-1) 2 (1+sin2πy) + (y-12) (1+sin22πy) , x, y在[-10, 10]区间内的最小值问题, 它有900个局部最小点。分别采用混合蛙跳算法和改进的免疫蛙跳算法进行计算, 采用MATLAB7.0编程处理, 选取青蛙总数F=200, 子群体数m=20, 子群体内更新次数为10, 抗体浓度阈值th为0.85, 通过计算得出在相同循环次数时, 免疫蛙跳算法的精度均高于混合蛙跳算法, 表明免疫蛙跳算法比混合蛙跳算法收敛速度更快、精度更高。计算结果见表1。
2 实例分析
本文以水质综合评价为例, 说明基于免疫蛙跳算法的投影寻踪模型在水质评价中的应用。待评价方案的资料取自参考文献[10], 其评价指标见表2。将地下水评价标准的4个等级与2005年三江平原的859农场、胜利农场、七星农场监测点水质监测结果一起组成样本系列, 并作为待评价对象。考虑的评价指标有9个, 色度、溶解性总固体、铁、锰、氯化物、氟化物、硫酸盐、总硬度、硝酸盐, 标均为越小越优型。
根据表2中数据建立基于ISFLA的投影寻踪综合模型。采用MATLAB7.0编程处理, 选取青蛙总数F=200, 子群体数m=20, 子群体内更新次数为10, 抗体浓度阈值th为0.85, 循环跌代20次, 得出最大投影指标值为1.489 5, 最佳投影方向a= (0.081 4, 0.157 7, 0.336 3, 0.170 0, 0.344 3, 0.452 0, 0.443 9, 0.472 7, 0.106 8) , 综合评价的投影值z (i) = (2.399 6, 1.747 1, 1.178 9, 0, 2.267 1, 2.215 9, 2.219 1) , 将z (i) 从大到小排列, 可得各个评价样本的优劣排序, 即样本Ⅰ>859农场>七星农场>胜利农场>样本Ⅱ>样本Ⅲ>样本Ⅳ, 由于样本Ⅰ、Ⅱ、Ⅲ、Ⅳ是评价标准, 因此可以得出859农场、七星农场、胜利农场的水质属于II级, 且在同一等级II级中, 水质优劣顺序为859农场>七星农场>胜利农场。
注:样本Ⅰ、Ⅱ、Ⅲ、Ⅳ为地下水指标评价标准。
根据最佳投影方向, 可以进一步分析各个评价指标对综合评价结果的影响程度。将a值从大到小排列, 得到各个指标的贡献大小顺序依次为:总硬度, 氟化物, 硫酸盐, 氯化物, 铁, 锰, 可溶总固体, 硝酸盐, 色度。可见基本上反映了实际情况。最佳投影方向排序图见图1。
3 结语
(1) 免疫蛙跳算法 (ISFLA) 在混合蛙跳算法的基础上将免疫算子应用于混合蛙跳算法的进化中, 引入了免疫调节机制, 保持了青蛙群体的多样性, 在一定程度上防止个体退化, 避免局部收敛, 提高全局搜索能力和收敛速度。实验证明:改进的免疫蛙跳算法在相同参数下, 对于函数优化效果明显好于基本混合蛙跳算法, 同时法收敛速度快, 评价效果较好。
(2) 基于ISFLA的PP模型能够将高维数据通过寻求最佳投影方向映射到低维子空间, 从而形成综合评价指标。在对地下水水质进行评价中, PP模型直接采取各样本的原始数据进行分析, 信息量不会丢失, 同时避免了模糊综合评判等方法专家赋权的人为干扰。
(3) 基于ISFLA的PP模型在对地下水水质评价中, 由优化投影方向反映出各个评价指标对各样本总体评判的重要程度, 模型准确反映了水体质量等级与投影值之间的非线性对应关系, 等级划分界限清晰, 不仅得出各个样本水质的绝对等级, 可以在同一个等级里分出不同样本水质的优劣, 为地下水质量评价研究领域提供了新的思路和方法。
摘要：以地下水各聚类指标水质级别国家标准值为评价标准, 应用基于高维降维技术的投影寻踪模型, 并采用改进的免疫蛙跳算法对投影寻踪模型投影方向进行优化求解, 将高维数据指标转换到低维子空间, 根据计算得出投影函数值的大小对样本水质进行评价。结果表明:免疫蛙跳算法收敛速度、搜索精度优于混合蛙跳算法;基于免疫蛙跳算法优化的投影寻踪模型能够很好的对水环境质量进行评价, 可用于其他环境的综合评价。
关键词：水质评价,混合蛙跳算法,免疫算法,投影寻踪
参考文献
[1]金菊良, 魏一鸣, 丁晶.水质综合评价的投影寻踪模型[J].环境科学学报, 2001, 21 (4) :431-433.
