数学建模优秀论文基于层次分析法的模糊综合评价模型

承诺书

我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.

我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。

我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。

我们参赛选择的题号是（从A/B/C/D中选择一项填写）：

我们的参赛报名号为（如果赛区设置报名号的话）：

所属学校（请填写完整的全名）：广东金融学院

参赛队员(打印并签名) ：1. 曾彬

2. 曾庆达

3. 陈佳玲

指导教师或指导教师组负责人(打印并签名)：

日期： 2013 年8 月 22日

赛区评阅编号（由赛区组委会评阅前进行编号）：

编号专用页

赛区评阅编号（由赛区组委会评阅前进行编号）：

全国评阅编号（由全国组委会评阅前进行编号）：

高校学生评教系统改进的研究

摘要

本文是研究关于高等学校学生评价教师的评价系统问题，用层次分析法确定了十项指标的权值,并给出了一个新的评教分数的计分模型-模糊综合评价模型。

本文亮点在于采用基于层次分析法的模糊数学模型。

首先，建立层次分析模型，充分考虑每个指标对综合评价的贡献，并把贡献按权值进行分配；通过层次分析法中的归一化处理，得到两两指标间的相对重要性的定量描述，从而解决不同指标间的差异。

其次建立模糊综合评教模型，输入一组专家（同学）的模糊评价，通过最大隶属度原则把模糊评价输出为综合评价。

最后本文在难易程度不同的课程下（在专业必修课，专业选修课，公共选修课下进行评价），得出同一教师的综合评价，发现其在不同课程下的综合评价均相同。于是得出结论，该模型的确能解决不同课程难易程度带来的对总体评教的影响。因为一个教师的综合教学质量并不应该在不同的课程下得到变化较大的评教。因此本文建立的模型能够有效地解决不同课程难易程度带来的差异。

关键词：层次分析法归一化模糊综合评价模型实例分析

一问题重述

随着我国高等教育改革的深入发展,教育质量越来越受到人们的重视,"学生评教"作为一个重要的教学管理手段,也逐步被采用,并且取得了一定的效果。学生评教是学生结合自己的感受对教师课堂教学效果进行客观评价，其目的是凸显学生在高校教学中的地位,也是学生行使自己的权利，维护个人权益的途径之一；同时让教师能及时了解自己教学的优点、弱点及不足,进行自我完善，是不断改进教学方法、提高教学质量的动力来源。

目前绝大多数高效都采用了网络评教系统，其具体评教方法是学生对其任课教师按每个固定指标评分，分值为1～10分。不区分具体课程，将该教师的所有学生在每项内容上的评分作简单的算术平均即得到单项分值，将十个单项分值直接求和即得到最终的评教总评分。但是此计分方式都或多或少存在以下几个问题:

1．不同指标的差异带来的评价不实。

2．不同课程的难易程度带来的评价不公。

本文根据背景资料，建立了数学模型并研究了以下问题：

设计一种更加合理的评教分数的计算方法，能够有效改变指标间的差异和课程带来的差异对总评分数的影响。

二问题分析

问题要求我们建立新的评教分数的计分方法来解决不同指标的差异以及不同课程难易程度对总体评教的影响。

2.1原模型的缺陷

题目所给的评教模型之所以会出现弊端一，是因为其模型是基于其计分方式是对10个指标进行加权平均所得的平均值作为评价的量化指标，并默认这10

个指标对总体分数的贡献是一样的，即权重都是0.1.这种模型并没有考虑的指标间的差异使得有些指标的加权均值并不能反映实际状况，比如对于指标E（教学方法得当，能够激发学生的学习兴趣；）、I（关爱学生、师生关系融洽）此类受主观感受影响较大的指标，加权平均的思想并不是一种合理的定量方式。并且在现实中，不同专业背景的同学对10个指标的重视程度不一样，也就是10个指标的权重是不一样的。

同理，弊端二产生的原因也是因为其原来的计分方式带来的，因为不同的课程难易程度不同，如果只是简单地以1-10为等级进行打分，然后求其平均值，必然会使得同学在评价难的课程时普遍打低分，使得其总体平均分也较低。而对易的课程普遍打高分，使得总体平均分也较高。比如一个本来很优秀的老师在较难的课程中得到一个较差的综合评价。这样的计分方式使得不同难易程度课程的评价结果不实，使得教评产生不公平。

