一种研发项目投影寻踪动态聚类决策方法技术

本发明专利技术公开了一种研发项目投影寻踪动态聚类决策方法，该方法首先通过专家打分法获取制造企业已实施完成的“成功”类、“暂缓”类、“失败”类的研发项目的每个评价指标的归一化得分，根据这些归一化分值建立K

【技术实现步骤摘要】
一种研发项目投影寻踪动态聚类决策方法


[0001]本专利技术涉及一种研发项目投影寻踪动态聚类决策方法。

技术介绍

[0002]在企业和科研院所的创新项目研发实践中，既有很多优秀的潜力巨大的研发项目，也有不少技术不过关、应用前景不明确、与宏观政策不一致以及研发技术力量投入不足等的研发项目，这些项目如果继续实施，必将造成更大的财力、物力和人力的浪费。
[0003]因此，对于政府科技(创新)管理部门和研发企业来讲，如何合理、可靠、正确地评价、优选正在实施的研发项目，从而遴选出优秀的研发项目，并对这些优秀的研发项目继续加大投入力度，使其尽快完成中试而进入量产，尽早、尽快转化为实际生产力和促进科技发展；同时，从研发项目中遴选出应用前景不明、或者技术上还存在失败或者潜在风险的研发项目，并提出立即中止或者暂缓继续实施的技术决策，以免造成更大的物力、财力、人力和时间的浪费，是目前急需解决的问题。
[0004]事实上，在2000年前后国内曾掀起研发项目优选和中止决策研究的高潮，在各类重要学术期刊上发表了一系列研究实例和论文，几乎采用了所有综合评价方法和模型进行分析处理，虽然这些方法研究起步早、相对成熟，但是存在不少问题：
[0005]1)传统的技术方法中止决策采用的“教师值”样本较少(通常是十几个到几十个)，样本的评价指标数据不服从正态分布，评价方法结果的准确性、合理性、可靠性难以保证。
[0006]2)传统技术方法无法判定研发项目的属性，很可能出现“歧义”结果，判断结果不准确。
[0007]3)传统技术方法没有考虑或求得各个评价指标的不同权重，从而采用等权重或者不能对评价指标的重要性进行识别和排序，指标评价不科学。