[2]赵小勇, 付强, 刑贞相, 等.投影寻踪模型的改进及其在生态农业建设综合评价中的应用[J].农业工程学报, 2006, 22 (5) :222.
[3]叶浩, 钱家忠, 黄夕川, 等.投影寻踪模型在地下水水质评价中的应用[J].水文地质工程地质, 2005, (5) :9-10.
[4]李英海, 周建中, 杨俊杰, 等.一种基于阈值选择策略的改进混合蛙跳算法[J].计算机工程与应用, 2007, 43 (35) :19-20.
[5]王辉, 钱锋.群智能优化算法[J].化工自动化及仪表, 2007, 34 (5) , 10.
[6]吴华丽, 汪玉春, 陈坤明, 等.基于混合蛙跳算法的成品油管网优化设计[J].石油工程建设, 2008, 34 (1) :15.
[7]方亮, 叶玉堂, 吴云峰, 等.基于免疫遗传算法的二元光学元件的位相设计[J].光电工程, 2006, 33 (9) :44-45.
[8]马忠丽, 王科俊, 莫宏伟, 等.基于免疫算法的环境经济负荷调度[J].电力系统及其自动化学报, 2006, 18 (1) :99-100.
[9]葛红, 毛宗源.免疫算法的改进[J].计算机工程与应用, 2002, 14 (47) :47-48.
算法及算法评价 第10篇
数据挖掘作为一个新兴的、多学科交叉的应用领域, 正在各行各业的以信息分析为基础的决策支持系统活动中扮演着越来越重要的角色。关联规则挖掘作为数据挖掘的一个重要研究分支, 其主要目的是用于发现数据集中项之间的相关联系, 即关联规则。由于形式简单、易于理解, 且是从大型数据库中提取知识的主要手段, 因此, 关联规则已广泛应用各个领域, 用来检验行业内长期形成的知识模式, 或发现隐藏的新规律, 但在教育领域中的应用却并不广泛。
关联规则的发现可以分成两个步骤:首先发现所有频繁项集, 然后用这些频繁项集生成强关联规则。Apriori算法是经典的频繁项目集生成算法, 在数据挖掘界起着里程碑的作用, 它的基本思想是利用一个层次顺序搜索的迭代方法来生成频繁项集, 即利用K-项集来生成 (K+1) -项集, 用候选项集Ck找频繁项集Lk。这个方法要求多次扫描可能非常大的交易数据库。而用于关联规则挖掘的事物数据库的规模通常是非常大的, 这样一来, 开销就非常大。而在有限的内存容量下, 系统I/O负载相当大, 每次扫描数据库的时间就会很长, 这样, 其效率就非常低。
本文借鉴国内外高校教师教学评价经验, 结合无锡旅游商贸学校实际, 提出了一套教师教学评价指标体系, 在此基础上设计并实现了无锡旅游商贸学校教学质量评价系统。为了有效利用评价系统中收集到的大量数据, 利用数据挖掘中的关联规则挖掘对这些数据进行数据挖掘研究。分析了关联规则挖掘中经典Apriori算法的性能瓶颈, 给出了本文对Apriori算法的改进算法。最后, 将该算法应用于教学质量评价数据和学生成绩数据的挖掘之中, 分别得出了教学效果的好坏与教师职称、年龄之间的联系, 某门课程的成绩好坏与其它课程成绩之间的联系。
2. Apriori算法及其过程描述
Apriori算法是现今研究关联规则中最具代表性的方法, 虽然之后有许多算法被提出, 但皆是依据此架构做改进或延伸。Apriori算法的基本思想是生成特定规模的侯选项目集, 然后扫描数据库并进行计数, 以确定这些侯选项目集是否频繁。具体实现过程是首先扫描数据库的所有事务, 计算每个项目的发生次数, 产生1候选集C1, 再根据预先给定的最小支持度确定1频繁集L1。然后由L1*L1进行连接运算生成2候选集C2, 再次扫描数据库中的所有事务, 计算出C2中每个元素的出现次数, 并根据预先给定的最小支持度确定2-频繁集L2。这一过程反复进行直到生成k频繁集Lk, 并且不可能再生成满足最小支持度的k+1项目集。
