基于模糊層次分析與證據(jù)推理的計算機(jī)平臺評估

付建民，劉 因，宋蓓蓓

(1.安徽工業(yè)經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院 計算機(jī)科學(xué)技術(shù)系，安徽 合肥 230051； 2.合肥工業(yè)大學(xué) 資源與環(huán)境工程學(xué)院，安徽 合肥 230009)

基于模糊層次分析與證據(jù)推理的計算機(jī)平臺評估

付建民1，劉 因2，宋蓓蓓1

(1.安徽工業(yè)經(jīng)濟(jì)職業(yè)技術(shù)學(xué)院 計算機(jī)科學(xué)技術(shù)系，安徽 合肥 230051； 2.合肥工業(yè)大學(xué) 資源與環(huán)境工程學(xué)院，安徽 合肥 230009)

計算機(jī)平臺的選擇直接影響高等院校的職業(yè)化教育發(fā)展.將證據(jù)推理方法中指標(biāo)的權(quán)重推廣到三角模糊數(shù)，從定量與定性相結(jié)合的角度建立了一個多屬性評價模型，證明了云平臺優(yōu)于傳統(tǒng)平臺和虛擬化平臺.首先介紹了傳統(tǒng)平臺、虛擬化平臺和云平臺的概念；其次考慮決策過程的模糊性和不確定性，建立了基于FAHP和ER的計算機(jī)平臺評估模型；最后應(yīng)用該模型對上述三種平臺的綜合績效進(jìn)行了評估，驗證了該模型和云平臺的有效性、先進(jìn)性.

云平臺；多屬性決策；模糊層次分析法；證據(jù)推理

0 引言

隨著國家信息化步伐的加快和高等院校規(guī)模的擴(kuò)大，培養(yǎng)具有實踐能力的專業(yè)人才已成為高等教育的主要目標(biāo)之一.高校的計算機(jī)平臺在對計算機(jī)及相關(guān)專業(yè)學(xué)生的實踐能力培養(yǎng)、考核和提高過程中起到了重要作用.如何建設(shè)高校的計算機(jī)平臺已經(jīng)成為重要課題，其核心為平臺架構(gòu)技術(shù).平臺架構(gòu)技術(shù)包含了三個相繼出現(xiàn)又共同并存的階段，即傳統(tǒng)平臺、虛擬化平臺和云平臺.

基于傳統(tǒng)平臺的高校計算機(jī)實訓(xùn)室耗資大，占地廣，用途單一，資源浪費(fèi)嚴(yán)重.而基于寄居架構(gòu)技術(shù)的虛擬化平臺存在諸多技術(shù)瓶頸.因此，近年來以裸金屬架構(gòu)技術(shù)和云計算技術(shù)為核心的云平臺代表了計算機(jī)平臺架構(gòu)的發(fā)展方向.諸多文獻(xiàn)在該領(lǐng)域做了大量應(yīng)用研究，[1-4]但目前，將云平臺架構(gòu)技術(shù)應(yīng)用于計算機(jī)平臺建設(shè)的高等院校還很少.因此，在各高校中大力推廣和普及該方法的應(yīng)用，是否具有可行性和必要性，是本文研究的目標(biāo)之一.

證據(jù)推理(Evidence Reasoning，ER)方法是處理(Multiple Attribute Decision Making, MADM)多屬性決策問題的一種有效方法，它對于解決具有主觀不確定性、定量和定性指標(biāo)共存的多屬性決策問題具有良好效果.[5]近年來，ER方法在多屬性決策領(lǐng)域應(yīng)用越來越廣泛.但是，已有的ER方法中，評價指標(biāo)的權(quán)重?zé)o論是精確值或區(qū)間值都是直接給出的，其來源和得出方法沒有介紹.本文將證據(jù)推理方法中指標(biāo)的權(quán)重推廣到了三角模糊數(shù)，使得其能夠解決更為一般的群體決策問題.層次分析法(Analytic Hierarchy Process, AHP)是確定指標(biāo)權(quán)重的一種基本方法，考慮專家判斷的不確定性，本文將模糊層次分析法(Fuzzy Analytic Hierarchy Process，F(xiàn)AHP)引入到證據(jù)推理方法指標(biāo)權(quán)重值的確定過程中.分別對傳統(tǒng)平臺、虛擬化平臺和云平臺的綜合效用值進(jìn)行評估和比較，以驗證云平臺是否能替代傳統(tǒng)平臺和虛擬化平臺應(yīng)用于高校的計算機(jī)平臺搭建，為下一步的推廣和普及提供理論依據(jù).下面首先介紹傳統(tǒng)、虛擬和云平臺的概念，然后建立了基于FAHP和ER的計算機(jī)平臺評估模型并對上述三種平臺的綜合績效進(jìn)行了評估，最后根據(jù)評估的結(jié)果給下一步的實際工作提出了合理化建議.

