基于非线性母函数和权重优化的在线绩效测评方法及系统

摘要

本发明公开了一种基于非线性母函数和权重优化的在线绩效测评方法及系统，方法包括以下步骤：步骤一、填报业绩数据；步骤二、根据填报的业绩数据，计算各测评对象对应于各个测评准则的业绩得分，得到原始得分矩阵X；步骤三、对原始得分矩阵进行标准化处理，得到n行m列标准得分矩阵Y；步骤四、建立权重优化模型(MIN‑MAX模型)；步骤五、求解权重优化模型，计算最优测评准则权重向量步骤六、利用步骤三中得到的标准得分矩阵Y和步骤五中得到的最优准则权重计算所有测评对象的综合业绩得分。本发明的评估结果客观、准确、有效。

主权项

一种基于非线性母函数和权重优化的在线绩效测评方法，其特征在于，包括以下步骤：步骤一、填报业绩数据；步骤二、根据填报的业绩数据，计算各测评对象对应于各个测评准则的业绩得分；将第i个测评对象对应于第j个测评准则业绩得分记为x_ij；其中，i＝1,2,…,n,n表示测评对象的个数；j＝1,2,…,m，m表示测评准则的个数；计算得到所有测评对象对应于所有测评准则的n行m列原始得分矩阵X＝(x_ij)_n*m；当同一项业绩由多人完成时，调用线性或非线性业绩母函数，定量计算各测评对象对应于该测评准则的业绩得分；步骤三、对原始得分矩阵X＝(x_ij)_n*m进行标准化处理，标准化处理公式为：$y_{ij}=\frac{x_{ij}}{\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{x}_{ij}^2}}$从而得到n行m列标准得分矩阵Y＝(y_ij)_n*m；步骤四、基于标准得分矩阵Y＝(y_ij)_n*m，建立如下权重优化模型(MIN‑MAX模型)：$\begin{array}{c}\begin{array}{cc}\underset{u}{\min }& \underset{1\le i\le n}{\max }\left\{\underset{j=1}{\overset{m}{\Sigma }}{(y_{ij}-u_j\underset{j=1}{\overset{m}{\Sigma }}{y}_{ij})}^2\right\}\\ s.t.& \underset{j=1}{\overset{m}{\Sigma }}{u}_j=1,\end{array}\\ 0\le u_j\le 1,j=1,\mathrm{...},m\end{array}$其中：u_j表示第j个测评准则的权重；u＝(u₁,u₂,…,u_m)是m个测评准则权重向量；步骤五、求解步骤四中的权重优化模型，计算最优测评准则权重向量；首先用凝聚函数将权重优化模型转化为无约束优化模型，并在凝聚函数中引入磨光因子，消除权重优化模型中存在的非光滑性特征；然后基于谱共轭梯度方法求解磨光凝聚函数的极小值，其解即为最优测评准则权重向量步骤六、利用步骤三中得到的标准得分矩阵Y和步骤五中得到的最优准则权重计算所有测评对象的综合业绩得分。