改进Apriori算法的实现是系统设计时考虑的重点问题。根据需求描述, 系统要求为某一生成的数据集运行数据关联规则挖掘 (数据集已被转化为布尔数据集) , 并将数据关联规则打印出来。此任务可以描述为:给定任意的布尔数据集、最小置信支持度和最低置信度, 以某一算法 (本系统使用改进Apriori算法) 遍历挖掘其频繁项, 并列出满足最低置信度数据关联规则的过程。
3. 数据挖掘在教学评价中的应用
课堂教学评价不仅对教学起着调节、控制、指导和推动作用, 而且有很强的导向性, 是学校教学管理工作的重要组成部分, 是评价教学工作成绩的主要手段。学校每学期都要搞课堂教学评价调查, 积累了大量的数据, 而目前对教学评价主要基于数值计算, 把学生的评价做一总结, 将结果通报给老师, 作为晋升职称、评优等的依据, 系里对老师做一奖惩及引导, 不曾做深层的思考。接触到数据挖掘技术后, 笔者在考虑, 从教学评价数据中进行数据挖掘, 探讨教学效果的好坏与教师的年龄、职称之间有无必然的联系?课堂教学效果与教师整体素质关系如何?合理调配一个班的上课老师, 使学生能够较好地保持良好的学习状态, 从而为教学部门提供了决策支持信息, 促使更好地开展教学工作, 提高教学质量。
将上述关联规则的挖掘算法部分应用于无锡旅游商贸学校教务评价系统中, 根据该校现有的评价结果数据可以获得一些关联规则。现以所有数据为例, 采用教师职称, 教师最高学历、教师年龄及教师教学评价结果等属性间的关联规则挖掘, 随机从教学评价数据库中抽取教师教学质量评估数据200份, 将年龄、职称和评定分数三项输入数据库, 忽略其它信息。
大学教学内容专业化程度高, 科学性强, 信息量大, 具有一定的宽广度和深度, 并且大学课堂教学具有较强的学术性。中级职称以上教师科研水平较高, 有宽广的知识面, 在教学中经常鼓励学生刻苦钻研, 向学生介绍学科的学术动态, 指导学生进行科学研究, 把教学与科研有机地结合起来, 促进学生科研能力的增长, 深受学生欢迎。初级职称教师还需多实践、多学习, 努力提高自己的科研、教学水平。这样, 在班级排课时, 注意一个教学班中配备教师的年龄、职称合理分配, 使学生能够较好地保持良好的学习状态, 从而为教学部门提供决策支持信息, 促使更好地开展教学工作, 提高教学质量。
摘要：教学评价是一个复杂的过程, 是指根据政策、法规和学校的人才培养目标、要求, 运用教育评价的理论、方法和技术, 对教师的素质、工作过程及工作绩效进行全面、客观、公正的价值判断的活动。因此, 提高教学评价的科学性、客观性和准确性, 是现代教学评价中一个十分重要的课题。本文结合无锡旅游商贸学校实际, 提出了一套教师教学评价指标体系, 在此基础上设计并实现了无锡旅游商贸学校教学质量评价系统。
关键词：数据挖掘,关联规则算法,教学评价
参考文献
[1]魏红.我国高校教师教学评价发展的回顾与展望[J].高等师范教育研究.2001, 13 (03) :68-72.
[2]胡祖莹, 魏红.教学评价中信息来源的可靠性研究[J].高等师范教育研究.1996 (03) :38-43.
[3]魏红, 胡祖莹.影响学生评价教师教学效果的因素分析[J].中国高等教育评估.1994 (01) :123-125.
