论文：基于高维多目标优化的集团信息运维指标建模研究与应用.pdf

安徽大学硕士学位论文摘要摘要甥I嬲集团为了考核信息系统运维的水平，与一些先进的指标进行比较，使用一 些指标的得分数据来对企业信息系统运维情况进行分析，从而在对比中看出本单 位的不足，努力在管理上得到更进一步的改进，在指标上能够获得更高的水平。针对信息系统运维集团提出的指标管理体系，其内容包括系统运行水平、系统运 行安全、调运体系建设、运行队伍建设、运行专项工作、事故与障碍等指标。本文就是基于指标体系中各单位运行评价与分析系统提出利用高维多目标 优化来对集团运维指标分析与评价，本文着重分析人力资源与管理指标之间的关 系。基于集团对各单位运维指标的分析与评价系统的指标体系来对指标进行拟 合,将指标分析拟合成目标函数，然后将多目标优化应用到这些指标拟合函数上,最后得出一些非支配解集。之前公司管理层做的资源分配方案都是依靠经验或简 单的计算作出的决定，这种决定往往不是最好的，常常会因为决策失误而导致得 分很低。因此用高维多目标优化来作优化，其解集中的解都是非支配解，其分配 方案要比之前简单的判断来获得的解好。决策者可根据一些偏好信息从非支配解 中来选择一个解作为人力资源的分配方案。本文实验结果证明这种利用多目标优 化获得的分配方案要比仅依靠经验设定的方案要好的多。自上个世纪60年代以来，多目标优化问题就备受研究人员的关注。但是极大 部分算法都只是考虑三个或三个以下目标的低维情况的问题，而在实际问题中，包括的目标数非常大，目标数目为四维或大于四维。而目标数量大于三维时，基 于Pareto排序的算法比较困难，因为随着目标维数的增加，种群当中的非支配个 体的总数量将呈指数增长，极度削弱了基于Pareto排序进行搜索与选择的能力。本文主要针对集团运维系统的应用将高维多目标优化方法应用其中，另外就是对 目标缩减来这种方法作了一些研究改进，工作包括以下几个方面。首先，对集团信息运维系统指标评价分析系统中的评价指标进行高维多目标 优化建模，将高维多目标算法应用其中。以集团评价系统中的指标为高维多目标 函数，主要考虑公司资源有限的特点，利用高维多目标优化得出好的资源分配方 案，能在满足指标得分的基础上，适应考核方案的变动性，具有多样化和灵活化 的特点。安徽大学硕士学位论文基于高维多目标优化的集团运维指标建模研加应用其次，引用了最小二乘法作为本文重点使用的高维多目标缩减算法，并对最 小二乘法中的经典的NSGA-II算法中的密度函数提出改进和应用。最小二乘法可 以很方便地将高维目标空间的点拟合成若干条直线段，这样由若干条直线段组成 的曲线可以近似的代表目标函数曲线。并在算法中使用了改进了密度函数的 NSGA-H目标进化算法，并与原NSGA-II在集团评价模型中作了比较，实验证明 了改进后算法的合理性与有效性。最后，将改进密度函数的最小二乘法应用到集团运行与评价系统模型中，针 对集团考核方案的特点进行设计并实现了基于Web的集团评价与分析系统。最终 将本系统做成产品，推到各省市地市。由此拓展了新的高维多目标优化的应用领 域。关键词：高维多目标优化，最小二乘法，密度评估策略，指标分析。安徽大学硕士论文AbstractAbstractThe Group Company in order to assess enterprises performance level,they often compare with some advanced indicators for comparison,use some index score data to analyze the enterprises operation,so as to see that their own shortcomings,in contrast to get further improvement on management and on the index can achieve a higher level.This is what we used to say benchmarking on The Group Company.But The Group Company in addition to the provisions in its index using the benchmarking management strategy,they also use this benchmarking management strategy on provinces and Cities Company of The Group Company.The index system includes four main categories of 41 indicators of basic information security management,grid operation,human resources.This paper is based on the index system around the city operations evaluation and analysis system proposed the use of high-dimensional multi-objective optimization analysis and evaluation of indicators.This paper focuses on the relationship between human resources indicators level fitting analysis on the basis of the analysis and evaluation of the index system,the indicators proposed composite objective