针对高等学校资源优化配置的风险问题,在收集72所高校五年投入产出绩效的基础上,依据实际绩效与平均绩效的偏离度、实际绩效与最大绩效的偏离度以及两种偏离度出现的可能性作为风险影响因素,通过BP神经网络构造风险影响因素与风险之间的非线性函数关系,进而探究所得到的风险的贝叶斯估计,动态评价资源配置过程中可能导致的风险。为了尽可能避免资源配置的不合理性或者损失出现,可考虑把风险控制在合理的范围内,对风险因变量的变化范围,求风险的影响因素自变量的变化范围。采用遗传算法建立风险的控制模型,探究当风险随机变量在某个区间范围内变动时,对应的影响因素的变化域是怎样的。与传统遗传算法模型不同的是,本文的遗传算法模型得到的是预测区间形式的控制域,这种区间估计的形式,更符合现实生活中风险的特点。将贝叶斯估计与遗传算法控制模型应用到高校资源配置风险的研究中,不仅可以管理与监督资源配置过程,而且可以更好地提高资源的使用效率。本文的研究结果为高校资源配置的风险问题提供了有效的评价与控制方法。本文的主要研究工作如下:(1)把风险定义为由多因素随机变量及其发生的可能性综合影响下的随机变量。其中,多因素随机变量是指在高等院校资源配置的风险问题中获取的绩效与平均绩效的偏离度、绩效与最大绩效的偏离度,这两种偏离度及它们发生的可能性共同作用引起了风险。(2)采用K-Means聚类算法得到风险的综合等级,然后利用BP神经网络构建风险等级与影响因素之间的非线性关系f。(3)把风险作为随机变量,考虑风险预测可能受到风险分布变化的影响,利用映射f及历年风险影响因素数据,采用贝叶斯的方法探究风险的先验分布和后验分布,不断更新风险的后验分布,可以反映预测风险的可能变化,通过求解风险分布参数的贝叶斯估计,得到2007-2011五年72所高校资源配置风险的贝叶斯估计,并比较了估计误差。(4)建立随机风险的优化控制模型,即设定风险以一定概率在期望范围变化,应用遗传算法,求解影响风险变量的相应取值范围,形成多维优化控制域,并对已知风险控制条件下的控制域进行了检验与分析。