原创《基于GA—BP算法非营利组织绩效评价模型实证》：这篇非营利组织论文范文为免费优秀学术论文范文,可用于相关写作参考。
摘 要：本文在分析进行非营利组织绩效评价意义的基础上,基于建立指标体系的基本原则,构建了非营利组织绩效评价指标体系（包括三层结构、21个指标）,并利用GA-BP算法建立了非营利组织绩效评价模型,并以收集到的样本为例,对该模型进行了实证研究,表明了该方法的有效性.
关键词：遗传神经网络算法 非营利组织 绩效评价 研究
非营利组织的公益性质引起了社会对其经营实践的必要关注,非营利组织的绩效水平成为政府、企业和社会公众关注的目标,许多学者也开始研究非营利组织绩效评价问题[2-4].非营利组织绩效评价是一个新兴的课题,和企业绩效评价相比,非营利组织的绩效评价具有评价对象的特殊性、复杂性、多元性、开放性、公益性等特征[5],这给非营利组织的绩效评价带来了评价指标存在主观片面性、评价指标难以量化等问题.作者试图引入量化的方法对非营利组织的绩效进行评价,希望在非营利组织绩效评价问题上有所创新.
1.非营利组织绩效评价指标体系
由于非营利组织涉及的领域和行业非常广泛,并且它们之间都有一定的区别,为了对非营利组织绩效评价进行充分的说明,作者选取了公立非营利性医院做为研究对象.根据我国非营利性医院的目前情况,遵循指目的性原则、既全面又精简的原则、科学性原则、可测性原则和代表性原则,借鉴国内外非营利性医院绩效评价已经取得的成果,综合考虑非营利性医院的特点,本文对非营利性医院绩效评价指标体系进行了设计（见图1）.该指标体系分成 ,其中二级指标5个, 指标21个.
2、基于GA-BP的非营利组织绩效评价模型的构建
遗传算法和神经网络都是将生物学原理应用于科学研究的仿生学理论成果.在非营利组织绩效评价过程中,为了使评价结果有效,且能达到最优解,作者采用了遗传算法和神经网络相结合的评价方法,并建立了GA-BP评价模型.
2.1 原始数据的预处理
由于Sigmoid函数,要求输入输出到神经网络的数据要以[0,1]之间的数据形式表示.因此,要求专家在对定性指标的打分处在区间[0,1],然后运用简单算术平均法计算每个指标的最终值.对其他定量指标.作者采用比例压缩法对其进行标准化,即： .式中：T为标准化后的数据,介于区间[0,1]；X代表原始输入值；Xmin表示原始数据中最小值；Xman表示原始数据中最大值.
2.2 神经网络的结构及各参数的选取
（1）网络结构的确定.对非营利组织绩效评价,作者采用三层BP神经网络,21个输入,1个输出,通过测试比较选取隐含层神经元为12个.因此,非营利组织绩效水平评价的BP神经网络就是一个21-12-1的神经网络.
（2）参数的选取.群体规模n等于20；交叉概率PC等于0.8；变异概率Pm等于0.04；最大迭代次数N等于2000；学习率η等于1.05；η’等于0.7；指定的最小学习误差ε等于 0.0001.
2.3 遗传算法确定BP神经网络的初始权重[6,7]
（1）编码和群体初始化.对本论文研究的非营利组织绩效水平来说,有21个输入单元,12个隐含单元,1个输出单元,再加上隐含层和输入层单元的阈值,每个个体共有共有21×12+12×1+12+1等于277个,每个实数范围为（0,1）.初始群体由40个个体组成,对样本个体实施单一化处理,即把相同的个体单一化,不允许群体中有若干相同个体出现.至此,群体初始化完成.每个个体的数学表达式如下：
, ,
（2）适应度函数的确定.适应度函数选取为： , ,其中： 为染色体数；P为输出层节点数； 为学习样本数； Tk为期望输出.
（3）选择继承.在这里,作者选用比例选择法（Proportional Modal）,比例选择法也可称为 赌选择（Roulette Wheel）,是一种回放式随即采用的方法.其基本思想是：每个个体被选中的概率和其适应度大小成正比.评价各个权值及阈值,对适应度为 的个体赋予其选择概率 , .
在实际的训练中,一般都是将适应度最大的个体直接遗传给下一代.
（4）交叉和变异.我们采用算术交叉（Arithmetic Crossover）来实现交叉过程.在前面介绍有关遗传算法的有关知识时,曾提到：两个个体 , 为双亲作基因链码的交叉,产生两个新个体 , 作为它们的后代. .式中：α为一参数,它可以是一个常数,此时所进行的交叉运算称为均匀算术交叉；它也可以是一个由进化代数所决定的变量,此时所进行的交叉运算称为非均匀算术交叉.
（5）重复或停止.转至适应度函数的确定重新进行训练,终止条件为群体适应度趋于稳定,或误差小于某一给定值,或运算已到达预定的进化代数（一般建议的取值范围是100～1000,本文取200）.
（6）执行BP算法.在跳出遗传算法的时候,已经选定了最优的那个个体,把这个个体进行解码,从而得出一个权值（和阈值）集合,这个集合对应一组权值（和阈值）.例如得到一个个体 ,分别对应不同层的不同神经元的权值及其阈值,然后再根据一种预测效果好的BP训练算法进行网络训练,计算其误差,并不断修改其权值和阈值,BP算法的运行终止条件为误差（实际输出和期望输出之间的差值的绝对值）小于某一给定值,或运算已达到预定的迭代次数,最后若满足精度要求,则结束BP算法.若不满足要求,则跳出BP过程,再回到遗传算法过程,进行继续寻找最优解的工作.
3.非营利组织绩效评价实证研究
3.1 数据选取
本文拟取河南省非营利综合性“ 甲等”医院2006年相应的数据,以其中15组数据作为样本来训练网络,5组数据用来检验,从而得到训练好的非营利性医院绩效评价模型.然后将某市人民医院2007年相应指标输入训练好的模型,得到评价结果.
非营利组织论文参考资料：
结论：基于GA—BP算法非营利组织绩效评价模型实证为大学硕士与本科非营利组织毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写什么是非营利组织方面论文范文。