function.Then use the knowledge of multi-objective optimization application on objective function.F inally,get some non-dominated solution set.Decision makers can accord to some preference information to choose a solution as the allocation of human resources.This paper ex perimental results show that multi-objective optimization allocation scheme is better than relying solely on the ex perience of the program.Since the 1960 s,the multi-objective optimization problem is more and more attention by researchers.But the great part of the algorithm are currently considering two or three goals of low dimensional case,In practical problems,including the target number is very big,the target number for four or more than four dimensions.When the target number is greater than 3 dimensions,based on the Pareto sorting algorithm is more difficult.The total number of non-dominated individuals among populations in安徽大学硕1学位论文基于高维多目标优化的集团运维指标建模研究与应用will increase ex ponentially with increasing target dimension.That ex tremely weakened the ability to search based on Pareto ranking and selection.At present of high-dimensional multi-objective optimization algorithm mainly divides into three categories:one is the sorting method based on Pareto dominance,Algorithm is combined with some preference information or some kind of technology to simplify the problem.The high-dimensional multi-objective problem is transformed into low dimensional multi-objective optimization problem.One is relax ation of Pareto dominance relations.This relax ed Pareto dominance relationship.And another one is non-Pareto ranking,this method uses new evaluation criteria.This paper mainly aimed at the target to reduce to some research are made to this method,main work includes the following three aspects.F irst,the Group Company evaluation index analysis system for high-dimensional multi-objective optimization model,Evaluation index system of the national power grid for high-dimensional multi-objective function.We mainly consider the limited company resources.Use of high-dimensional multi-objective optimization to get better resource allocation scheme,has the characteristics of diversified and flex ible.Second,Refers to the least squares method as used in the high-dimensional multi-objective reduction algorithm of this paper,Least square method can be easily to fit the high dimensional target space point synthesis of a number of straight line segments.It consists of a number of straight line segments of curve can