评价已经深入到人们生活的各个方面，因此对评价方法的研究显得至关重要。我们认为评价是人的一种智能活动，由于被评对象往往受各种不确定性因素的影响，而模糊性又是其中最为主要的。因此将模糊数学这种人工智能的工具应用于评价就显得非常自然和必要。　　本文一方面将模糊数学应用于一种常用的评价方法——数据包络分析（DEA），提出了一类DEA模型（BCC模型）的一般形式，解决了以往DEA模型只能面向输入或面向输出这一局限性，建立了一种能够测算决策单元同时面向输入和输出时的相对有效性的DEA模型。并且选择不同的隶属函数可使模型具有不同的侧重点，使模型能更好地反映评价的实际。　　另一方面对传统的模糊综合评价模型进行改进，提出两种改进模型。一是改进了模糊矩阵合成算子，该算子具有非线性形式，它既能保留所有的评价信息，又可以弥补线性加权平均型算子存在的不足。二是将ULSI神经元模型融入到模糊综合评价中，提出基于ULSI神经元的模糊综合评价模型，该模型解决了在模糊综合评价中模糊矩阵合成算子的选取问题以及权重设定的主观性等问题，使得评价过程更为简单，评价结果更为客观。