5.4.1 基于熵权、AHP的三角模糊数—TOPSIS评价模型
随着知识转移理论的完善，对知识转移能力的评价也得到国内外专家学者的高度重视，评价手段和方法多种多样，综合起来运用比较多的是因子分析法、蒙特卡洛模拟法、数据包络分析法、灰色关联度法、可拓评估法、模糊综合评价法、德尔菲法、人工神经网络评价法等，以上评价方法各有优点，但也存在着一定的缺陷。如因子分析法虽然对影响因素指标体系分析较为全面，但在指标之间关联度分析方面存在缺陷；人工神经网络评价法对创新绩效的纵向能力分析较为科学，但需要较多的历史数据进行模型训练。基于以上因素，本书选择了基于熵权、AHP的三角模糊数—TOPSIS评价模型。
1.三角模糊数
三角模糊数是为了解决不确定环境下的问题，由Zadeh在1965年提出Dev模糊集的概念。若a=[aL aM aU]，其中，0≤aL≤aM≤aU支撑的下界和上界，而aM为a的中值（最可能值），称a为一个三角模糊数。
根据三角模糊数的概念可以看出，三角模糊数具有很强的区间性，因此本书主要运用的是三角模糊数进行专家打分，因为专家本身有很多，同时每个专家的意见不尽相同，所以对指标的属性打的分值会有一个上下限值，刚好符合三角模糊数的概念，因此用三角模糊数打分，会使分值更加确切地反映意见的本身，具有可靠性。
同时这里对三角相似度的介绍主要是作为后面计算专家之间意见的相似程度做铺垫。一般来说，用以度量被评价对象性能的各种评价指标都具有一定的模糊性。语言型模糊评价采用带语言变量的评价值来度量指标性能，这些语言评价值取值于用户定义的语言值评价集合。三角模糊数是将模糊的不确定的语言变量转化为确定数值的一种方法，将三角模糊数用在评价方法中能很好地解决被评价对象性能无法准确度量而只能用自然语言进行模糊评价的矛盾。
2.层次分析法（AHP）
层次分析法是一种综合网络系统理论和多目标综合评价方法的层次权重决策分析法，把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。层次分析法更好地适应了逆向知识转移能力复杂性的特点。(https://www.daowen.com)
3.熵权法
熵是一个热力学中的基本概念，熵在信息论中表征的是信息系统无序程度，即可以表明一个系统从无序到有序的状态过程，以及根据熵值的大小判断处于哪种状态，也就是熵越小表明变异程度越大。
根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响（权重）越大。比如样本数据在某指标下取值都相等，则该指标对总体评价的影响为0，权值为0。熵权法是一种客观赋权法，因为它仅依赖于数据本身的离散性。
4.TOPSIS法
TOPSIS的全称是“逼近于理想值的排序方法”（Technique for Order Preference by Similarity to Ideal Solution），是Hwang和Yoon于1981年提出的一种适用于根据多项指标对多个方案进行比较选择的分析方法。这种方法的中心思想在于首先确定各项指标的正理想值和负理想值，所谓正理想解是一设想的最好值（方案），它的各个属性值都达到各候选方案中最好的值，而负理想解是另一设想的最坏值（方案），然后求出各个方案与理想值、负理想值之间的加权欧氏距离，由此得出各方案与最优方案的接近程度，并将其作为评价方案优劣的标准。
TOPSIS法是有限方案多目标决策的综合评价方法之一，它对原始数据进行同趋势和归一化的处理后，消除了不同指标量纲的影响，并能充分利用原始数据的信息，所以能充分反映各方案之间的差距，客观真实地反映实际情况，具有真实、直观、可靠的优点，而且其对样本资料无特殊要求，故应用日趋广泛。