1 計算機(jī)平臺架構(gòu)

1.1傳統(tǒng)平臺

傳統(tǒng)平臺(圖1)是物理的、靜態(tài)的，存在著嚴(yán)重的資源浪費(fèi)的問題.高校中的不同專業(yè)，課程和項目均需使用計算機(jī)通用或?qū)I(yè)機(jī)房，一個普通高校往往架構(gòu)了幾十至上百個機(jī)房，而每個專業(yè)機(jī)房的利用率則很低.

圖1 傳統(tǒng)平臺

1.2虛擬化平臺

本世紀(jì)初，虛擬化技術(shù)與虛擬機(jī)的出現(xiàn)展開了計算機(jī)平臺的動態(tài)架構(gòu)理念，以寄居架構(gòu)技術(shù)為基礎(chǔ)的虛擬化平臺(圖2)開始應(yīng)用于一些高校中，相對傳統(tǒng)平臺，該平臺具有邏輯性、動態(tài)性的特點.

圖2 虛擬化平臺

虛擬化平臺具有應(yīng)用廣泛、功能強(qiáng)大、管理方便等一系列優(yōu)點.但是，虛擬化平臺也存在技術(shù)瓶頸——寄居架構(gòu)技術(shù).基于寄居架構(gòu)的虛擬化層運(yùn)行于主機(jī)操作系統(tǒng)之上，依靠主機(jī)操作系統(tǒng)模擬硬件設(shè)備，虛擬機(jī)不能直接訪問物理機(jī)的硬件，從而使應(yīng)用能力與應(yīng)用范圍受到一定的影響.

1.3云平臺

云計算是計算機(jī)發(fā)展史上的又一種革命.傳統(tǒng)平臺和虛擬化平臺已經(jīng)難以支撐云計算方法的應(yīng)用與實施.為了更好地應(yīng)用云計算技術(shù)及相關(guān)服務(wù)，基于裸金屬架構(gòu)技術(shù)和云計算技術(shù)的云平臺(圖3)被搭建并應(yīng)用于各領(lǐng)域.

圖3 云平臺

虛擬化如果從結(jié)構(gòu)上分，可以分為(bare metal)和寄居架構(gòu)，[6]裸金屬架構(gòu)虛擬化是在計算機(jī)硬件上直接進(jìn)行虛擬化.通過裸金屬架構(gòu)的虛擬化，虛擬機(jī)的底層是虛擬出來的CPU、內(nèi)存等計算機(jī)硬件資源，而不是操作系統(tǒng)，虛擬機(jī)之間完全的獨立.隨著云計算技術(shù)的發(fā)展和大量應(yīng)用，[7-8]基于裸金屬架構(gòu)技術(shù)和云計算技術(shù)的云平臺已經(jīng)成為近年來平臺技術(shù)發(fā)展的趨勢.[9]

平臺的建設(shè)或改造需要投入大量人力、物力、財力.云平臺的建設(shè)能否在高校中普及，需要充分的理論支持.本文將該問題作為一個典型的(Multiple Attribute Decision Making, MADM)多屬性決策問題進(jìn)行了深入分析和研究，考慮到該決策過程的模糊性和不確定性，本文提出了一個基于FAHP和ER的新的決策模型.分別對傳統(tǒng)平臺，虛擬化平臺和云平臺的綜合效用進(jìn)行評估，為云平臺技術(shù)在各高校計算機(jī)平臺建設(shè)中的應(yīng)用和推廣提供理論支持.下文首先結(jié)合計算機(jī)平臺構(gòu)建指標(biāo)體系，然后建立基于FAHP和ER算法與模型，最后使用該模型對三種平臺的綜合效用值進(jìn)行評估.

