目前常用的综合评价方法主要包括基于人工神经网络的综合评价法、基于粗糙集的综合评价法、基于模糊数学的综合评价法、层次分析评价法、灰色模糊综合评价法、多元综合评价分析法、风险评价决策分析法和数据包络分析法等。
人工神经网络（Artificial Neural Network，ANN）是一种能够自组织、自学习、自适应、非线性映射的神经网络，通过初始样本集的训练能够对多指标综合评价问题作客观的评价。人工神经网络的缺点是不能合理地选择初始训练样本集，通常需要与其他评价方法相结合，如模糊评价、粗糙集、熵权TOPSIS法、层次分析及遗传算法等。
层次分析法（The Analytic Hierarchy Process，AHP）是美国著名运筹学家T.L.Satty等人在20世纪70年代提出的一种将定性与定量相结合的多准则决策方法，该方法能够客观地对人们的主观判断进行描述，原理简单易于理解，目前已广泛应用于城市规划、招标评价、科研成果评价、系统资源分析、社会科学等领域。
粗糙集理论（Rough Set Theory，RST）是波兰学者Paw lak于1982年提出的一种可以处理模糊性和不确定性的数学工具，该方法可将确定权重的问题转化为粗糙集属性重要性评价的问题。(www.xing528.com)
模糊集合理论（Fuzzy Sets，FS）是由美国自动控制专家查德（L.A.Zadeh）教授于1965年提出的用于表达事物不确定性的一种理论。模糊综合评价法是一种基于模糊数学的综合评价方法，该方法根据模糊数学的隶属度理论可把定性评价的问题转化为定量评价的问题，即用模糊数学对受到多种因素制约的事物或对象作一个总体的评价，该方法能较好地解决模糊的、难以量化的问题，适应于解决各种非确定性的问题。
2010年刘世豪等建立了数控机床综合性能的评价指标体系，采用层次分析法中的1~9标度法确定了数控机床各项性能指标的权重系数，提出运用模糊综合评判法对数控机床综合性能的评价指标进行评价研究。
在运用这些评价方法时，应该根据所选择的评价指标的性质选择合适的评价方法。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