2.2问题解决思路

对于教师的评价不应该绝对化，不应该用孤立的标准去量化计算，而应该用一定的对比与参照，否则单纯的一个数值结果很难为评估其教学质量提供直接的帮助。鉴于此，本文摒弃原来的计算分数的方法，尝试建立一个新的量化评教模型-基于层次分析法的模糊综合评价模型。

为了解决不同指标间的差异，本文尝试建立层次分析模型，用层次分析法把每个指标进行分类，然后两两比较求出指标间的相对关系

建立的模糊综合评价模型，利用了隶属度函数量化十个指标的模糊关系，使得对十个指标的评价能做出定量化表达，从而解决不同指标间的差异带来对总体评教的影响。

对于弊端二，在模糊综合评教模型的基础上建立层次分析法，对指标进行分类，然后在不同课程下确定不同的正互反矩阵从而确定各大类的权重，通过归一化处理，从而解决弊端二不同课程难易程度带来的对总体评教的影响。

三模型假设

1、所有学生对教师的评价过程不带任何感情色彩，均能做出实际客观的判断。

2、每个学生的评价能力没有差异。

3、学生均来自同一专业背景

4、假设不存在不参加测评的学生，所有学生均参加测评，且填完所有的项目。

四符号说明

第i个因素。，，，分别表示教

学态度，教学方式，教学效果，教学内容

和对上层目标的影响比

正互反矩阵的最大特征值

CI 矩阵的一致性指标；

RI 矩阵的平均随机一致指标

CR 一致性比率；CR=CI/RI

R准则层的单因素评价矩阵；

正互反矩阵（i=1,2,3,4）

U 教学评价的评价指标集合；

教学评价的评价指标集合内的一级单因素指

标；

V 教学评价的评价等级集合

评价评语集合内的单评价等级因素

准则层评价矩阵

模糊关系子矩阵（i=1，2, 3, 4）

R 模糊关系总矩阵

表示第i个评价因素对第j个评价等级的隶

属度

S 专业必修课下的模糊评判集

W 专业必修课下的权向量

专业选修课下的权向量

公共选修课下的权向量

专业选修课下的模糊关系子矩阵（i=1,2,3,4）

公共选修课下的模糊关系子矩阵（i=1,2,3,4）

专业选修课下的模糊评判集

公共选修课下的模糊评判集

表一

五模型的建立与求解

5.1 通过层次分析结构模型建立评教综合体系指标

首先对10个指标进行分层，将决策问题分为3个层次：目标层O，准则层C，方案层P；每层有若干元素。如图（一）所示。

图一

其中，目标层为：学生评教；

准则层：教学态度、教师方式、教学效果、教学内容

方案层：指标ABCDEFGHIJ

首先分析准则层对目标层的影响，本文把10个指标分成4类，所以设有n 个因素(,,,,)（分别构成教学态度、教学方式、教学效果、教学内容），用表示和对上层目标的影响比。

定义

相对重要：

1 若 xi 等价于xj: 赋值 1

3 若 xi 比xj 重要 : 赋值 3

5 若 xi 比xj 重要得多: 赋值 5

7 若xi 是强烈重要的

9 若xi 是最重要的

2,4,6,8 重要程度等级介于 xi 和 xj 之间

1/2,1/3,…,1/9 对应于以上等级的xi 和xj 之间的关系

表(二) 相对重要程度取值情况

首先我们把课程锁定在专业必修课上。经过我们对专家（全体同学）对比教育态度、教学方式、教学效果、教学内容的咨询，可近似得到以下系数：= 1:3 = 1:4 = 1:3

= 1:2 = 1:1 =2:1

从而得到正互反矩阵：

A= 1 1/3 1/4 1/3

3 1 1/2 1

4 2 1 2

3 1 1/2 1

利用MATLAB 语言求矩阵A 的最大特征值得：λ = 4.0206 ；

对正互反矩阵进行一致性检验，采用T .L . Saaty 一致性指标：

CI = (λ-n)/(n-1)

根据Saaty 的随机一致性指标表格

n 1 2 3 4 5 6 7 8 9 10 11

RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51

得RI=0.90

一致性比例 CR= CI/RI =0.0069/0.90=0.0076<0.1 ,即通过了一致性检验。

，得到权向量

对于阶数较高的矩阵特征向量，如果矩阵正互反阵，可以由下面三种简便的

近似方法计算其特征根和特征向量。

幂法：

Step1任取n 维归一化初始向量)0(w .