approx imate the curve on behalf of the objective function.And used in the algorithm improved the density function of the NSGA-II objective evolutionary algorithm,And compare with the original NSGA II in The Group Company evaluation model,Ex periments to prove the validity and reasonableness of the improved algorithm.F inally,will improve the density function of the least squares method is applied to the national grid operation model and evaluation system,According to the characteristics of electric power company appraisal scheme was designed and implemented its evaluation and analysis system based on Web.Eventually make the system into a product,Promotion to the provinces and cities.Ex pand the application 安徽大学硕士论文Abstractfield of the high-dimensional multi-objective optimization.Key words：high-dimensional multi-objective optimization,the least square method,the density of evaluation strategy,index analysis安做大学硕士学位论文基干高维多目标优化的集团运维指标建模研究与应用目录摘要.IAbstract.Ill目录.VI图目录.VIII表目录.X第一章绪论.11.1 研究背景和意义.11.2 国内外研究现状.21.3 论文主要研究内容及组织结构.41.3.1 研究内容.41.3.2 论文架构.5第二章基于高维多目标优化的集团运维指标.62.1 引言.62.2 集团运行指标体系简介.72.3 目标函数建模方法.92.4 本章小结.10第三章集团运维指标的高维多目标优化.113.1 集团运维指标高维多目标优化建模.113.2 基于最小二乘法的集团运维指标的目标缩减.123.1.1 最小二乘法介绍.123.1.2 基于最小二乘法的目标缩减算法.133.1.3 实验与分析.203.3 基于改进密度评估函数的目标优化算法.213.2.1 目前的密度评估函数存在的问题.223.2.2 引入新的密度评估方法.233.2.3 实验与分析.253.4 基于高维多目标优化的集团运维系统应用分析.29VI安徽大学硕士论文目录3.5 本章小结.32第四章集团运维评价与分析原型系统的设计与实现.334.1 集团运维评价与分析系统设计目标与原则.334.2 系统设计思路.354.3 系统总体框架设计.364.4 系统详细设计.384.5 系统环境.414.6 系统实现与应用.424.7 本章小结.46第五章总结与展望.47参考文献.48致谢.52攻读学位期间发表的学术论文目录.53攻读硕士学位期间所参加的科研项目.54安徽大学硕士学位论文基于高维多目标优化的集团运维指标建模研究与四用图目录图2.1集团运行公司评价指标体系.7图3.1目标拟合成直线段组成的曲线.18图3.2基于最小二乘法的目标缩减算法流程图.20图3.3原算法的前几次运行结果.26图3.4改进密度函数算法的前几次运行结果.26图3.5原始NSGA-II算法得到的四组结果.27图3.6改变密度函数的NSGA-II算法得到的四组结果.28图3.7集团评价方案模型.30图4.1管理目标.34图4.2实现技术目标.35图4.3总体设计原则.35图4.4系统应用逻辑架构.37图4.5系统的网络架构.37图4.6系统模块.38图4.7用户管理的示例用例图.38图4.8指标体系管理的活动图.39图4.9评价方案业务流程图.40图4.10评价月报流程图.40图4.11具体数据库概要设计图.41图4.12登录界面.42图4.13进行入系统首页界面.43图4.14系统管理内容.43图4.15指标体系管理（文中找不到出处）.44图4.16评价方案送审.44图4.17指标状态分析页面.45图4.18得分趋势分析页面.46VIII安徽大学硕士论文图目录Content of FiguresF ig 2.1 The Group Company evaluation index system.7F ig 3.1 Objective to synthesis of straight line segments of curve.18F ig 3.2 Target to reduce algorithm flow chart based on the least square method.20F ig 3.3 Previous operation results of the original algorithm.26F ig 3.4 Previous operation results of the density function algorithm.26F ig 3.5 F our groups of results obtained by the original NSGA-II algorithm.27F