模糊信息下戰略性新興產業評價模型構建及應用

張 麗

（西北工業大學 人文與經法學院，西安710072）

0 引言

隨著時代的發展，人們逐漸認識到事物的復雜性很難用精確的數學模型或數學公式來處理，從而轉換為希望用一種能如同人的學習、推理和思考的人工智能方式來處理事物的復雜性，同樣，在對戰略性新興產業進行評價的過程中，基于精確數學模型的評價方法已經不能完全適應社會發展的需要，基于人類經驗、人類語言表述和人類思維領域的人工智能驅動下的評價方式，應該是未來決策領域的主要發展趨勢。本文根據戰略性新興產業中存在的不確定性和復雜下，提出集結個人經驗和模糊語言的戰略性新興產業評價模型，并利用遺傳算法的智能搜索求解過程來實現對戰略性新興產業的評價。

1 戰略新興產業評價指標體系構建

1.1 戰略新興產業評價指標分析

本文對現有關于戰略性新興產業評價指標進行分析，并根據實際情況設計問卷，通過對調查問卷數據的整理和分析，并結合戰略性新興產業選擇和評價的實際需要，最終得到影響戰略性新興產業的主要因素包含以下幾個方面：

戰略性新興產業評價是一個復雜的系統工程，也是不斷更新和改進的過程，在對其評價指標的選擇過程中，應該根據時代的發展，不斷將最新的思想和觀念引入其中，本文在對現有評價指標研究成果的分析上，引入了知識管理能力和產業內外部協同水平這兩個指標。

1.2 基于模糊層次分析法評價指標權重的確定

考慮到評價過程中人的意識的不確定性和模糊性，因此采用模糊層次分析法[1]來確定戰略性新興產業評價指標的權重。即對任意兩個戰略性新興產業評價指標的重要性進行比較，并利用如表2所示的模糊互補比較標度構建

表1 戰略性產業評價指標體系

模糊互補判斷矩陣，設最終構造的模糊互補判斷矩陣為：

模糊互補判斷矩陣R滿足加性一致性條件，則模糊互補判斷矩陣的元素與戰略性新興產業評價指標權重W=(w1，…，w6)的關系為

在模糊互補判斷矩陣權值導出計算過程中，有很多的指標權重計算方法，最常用的是模糊互補判斷矩陣排序的中轉法(MTM)，其指標權重的計算公式為[1]：

通過該公式，即可計算出戰略性新興產業各指標的權重，從而得到評價指標權重向量：

表2 0.1-0.9模糊互補比較標度

2 模糊信息下戰略性新興產業評價模型構建

2.1 基本定義[1]

2.2 不確定信息下戰略性新興產業評價模型的構建

在對戰略性新興產業進行評價的標度選擇過程中，應該結合專家評價習慣和實際評價的不確定性，選擇模糊數作為評價標度，為了能統一評價標度，因此，在專家評價過程中，采用模糊語言進行評價，并將模糊語言轉換成模糊三角數的形式，一般語言評價標度與模糊三角數之間的對應關系見表3。

表3 語言評語與模糊三角數對應關系

對區域內的戰略性新興產業評價過程中，一般是聘請多方專家共同參與評價，設分別從不同方面聘請m個人組成評審專家組，對某區域內的戰略性新興產業進行評價，評價標度采用模糊三角數評價標度，即先用語言評語進行評價，最后根據表2轉換成模糊三角數，最終得到m個專家的對該區域內的某戰略性新興產業評價矩陣為：

戰略性新興產業評價過程雖然存在不確定性，但是客觀上，對某戰略性新興產業某個評價指標下的評價值是一個確定的數值 yi(i=1，2，…，6)，結合上述利用模糊層次分析法確定的指標權重向量W=(w1，w2，…，w6)，戰略性新興產業綜合評價應該是

同理，雖然每個專家給出的評價值是模糊三角數，但是也存在一個專家給出的客觀值xij，這樣在確定客觀評價值 yi(i=1，2，…，6)的過程中，認為 yi(i=1，2，…，6)應該與 xij(i=1，2，…，m;j=1，2，…，6)盡可能地靠近，即要 求 向 量 Y=(y1，y2，…，y6) 與 向 量 Xi=(xi1，xi2，…，xi6)(i=1，2，…，m)的范數盡可能的小，從而得到如下的模型

每個專家給出的客觀評價值xij應該是專家所給模糊數中使得模糊隸屬度最大的一個數，因此，在確定專家客觀評價值的時候，一般要求滿足條件：

綜合以上的兩個要求，得到確定戰略性新興產業評價群體客觀評價值yi(i=1，2，…，6)的模型為：

根據定理1，得到最終的戰略性新興產業群體客觀評價值計算模型為(i=1，2，…，m;j=1，2，…，6)。給定參數 p 即可確定在相應p范數下的戰略性新興產業群體客觀評價值。該計算模型是一個非線性約束模型，在其計算過程中可以利用智能搜索算法---遺傳算法[2]對其進行求解，下面給出該模型基于遺傳算法求解的算法設計。

2.3 基于遺傳算法的戰略性新興產業評價模型求解算法設計

以上所建立的戰略性新興產業群體客觀評價值計算模型是一個非線性約束模型，直接求解存在一定的難度，遺傳算法在處理非線性約束模型的求解問題上具有很強的優勢，遺傳算法的求解流程圖見圖1所示。

圖1 遺傳算法求解過程

針對戰略性新興產業群體客觀評價值模型，基于遺傳算法的關鍵設計為：

（3）終止條件：設定迭代代數，根據計算結果調整迭代代數。

通過遺傳算法確定出戰略性新興產業群體客觀評價值 y1，y2，y3，y4，y5，y6，即可得到戰略性新興產業的客觀綜合評價值η，接著計算η隸屬于模糊三角數的隸屬度，根據最大隸屬度原則即可得到最終戰略性新興產業水平。

3 算例分析

對西部地區的戰略性新興產業發展水平進行定期評估和篩選，是提升戰略性新興產業創新能力和競爭力的主要方式和手段，為實現對西部區域內某戰略性新興產業發展水平和現狀的了解，對某戰略性新興產業狀況進行評價，聘請五個專家構成評審專家組，對該戰略性新興產業狀況進行評價，采用模糊三角數作為評價標度，得到評價矩陣為：

利用中轉法得到六個評價指標的權重向量為：

W=(0.1492 0.1322 0.1797 0.1831 0.2237 0.1322)

將式(15)帶入式(14)中，并設定范數參數 p=3，種群個數為50，終止迭代代數1000，變異率為0.08，交叉概率為0.95，利用遺傳算法對戰略性新興產業群體客觀評價值計算模型進行求解，最終得到群組專家給出的客觀評價值為Y=(85.0669 73.9994 86.8513 81.6876 74.7255 92.2047)

則最終得到群體專家對該戰略性新興產業綜合評價值為：

戰略性新興產業綜合評價值帶入模糊三角數中計算隸屬度，得到結果見表4。

表4 戰略性新興產業綜合評價隸屬度

根據最大隸屬度原理，可以看出，該戰略性新興產業綜合評價結果應該是“很好”，說明選擇該產業作為帶動本地區經濟發展的戰略性新興產業是可行的。

[1]殷春武.模糊多準則群決策方法研究[D].西安理工大學，2007

[2]繆朝煒，楊鳳，徐東升等.越庫轉運問題的自適應遺傳算法研究[J].管理科學學報，2011，（6）.