Step2计算Λ,2,1,0,~~)()1(==+k w A w

k k . Step3)1(~+k w 归一化，即令()()∑=+++=n i k i

k k w w w 1

11)1(~~. Step4对于预先给定的精度ε，当),,2,1()()1(n i w w k i k i Λ=<-+ε时，)1(+k w 即为所

求的特征向量；否则返回Step2.

Step5计算最大特征根∑=+=n i k i

k i

w w n 1)()1(~1λ. 和法：

Step1将A 的每一列向量归一化得∑==n i ij

ij ij a a w 1

~. Step2对ij w ~按行求和得∑==n

i ij i

w w 1~~.

Step3将i w ~归一化()T n n i i i i w w w w w w w ,,,,~~211

Λ==∑=. Step4计算∑==n i i

i w Aw n 1)(1λ，作为最大特征根的近似值. 这个方法实际上是将A 的列向量归一化后取平均值，作为A 的特征向量。因

为当A 为一致阵时，它的每一列向量都是特征向量，所以若A 的不一致性不严重，

则取A 的列向量（归一化后）的平均值作为近似特征向量是合理的。

根法：

Step1将A 的每一列向量归一化得∑==n i ij

ij ij a a w 1

~. Step2对ij w ~按行求积并开n 次方，即n n j ij i w w /11~~???? ??=∏=.

Step3将i w ~归一化()T n n i i

i i w w w w w w w ,,,,~~211

Λ==∑=. Step4 计算∑==n i i

i w Aw n 1)(1λ，作为最大特征根的近似值. 经过MATLAB 进行归一化处理，得到标准化特征向量（权向量）：

W =（ 0.0886，0.2389，0.4337，0.2389 ）

即当前同学们在专业课必修上，对教育态度、教育方式、教育效果、教育内容重

视情况为 （0.0886，0.2389，0.4337，0.2389）。

下面开始构造方案层对准则层的每个准则的正互反矩阵

1）AHI 对E1的正互反矩阵

2）CD 对E2的正互反矩阵

3) GEF 对E3的正互反矩阵

4）J B 对E4的正互反矩阵

同理对以上矩阵做一致性比例处理，发现 CR 均<0.1 ,即都通过了检验

5.2建立 模糊综合评价模型

{}m u u u U ,,,21Λ=，（m=10）

（i=1，2，…，10）分别对应指标ABCDEFGHIJ

{}n v v v V ,,,21Λ==，其中 分别表示差，普通，中，良，优秀。

权重反映各评价指标在综合评价中的重要性程度，且

为了提高模型的精度，本模型利用前面的层次分析模型得出的权重（权向量）

W=( 0.0886，0.2389，0.4337，0.2389 )

5.2.4 输入一组专家（同学）评教意见确定评价矩阵R

假设我们通过调查得到20个同学对教师的10个指标的单因素评价的结果。

如下表所示：

表（三）

根据表（三）的信息，用得分处以50作为隶属度，可得E1的单因素评价矩阵 = 0 0.2 0.44 0.3 0.06

0.04 0.24 0.34 0.2 0.18

0.1 0.16 0.28 0.26 0.2

= 0.04 0.24 0.4 0.22 0.1

0 0.18 0.42 0.32 0.08

0.02 0.06 0.22 0.56 0.24

= 0.1 0.18 0.32 0.28 0.12

0 0.04 0.34 0.32 0.2

= 0.02 0.2 0.3 0.3 0.18

0.06 0.16 0.32 0.34 0.12

=* = （ 0.039316 0.2119 0.35933 0.24283 0.14662）

= *= ( 0.03 0.225 0.405 0.245 0.095 )

= *= ( 0.059186 0.12118 0.30379 0.34832 0.16438)

= * =( 0.05 0.17 0.315 0.33 0.135 ) 由各个模糊关系子矩阵得出模糊关系总矩阵

0.039316 0.2119 0.35933 0.24283 0.14662

= 0.03 0.225 0.405 0.245 0.095

0.059186 0.12118 0.30379 0.34832 0.16438

0.05 0.17 0.315 0.33 0.135

通过权系数矩阵W 与评价矩阵R 的模糊变换得到模糊评判集S 。设

m j W ?=1)(μ，n m ji r R ?=)(那么

其中“。”为模糊合成算子。进行模糊变化时要选择适宜的模糊合成算子，本文

选择最优的),(⊕?M 算子， n k r s m j jk j k ,,2,1,,1min 1Λ=???