ig 3.6 F our groups of results obtained by Change the density function of the NSGAII algorithm.28F ig 3.7 The Group Company evaluation program model.30F ig 4.1 Management Target.34F ig 4.2 Implementation technology Target.35F ig 4.3 Overall design principles.35F ig 4.4 Application system logical architecture.37F ig 4.5 The network architecture of the system.37F ig 4.6 System module.38F ig 4.7 Users to manage the sample use case diagrams.38F ig 4.8 The activity diagram of index system of management.39F ig 4.9 Evaluation of business process diagrams.40F ig 4.10 Evaluation of monthly flow chart.40F ig 4.11 Specific database profile design.41F ig 4.12 Login screen.42F ig 4.13 Into the system homepage interface.43F ig 4.14 System Management content.43F ig 4.15 Index System Management.44F ig 4.16 Evaluation scheme for review.44F ig 4.17 Index-state analysis page.45F ig 4.18 Score trend analysis page.46IX安徽大学硕士学位论文基于高维多目标优化的集团运维指标建模研究与应用表目录表2.1指标体系表.8表3.1某公司历史得分表.12表3.2目标数为6的目标缩减过程.21表3.3冗余目标具体删除过程.21表3.4目标函数值都大于95的个数.39表3.5某公司公司2012年凭借经验的资源分配与得分.30表3.6 一组决策空间与目标值.31安徽大学硕士论文图目录Content of TablesTable 2.1 Index system.8Table 3.1 The Huazhong history score.12Table 3.2T he target number of 6 goals to reduce process.21Table 3.3 The redundant target specific removal process.21Table 3.4 The number of the objective function value is greater than 95.29Table 3.5 A company in 2012 with ex perience in the allocation of resources andscore.30Table 3.6 A set of decision space and the target.31XI第一章绪论第一章绪论1.1 研究背景和意义某集团为了加强集团信息系统一体化调度运行体系，深入推动信息运行精 益化管理。保障公司集团一体化系统安全稳定运行，充分发挥对标考核g2】的激 励约束作用。集团组织制定了集团公司信息系统运行评价指标体系（以下简 称指标体系），并结合调控中心监控记录情况和IMS自动统计数据，针对不 同级别的电网公司，分别从指标体系中选取评价指标，设计不同级别的指 标方案。随着技术支撑手段持续完善和深入应用，逐步补充完善评价方案，调 整后评分方案中的指标权重将根据指标体系中各指标的权重等比例分配后 进行微调。由于目前评价方案的调整、指标权重的变化使得待考核公司无法合理安排 公司各个应用系统上的资源来提升公司运行系统实用化全体水平。基于此，对 评价方案的二级指标进行高维多目标优化的建模，在不考虑二级指标权重的前 提下使各指标形成单独的目标，得到总体最优的优化结果，最终得出一些得分 较高的资源分配方案，决策者可根据偏好信息在这些较优的解决方案中选取一 个方案选为下月的公司资源分配的方案。本文基于上述项目应用背景，利用多目标优化问题分司来更好地帮助公司选 取更好的资源方案分配，在评价方案有未知变动的情况能适应资源的合理分配。多目标优化问题自提出到现在已有很长的一段时间，研究的目的是在众多 的解中选取一个解作为最终解，优化处理多个变量相关的不等式或者等式组约 束的最大化或者最小化问题。近年来伴随着高速计算机的快速发展，使优化问 题的研究不仅仅停留在理论层面上，而是更多地成为了解决实际问题的有力工 具。优化问题的研究得到迫切发展，优化理论与算法也成为了一门热门的研 究方向。优化问题当中多目标优化问题是最主要的研究问题之一。自从上个世纪60 年代开始，多目标优化问题就引来了许许多多不同背景的人来对这个问题进行 研究，原因是在现实生活当中多目标优化的重要和普遍性。在同等外界条件下，安徽大学硕士学位论文基于高维多目标优化的集团运维指标建模研究与应用经过优化后的问题，对资源更好地分配、效率的提升、能源消耗的减少、工程 的完成速度及经济效益的提高等都有很好的效果。比如建筑工程的最大效益和 最低成本的问题，这个问题就可以说是一个多目标优化的问题，此外还有许许 多多现实问题都有着目标之间的相互作用与矛盾的问题，往往i件工程项目或 有着多目标的问题中都可能存在着优化与多决策，而这些实际问题通常比较困 难、繁杂，要解决这些问题常常要投入很多的时间和精力。