模糊综合评价模型的构建

假设评价指标因素有n个，分别记为u1，u2，...，ux，这n个因素就构成了一个评价因素的有限集合U=｛u1，u2，...，ux｝其中Ui∈（1，2，...，n）从，表示一级指标，在一级指标下又包含若干二级指标：U1=｛u11，u12，...，u1k｝，U2=｛u21，u22，...，u2k｝，……，Un=｛un1，un2，...，unk｝。

根据假设将对每个指标的评语划分为m个等级，一般而言，评语的等级设置不宜太多，一般为5—7个，评语分别记为v1，v2，...vm，这样就又构成一个评语的有限集合V=｛v1，v2，...，vm｝。

根据对指标的认同感不同，在诸“因素”中，对各因素在总评价体系中所起的作用大小和相对重要性，来给出权重，用A=｛ai｝来表示权重集。通过有目的地分配和调整各指标的权数，可以反映考核者对被考核者的着重点，对确保绩效考评的有效性起到关键作用。对于一级指标，权重集A=｛ai｝，影响一级指标的二级指标的各权重集为：Ai=｛ai1，ai2，...，ak｝，i∈（1，2...，m），对于各个评价指标权重的确定可采用Delphi法，由人力资源专家和领导共同商讨确定，也可采用AHP法来确定。

某个因素的评价结果rij表示从第i个因素出发，对被评价问题作出j种评语的可能程度矩阵中的每一行，即固定i（ri1，ri2，...，rm）就是从第i种因素出发，对评价对象所做的单因素评价模糊子集。对于模糊综合评价，在多层次模型中，模糊综合评价采取逆向由较低层次向较高层次逐级评价。如对于二级指标的评价矩阵Bi=Ai·Bi，得到二级的模糊综合结果Bi=｛bi1·bi2，...，bim｝。再用，B=A·R=（a1，a2，...，an）·（b1，b2，...，bn）T，得到一级指标的模糊综合评价结果。最后对各因素的一级指标的模糊综合评价结果进行归一化处理，得出具有可比性的综合评价结果。