? ??=∑=μ 将层次分析法算出的权向量W ，以及评价矩阵R 带入得出模糊评价集，经运算

得：

S= W 。 R= (0.048264 0.1657 0.3356 0.30995 0.13923)

模糊评判集()n S S S S ,,,21Λ= 中i S 为等级i v 对模糊评判集S 的隶属度，按最

大隶属度原则得出综合结论，即()n S S S M ,,max ,21Λ=，M 所对应的元素为综合评价结果。

S= (0.048264 0.1657 0.3356 0.30995 0.13923)

易看出第三个指标值最大 ，所以该教师在此课程为专业基础课下的综合评价为“中” 。

至此，模型构建完毕。只要输入一个如表所示的调查表，即可通过该模型得到某位教师的综合评价。

5.3 模型的检验

弊端一已经由层次分析法的归一化解决了，为了检验本文建立的模糊综合评价模型能够解决第二个问题，即不同课程难易程度带来对总体评教的影响，接下来本文构建不同难易程度的课程：专业课必修课，专业选修课（前文已经构建完模型并已分析 ），专业公选课（难度：专业必修课>专业选修课>公共选修课），分析同一位教师在不同课程下是否得到相同的评价。

5.3.1 同一位教师在专业选修课下，层次分析法的构建

我们在专业选修课下，得出近似系数：

= 1/3 = 1/2 = 1/3

= 2 = 1 = 1/2

从而得到正互反矩阵：

1 1/3 1/

2 1/3

= 3 1 2 1

2 1/2 1 1/2

3 1 2 1

层次单排序及其一致性检验：

利用MATLAB A 的最大特征值得： = 4.0104

根据Saaty 的随机一致性指标表格

n 1 2 3 4 5 6 7 8 9 10 11

RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51

得RI=0.90

一致性比例：CR= CI/RI =0.0035/0.90=0.0039<0.1 ,即通过了一致性检验。 得到标准化特征向量（权向量） =（ 0.1091，0.3509，0.1891，0.3509 ）。 即当前同学们在专业课选修上对教育态度、教育方式、教育效果、教育内容重视情况分别为 （0.1091，0.3509，0.1891，0.3509）