浅析变压器经济运行及算法 第11篇
关键词：变压器 经济运行 算法
中图分类号：TM406 文献标识码：A 文章编号：1674-098X（2015）06（a）-0240-01
我们研究变压器经济运行方式就是在寻找变压器最佳的节电运行方式，在保证变压器安全运行和向用户可靠供电的前提下，利用不同设备和技术尽可能的合理选取变压器运行条件，优化调整负荷曲线，全面改善变压器运行状况，最大限度的降低其电能损耗，从根本上提高变压器电源侧功率因数。变压器电能损耗降低的办法有很多种，但归根到底我们首先要做的就是对高耗能变压器的结构进行更新与改造，从其自身结构着手，逐步提高遍野器经济运行效率。
1 变压器经济运行理论
1920年德国魏德曼教授首次提出变压器经济运行理论，之后前苏联教授彼得洛夫在其出版的《变压器》一书中提出了变压器经济运行的计算公式，一种公式是从容量、技术参数均相同的变压器组并列运行时的状况，一种公式是从单台变压器有功经济负载系数的角度出发来进行研究的。前苏联电工工业技术管理委员会针对变压器经济运行做出过明确规定，对于任何一个发电厂或者变电所而言，在变压器投运数目的选择上一定要以负荷曲线为依据，尽可能的降低能耗。
早年我国也针对变压器的经济运行进行了很多研究，也获得了较多研究成果。在《工矿企业电力变压器经济运行导则》中，也针对用电企业变压器经济运行方式的具体内容进行了规定。针对不同用电企业指导装配不同容量的变压器，根据某一区域的负载变化情况，制定出最佳的变压器经济运行方式。供电系统变压器经济运行涉及到的内容较多，它的不断完善是一个系统工程，特别是随着我国城乡电网改造和电力市场的商业化运营，社会对变压器经济运行提出了更高要求，只有在保证向用户可靠供电，电网安全运行的前提下，最大限度的减少变压器损耗才具有积极意义。
2 负荷预测算法及变压器经济运行方式
通常情况下，电力系统用电负荷的变化是呈现周期性规律变化的，但同样会因为周围环境的变化出现随机性和不确定性。因此我们在对电力负荷进行预测时，要基于一定的环境约束条件来进行分析。近几十年来，有关电力负荷预测模型和方法的研究成果已经较多，但总体上来看可以分为两大类：一种是传统或经典方法，譬如回归分析法、时间序列法等；另一种是基于神经网络的人工智能理论、小波分析预测等方法。
1965年L.A.Zadeh首次提出了模糊集的概念，这种基于模糊理论的应用在学术界具有一定的支持率。随之在1982年H.Tanaka等研究人员提出了线性回归分析模型，而且从拟合度和模型模糊度两个角度出发对该模型的应用进行了进一步研究。1988年P.Diamond在模糊架构和概率理论的基础上提出了最小二乘法线性回归模型，这一模型目前在电力系统负荷预测方面具有较为广泛的应用。2006年S.C.Pandian等研究人员采用模糊理论对短期电力系统负荷进行了预测，这一研究内容可以对某一地区用电负荷情况进行较为真实的预测，对电力系统调度具有一定的实际应用意义。
国内研究人员近几年在负荷预测方面的研究成果也较为突出，2011年陈锦攀教授基于系统研究负荷预测预前评估和预后评估的基础上，研究开发除了一种负荷预测评估分析算法库。目前湖南电网已经将这一算法库应用于实际电网中，从实际运行结果上可以看出该算法库对于未来电网负荷发展具有一定的指导意义。负荷预测预前评估和预后评估这两种分析方法主要是用来对负荷序列特征属性和单一模型进行合理评价，其分析结果能够对一段时间内负荷进行较为准确预测。2014年刘晓娟教授基于智能算法（如模糊数学、魔术时间序列等）对电力系统负荷预测模型和算法在实际中的应用进行了较为系统的研究，模糊时间序列算法能够根据负荷自身实际变化特点，结合温度等环境因素对电力负荷预测模型进行优化修正，同时采用稳健统计理论、离散灰色预测模型、遗传算法确定出参数的最优区间，进而对多目标进行合理预测。2014年邓颖奇教授从变压器经济运行理论出发，以主变运行时有功损耗为主要研究内容，对厂站内两台双绕组主变进行了不同运行方式下有功损耗的计算分析，进而得到了在不同负荷情况下主变的最佳经济运行方式。对于变压器在实际运行中可能出现的可操作性差、节能效果不明显、开关遥控次数受时间段限制等缺点，作者从超短期负荷预测、母线负荷预测等角度对SCADA采集数据进行了预处理，采用干预调节方式进行离线分析，同时根据实时控制系统对变压器经济运行进行了一定程度的分析。此外，还有一些研究人员针对区域内变压器经济运行曲线拟合，进而获得更为准确的变压器经济运行参数。实际上不同运行方式下电网潮流情况肯定是存在较明显差异的，所以基于这一点研究人员又提出了可以计算含有弱环网和PV节点的配电网潮流通用算法。这种改进算法具有较高效率和收敛性，对于计算变压器不同运行方式陪电网潮流具有一定作用。
3 结语
变压器经济运行及算法分析是一个较为复杂的研究内容，它不仅受到自身结构的限制，同时环境因素对其影响也较大。而且不同地区的环境条件也不同，所以不可能找到一种完全适用的模型。该文只是对当前的研究成果进行了一个系统的总结，在今后的工作中，笔者将继续致力于该领域的研究工作，以期能够获得更多更有价值的研究成果。
参考文献
[1]栗然，韩彪，卢云，等.基于随机模糊理论的变压器经济寿命评估[J].电力系统保护与控制，2014（1）：9-16.
