模糊综合评判和灰色评价法的应用实例分析一、在物流中心选址中的应用物流中心作为商品周转、分拣、保管、在库管理和流通加工的据点，其促进 商品 能够按照顾客的要求完成附加价值，克服在其运动过程中所发生的时间和空 间障碍 在物流系统中，物流中心的选址是物流系统优化中一个具有战略意义的 问题，非常重 要基于物流中心位置的重要作用，目前已建立了一系列选址模型与算法 这些 模 型及算法相当复杂其主要困难在于：（1）即使简单的问题也需要大量的约束条件和变量2）约束条件和变量多使问题的难度呈指数增长 模糊综合评价方法是一种适合于物流中心选址的建模方法 它是一种定性与 定 量相结合的方法，有良好的理论基础特别是多层次模糊综合评判方法， 其通 过研究 各因素之间的关系，可以得到合理的物流中心位置1 .模型⑴单级评判模型① 将因素集 U 按属性的类型划分为 k 个子集，或者说影响 U 的 k 个指标， 记为U 讪, U2 」 l （ ,Uk ）且应满足：kUs 二 U, Uip|Uj二i 1② 权重 A 的确定方法很多，在实际运用中常用的方法有： Delphi 法、专家 调查法和层次分析法③ 通过专家打分或实测数据，对数据进行适当的处理，求得归一化指标关于等级的隶属度，从而得到单因素评判矩阵。
④单级综合评判B = AR⑵多层次综合评判模型一般来说，在考虑的因素较多时会带来两个问题： 一方面，权重分配很难确 定；另一方面，即使确定了权重分配，由于要满足归一性，每一因素分得的权重 必然 很小无论采用哪种算子，经过模糊运算后都会“淹没”许多信息，有时甚 至得不出 任何结果所以，需采用分层的办法来解决问题2•应用运用现代物流学原理，在物流规划过程中，物流中心选址要考虑许多因素 根据 因素特点划分层次模块，各因素又可由下一级因素构成，因素集分为三级， 三级模糊 评判的数学模型见表3-7.地价 u 44 （0.4 ）因素集U分为三层:第一层为U -、Ui,U2,U3,U4,U5』第层为uA - lull, u12 , u13 , u14 p； uA - iu41,u42 ,u43 ,u44 pf ； u5 - lU51 , u52 , u53 , u54第三层为 U51・ U5ii，U5i2，U5j；U52=
应用模糊综合评判方法进行物流中心选址，模糊评判模型采用层次式结构， 把评判因素分 为三层，也可进一步分为多层这里介绍的计算模型由于对权重集 进行归一化处理，采用加权求 和型，将评价结果按照大小顺序排列，决策者从中 选出估计值较高的地点作为物流中心即可，方 法简便五、在人事考核中的应用随着知识经济时代的到来，人才资源已成为企业最重要的战略要素之一， 对 其进行考核评价是现代企业人力资源管理的一项重要内容人事考核需要从多个方面对员工做出客观全面的评价，因而实际上属于多目 标决策问题 对于那些决策系统运行机制清楚， 决策信息完全，决策目标明确且 易于量化的多目标决策问 题，已经有很多方法能够较好的将其解决 但是，在人 事考核中存在大量具有模糊性的概念， 这种模糊性或不确定型不是由于事情发生 的条件难以控制而导致的，而是由于事件本身的概念不 明确所引起的 这就使得 很多考核指标都难以直接量化在评判实施过程中，评价者又容易受 人际关系、 经验等主观因素的影响，因此对人的综合素质评判往往带有一定的模糊性与经验 性这里说明如何在人事考核中运用模糊综合评判，从而为企业员工职务的升 降、评先晋级、 聘用等提供重要依据，促进人事管理的规范化和科学化，提高人 事管理的工作效率。
1 •一级模糊综合评判在人事考核中的应用在对企业员工进行考核时，由于考核的目的、考核对象、考核范围等的不同， 考核的具体 内容也会有所差别有的考核，涉及的指标较少，有些考核，又包含 了非常全面丰富的内容，需 要涉及很多指标鉴于这种情况，企业可以根据需要， 在指标个数较少的考核中，运用一级模糊 综合评判，而在问题较为复杂，指标较 多时，运用多层模糊综合评判，以提高精度一级模糊综合评价模型的建立，主要包括以下步骤⑴确定因素集对员工的表现，需要从多方面进行综合评判，如员工的工作业绩、工作态度、 沟通能力、 政治表现等所有这些因素构成了评价体系集合，即因素集，记为：U 二 {5, 氏，| 山 Un}⑵确定评语集 由于每个指标的评价值的不同，往往会形成不同的等级如对工作业绩的评 价有好、较 好、中等、较差、很差等由各种不同决断构成的集合被称作评语集 记为：V ={川 2,|17}⑶确定各因素的权重 一般情况下，因素集中的各因素在综合评价中所起的作用是不同的， 综合评 价结果不仅与各因素的评价有关，而且在很大程度上还依赖与各因素对综合评价 所起的作用，这 就需要确定一个各因素之间的权重分配，它是 U 上一个模糊向量， 记为：A =(ai,a2,||(,an)其中ai表示第i个因素的权重，且v a'A1o确定权重的方法很多，例。