，所以模糊关系总矩阵是不变的。

模糊关系总矩阵：

0.039316 0.2119 0.35933 0.24283 0.14662

= 0.03 0.225 0.405 0.245 0.095

0.059186 0.12118 0.30379 0.34832 0.16438 0.05 0.17 0.315 0.33 0.13 做出综合评价分析

=R = （0.043553 0.18464 0.3493 0.29413 0.12779）

以最大隶属度原则，容易看出，第三个指标最大，所以该教师的综合评价也为“中”。

5.3.2 同一位教师在公共选修课下，层次分析法的构建

我们在公共选修课下，得出近似系数：

= 1/2 = 1 = 1/2

= 2 = 1 = 1

从而得到正互反矩阵：

1 1/

2 1 1/2

= 2 1 2 1

1 1 1 1/2

2 1 2 1

层次单排序及其一致性检验

利用MATLAB语言求矩阵A的最大特征值得：= 4.2361 ；

根据Saaty的随机一致性指标表格

n 1 2 3 4 5 6 7 8 9 10 11

RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51

得RI=0.90

一致性比例CR= CI/RI =0.0787/0.90= ,即通过了一致性检验。

得到标准化特征向量（权重）W =（0.1604 0.3207 0.1982 0.3207）

即当前同学们在专业课必修上，对教育态度、教育方式、教育效果、教育内容重视情况为（0.1604 0.3207 0.1982 0.3207）

，所以模糊关系总矩阵是不变的

模糊关系总矩阵：

0.039316 0.2119 0.35933 0.24283 0.14662

= 0.03 0.225 0.405 0.245 0.095

0.059186 0.12118 0.30379 0.34832 0.16438

0.05 0.17 0.315 0.33 0.13

做出综合评价分析

=R == （0.043693 0.18468 0.34875 0.29239 0.12986）

以最大隶属度原则，容易看出，第三个指标最大，所以该教师的综合评价也为:“中”。

5.4综合评价

综上所述，通过实例分析，同一位教师在不同课程下的评价均为中，即其教学综合评价并不因为不同课程的难易程度而发生改变，说明本文构建的模糊综合评价模型能够既能够解决指标间的差异带来的对总体评价的影响，又能够解决不同课程难易程度不同带来的对总体评教的影响。

六模型优化与评价

该模型充分结合了评价教师的十个指标之间的模糊关系、指标影响力的模糊性以及指标等级的模糊性等特点，运用模糊数学知识合理地采用模糊综合分析对

教师评价的指标进行乐比较精确的分析。

优点：本模型不同于传统的模糊综合评价模型。为了弥补传统模糊分析的权重定义由人为评定，导致权重的赋值偏于主观性这一不足之处，将模糊综合分析的基本模型结合层次分析法来进行指标的分类与确定权重。尽管层次分析法判断矩阵的定义也有一定的主观性，但是其基于的数学知识具有很高的理论基础，而且逻辑缜密，用此方法能够客观的算出各个指标的权重从而消除不同指标间的差异。此外，在最后的评价中，本模型采取简单易行的最大隶属度的原则来得到综合评价。

缺点：虽然最大隶属度的方法简单易行，但是由于数据的有限性以及在缺少相应的大样本下，最大隶属度的方法很难发挥其原有的优势。

优化：在缺少样本数据的情况下，可以采用等级分值化的方法，构造基于正态分布的隶属度函数来求出综合评价的具体分值，虽然隶属度函数计算较复杂麻烦，但是在缺少样本数据的情况下，未必不失为一个好方法。

总之，应用模糊综合评判法对教学评价质量进行评判，可以避免许多主观因素的干扰，一方面能将定性分析问题转化为定量分析，并且可利用计算机编程计算；另一方面使评价结果更科学、公正，为提高教学评价质量提供了可信的依据。

教师评价是教学环节中一项重要的工作，在评价过程中不可避免地存在大量的模糊性等不确定性因素，为了更客观、公正、恰当地给出相应的评价，以便促进课堂教学质量的提高。本文给出了一种模糊综合评判方法，并以具体的实例验证和说明了该方法的有效性和可行性。

八参考文献

1. 朱元昌《模糊综合评判法在课堂授课质量评价中的应用》第20卷第一期，南京理工大学学报（社会科学版） 2007

2. 林盛，谭亦鹦《层次分析法和模糊评价在选择房地产代理商中的应用》第36卷，河北工业大学学报，2007

3. 何亚光《课堂教学质量的模糊综合评价》

4. 不详《评价模型》

5. 胡明甫《AHP层次分析法及MATLAB的应用研究》第二期，钢铁技术，2004

6.朱丛书《高校教师教学质量学生评估模型的实证研究》第32卷，第4期，长江大学学报 2009年8月

7.史琪立张俊淞付敏吕丹《基于层次分析法和熵值法的学生评教模型》第13期， SCIENCE&TECHNOLOGY INFORMATION 2013

九附录

1.用MATLAB求正互反矩阵a的特征值和特征向量：

[b c]=eig(a);%取a最大特征值对应的特征向量a1，并对a1进行归一化

2.归一化求权重的matlab程序：

d=a1;

[n,m]=size(d);