2 基于FAHP和ER的計算機(jī)平臺評估模型

2.1構(gòu)建指標(biāo)體系

圖4 計算機(jī)平臺的績效評估指標(biāo)體系

決策問題中，指標(biāo)體系常由三類基本層次組成：目標(biāo)層、指標(biāo)層、方案層.評價指標(biāo)設(shè)計時應(yīng)遵守系統(tǒng)性、動態(tài)性、相對獨立性、可比性和可測性、靈活性、定性分析與定量分析相結(jié)合等原則.[10]本文借鑒PDCA的思想，采用問卷統(tǒng)計和專家分組討論相結(jié)合的方法建立了基于ER的計算機(jī)平臺評估指標(biāo)體系，如圖4所示.

2.2基于模糊層次分析法(FAHP)確定指標(biāo)權(quán)重

AHP方法是一種確定指標(biāo)權(quán)重的基本方法.但是，傳統(tǒng)的AHP方法采用確定的數(shù)字表示決策者的主觀判斷，忽視了判斷過程中的模糊性.因此，Buckley將模糊理論與AHP結(jié)合起來，[11]提出了模糊層次分析法(Fuzzy AHP)，F(xiàn)AHP在構(gòu)造兩兩比較判斷矩陣時，用模糊數(shù)代替確定值來表示諸如專家判斷等模糊信息，將兩兩比較值模糊化并得到模糊權(quán)重，最后通過非模糊化將模糊判斷的不確定性在形式上轉(zhuǎn)化為確定性.

2.2.1 三角模糊數(shù)的表達(dá)

定義1 設(shè)X={x1,x2,…,xn}為一個論域，則定義在此論域上的模糊集M可以表示為：

M=μM(x1)/x1+μM(x2)/x2+…+μM(xn)/xn,其中，μM表示模糊集M的關(guān)系函數(shù)，即μM:X→[0,1],μM(xi)(i=1,2,…,n)表示xi隸屬于模糊集M的關(guān)系度.如果?xi∈X使得μM(xi)=1，那么模糊集M被稱為標(biāo)準(zhǔn)模糊集.由文獻(xiàn)可知,[12]如果論域X上的模糊集既是標(biāo)準(zhǔn)模糊集又是凸集，那么它就是一個模糊數(shù).

論域X下的三角模糊數(shù)可以被表示成一個三角關(guān)系函數(shù)M=(l,m,u;wM),其中,wM∈(0,1].l,m和u都是實數(shù)，l和u分別是模糊數(shù)M的上界和下界，m為最可能取的值,l≤m≤u.當(dāng)wM=1時，三角模糊數(shù)M稱為標(biāo)準(zhǔn)三角模糊數(shù).當(dāng)l=m=u且wM=1時，M就是一個精確數(shù).三角模糊數(shù)的幾何解釋如圖5所示.

圖5 三角模糊數(shù)的幾何解釋

一個標(biāo)準(zhǔn)三角模糊數(shù)M的關(guān)系函數(shù)如下所示：

(1)

若M1=(l1,m1,u1)，M2=(l2,m2,u2)為兩個三角模糊數(shù)，⊕、?分別代表模糊加法和模糊乘法算子，模糊數(shù)的運(yùn)算法則如下：[13]

模糊數(shù)的加法：

M1⊕M2=(l1,m2,u2)

=(l1+l2,m1+m2,u1+u2)，

(2)

模糊數(shù)的乘法：

M1?M2=(l1,m1,u1)?(l2,m2,u2)

=(l1l2,m1m2,u1u2)，

(3)

模糊數(shù)的倒數(shù)：

(4)

模糊數(shù)的數(shù)乘：

K?M1=(Kl1,Km1,Ku1),K∈R,K≥0.

(5)

2.2.2 三角模糊判斷矩陣

用FAHP法確定指標(biāo)權(quán)重，首先要確定語言變量的三角模糊數(shù).文獻(xiàn)在Saaty教授1-9標(biāo)度法的基礎(chǔ)上，[14]采用三角模糊數(shù)表示語言變量的隸屬度函數(shù)，用數(shù)字來表示指標(biāo)間的“相對重要性”，如表1所示.

表1 語言變量的隸屬度函數(shù)

FAHP中判斷矩陣的每一個元素都是三角模糊數(shù)，然后通過這些三角模糊判斷矩陣來求解評價指標(biāo)的三角模糊權(quán)重.

定義2 設(shè)A=(aij)L×L(i,j=1,2,…,n)是一個L×L維的判斷矩陣，如果該矩陣中的每一個元素aij都是一個三角模糊數(shù)，即aij=(lij,mij,uij)，其中0≤lij≤mij≤uij.那么，稱該矩陣是一個三角模糊判斷矩陣，其中，L是所有評價指標(biāo)的個數(shù).