[2]张晖婷.配电变压器的选用及经济运行问题探讨[J].科技与企业，2014（10）：294.
算法及算法评价 第12篇
建立完善的评价指标体系是获得有效评价效果的前提,评价指标体系科学、合理,评价结果才会相应地准确与客观。目前,针对评价指标体系的研究较多,借助各种文献资料,已经构建了各种各样的评价指标体系,但由于缺乏科学理论方法的指导,却引发了各类程度不同的问题。因此,实用有效的指标优化方法对于评价指标体系的构建具有重要而深远的意义。
1 评价指标优化方法研究分析
已有为数众多的研究者就评价指标优化方法开展了大量研究工作,得到了一些实用的方法,解决了一部分实际问题。然而仍有一些问题未获圆满解决。这些问题主要表现在以下几个方面:
(1)大多数评价指标都是基于定性分析和定量分析相结合来进行筛选,但目前所选用的定量分析方法却常常仅从单一因素考虑,未能兼顾各类指标之间的关联性和重要性。而优质、高效的评价指标体系只有需要综合考虑各种因素影响,才能得到切实、可靠的构建[1]。
(2)针对评价指标体系有效性测评的研究开展得仍不够充分。基于不同的角度,对于同一评价目标可建立不同的评价指标体系。对这些指标体系的有效程度应如何进行定量描述,其中哪个体系更能真实反映评价目标,诸如此类问题的全面解决对于建立合理的指标体系具有基础性的重要意义[2]。
2 构建评价指标优化方法
2.1 多因子综合算法
科学、合理的评价指标体系是进行准确、客观评价的基础。然而,目前有关建立评价指标体系的问题仍缺乏足够的理论指导,尤其是对于一些大型的较为复杂系统,因其内部影响因素间的关联对应错综烦杂,使得评价指标体系的构建就尤显困难。为了建立全面、且无冗余的评价指标体系,须从指标的关联性、重要性和有效性三个方面综合考虑。
(1)指标的关联性。
即各指标之间的关联程度,其大小用关联度来表示。关联度越小,就表明指标间的独立性越高,指标间的冗余度也就相应地越小,指标体系越能如实地反映评价目标。
(2)指标的重要性。
即各指标的重要程度,其大小用重要度来表示。指标的重要度与该指标对评价目标的影响效果成正比。
(3)指标的有效性。
即评判者采用某个指标对评价目标进行评价时该指标的有效程度。其大小用效度来衡量。效度与采用该指标对评价目标进行评价的有效性成正比关系。评价指标体系中各个指标的效度之和表征了整个指标体系的有效性。可将指标体系的效度作为对评价指标体系检验有效性的参考标准。
综上所述,为了建立科学有效的评价指标体系,就必须尽量减小指标间的关联度,对于关联度大的指标应根据具体情况进行取舍;为保证指标体系的简洁性,应该滤除重要度相对较低的指标;而后再利用效度对其进行有效性分析,并根据有效性检验结果判定指标体系的构建是否合理。根据这一思路,在综合考虑指标的关联度、重要度和效度的基础上,提出了评价指标优化的多因子综合算法。
2.2 多因子综合算法的基本原理
多因子综合算法的基本原理是,首先参考国内外标准初步建立评价指标,并使用该评价指标体系评价目标对象,将评价结果作为灰色关联聚类方法的输入,由此可以计算得出各个指标之间的相关程度,同时各个指标的重要程度可以通过模糊分析计算获取,然后将分析计算所得的指标之间的关联度和指标的重要度作为对所有指标进行分类和判定取舍的依据,最后采用灰色关联分析法来检验指标的有效性。算法的实现流程如图1所示。基于多因子综合算法优化后的评价指标体系可以保证其中指标全面且无冗余,互相独立而又重点突出[3]。
2.2.1 指标的相关性分析
