模糊综合评价法是一种基于模糊数学的综合评价方法，该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。因此科技项目立项的创新性评价非常适合采用模糊综合评价进行研究。

1.模型的研究与应用现状

自1965年，Zadeh教授提出模糊集理论以来，以模糊语言形式对方案进行评价的多属性决策问题越来越多地引起学者关注。1994年，由Chang P.L.和Chen Y.C.提出的一种基于模糊集理论和层次结构分析的算法模型运用了语言变量和模糊数集结决策者对特定方案的主观偏好，提出一种改进的模糊数排序方法。1999年，Liang G.S.又提出了一种基于正理想点和负理想点的模糊多准则决策方法。2002年，L.L.Machacha、P.Bhattacharya基于模糊逻辑开发了一套项目选择支持系统，该系统实现了模糊地逻辑仿真人类推理和决策过程的功能。2001年，F.Herrera和L.Martinez将提出的基于二元语义的语言决策模型较为成功地应用于求解多粒度的语言信息决策问题。2002—2005年，徐泽水先后提出了基于模糊语言评估及语言OWA算子的多属性决策方法、基于模糊语言评估和GIOWA算子的多属性群决策方法以及一种基于术语指标的多属性群决策方法。此后，模糊多属性群决策得到了更多学者的高度关注并取得了一系列的研究成果。在大量相关文献中，以下几个方面取得了较丰富的成果：模糊多属性基础理论研究，如贴近度测度、模糊集之间的距离测度等；信息集结算子，如语言信息集结算子、二元语义信息集结算子、直觉模糊信息集结算子等；属性权重确定方法研究，包括主观赋权法和客观赋权法等。

2.模型选择依据

项目立项评价的特点是由评审专家进行项目客观价值的评估和包括项目管理方在内的主观价值的判断。一般来说，评价通常依赖于主观经验、知识积累与逻辑推理的过程，由于评审专家在以上诸多情况上的不同，不同专家对同一客体所给出的评级结论可能存在不同，甚至会出现大相径庭的情况。此外，由于项目立项评价中以项目管理者和评审专家为代表的价值主体的需求表达可能存在不完善的现象，同时，以申请书为项目信息的载体，其不确定性较强。此外，由于项目的创新性是一个系统概念，还具有多因素、动态性等特点，存在着大量的模糊现象与模糊信息，很难用精准的数学方式进行描述与度量。综上，从提高样本的覆盖度、减少误差的角度出发，应采取对多专家评价意见进行模糊综合的方法。本研究运用了模糊集合理论对农业科技项目的创新性与必要性进行评价。

由于本书是以创新性为视角，无疑会面对非共识的问题。所谓非共识，是指由于其创新性强超出了一般人的认识水平，甚至与当时某一公认“规律”相矛盾而使包括评审专家在内的多数人不理解从而不赞成。本书分别采用了基于离差最大化与分层组合赋权为权重的模糊综合评价法，正是在以隶属度的方式充分保留专家意见的同时，又通过权重调整使其可能存在的非共识情况得以缓解。

3.模型应用的步骤

心理学家米勒（G.A.Miller）提出：在某个指标（属性）上对方案进行判别时，一般的评审专家仅能准确地区别该属性在5级到9级之间的等级，即语言判断一般可以表述为5级到9级，且要取奇数。本书采用“特优”“优”“良”“中”“差”表示各个项目在每个指标上的评价情况，并分别计分为5、4、3、2、1。

由专家按照评价指标对子因素集U_i做单因素评价，在确定了U_i中第i个评价指标对评价等级V_j（j=1，2，…，5）的隶属度r_ij后，可得出第i个评价指标的评价集r_i={r_i1，r_i2，…，r_i5}。那么，m个评价指标的评价值集就可以构造出一个模糊评价矩阵R，即每一个评价对象确定了从子因素集U_i到评价等V_j的模糊映射R。

式中的r_ij表示子因素U中第i个评价因素对评价等级V_j的隶属度（i=1，2，…，m；j=1，2，…，n，n=5）。具体地说，r_ij表示第i个评价因素在第j个评语Vj上的频率分布，一般将其归一化使之满足∑r_ij=1。由于R矩阵没有量纲，因此在本书中无须再进行专门处理。这样，一级模糊综合评价，即根据模糊理论，运用模糊矩阵间的合成运算，得到U_i的综合模糊评价向量B_i：

B_i=A_i×R_i=（b_i1，b_i2，…，b_i5）(www.daowen.com)

式中的R_i为模糊矩阵合成的模糊算子，为简便计算通常可取普通积和运算。

二级模糊综合评价，将B_i为作子因素集U_i对评价等级V的隶属向量，经过归一化的处理，将每个U_i作为U的一部分，并建立评价隶属矩阵B：

B=（B₁，B₂，…，B₅）^T

B′=A×B=（b₁，b₂，…，b₅） （6-4）

式中的B′（已归一化处理）为因素集U对评语集V的隶属向量，即对项目总的评价结果。对评价结果进行单一化处理可得

S=B′×V^T （6-5）

4.模型在农业科技项目创新性评价中的应用

由于矩阵运算所占篇幅较大，这里仅展示所得的结果，见表6-6。

表6-6 模糊综合评价模型在农业科技项目创新性评价中应用的排序结果

由表6-6可见，分层权重在标准差与变异系数上均优于离差最大化权重所得到的综合评价值，在评价顺序上有2个项目的排序不同，一致率为80%。