王瑛　張璐　蔣曉東

摘要：根據(jù)信度系數(shù)與意見相似度確定專家動態(tài)權重（EDW），將科技獎勵評價的不確定語言轉化為梯形直覺模糊數(shù)，對得分函數(shù)進行改進，計算加權后的項目得分并排名。實證表明：該方法具有較強的處理模糊信息能力，提高評價結果的信度與效度，為科技獎勵綜合評價提供新思路。

關鍵詞：科技獎勵評價；梯形直覺模糊數(shù)；專家動態(tài)權重

中圖分類號：F224.5文獻標識碼：A文章編號：1001-8409（2014）10-0121-04

引言

科技獎勵是鼓勵創(chuàng)新、促進科技成果推廣與應用的一項重要政策[1]。科技獎勵制度的當務之急是研究和完善評價獎勵機制，提出一種較為科學的評估方法，使評價結果更趨客觀、合理、公正。在實踐過程中，科技獎勵評價基本上是由業(yè)內(nèi)權威專家對各項目多角度、全方位的語言評價來實現(xiàn)的，專家在決策時會給出一些不確定性的描述，這樣只能在保留原始信息最大化的情況下，對其模糊處理[2，3]?？萍吉剟罹C合評價本質上是一種模糊的多屬性群決策過程。

對于模糊多屬性決策方法與模型的探索，國內(nèi)外不少專家學者都進行了深入研究：姜艷萍等提出以三角模糊數(shù)期望值作為每個方案的排序值[4]；S P Wan等基于Hausdorff距離定義三角直覺模糊數(shù)的漢明距離和歐氏距離，并根據(jù)證據(jù)理論與貝葉斯理論，用理想的解決方案與替代方案的接近程度給出排名[5]；王瑛等用L-R型三角模糊數(shù)表示決策信息，對模糊矢量的內(nèi)積公式進行修正再計算，以投影值的大小確定被評價項目的優(yōu)劣次序[6]；萬樹平等提出根據(jù)期望值和預期得分排序的多屬性群決策[7]；Atanassov定義了區(qū)間直覺模糊集的一些基本運算法則[8]；Biswas等基于直覺模糊數(shù)的關系，研究了藥物診斷的決策問題[9]；徐澤水拓展Yager教授提出的連續(xù)區(qū)間數(shù)據(jù)OWA算子，為屬性值是區(qū)間數(shù)形式的不確定多屬性決策問題提供新方法[10]。上述方法通過構造隸屬函數(shù)，將不確定的信息用模糊集表示，如L-R模糊數(shù)，其隸屬函數(shù)只考慮了隸屬度，形式單一、主觀，評價結果不足以信服；而直覺梯形模糊數(shù)的隸屬函數(shù)，雖然考慮了隸屬度、非隸屬度、猶豫度，充分提取了決策者評價信息，但形式過于繁瑣，各因素不易取得。

針對科技獎勵評價特點和梯形直覺模糊數(shù)的群決策理論，將專家動態(tài)權重與考慮隸屬度、非隸屬度的梯形直覺模糊數(shù)相結合，既能減少信息損失、降低專家評審工作過程中主觀因素干擾，又易于取得形式相對簡單的決策值，有較強處理模糊信息的能力。

參考文獻：

[1]阮冰琰，楊健國.基于科技獎勵本質及功能的制度創(chuàng)新探析[J].科技進步與對策，2010，27（12）：28-31.

[2]熊小剛，徐頑強.基于群組決策分析的國家科技獎勵制度運行績效評價指標體系研究[J].軟科學，2012（5）：45-50.

[3]張立軍，林鵬.基于序關系法的科技成果評價模型及應用[J].軟科學，2012（2）：10-12.

[4]姜艷萍，樊治平.三角模糊數(shù)判斷矩陣排序的一種實用方法[J].系統(tǒng)工程，2002，20（2）：90-92.

[5]S P Wan，Q Y Wang. The Extended VIKOR Method for Multi-attribute Group Decision Making with Triangular Intuitionistic Fuzzy Numbers[J]. Knowledge-Based Systems，2013，52：65-72.

[6]王瑛，趙謙，李石良.模糊多屬性決策投影法在科技獎勵評價中的應用[J].科學學與科學技術管理，2010，31（12）：18-22.

[7]萬樹平，董九英.多屬性群決策的直覺梯形模糊數(shù)法[J].控制與決策，2010，25（5）：773-776.