所以，多目标优化 是一个非常具有现实应用意义的课题。目前，多目标优化算法中比较成熟的进化算法？8）都只是针对二维或三维情 况有很好的结果，但目标函数个数大于三维或四维的时候这些多目标优化算法 难以取得很好的效果，这是由这些优化算法自身的缺点所决定的，因为基于 Pareto排序的算法中，随着优化目标个数的增加，种群中的非支配解的数量呈 指数级增长，这给算法进行搜索与排序带来了困难。本文以集团评价与分析 系统中的算法为目标函数的来源，而这当中的指标有很多，作为二级指标的目 标函数也是四个以上的，因此解决高维多目标优化皿皿问题对系统的指标分析 有很好的帮助。传统的多目标优化算法只是在二维或三维的优化问题中有很好的效果，而 且这些低维算法也应用到了很多应用领域中，如工程项目造价与质量问题、管 理工程以及机械的设计与制造的决策中。然而传统的多目标优化算法对于四维 或四维以上的目标效果不是很理想，难以给出让人满意的解集，并且实际问题 中所涉及的目标个数都高于三个，所以对于高维的多目标优化问题，以前的经 典优化算法并不能很好地应用。对于此，本文研究适应于高维多目标优化问题 的目标遗传优化算法U并将提出的算法应用到应际的问题中。1.2 国内外研究现状高维多目标优化相对传统的低维优化问题要复杂很多，不能直接利用传统 的经典优化算法。现在高维多目标优化已成为多目标优化问题的一个热点“叫 然而目前从实质上解决这类高维多目标优化问题的成果还不多，目前很多都是 利用目标空间存在冗余这一特点来去除冗余目标，这样去冗余目标后可以对高 维多目标问题进行降维。目前一些人提出的高维多目标优化算法大致有以下三第一章结论类:（1）采用基于Pareto支配的排序方法进行优化处理，但是算法与一些其它 算法进行结合，降低目标维数或者缩小相应的搜索目标空间。例如在目标搜索 的过程中利用目标降维技术M3或者结合一些偏好信息来缩小帕累托前沿区域 电来使问题简单化等。Masahiro网较早地提出了与偏好信息结合的多目标优化算法，决策者在实 际运用中不需要全部的Pareto最优解，而是根据一些偏好信息取其中的一小部 分解，所以根据给定的特定偏好能够有效地缩小Pareto范畴，减小搜索空间。F leming等在高维多目标优化的问题中应用了偏好信息清晰化方法|川，在算 法演化的过程中不断地确定偏好信息，并且逐步地缩小决策者关注的区域分区，直到找到最优集。Brank等采用基于均衡方法【四，计算从一个非支配解转移到 另一个支配解时两两目标函数之间的相对应的变化，从中得到为了提升其中的 一个目标到达一定水平，其它目标需要退化的最大幅度。Wierzbicki在解决多 目标优化问题中提出了使用基于参考值网的方法，使得优化的结果是最靠近所 给参考解的Pareto最优解。Deb也同样使用了基于参考点的偏好信息结合到 进化的多目标遗传算法中，并选择一组参考点来获得一组最优Pareto解集。（2）第二类是采用了松散的Pareto支配的方法，这类方法对Pareto支配关 系进行了放宽，可以对更多的非支配个体来进行对比，比如左最优、优胜关系、。支配等方法。Drechsler等提出了优者胜的关系口。此方法是通过比较非支配解目标优于 的多少来确定解集中的排列顺序，比如非支配解在更多的目标上优于v,则 认为优于vo这种方法的原理非常简单，用起来也很方便，但是这种方法并 不具有传递性，也就是说当优于S,而S优于，时，不能断定一定优于f,所以这种排序方法不能用于全部的非支配解集。Ikeda等提出了。支配网的概 念，这种方法是将两个非支配解在每个目标上加上一定的权值后再进行比较，也可以理解为权重比值较大的目标对解的优胜程度更有影响力，如解x在某些 权重较小的目标上差于“但在权重较大的目标上优于y时，此时x可能还是优 于“（3）第三类方法不是利用Pareto排序的方法。这类方法是采用一些新的评 安徽大学硕士学位论文基于高维多目标优化的集团运维指标建模研究与应用价标准来对个体进行比较与排序，使用这类方法不是基于Pareto排序，因此也 就没有了 Pareto支配关系在高维多目标上进行排序所带来的问题，但其应用合 法性也就要受到一些限制。多目标优化的研究过程中，通常会用一些评价指标函数来评价优化算法的 优化效果，然后通过这些指标评价的结果的优劣来直接判断算法的好坏。所以 有研究人员直接利用这些评价指标来指导多目标优化算法的搜索过程，并且发 现这种评价方法也可以取得相当不错的效果。13论文主要研究内容及组织结构13.1研究内容本文对多目标进化算法进行探索和研究，吸取已有的成果，并对其进行优 化改进。设计和讨论了一种改进的高维多目标缩减算法】，通过最小二乘法 原理2旬来缩减目标，同时改进距离密度函数算法31，来提高算法的收敛性与分 布性。最后把改进的高维多目标优化算法应用到集团分析与评价系统中，应用 到集团运维指标的高维多目标优化模型中，让各省市公司更好的做出合理的资 源分配方案。因此，本文的主要研究内容有以下几点。（1）基于高维多目标优化的集团运维指标建模研究研究了集团分析与评价系统项目上的高维多目标优化算法的应用，以及用 最小二乘法与改进的密度评估函数来解决实际问题，对集团运维指标的指标体 系进行详细地介绍，并对目前的几种曲线拟合建模方法进行了介绍。对集团运 维指标的二级指标建立高维多目标优化模型，利用历史数据进行曲线拟合阿得 出各目标函数。（2）高维多目标降维算法的研究高维多目标优化方法中冗余目标缩减。研究了基于主分量分析的目标缩减 算法，基于最小子集覆盖的目标缩减算法，以及基于特征选择的目标缩减算法。重点研究了基于最小二乘法囱的目标缩减算法。使用最小二乘法来对集团运维 指标建立的高维多目标优化模型进行目标缩减。（3）算法的密度函数的研究研究了多目标优化算法中对个体排序中使用的拥挤函数，对其密度计算方 第一章结论法进行研究，对比在高维多目标优化算法中这些密度评估方法的不足；引用了 新的密度评估公式。