B=zeros(n,m);

for i=1:m

B(:,i)=d(:,i)/sum(d(:,i));

end

B

数学建模之层次分析法

第四讲层次分析法 在现实世界中，往往会遇到决策的问题，比如如何选择旅游景点的问题，选择升学志愿的问题等等。在决策者作出最后的决定以前，他必须考虑很多方面的因素或者判断准则，最终通过这些准则作出选择。 比如选择一个旅游景点时，你可以从宁波、普陀山、浙西大峡谷、雁荡山和楠溪江中选择一个作为自己的旅游目的地，在进行选择时，你所考虑的因素有旅游的费用、旅游地的景色、景点的居住条件和饮食状况以及交通状况等等。这些因素是相互制约、相互影响的。我们将这样的复杂系统称为一个决策系统。这些决策系统中很多因素之间的比较往往无法用定量的方式描述，此时需要将半定性、半定量的问题转化为定量计算问题。层次分析法是解决这类问题的行之有效的方法。层次分析法将复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。 一、建立系统的递阶层次结构 首先要把问题条理化、层次化，构造出一个有层次的结构模型。一个决策系统大体可以分成三个层次： （1） 最高层（目标层）：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果； （2） 中间层（准则层）：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则； （3） 最低层（方案层）：这一层次包括了为实现目标可供选择的各种措施、决策方案等。 比如旅游景点问题，我们可以得到下面的决策系统： 目标层——选择一个旅游景点 准则层——旅游费用、景色、居住、饮食、交通 方案层——宁波、普陀山、浙西大峡谷、雁荡山、楠溪江 二、构造成对比较判断矩阵和正互反矩阵 在确定了比较准则以及备选的方案后，需要比较若干个因素对同一目标的影响，从额确定它们在目标中占的比重。如旅游问题中，五个准则对于不同决策者在进行决策是肯定会有不同的重要程度，而不同的方案在相同的准则上也有不同的适合程度表现。层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的

数学建模综合评价方法

所谓指标就就是用来评价系统的参量.例如,在校学生规模、教学质量、师资结构、科研水平等,就可以作为评价高等院校综合水平的主要指标.一般说来,任何—个指标都反映与刻画事物的—个侧面. 从指标值的特征瞧,指标可以分为定性指标与定量指标.定性指标就是用定性的语言作为指标描述值,定量指标就是用具体数据作为指标值.例如,旅游景区质量等级有5A 、4A 、3A 、2A 与1A 之分,则旅游景区质量等级就是定性指标;而景区年旅客接待量、门票收入等就就是定量指标. 从指标值的变化对评价目的的影响来瞧,可以将指标分为以下四类: (1)极大型指标(又称为效益型指标)就是指标值越大越好的指标; (2)极小型指标(又称为成本型指标)就是指标值越小越好的指标; (3)居中型指标就是指标值既不就是越大越好,也不就是越小越好,而就是适中为最好的指标; (4) 区间型指标就是指标值取在某个区间内为最好的指标. 例如,在评价企业的经济效益时,利润作为指标,其值越大,经济效益就越好,这就就是效益型指标;而管理费用作为指标,其值越小,经济效益就越好,所以管理费用就是成本型指标.再如建筑工程招标中,投标报价既不能太高又不能太低,其值的变化范围一般就是 (10%,5%)-+× 标的价,超过此范围的都将被淘汰,因此投标报价为区间型指标.投标工期既不能太长又不能太短,就就是居中型指标. 在实际中,不论按什么方式对指标进行分类,不同类型的指标可以通过相应的数学方法进行相互转换 8、2、4 评价指标的预处理方法 一般情况下,在综合评价指标中,各指标值可能属于不同类型、不同单位或不同数量级,从而使得各指标之间存在着不可公度性,给综合评价带来了诸多不便.为了尽可能地反映实际情况,消除由于各项指标间的这些差别带来的影响,避免出现不合理的评价结果,就需要对评价指标进行一定的预处理,包括对指标的一致化处理与无量纲化处理. 1.指标的一致化处理 所谓一致化处理就就是将评价指标的类型进行统一.一般来说,在评价指标体系中,可能会同时存在极大型指标、极小型指标、居中型指标与区间型指标,它们都具有不同的特点.如产量、利润、成绩等极大型指标就是希望取值越大越好;而成本、费用、缺陷等极小型指标则就是希望取值越小越好;对于室内温度、空气湿度等居中型指标就是既不期望取值太大,也不期望取值太小,而就是居中为好.若指标体系中存在不同类型的指标,必须在综合评价之前将评价指标的类型做一致化处理.例如,将各类指标都转化为极大型指标,或极小型指标.一般的做法就是将非极大型指标转化为极大型指标.但就是,在不同的指标权重确定方法与评价模型中,指标一致化处理也有差异. (1) 极小型指标化为极大型指标 对极小型指标j x ,将其转化为极大型指标时,只需对指标j x 取倒数: 1j j x x '= , 或做平移变换: j j j x M x '=-,

