杨 亮，杜红梅，张 镭，王秀同

(装备学院 a.研究生院;b.航天指挥系，北京 101416)

科技项目评审专家绩效评价涉及多个评价指标，属于高维数据处理问题。传统的方法多采用加权评判，即对各项指标人为赋予权重，来进行模糊综合评判。评判过程中不可避免地涉及权重选取上的人为干扰，导致评价结果有出入。论文将基于实数编码的加速遗传算法(RAGA)与投影寻踪模型(PPE 模型)有机结合，通过RAGA 优化PPE 模型中的投影方向参数，完成高维数据向低维空间的转换，即将每个样本的多个评价指标拟1 个综合指标，然后按投影值进行排序与识别，从而实现对专家的绩效评价。与常规综合评价模型过于形式化、数学化的特点相比，投影寻踪聚类具有可直接由样本数据驱动来探索数据的优点，即在评价过程中不必预先给定评价指标的权重，即可以自行搜索产生，这样就能有效解决传统评价活动中主观赋权的弊端，最大限度地避免传统评判中权重取值的人为干扰，使评价结果更为准确客观。

1 确定评价指标体系

确定合理的科技项目评审专家绩效评价指标是对专家进行绩效评价的关键。在阅读相关文献［1 -5］的基础上，结合科技项目评审同行专家、专家管理人员和科技项目完成人3 个层次人员的意见初步构建了专家绩效评价指标体系，其指标如下。

1)专家基本能力指标，包括工作年限A1、学位/学历A2、专业技术职称A3、科研课题量A4、发表论文量A5、出版著作量A6、获奖情况A7、专利申请数量A8、科研成果的经济效益和社会效益A9、分析与判断综合能力A10、对本科学领域前沿问题研究的方向把握A11和对专业领域相关法律法规及政策的熟悉程度A12。……