定義3 設(shè)A1,A2,…,At,…,AT為T個三角模糊判斷矩陣，它們分別由T位專家給出，其中At表示第t位專家給出的關(guān)于指標(biāo)重要性程度的三角模糊判斷矩陣，即

(6)

2.2.3 三角模糊權(quán)重的集結(jié)

(1)確定模糊指標(biāo)權(quán)重

運(yùn)用幾何平均值法綜合t位專家的模糊判斷矩陣，得到綜合模糊判斷矩陣A=[aij]，其中：

(7)

確定i指標(biāo)相對同層各指標(biāo)(共L個)的模糊比較值，ri=(ai1?ai2?…?aiL)1/L

(8)

計算i指標(biāo)的模糊權(quán)重，

wi=ri?(r1⊕r2⊕…⊕rL)-1

(9)

記為wi=(lwi，mwi,uwi),其中l(wèi)wi,mwi,uwi分別表示i指標(biāo)模糊權(quán)重的下限、最可能取的值和上限.

(2)指標(biāo)權(quán)重的標(biāo)準(zhǔn)非模糊化

BNPwi=[(uwi-lwi)+(mwi-lwi)]/3+lwi,?i

(10)

假設(shè)指標(biāo)層θ有L個指標(biāo)，則第i個指標(biāo)的權(quán)重wi的標(biāo)準(zhǔn)BNP值為：

(11)

由公式(11)計算出的標(biāo)準(zhǔn)BNP值，作為權(quán)重引入下文的ER算法中.

2.3 ER算法與步驟

Yang和Xu研究了基于D-S理論的ER方法在具有不確定性的多屬性決策問題中的應(yīng)用,[16]在已有的不確定性證據(jù)推理方法的基礎(chǔ)上，本文提出了將證據(jù)推理方法中確定的指標(biāo)權(quán)重推廣到三角模糊數(shù)，并用此改進(jìn)的ER方法解決績效評估中的主觀性和不確定性.

2.3.1 基本的證據(jù)推理模型

定義指標(biāo)集E=(e1,…，ei,…el)，并估計相應(yīng)權(quán)重w=(w1,…,wi，…,wi)，并滿足

定義評價等級集合H=(H1,…，Hi,…，HN).

定義評價對象at(t=1,2,…，M)關(guān)于指標(biāo)ei(i=1,2,…,L)的分布S(ei(ai))={(Hn,βn,i(at)),n=1,2,…,N},(t=1,2,…,M)

(12)

mn,i(ai)為方案at的第i個指標(biāo)ei在語言評價等級Hn上的基本可信度分配，mH,i(at)為方案at在第i個指標(biāo)ei上的不確定的基本可信度分配.算法如下：

mn,i(at)=wiβn,i(at)，i=1,2,…，L，t=1,2,…M，n=1,2,…,N

(13)

(14)

(15)

(16)

(17)

Hn∶mn,I(i+1)(at)=KI(i+1)，i=1,2,…，L-1，

(18)

(19)

(20)

(22)

(23)

(24)

2.3.2ER方法求解總效用值

為了進(jìn)行方案的比較和篩選，必須將每個at的總置信度轉(zhuǎn)化為效用值：

(25)

若專家對一個方案的某個或若干個屬性的原始評價含有不確定信息，則根據(jù)證據(jù)合成公理4,[16]合成后所得的總置信度也是不確定的，即βH(at)≠0.因此，Yang定義了最大效用值umax，最小效用值umin和平均效用值uavg來計算不確定平均中某一被評價方案的效用值，計算公式如下：

(26)

(27)

(28)

基于效用值可對評估對象排序.稱at優(yōu)于ak當(dāng)且僅當(dāng)umin(at)gt;umax(ak)，稱ai和ak無差別，當(dāng)且僅當(dāng)umin(at)=umin(ak)且umax(at)=umax(ak).對其他情況，則根據(jù)平均效用排序.

3 基于FAHP和ER的計算機(jī)平臺評估及分析

3.1確定指標(biāo)權(quán)重

組成由專家和學(xué)院教師組成的三人評估小組，基于三位專家給出的判斷矩陣，運(yùn)用公式(7)-(11)得到指標(biāo)權(quán)重為：

w1=0.1883,w2=0.1627,w3=0.2557,

w4=0.1447,w5=0.2486,w11=0.2797,

w12=0.3149,w13=0.1224,w14=0.1831,

w15=0.0999，w21=0.5847,w22=0.1661,

w23=0.2492,w31=0.4279,w32=0.5721,

w41=0.5,w42=0.5,w51=0.6481,

w52=0.1105,w53=0.2414.

