随着模糊综合评判方法在各领域中的广泛应用,综合评判方法的重要性和优越性也越来越明显和突出。尽管国内外有不少理论研究者和实际工作者对综合评判模型进行了不断地完善和拓宽,但随着社会的发展、科技的进步、智能技术的发展以及其它不同学科的相互渗入,利用神经网络和模糊技术的互补优势,建立更完善的评判模型己成为综合评判研究的必然。近年来对动态综合评判的研究受到了普遍关注,成为综合评判研究的热点和前沿。由于动态综合评判问题比较复杂,使得动态综合评判问题的研究成果相当少,尚未形成完整的框架体系,因此动态综合评判的很多方面都需要进一步的研究和丰富。动态综合评判问题是一类很有现实意义和应用价值的决策问题,其应用领域包括随时间变动指标或参数变动较大的系统。现实中,动态经济系统、管理者的绩效评判和考核、候选人的排序等问题均涉及动态评判问题。本文在研究模糊理论及神经网络模型,模糊理论和神经网络的有效结合,对已有的综合评判模型的优劣进行研究分析,在此基础上结合已有的评判模型,根据BP网络和RBF网络各自的优点和不足,采用BP网络和RBF网络二者有效结合建立了新的二级综合评判模型。本文所建模型的主要特点:在学习的过程中(1)参数可以自动调节,(2)结构在学习的过程中自动确立;引入了时间的概念,即确定评判指标在不同时刻的权重系数,也就是采用相同的评判系统在不同的时刻对被评判对象进行连续的评价,将评价结果构造成一组“序列”,并通过时间权向量集结这个“序列”得到最终的评判值。所建模型应用于教师绩效的评判中,验证了网络模型的有效性和实用性。