[8]Atanassov K.Operators over Intervaled Intuitionstic Fuzzy Sets[J].Fuzzy Sets and Systems，1994，64（2）：159-174.

[9]De S K，Biswas R，Roy A R.An Application of Intutionistic Fuzzy Sets in Medical Diagnosis[J]. Fuzzy Sets and Systems，2001，117（2）：209-213.

[10]Xu Z S.Extended C-OWA Operators and Their Use In Uncertain Multi-attribute Decision Making[J].系統(tǒng)工程理論與實踐，2005，25（11）：9-15.

[11]王堅強，張忠.基于直覺梯形模糊數(shù)的信息不完全確定的多準則決策方法[J].控制與決策，2009，24（2）：226-230.

[12]劉培德，左甲.梯形直覺模糊數(shù)集成算子及在決策中的應用研究[J].模糊系統(tǒng)與數(shù)學，2012，26（3）：127-138.

[13]鞏在武.梯形模糊數(shù)判斷矩陣的二元語義排序方法[J].系統(tǒng)工程與電子技術，2007，29（9）：1489-1491.

[14]王瑛，歐陽顯斌，趙謙.基于信度系數(shù)的投影尋蹤模型在科技獎勵評價中的應用[J].科技進步與對策，2012，29（14）：113-116.

[15]黃智力.基于三角模糊數(shù)型群體多屬性決策法研究[D].廈門大學，2009.

（責任編輯：張勇）

摘要：根據(jù)信度系數(shù)與意見相似度確定專家動態(tài)權重（EDW），將科技獎勵評價的不確定語言轉化為梯形直覺模糊數(shù)，對得分函數(shù)進行改進，計算加權后的項目得分并排名。實證表明：該方法具有較強的處理模糊信息能力，提高評價結果的信度與效度，為科技獎勵綜合評價提供新思路。

關鍵詞：科技獎勵評價；梯形直覺模糊數(shù)；專家動態(tài)權重

中圖分類號：F224.5文獻標識碼：A文章編號：1001-8409（2014）10-0121-04

引言

科技獎勵是鼓勵創(chuàng)新、促進科技成果推廣與應用的一項重要政策[1]?？萍吉剟钪贫鹊漠攧罩笔茄芯亢屯晟圃u價獎勵機制，提出一種較為科學的評估方法，使評價結果更趨客觀、合理、公正。在實踐過程中，科技獎勵評價基本上是由業(yè)內(nèi)權威專家對各項目多角度、全方位的語言評價來實現(xiàn)的，專家在決策時會給出一些不確定性的描述，這樣只能在保留原始信息最大化的情況下，對其模糊處理[2，3]?？萍吉剟罹C合評價本質上是一種模糊的多屬性群決策過程。

對于模糊多屬性決策方法與模型的探索，國內(nèi)外不少專家學者都進行了深入研究：姜艷萍等提出以三角模糊數(shù)期望值作為每個方案的排序值[4]；S P Wan等基于Hausdorff距離定義三角直覺模糊數(shù)的漢明距離和歐氏距離，并根據(jù)證據(jù)理論與貝葉斯理論，用理想的解決方案與替代方案的接近程度給出排名[5]；王瑛等用L-R型三角模糊數(shù)表示決策信息，對模糊矢量的內(nèi)積公式進行修正再計算，以投影值的大小確定被評價項目的優(yōu)劣次序[6]；萬樹平等提出根據(jù)期望值和預期得分排序的多屬性群決策[7]；Atanassov定義了區(qū)間直覺模糊集的一些基本運算法則[8]；Biswas等基于直覺模糊數(shù)的關系，研究了藥物診斷的決策問題[9]；徐澤水拓展Yager教授提出的連續(xù)區(qū)間數(shù)據(jù)OWA算子，為屬性值是區(qū)間數(shù)形式的不確定多屬性決策問題提供新方法[10]。上述方法通過構造隸屬函數(shù)，將不確定的信息用模糊集表示，如L-R模糊數(shù)，其隸屬函數(shù)只考慮了隸屬度，形式單一、主觀，評價結果不足以信服；而直覺梯形模糊數(shù)的隸屬函數(shù)，雖然考慮了隸屬度、非隸屬度、猶豫度，充分提取了決策者評價信息，但形式過于繁瑣，各因素不易取得。

針對科技獎勵評價特點和梯形直覺模糊數(shù)的群決策理論，將專家動態(tài)權重與考慮隸屬度、非隸屬度的梯形直覺模糊數(shù)相結合，既能減少信息損失、降低專家評審工作過程中主觀因素干擾，又易于取得形式相對簡單的決策值，有較強處理模糊信息的能力。

參考文獻：

[1]阮冰琰，楊健國.基于科技獎勵本質及功能的制度創(chuàng)新探析[J].科技進步與對策，2010，27（12）：28-31.

