《综合评价方法》：

神经网络的特点是，神经网络将信息或知识分布储存在大量的神经元或整个系统中。它具有全息联想的特征，具有高速运算的能力，具有很强的适应能力，具有自学习、自组织的潜力。另外，它有较强的容错能力，能够处理那些有噪声或不完全的数据。鉴于人工神经网络具有上述特征，所以可建立基于人工神经网络的多指标综合评价方法。其解决有关经济等方案评价方面问题的方式与层次分析和模糊理论分析法完全不同。它是模拟人脑的思维，把大量的神经元连成一个复杂的网络，利用已知样本对网络进行训练，即类似于人脑的学习，让网络存储变量间的非线性关系，即类似于人脑的记忆功能，然后利用存储的网络信息对未知样本进行评价，即类似于人脑的联想功能。

由于实际综合评价往往是非常复杂的，各个因素之间互相影响，呈现出复杂的非线性关系，人工神经网络为处理这类非线性问题提供了强有力的工具。它是一种智能化的数据处理方法，其处理具有非线性关系数据的能力，是目前其他方法所无法比拟的。与其他综合评价方法相比，基于人工神经网络的综合评价方法已越来越显示出它的优越性。

基于人工神经网络的多指标综合评价方法通过神经网络的自学习、自适应能力和强容错性，建立更加接近人类思维模式的定性和定量相结合的综合评价模型。训练好的神经网络把专家的评价思想以连接权的方式赋予于网络上，这样该网络不仅可以模拟专家进行定量评价，而且避免了评价过程中的人为失误。由于模型的权值是通过实例学习得到的，这就避免了人为计取权重和相关系数的主观影响和不确定性。

其中，反向传播（BP）神经网络是由Rumelhart等人于1985年提出的一种很有影响的神经元模型，它是一种多层次反馈型网络，所使用的是有“导师”的学习算法。基于BP人工神经网络的综合评价方法具有运算速度快、问题求解效率高、自学习能力强、适应面宽等优点，较好地模拟了评价专家进行综合评价的过程，因而具有广阔的应用前景。

……