3.2確定指標(biāo)的評價體系

評估小組通過討論定義計算機(jī)平臺綜合績效的評價等級集合為，H={很差(H1)，差(H2)，一般(H3)，好(H4)，很好(H5)}，得到如表2所示的評價結(jié)果.

表2計算機(jī)平臺績效的第二層指標(biāo)評價表(評價值已經(jīng)過轉(zhuǎn)換)

一級指標(biāo)二級指標(biāo)A1A2A3e1e2e3e11e12e13e14e15e21e22e23e31e32H3(0．7)H4(0．3)H2(0．3)H3(0．7)H3(0．3)H4(0．7)H4(1)H2(0．7)H3(0．7)H4(0．3)H2(0．7)H2(0．3)H4(0．7)H3(1)H2(1)H3(0．3)H4(0．7)H4(1)H2(0．7)H4(0．3)H2(0．3)H4(0．7)H4(0．7)H3(0．3)H4(0．7)H2(0．7)H4(1)H5(1)H3(1)H4(1)H3(1)H3(0．7)H4(0．3)H1(0．3)H3(0．7)H3(0．7)H2(0．3)H3(0．7)H3(0．7)H3(1)H4(1)H5(1)

一級指標(biāo)二級指標(biāo)A1A2A3e4e5e41e42e51e52e53H2(0．2)H3(0．8)H3(0．8)H3(0．2)H4(0．8)H2(0．4)H3(0．6)H3(0．9)H3(0．4)H4(0．6)H3(0．9)H1(0．2)H2(0．8)H2(0．3)H3(0．7)H3(0．9)H3(0．1)H4(0．9)H4(0．9)H2(1)H2(0．2)H3(0．8)H2(0．9)

3.3計算總置信度和總效用值

我們通過智能決策系統(tǒng)軟件(IDs)，[16]對此評估過程中的證據(jù)融合進(jìn)行了模擬仿真.該軟件可以對具有精確值權(quán)重和精確值置信度的MCDM問題進(jìn)行證據(jù)融合，得到被評價方案在各個評價等級上總的置信度以及總效用值.在這里設(shè)總識別框架中評價等級的效用值為：

U(H)={u(H1),u(H2),u(H3),u(H4),u(H5)}={0,0.25,0.5,0.75,1.0}得到的結(jié)果如表3所示為.

表3 三個被評估平臺的效用值

由表3和2.3節(jié)描述的排序規(guī)則得到，三個被評估平臺的綜合績效的優(yōu)先序為A3gt;A2gt;A1，即在三種計算機(jī)平臺中，云平臺的綜合績效好于其它兩個平臺.

4 結(jié)語

隨著我國高等院校職業(yè)化教育的發(fā)展，使用何種技術(shù)建設(shè)高等院校的計算機(jī)平臺已成為重要問題.本文從定量與定性相結(jié)合的角度,建立了一個基于FAHP和ER的多屬性決策模型，并將該模型應(yīng)用于高校計算機(jī)平臺評估中，分別對傳統(tǒng)平臺、虛擬化平臺和云平臺的綜合績效進(jìn)行了評估.根據(jù)評估小組給出的評估結(jié)果進(jìn)行分析和計算，得到三個被評估平臺的優(yōu)先序為A3gt;A2gt;A1，即云平臺的綜合績效好于傳統(tǒng)平臺和虛擬化平臺，為推廣云平臺技術(shù)在各高校計算機(jī)平臺建設(shè)中的應(yīng)用提供了必要的理論依據(jù).

本文將模糊信息引入到不確定環(huán)境下基于ER的MADM方法中，使用FAHP方法得到指標(biāo)權(quán)重，為如何將模糊方法與ER相結(jié)合，以解決專家判斷時的不確定性和模糊性做出了初步嘗試.但是，本文在實證研究中，選用專家數(shù)較少，因此評價結(jié)果的決策價值仍需要考證.其次，證據(jù)融合過程中的模糊信息集結(jié)問題也需要進(jìn)一步研究.

[1] 史佩昌，王懷民，蔣 杰，等.面向云計算的網(wǎng)絡(luò)化平臺研究與實現(xiàn)[J].計算機(jī)工程與科學(xué),2009(S1)：249-252.

[2] 趙 鈞.構(gòu)建基于云計算的物聯(lián)網(wǎng)運(yùn)營平臺[J].電信科學(xué)，2010(6)：13-15.