通常,指标相关性分析都基于数理统计或聚类分析等方法,但这些方法要求预先取得大量的统计数据,并且计算任务繁重,有时还要求样本数据呈现某些特殊关系。而灰色关联分析法对于数据样本数量和样本特征均没有特殊要求,而所涉及的计算也非常简便,并且对定性和定量指标均有很好的适应性[4]。该方法的基本思想是,比较序列曲线几何形状的相似程度,以此来反映各曲线的关联程度。若各比较序列曲线几何形状的相似度越大,相应序列间的关联程度也就越大,反之亦然。因此,可以采用灰色关联分析方法通过曲线几何形状相似程度的比较来进行指标的相关性分析。另外,对于复杂系统评价指标的优化,由于受主观因素影响,会涉及到大量不确定信息,致使分析过程具有明显的灰色性,而灰色系统分析方法恰能有效解决此类问题,故本文采用灰色关联聚类方法来实现评价指标相关性的分析。
下面介绍灰色关联聚类方法计算指标相关度的一般步骤:
假设有n个分析待定的指标,每个指标均包含m个特征值,与之相应的评价矩阵则为:
由于指标信息的量纲可能各不相同,使得信息并无明显的可比性,因此有必要对指标信息进行规一化处理。方法如下:
式中,i = 1,2,,n;k = 1,2,,m。
对于所有的i,j = 1,2,,n,指标Xi和指标Xj的灰色关联系数ξij记作:
式中,Δij(k)=|yi(k)-yj(k)|表示两个指标中各个对应点间的绝对差值,i≠j,ρ是分辨系数,ρ∈[0,1],通常取ρ=0.5如此得到Xi和Xj的灰色关联度为:
对应的下三角关联矩阵为:
其中,矩阵R为各指标间的关联矩阵;不同指标间的关联度γij称为指标相关度。
假定γ临为指标相关度的临界点,该值视指标体系的具体情况而定。
当γ临>γij时,应对指标i、j进行聚类。基于上述相关度的计算方法,来分析计算指标间相关程度,对于明显相关的指标进行归类,实现了评价指标体系的优化。
2.2.2 指标的重要性分析
对于指标体系来说,去掉次要指标,留下重要指标,既发挥了指标体系的基本作用,又简化了体系结构,便于展开系统分析;经过相关性分析并且归类的指标,依据指标重要程度做以取舍,实现了指标优化的科学性。又进一步考虑到复杂系统评价指标优化带有很大的模糊性,故选用模糊分析方法排定指标的重要性,并去除各次要指标[5]。详细步骤如下:
设因素集F={f1,f2,,fn},其中,i = 1,2,,n代表评判专家的人数。对指标s进行重要性评价的数学模型为:
Ms=As•
式中,“•”为模糊算子;为保留一切有效信息,选用O(•,+)作为加权平均型算子。
As表示由各个评价专家分配的权重构成的权重集A={α1,α2,,αn},此处可采用等权处理以体现公平原则,即
Rs为模糊评判矩阵,Rs=(fij)nxm,其中,fij为第i个因子相对于评判集中第j个元素的隶属度,i = 1,2, ,n;j = 1,2, ,m。
通常,评判等级可划分为5～9级,包含m个评判等级的评判集可表示为V={v1,v2,,vm}。考虑到指标重要度的分类需要,文中将评判等级划分为5级,即V = {不重要,一般重要,重要,非常重要,必不可少},对应V的值域可表示为V={02,24,46,68,810}。
现在,基于模糊数学理论以及上述定义的取值论域,可构造隶属度函数,相应表达式分别为:
式中,fi1fi5分别表示各指标的评价分值隶属于相应评判等级值域的隶属函数,x为评价分值。为了使评判结果的比较更显直观,可将Ms转换为百分比形式,转换公式为:
Ps=Ms•Es (12)
式中,E为转换矩阵,E=[60,70,80,90,100]。Ps为评价指标的重要度,该值与指标的重要性成正比。
为了简化指标体系结构,可按Ps的大小对指标进行排序,去掉无关重要的指标。
2.2.3 指标的有效性验证
对同一评价问题,基于不同的角度可构造得到多个评价指标体系,以此来判定评价指标体系的质量,并进一步确定所选用评价指标的有效性大小,这些都会对评价结果产生重要的影响。在统计学方法中,除了要求样本服从某个典型的概率分布之外,样本数量也同时决定着结果的准确程度,这就给效度分析带来了一定的难度[6]。为此,本文试图将灰色关联分析的方法应用于评价指标的有效性检验中,以解决这类问题。