数学建模模糊综合评价法

学科评价模型（模糊综合评价法） 摘要：该模型研究的是某高校学科的评价的问题，基于所给的学科统计数据作出综合分析。基于此对未来学科的发展提供理论上的依据。 对于问题1、采用层次分析法，通过建立对比矩阵，得出影响评价值各因素的所占的权重。然后将各因素值进行标准化。在可共度的基础上求出所对应学科的评价值，最后确定学科的综合排名。（将问题1中的部分结果进行阐述） （或者是先对二级评价因素运用层次分析法得出其对应的各因素的权重（只选取一组代表性的即可），然后再次运用层次分析法或者是模糊层次分析法对每一学科进行计算，得出其权重系数）。通过利用matlab确定的各二级评价因素的比较矩阵的特征根分别为：4.2433、2、4.1407、3.0858、10.7434、7.3738、3.0246、1 对于问题2、基于问题一中已经获得的对学科的评价值，为了更加明了的展现各一级因素的作用，采用求解相关性系数的显著性，找出对学科评价有显著性作用的一级评价因素。同时鉴于从文献中已经有的获得的已经有的权重分配，对比通过模型求得的数值，来验证所建模型和求解过程是否合理。 对于问题3、主成份分析法，由于在此种情况下考虑的是科研型或者教学型的高校，因此在评价因素中势必会有很大的差别和区分。所以在求解评价值的时候不能够等同问题1中的方法和结果，需要重新建立模型，消除或者忽略某些因素的影响和作用（将问题三的部分结果进行阐述）。 一、问题重述

学科的水平、地位是评价高等学校层次的一个重要指标，而学科间水平的评价对于学科本身的发展有着极其重要的作用。而一个显著的方面就是在录取学生方面，通常情况下一个好的专业可以录取到相对起点较高的学生，而且它还可以使得各学科能更加深入的了解到本学科的地位和不足之处，可以更好的促进该学科的发展。学科的评价是为了恰当的学科竞争，而学科间的竞争是高等教育发展的动力，所以合理评价学科的竞争力有着极其重要的作用。鉴于学科评价的两种方法：因素分析法和内涵解析法。本模型基于某大学（科研与教学并重型高校）的13个学科在某一时期内的调查数据，包括各种建设成效数据和前期投入的数据。 通过计算每一级、每一个评价因素所占的权重，确定某一学科在评价是各因素所占的比重，构建评价等级所对应的函数。通过数值分析得出学科的评价值。需要解决一下几个问题： 1、根据已给数据建立学科评价模型，要求必要的数据分析及建模过程。 2、模型分析，给出建立模型的适用性、合理性分析。 3、假设数据来自于某科研型祸教学型高校，请给出相应的学科评价模 型。 二、符号说明与基本假设 2.1符号说明 符号说明 S——评价数（评价所依据的最终数值） X——影响评价数值的一级因素所构成的矩阵

数学建模定性分析方法解析

定性研究数据采集 定量研究往往具有足够样本量支持，丰富的统计分析技术，可以得出具有一定代表性的结论，但对于某个问题消费者为何如此回答，其所给解释是否是其真实想法，这样的问题便显得有些束手无策了。相对而言，定性技术对数理性的要求低一些，但对消费者动机的深层挖掘要求却更高，更具针对性，因而 与定量研究形成互补。 常规定性研究的方法主要是个别深度访谈与座谈会访谈。其中深度访谈是深层次地挖掘个体的表现特征与背后的原因，而座谈会是利用几个人一起进行头脑风暴（brainstorming）的优势，相互激发、相互启迪， 从而挖掘出深层次的原因。 座谈会（FDG） 座谈会的成功依赖于两个系统，一个是主持人培训系统，一个是被访者约访系统。华通现代建立起专职主持人与研究员水平主持人两个体系。一方面保持几个专职主持人，以利于他们不断提高公司在座谈会主持方面的技术水平，适应一些难度非常大的主持项目；另一方面又更鼓励一部分研究人员掌握主持技巧， 完成常规项目中必须的座谈会需求。 专职主持人的特点是主持技巧水平较高，缺点是研究设计、分析能力弱。必须要研究人员与主持人的高度配合才能够拿出高水平的研究报告。研究员水平的主持人对于一些特别复杂的技巧没有专职主持人那么强，但由于自己完全参与项目设计、数据分析、报告撰写等过程，容易对消费者有特别深入的理解、对数据的理解也会有独到的方面，比较容易出好的研究报告。 深层访谈（In-depth Interview） 深访是一种无结构的、直接的、一对一的访问，在访问过程中，由掌握高级访谈技巧的调查员对调查对象进行深入的访谈，用以揭示对某一问题的潜在动机、态度和情感，此方法最适合于做探测性调查。深层访谈的优点是更能深入地了解被调查者的内心想法和态度；便于对一些保密性、敏感性问题进行调查；能够自由地交换信息，常常会取得一些意外的资料。缺点是调查的无结构性使得这种方法首调查员自身素