（4）集团运维分析与评价系统的设计与实现此系统的设计目标为通过可扩展、可操作的平台满足用户灵活多变的管理 与分析需求，同时满足下面四个原则，规范化原则、科学实用原则、可操作性 原则、可扩展性原则。其中规范化原则是指参照集团公司信息化建设标准开展 项目设计、开发、部署实施工作；科学实用原则是指以科学的实施方法论、成 熟思路为依据，以实用化思路为指导开展工作；可操作性原则是指平台必须基 于现有数据资源基础，整体设计与实施过程具有良好的可操作性；可扩展性原 则是指平台设计成果可以很好地应对未来管理要求变化及扩展的需求。1.3.2论文架构本文相应章节的内容组织安排如下。第一章绪论。简要介绍本文的研究背景与研究意义，简述了高维多目标优 化问题的相应国内外研究现状，并说明了本文研究的主要内容及安排组织。第二章基于高维多目标优化的集团运维指标。介绍了集团分析与评价系统 中指标体系的详细架构，并对目前曲线拟合的方法进行了介绍。第三章集团运维指标的高维多目标优化。主要是基于最小二乘法网291的高 维多目标优化，这一章是本文的理论关系应用。本章设计基于集团分析与评价 系统中指标的资源方案分配的模型，并将高维多目标优化应用到此模型中。阐 述了最小二乘法缩减目标124,2刀的算法,介绍了目标优化算法中的密度评估策略，并引用了一种新的密度评估策略R叫改变了传统经典算法7,8,3。1中的密度评估算 法。给出了算法流程与具体的实际方案，以及通过实验证明此算法的合理性与 有效性。第四章集团运维评价与分析原型系统的设计与实现。介绍了系统的架构设 计和最终实现。第五章总结论文中的主要工作，对研究工作与应用相结合作总结，并提出 了将来的研究方向。安徽大学硕I:学位论文基于高维多目标优化的集团运维指标建模研究与放用第二章基于高维多目标优化的集团运维指 标2.1 引言集团对各省市、地市公司使用了指标评价，使用同业对标的管理策略，对 运行公司设置了指标管理，主要对公司从六个方面进行指标体系的考虑，六个 方面分别为系统运行水平、系统运行安全、调运体系建设，运行队伍建设、运 行专项工作、事故与障碍。各公司将根据指标体系进行评分，以此来确定公司 的运行状况和运行水平。然而指标体系并不是一直不变的，集团会根据实际情 况进行不断优化调整，每月的指标体系可能有大的或小的变动，因此，各公司 在评价前无法获知准备的指标评价方案，这给公司的资源分配就带来了未知性。当前各公司还是依据老的指标体系进行资源分配，这样就无法很好地应对 调整的指标体系，可能一个公司依据现有的指标体系进行的资源分配能得到一 个很好的评价结果，但对于调整后的指标体系，这种分配方案就不再有很好的 分配水平，另外当指标多了的情形下，资源分配本身也就是一个难题，当前各 公司往往都是根据经验来分配资源，这种分配资源的方案的合理性本身就是个 问题，没法确定这种由经验分配的方案的好坏。特别是最近几年，多目标优化算法取得了很快的发展卬J,在很多方面都 得到了广泛地运用，优化算法也逐渐成熟起来，有许多经典的优化算法出现，但是这些经典的算法也都是在处理低维问题，基本上不超过三维，也有极少一 些处理高维1M3叫但处理高维的高效算法真是少之又少。之所以出现这样的情 形，是因为这些遗传算法基本上都是基于Pareto排序的性质决定的，而且高维 的可视化36桐题也是给高维多目标优化算法在图形的展示带来了不便。现在生活中许多目标优化问题的目标个数经常出现高维的情形，面对这些 高维问题时，能否考虑将高维转化为低维来处理，如果可以，那么就可以将以 前的优化算法应用到转化后的低维目标上面来，因此会考虑高维多目标之间是 否能去除几个目标，这些目标之间是否存在冗余，或者是否有些目标的存在与 否对优化的结果影响不大，这样就能去除冗余目标或无影响的目标来使高维问 6笫二章基于高维多目标优化的集团运维指标题降到熟悉的低维的情形上来。通过降低目标维数的这种方法很常见，而且这 种目标缩减的算法也有很多，很多也都比较成熟，常见的有PCA(Principal Component Analysis),SIR(Sliced Inverse Regression),PLS(Partial Least Squares)o 基于主成份分析方法也381是在数学中也一种比较常用的方法，在遗传算法中也 有着极其广泛的应用，4。】。此外，还有子集覆盖等方法来处理目标缩减问题41当前高维多目标优化的主要算法就是目标缩减算法1，23,42。目前，有关高 维多目标缩减方法的设计与建模已成为高维多目标优化算法的一个重要手段 14,o本章节将从决策者出发，对集团运行指标体系进行简介，并对其进行高维 多目标优化的建模。2.2 集团运行指标体系简介集团公司主要从系统运行水平、系统运行安全、调运体系建设，运行队伍 建设、运行专项工作、事故与障碍六个评价主题设计信息系统运行评价指标体 系，其中系统运行水平、系统运行安全、调运体系建设、运行队伍建设为主评 价项按权重计分，总分按100来计算，权重分别占30%,30%,30%,10%；运 行专项工作、事故与障碍为附加分项，是依据工作情况予以加减分。具体指标 体系及其权重如图2.1所示。评价指标体系信息内容安全 桌面终端安全 信息主设备安全 网络边界安全 系统运行性能 系统纵向贯通性 系统运行可靠性经验总结 专家队伍 培训提升 机构人员 客服管理 检修管理 运行管理 调度管理W 运行值班检查 W 网站信息维护 W 安全等保工作 w Ms数据治理 W 运行试点工作信息安全事件 信息调令未执行 信息系统障碍 信息系统事故图2.1集团运行公司评价指标体系F ig 2.1 The Group Company evaluation index system安徽大学硕士学位论文基于高维多目标优化的集团运维指标建模研究与应用集团公司信息系统运行评价指标体系包括系统运行水平、系统运行安 全、调运体系建设、运行队伍建设