灰色关联分析方法进行有效性检验的基本思想是,通过曲线形状的相似等级来分析指标序列间的关联程度,并反映专家评价的差异[7]。而利用灰色关联分析进行有效性分析的原理也是通过判断曲线几何形状相似程度来实现的,但其解决关键则在于参考序列的确定,因为问题实质与参考序列的选择直接相关。
利用灰色关联分析进行有效性检验的基本步骤如下:
假设评价指标集为A={Ai|i∈N,N=(1,2,,n)},n为评价指标个数,评判专家集为M={Mk|k∈K,K=(1,2,,m)},则各指标序列可表示为:
X1=(x1(1),x1(2),,x1(m))
X2=(x2(1),x2(2),,x2(m))
(13)
Xn=(xn(1),xn(2),,xn(m))
规范化处理规则如下:
现将yoi(k)定义为各个指标的参考序列值,对于不同指标来说,其参考序列也各不相同,yoi(k)的计算公式为:
第i个指标的参考序列为Yoi=(yoi(1),yoi(2),,yoi(m))。
再设各指标的效度为εi,该值表征每个指标的有效程度,而全部指标的效度之和则为评价指标体系的效度,记作ε。
针对每一指标而言,各个专家所提供的信息与参考信息之间的关联系数为:
关联系数ξio(k)表现了专家评判信息与参考信息的关联程度,关联程度越大,就说明信息的离散程度越小,专家认识的一致度则越高,该指标的有效性也就越大。各个指标的效度记为:
而整个指标体系的效度可表示为:
指标体系的效度值越大,该指标体系越能真实反映评价目标的本质,其有效性就越高。
参考序列的确定是利用灰色关联分析进行有效性检验的关键,合理获取参考序列有助于灰色关联分析实现不同的功能。有效性验证不仅可以检验评价指标体系的有效性,而且能够对评价指标优化前后的指标体系有效性的变化情况做一比较,并可取得良好实用效果。
3 结束语
对科学合理的评价指标优化方法开展研究,无论在理论上还是实践上都具有重要意义。只有在严格理论指导下建立的评价指标体系,才能确保评价结果的科学性和准确性。本文以指标的关联性、重要性和有效性作为出发点,并在对灰色关联分析方法的使用和借助下,提出了基于多因子算法的评价指标优化方法,在一定程度上满足了复杂系统评价指标的优化要求。
摘要：从指标的关联性、重要性和有效性出发,利用灰色关联分析,提出了基于多因子算法的评价指标优化方法。该算法同时考虑多种因素对评价指标的影响,不仅保留了指标体系中的重要指标,也使各指标间相互独立,从而使得指标体系既全面又不冗余。在此基础上,通过有效性检验对指标体系进一步分析,确保了优化结果的科学性,给大型复杂系统评价指标的优化提供了新思路。
关键词：指标,多因子算法,优化
参考文献
[1]夏春艳,颜声远,李庆芬,等.核电厂主控室人机界面评价实验研究[J].中国安全科学学报,2008(10):15-19.
[2]O’HARA J M,BROWN W S,LEWIS P M,et al.Human-systeminterface design review guidelines(NUREG-0700,Revision 2).U.S.NRC.Washington,DC.2002:128-129.
[3]陈晓明,高祖瑛,周志伟,等.基于计算机模拟技术的人机界面评价系统[J].原子能科学技术,2004:365-368.
[4]颜声远.火电厂主控制室人机界面虚拟评价方法[D].哈尔滨:哈尔滨理工大学,2008(12):56-60.
[5]刘素娟.先进的核电厂主控室人机界面审评中需要注意的几个问题[J].核安全,2004:44-50.
[6]周前祥,姜国华.基于模糊因素的载人航天器乘员舱内人—机界面工效学评价研究[J].模糊系统与数学,2002:69-74.
算法及算法评价
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
