综合评价(comprehensive evaluation，CE)是指对被评价对象所进行的客观、公正、合理的全面评价，具有广泛的应用前景。经典的综合评价过程包括建立评价指标体系、指标值预处理、确定指标权重和评价信息集结。其中评价信息的集结是一个重要的环节，目前常用的集结方法包括基于指标值性能、基于指标值位置和基于指标值分布的集结方法。常用的算子包括算术平均(AA)算子、几何平均(GA)算子、极大(Max)算子、极小(Min)算子、中位数算子、众数算子、加权算术平均(WAA)算子、加权几何算术平均(WGA)算子和有序加权平均(OWA)算子。　　与上面提到的几种算子不同，密度加权平均(DWA)中间算子考虑数据本身疏密的特点，一经提出受到广泛的重视。本文考虑密度算子本身的特点，能够应用于人员考核中，对于人员选拔具有重要的应用价值。基于此提出了具有奖惩特征的密度算子，对密度算子在人员选拔的应用领域进行扩展。与以往的人员考核采取静态一次加权的评价方法不同，该算子采取静态二次加权的方法。同时由于该算子不考虑评价指标的权重，通过指标值所体现的信息进行赋权，避免由于经常使用一次加权法而导致被评价对象对评价指标有所预期，从而走“捷径”导致“畸形发展”。　　本文主要的研究工作如下:　　(1)基于密度算子的特点，构建了具有奖惩特征的密度算子。首先，根据评价者的奖惩态度和经验确定奖惩等级的个数和奖惩因子，并对整个数据区间划分奖惩等级;其次，确定等级权重。引入奖惩态度因子，同时根据不同等级的密度确定不同奖惩等级的权重;最后，对于落入不同等级内的各指标值，通过相应的贡献值或损失值确定各指标值的权重，并对整个结果进行集结。　　(2)研究不同等级划分方法对最终的评价结果的影响。采用平均划分，递增阶梯划分、递减阶梯划分、体现“中间大两边小”和体现“中间小两边大”的等级划分方法，对具有奖惩特征的密度算子模型进行说明。同时对结果进行分析与比较，总结出不同划分方法的特点。　　(3)研究评价者的奖惩态度对最终的评价结果的影响。对不同奖惩等级划分方法中的奖惩因子进行敏感度分析，采用Matlab软件进行模拟，得出不同的划分方法中奖惩因子对结果的影响程度。