[2]熊小剛，徐頑強.基于群組決策分析的國家科技獎勵制度運行績效評價指標體系研究[J].軟科學，2012（5）：45-50.

[3]張立軍，林鵬.基于序關系法的科技成果評價模型及應用[J].軟科學，2012（2）：10-12.

[4]姜艷萍，樊治平.三角模糊數(shù)判斷矩陣排序的一種實用方法[J].系統(tǒng)工程，2002，20（2）：90-92.

[5]S P Wan，Q Y Wang. The Extended VIKOR Method for Multi-attribute Group Decision Making with Triangular Intuitionistic Fuzzy Numbers[J]. Knowledge-Based Systems，2013，52：65-72.

[6]王瑛，趙謙，李石良.模糊多屬性決策投影法在科技獎勵評價中的應用[J].科學學與科學技術管理，2010，31（12）：18-22.

[7]萬樹平，董九英.多屬性群決策的直覺梯形模糊數(shù)法[J].控制與決策，2010，25（5）：773-776.

[8]Atanassov K.Operators over Intervaled Intuitionstic Fuzzy Sets[J].Fuzzy Sets and Systems，1994，64（2）：159-174.

[9]De S K，Biswas R，Roy A R.An Application of Intutionistic Fuzzy Sets in Medical Diagnosis[J]. Fuzzy Sets and Systems，2001，117（2）：209-213.

[10]Xu Z S.Extended C-OWA Operators and Their Use In Uncertain Multi-attribute Decision Making[J].系統(tǒng)工程理論與實踐，2005，25（11）：9-15.

[11]王堅強，張忠.基于直覺梯形模糊數(shù)的信息不完全確定的多準則決策方法[J].控制與決策，2009，24（2）：226-230.

[12]劉培德，左甲.梯形直覺模糊數(shù)集成算子及在決策中的應用研究[J].模糊系統(tǒng)與數(shù)學，2012，26（3）：127-138.

[13]鞏在武.梯形模糊數(shù)判斷矩陣的二元語義排序方法[J].系統(tǒng)工程與電子技術，2007，29（9）：1489-1491.

[14]王瑛，歐陽顯斌，趙謙.基于信度系數(shù)的投影尋蹤模型在科技獎勵評價中的應用[J].科技進步與對策，2012，29（14）：113-116.

[15]黃智力.基于三角模糊數(shù)型群體多屬性決策法研究[D].廈門大學，2009.

（責任編輯：張勇）

摘要：根據(jù)信度系數(shù)與意見相似度確定專家動態(tài)權重（EDW），將科技獎勵評價的不確定語言轉化為梯形直覺模糊數(shù)，對得分函數(shù)進行改進，計算加權后的項目得分并排名。實證表明：該方法具有較強的處理模糊信息能力，提高評價結果的信度與效度，為科技獎勵綜合評價提供新思路。

關鍵詞：科技獎勵評價；梯形直覺模糊數(shù)；專家動態(tài)權重

中圖分類號：F224.5文獻標識碼：A文章編號：1001-8409（2014）10-0121-04

引言

科技獎勵是鼓勵創(chuàng)新、促進科技成果推廣與應用的一項重要政策[1]?？萍吉剟钪贫鹊漠攧罩笔茄芯亢屯晟圃u價獎勵機制，提出一種較為科學的評估方法，使評價結果更趨客觀、合理、公正。在實踐過程中，科技獎勵評價基本上是由業(yè)內(nèi)權威專家對各項目多角度、全方位的語言評價來實現(xiàn)的，專家在決策時會給出一些不確定性的描述，這樣只能在保留原始信息最大化的情況下，對其模糊處理[2，3]?？萍吉剟罹C合評價本質上是一種模糊的多屬性群決策過程。

