1. 综合评价的基本方法

综合评价是指对受多种因素影响的事物或现象进行的总的评价。综合评价要兼顾各项指标，牵涉多种因素。采用的综合评价方法有总分法和加权平均法等。

由于考虑了各因素重要程度的不同，加权平均法能给出更为合理的结果，因而在综合评价中得到广泛应用。当权重相等时，加权平均法与总分法的评价结果相同。因此，总分法可视为加权平均法的一种特殊形式。

但是，综合评价中某些评价指标和评判因素具有模糊性。模糊性是由于事物的边界不甚清晰造成的，简单的主观方法难以给出准确的判断。比如，“智能化程度”“弹性”等评价指标都具有模糊性。传统的总分法和加权平均法建立在普通集合基础上，不能准确描述模糊概念及模糊变量之间的关系，因而难以得到科学的评价结果。

1965年，美国控制学家Zadeh L A. 创立的模糊集理论（Fuzzy Sets）为解决模糊性问题提供了有效方法。基于模糊数学的模糊综合评价能定量处理评价过程中的模糊因素，较好地定义评价指标之间的相互关系，得到合理、准确的评价结果。

2. 模糊综合评价的理论基础

模糊数学是用数学方法研究和处理具有“模糊性”现象的科学。所谓“模糊性”主要是指客观事物差异的中间过渡过程中的“不分明性”。“弹性”“智能化程度”“可靠性”等概念均属于模糊概念。

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。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。

隶属函数是模糊数学的重要理论基础，确定隶属函数的具体形式是采用模糊数学解决实际问题的重要任务。从根本上说，隶属函数由模糊变量本身性质决定，隶属函数的准确界定有待于数据统计和经验积累。常见的隶属函数有正态分布、梯形分布和线性交叉型等。

3. 模糊综合评价的计算方法与步骤

根据待评价系统的复杂程度，模糊综合评价可以分为一级模糊综合评价、二级模糊综合评价等形式。其中， 一级模糊综合评价是多级模糊综合评价的基础。

（1）一级模糊综合评价。一级模糊综合评价主要分两步：一是对单因素（指标）的评价；二是综合所有因素（指标）的综合评价。基本步骤如下：

1）确立评价因素集（指标集）

2）建立权重集

3）建立备择集（评价集）

4）单因素模糊评价

5）模糊综合评价

6）模糊评价结果的处理

（2）多级模糊综合评价。一级模糊综合评价是模糊综合评价的初始模型。对于简单的评价对象一级模糊综合评价能够给出比较合理的评价结果。但是当评价对象比较复杂时，由于需要考虑的因素较多，且各因素往往具有不同的层次时，一级模糊综合评价就不能给出合理的评价结果。

多级模糊综合评价可以克服上述缺点。通常情况下，在以下情形下应当考虑考虑采用多级模糊综合评价。

1）当评价指标过多时，当被评价的对象过于复杂时，需要考虑的指标过多，而各指标都需要赋予一定的权重，于是就会产生权重难以恰当分配和不能得到有意义的评价结果的问题。也就是说，指标过多造成权重过小，造成判断困难。此外，在模糊矩阵的计算中，采用最大最小运算必然丢失大量信息，使评价结果失去意义。解决此类问题的方法是将评价因素分类，进行多级模糊综合评价。

2）当评价指标具有多个层次时，以板材加工生产车间为例，它的评价指标具有较复杂的层次结构。例如，成本指标由安装成本和运作成本构成，而安装成本又包括机床、工具、软件、场地和运储设备等多个子指标，运作成本也由多个部分组成，客观上形成了多个指标层次。一级模糊综合评价不能处理多层次评价指标的计算问题。解决此类问题的方法是确定指标的层次，从最低导的指标开始，进行多级模糊综合评价。

多级模糊综合评价与一级模糊综合评价的步骤基本相同。评价指标的类别和层次应根据评价对象的实际合理划定，再由最低层开始，逐渐往上，最后构成多级综合评价。