[3] 吳吉義，平玲娣，潘雪增，等.云計算：從概念到平臺[J].電信科學(xué)，2009(12)：1-11.

[4] 張 敏，陳云海.虛擬化技術(shù)在新一代云計算數(shù)據(jù)中心的應(yīng)用研究[J].廣東通信技術(shù)，2009(5):35-39.

[5] 周 謐.基于證據(jù)推理的多屬性決策中若干問題的研究[D].合肥:合肥工業(yè)大學(xué)碩士學(xué)位論文，2009：35-38.

[6] 周冠宇.云計算的虛擬技術(shù)架構(gòu)分析[J].移動通信，2011(9)：9-13.

[7] Cloud computing[EB/OL].http://en.wikipedia.org/wiki/Cloud_computing,2011-12-03/2011-12-06.

[8] 智慧的地球—IBM 動態(tài)基礎(chǔ)架構(gòu)白皮書[EB/OL].http://www.ibm.com/cn/express/migratetoibm/dynamicinfrastructure/download/dynamicinfrastructure_whitepaper_0903.pdf,2011-12-08.

[9] 李剛健.基于虛擬化技術(shù)的云計算平臺架構(gòu)研究[J].吉林建筑工程學(xué)院學(xué)報，2011(1)：79-81.

[10]單汨源,張 麗,吳 娟.基于RAGA—AHP法的項目優(yōu)先級評定研究[J].科技管理研究,2008(3):271-274.

[11]Bucaley J.FuzzyHierarchicalAnalysis[J].Fuzzy Sets Syst,1985(1):233-247.

[12]Chen S M, Wang C H.FuzzyRiskAnalysisBasedonRankingFuzzyNumbersUsinga-cuts,BeliefFeaturesandSignal/noiseratios[J].Expert Systems with Applications,2009(3):5576-5581.

[13]Chen S J, Hwang C L.FuzzyMultipleAttributeDecisionMaking,MethodsandApplications[C]//Lecture Notes in Economics and Mathematical Systems, New York: Springer,1993:375.

[14]Chiou H K, Tzeng G H.FuzzyHierarchicalEvaluationwithGreyRelationModelofGreenEngineeringforIndustry[J].Int J Fuzzy Syst,2001(3): 66-75.

[15]Wu H Y, Tezng G H, Chen Y H.AfuzzyMCDMApproachforEvaluatingBankingPerformanceBasedonBalancedScorecard[J].Expert Systems with Applications,2009(6):135-147.

[16]Yang J B, Xu D L.OntheEvidentialReasoningAlgorithmforMultipleAttributeDecisionAnalysisunderUncertainty[C]//IEEE Transaction on System,Man and Cybernetics,2002(3):289-30

[責(zé)任編輯唐華生]

EvaluationofComputerTrainingPlatformBasedonFAHPandER

FU Jian-min1，LIU Yin2, SONG Bei-bei1

(1. Computer Science and Technology Department of Anhui Industry and Economy Technical and Vocational College, Hefei Anhui 230051,China; 2. Resource and Environment Engineering of Hefei Industry University, Hefei Anhui 230009, China)

The choices of computing platform affect the development of college occupation education directly. This paper extended the index weight， which in the evidence reasoning method， to triangular fuzzy number. It built a Multiple Attribute evaluation model concerning both of quantitative and qualitative. What's more, it certified that cloud platform is better than traditional platform and virtual platform. Firstly, this paper introduced the concepts of cloud, traditional and virtual platforms. Secondly, it pointed out the computer platform evaluation model based on FAHP and ER, which considering the fuzziness and uncertainty in the decision-making process. At last, it uses the preceding model to estimate the synthesized performances of the three platforms and proved the effectiveness and advancement of this model and the cloud platform.

cloud platform;multiple attribute decision making;fuzzy hierarchy analysis method; evidence reasoning

2012-11-26

中石化海相前瞻性項目(YPH08112)；安徽省教育廳高校自然科學(xué)研究項目“云計算在地質(zhì)礦產(chǎn)勘查中的應(yīng)用”(KJ2011B22)；安徽省教育廳高校教學(xué)質(zhì)量與教學(xué)改革工程項目(20110146)

付建民(1954—)，男，河北藁城人.副教授，碩士，主要從事計算機(jī)網(wǎng)絡(luò)及應(yīng)用研究.

TP399

A

1674-5248(2013)02-0061-07