技术实现思路

[0008]有鉴于此，本专利技术提供了一种研发项目投影寻踪动态聚类决策方法，用以解决上述
技术介绍
中存在的问题。
[0009]一种研发项目投影寻踪动态聚类决策方法，具体包括以下步骤：
[0010]S1，获取影响研发项目属性的评价指标；
[0011]S2，选取多个已实施完成的研发项目，采用专家打分法得到每个已实施完成的研发项目的各个评价指标的归一化分值；
[0012]S3，根据每个已实施完成的研发项目的各个评价指标的归一化分值，利用K
‑
means动态聚类原理建立投影寻踪决策模型，得到每个已实施完成的研发项目的投影值；
[0013]S4，采用专家打分法获得待决策研发项目的各个评价指标的归一化分值并输入投影寻踪决策模型，得到待决策研发项目的投影值；
[0014]S5，找出与待决策研发项目的投影值相匹配的已实施完成的研发项目并将该已实施完成的研发项目的项目属性确定为待决策研发项目的项目属性。
[0015]优选地，步骤S2中采用专家打分法得到每个已实施完成的研发项目的各个评价指标的归一化分值的具体步骤为：
[0016]首先，邀请本领域专家对每个已实施完成的研发项目的各个评价指标进行打分；
[0017]然后，对每个已实施完成的研发项目的每个评价指标的所有得分值进行归一化处理，得到每个已实施完成的研发项目的各个评价指标的归一化分值。
[0018]优选地，步骤S3中建立投影寻踪决策模型的具体步骤为：
[0019]首先，根据每个已实施完成的研发项目的各个评价指标的归一化分值，利用K
‑
means动态聚类原理将所有的已实施完成的研发项目动态聚类为k类；
[0020]然后，构建针对所有已实施完成的研发项目的目标函数，从而求得其每个评价指标对应的最佳权重；
[0021]最后，根据已实施完成的研发项目的每个评价指标的归一化分值及最佳权重，计算得到每个已实施完成的研发项目的投影值。
[0022]优选地，利用K
‑
means动态聚类原理将所有的已实施完成的研发项目动态聚类为k类的具体步骤为：
[0023]随机选取k个样本点(已实施完成的研发项目的投影值)作为初始聚(类)核，记为从而将集合Φ中的样本点分为k类，记为一个已实施完成的研发项目为一个样本点，
[0024]其中其中为样本点z(t)与聚核的绝对值距离，
[0025]遍历所有样本点后，形成了新的聚核其中n
i
为类中的样本点的个数；
[0026]重复以上步骤，可以得到一个聚类结果序列T
l
＝(M
l
,Ψ
l
)，l＝1,2,......，记μ
l
是第l次迭代时的类内样本点的绝对值距离之和；
[0027]终止迭代计算的收敛条件为其中ε为充分小的误差允许值。
[0028]优选地，集合Φ为所有的已实施完成的研发项目的投影值z(i)构成的集合，Φ＝{z(1),z(2),......,z(n)}，n为已实施完成的研发项目的个数。
[0029]优选地，构建针对所有已实施完成的研发项目的目标函数的具体步骤为:
[0030]被分成k类的样本，各类的类内样本个数分别为n1,n2,......,n
k
个，则计算任意两两样本之间的绝对距离之和为各个类内的两两样本点之间的绝对距离之和为其中第h类的类内两两样本点之间的绝对距离之和为
[0031]构建针对所有已实施完成的研发项目的目标函数Q(a)＝max{[ss(a)
‑
dd(a)]‑
dd(a)}
[0032][0033]采用群智能最优化算法求得针对所有已实施完成的研发项目的目标函数的全局最优解，得到各个评价指标的最佳权重a(j)。
[0034]优选地，每个已实施完成的研发项目的投影值z(i)＝∑a(j)*x(i,j)，其中，a(j)为根据已实施完成的研发项目求得的第j个评价指标的最佳权重，x(i,j)为第i个研发项目第j个评价指标的归一化分值。
[0035]优选地，步骤S3还包括步骤：根据所有已实施完成的研发项目的投影值大小，对属于同一项目属性的已实施完成的研发项目进行优劣排序。
[0036]优选地，所述已实施完成的研发项目属性包括成功类、暂缓类和失败类。
[0037]本专利技术的有益效果是：
[0038]1、本专利技术方法首先通过专家打分法获取制造企业已实施完成的“成功”类、“暂缓”类、“失败”类的研发项目的每个评价指标值及其归一化得分，根据这些归一化分值建立K
‑
DCPP决策技术模型，将专家主观能动性与K
‑
DCPP客观性的有机结合，能最大程度地体现K
‑
DCPP决策技术模型的客观性和利用领域专家的知识、人类的智慧和判断能力等主观能动性，发挥两种技术手段和方法的优势，弥补各自的不足，得到更合理、可靠、有效、客观的决策结果。
[0039]根据专家主观判定的评价指标分值，通过最优化建立基于K
‑
means动态聚类投影寻踪决策技术方案，得到了优选和中止研发项目的决本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种研发项目投影寻踪动态聚类决策方法，其特征在于，具体包括以下步骤：S1，获取影响研发项目属性的评价指标；S2，选取多个已实施完成的研发项目，采用专家打分法得到每个已实施完成的研发项目的各个评价指标的归一化分值；S3，根据每个已实施完成的研发项目的各个评价指标的归一化分值，利用K
‑
means动态聚类原理建立投影寻踪决策模型，得到每个已实施完成的研发项目的投影值；S4，采用专家打分法获得待决策研发项目的各个评价指标的归一化分值并输入投影寻踪决策模型，得到待决策研发项目的投影值；S5，找出与待决策研发项目的投影值相匹配的已实施完成的研发项目并将该已实施完成的研发项目的项目属性确定为待决策研发项目的项目属性。2.根据权利要求1所述的研发项目投影寻踪动态聚类决策方法，其特征在于，步骤S2中采用专家打分法得到每个已实施完成的研发项目的各个评价指标的归一化分值的具体步骤为：首先，邀请本领域专家对每个已实施完成的研发项目的各个评价指标进行打分；然后，对每个已实施完成的研发项目的每个评价指标的所有得分值进行归一化处理，得到每个已实施完成的研发项目的各个评价指标值，并进行归一化得到分值。3.根据权利要求1所述的研发项目投影寻踪动态聚类决策方法，其特征在于，步骤S3中建立投影寻踪决策模型的具体步骤为：首先，根据每个已实施完成的研发项目的各个评价指标的归一化分值，利用K
‑
means动态聚类原理将所有的已实施完成的研发项目动态聚类为k类；然后，构建针对所有已实施完成的研发项目的目标函数，从而求得其每个评价指标对应的最佳权重；最后，根据已实施完成的研发项目的每个评价指标的归一化分值及最佳权重，计算得到每个已实施完成的研发项目的投影值。4.根据权利要求3所述的研发项目投影寻踪动态聚类决策方法，其特征在于，利用K
‑
means动态聚类原理将所有已实施完成的研发项目动态聚类为k类的具体步骤为：随机选取k个样本点作为初始聚(类)核，记为从而将集合Φ中的样本点分为k类，记为一个已实施完成的研发项目为一个样本点，其中其中为样本点z(t)与聚核的绝对值距离，...

【专利技术属性】
技术研发人员：于晓虹，楼文高，司文，
申请(专利权)人：上海商学院，
类型：发明
国别省市：