對于模糊多屬性決策方法與模型的探索，國內(nèi)外不少專家學者都進行了深入研究：姜艷萍等提出以三角模糊數(shù)期望值作為每個方案的排序值[4]；S P Wan等基于Hausdorff距離定義三角直覺模糊數(shù)的漢明距離和歐氏距離，并根據(jù)證據(jù)理論與貝葉斯理論，用理想的解決方案與替代方案的接近程度給出排名[5]；王瑛等用L-R型三角模糊數(shù)表示決策信息，對模糊矢量的內(nèi)積公式進行修正再計算，以投影值的大小確定被評價項目的優(yōu)劣次序[6]；萬樹平等提出根據(jù)期望值和預期得分排序的多屬性群決策[7]；Atanassov定義了區(qū)間直覺模糊集的一些基本運算法則[8]；Biswas等基于直覺模糊數(shù)的關系，研究了藥物診斷的決策問題[9]；徐澤水拓展Yager教授提出的連續(xù)區(qū)間數(shù)據(jù)OWA算子，為屬性值是區(qū)間數(shù)形式的不確定多屬性決策問題提供新方法[10]。上述方法通過構造隸屬函數(shù)，將不確定的信息用模糊集表示，如L-R模糊數(shù)，其隸屬函數(shù)只考慮了隸屬度，形式單一、主觀，評價結果不足以信服；而直覺梯形模糊數(shù)的隸屬函數(shù)，雖然考慮了隸屬度、非隸屬度、猶豫度，充分提取了決策者評價信息，但形式過于繁瑣，各因素不易取得。

針對科技獎勵評價特點和梯形直覺模糊數(shù)的群決策理論，將專家動態(tài)權重與考慮隸屬度、非隸屬度的梯形直覺模糊數(shù)相結合，既能減少信息損失、降低專家評審工作過程中主觀因素干擾，又易于取得形式相對簡單的決策值，有較強處理模糊信息的能力。

參考文獻：

[1]阮冰琰，楊健國.基于科技獎勵本質及功能的制度創(chuàng)新探析[J].科技進步與對策，2010，27（12）：28-31.

[2]熊小剛，徐頑強.基于群組決策分析的國家科技獎勵制度運行績效評價指標體系研究[J].軟科學，2012（5）：45-50.

[3]張立軍，林鵬.基于序關系法的科技成果評價模型及應用[J].軟科學，2012（2）：10-12.

[4]姜艷萍，樊治平.三角模糊數(shù)判斷矩陣排序的一種實用方法[J].系統(tǒng)工程，2002，20（2）：90-92.

[5]S P Wan，Q Y Wang. The Extended VIKOR Method for Multi-attribute Group Decision Making with Triangular Intuitionistic Fuzzy Numbers[J]. Knowledge-Based Systems，2013，52：65-72.

[6]王瑛，趙謙，李石良.模糊多屬性決策投影法在科技獎勵評價中的應用[J].科學學與科學技術管理，2010，31（12）：18-22.

[7]萬樹平，董九英.多屬性群決策的直覺梯形模糊數(shù)法[J].控制與決策，2010，25（5）：773-776.

[8]Atanassov K.Operators over Intervaled Intuitionstic Fuzzy Sets[J].Fuzzy Sets and Systems，1994，64（2）：159-174.

[9]De S K，Biswas R，Roy A R.An Application of Intutionistic Fuzzy Sets in Medical Diagnosis[J]. Fuzzy Sets and Systems，2001，117（2）：209-213.

[10]Xu Z S.Extended C-OWA Operators and Their Use In Uncertain Multi-attribute Decision Making[J].系統(tǒng)工程理論與實踐，2005，25（11）：9-15.

[11]王堅強，張忠.基于直覺梯形模糊數(shù)的信息不完全確定的多準則決策方法[J].控制與決策，2009，24（2）：226-230.

[12]劉培德，左甲.梯形直覺模糊數(shù)集成算子及在決策中的應用研究[J].模糊系統(tǒng)與數(shù)學，2012，26（3）：127-138.

[13]鞏在武.梯形模糊數(shù)判斷矩陣的二元語義排序方法[J].系統(tǒng)工程與電子技術，2007，29（9）：1489-1491.

[14]王瑛，歐陽顯斌，趙謙.基于信度系數(shù)的投影尋蹤模型在科技獎勵評價中的應用[J].科技進步與對策，2012，29（14）：113-116.

[15]黃智力.基于三角模糊數(shù)型群體多屬性決策法研究[D].廈門大學，2009.

（責任編輯：張勇）