(完整版)数学建模之层次分析法

层次分析法 层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较有效地应用于那些难以用定量方法解决的课题。 缺点： （1）层次分析法的主观性太强，模型的搭建，判断矩阵的输入都是决策者的主观判断，往往会因为决策者的考虑不周、顾此失彼而造成失误。 （2）层次分析法模型的内部结构太过理想化，完全分离、彼此独立的层次结构在实践中很难做到。 （5）层次分析法只能从给定的决策方案中去选择，而不能给出新的、更优的策略。 1.模型的应用 用于解决多目标的复杂问题的定性与定量相结合的决策分析。 （1）公司选拔人员， （2）旅游地点的选取， （3）产品的购买等， （4）船舶投资决策问题（下载文档）， （5）煤矿安全研究， （6）城市灾害应急能力， （7）油库安全性评价， （8）交通安全评价等。 2.步骤 ①建立层次结构模型 首先明确决策目标，再将各个因素按不同的属性从上至下搭建出一个有层次的结构模型，模型如下图所示。

目标层 准则层 方案层 目标层：表示解决问题的目的，即层次分析要达到的总目标。通常只有一个总目标。 准则层：表示采取某种措施、政策、方案等实现预定总目标所涉及的中间环节。 方案层：表示将选用的解决问题的各种措施、政策、方案等。通常有几个方案可选。 注意： （1）任一元素属于且仅属于一个层次；任一元素仅受相邻的上层元素的支配，并不是任一元素与下层元素都有联系； （2）虽然对准则层中每层元素数目没有明确限制，但通常情况下每层元素数最好不要超过 9 个。这是因为，心理学研究表明，只有一组事物在 9 个以内，普通人对其属性进行判别时才较为清楚。当同一层次元素数多于 9 个时，决策者对两两重要性判断可能会出现逻辑错误的概率加大，此时可以通过增加层数，来减少同一层的元素数。 ②构造判断（成对比较）矩阵 以任意一个上一层的元素为准则，对其支配的下层各因素之间进行两两比 a重要程度的衡量用Santy的1—9较。得到判断矩阵，再求出各元素的权重。 ij 标度方法给出。即

层次分析报告法在数学建模中的应用

层次分析法在数学建模中的应用 摘要：人们在生活中处理一些决策问题的时候，要考虑的因素有多有少，有大有小，但是 一个共同的特点是它们通常都涉及到经济 、社会、 人文等方面的因素。在作比较、 判断 、 评价、 决策时，这些因素的重要性 影响力或者优先程度往往难以量化，人的主观选择会起 着相当主要的作用，这就给用一般的数学方法解决问题带来本质上的困难。这是就有人提出 了一种能有效地处理这样一类问题的实用方法，称为层次分析法，这是一种定性和定量相结 合的、系统化、层次化的分析方法。以及在对层次分析法的引入基础之上，建立层次分析模 型，并给出了层次分析的求解过程，以及在现实生活中的应用。 关键词：层次分析法；成对比较矩阵；权向量；一致性指标；一致性比率 一． 问题的提出：人们在日常生活中常常碰到许多决策问题：请朋友吃饭要筹划是办家宴还是去饭店，是吃中餐、西餐还是自助餐；假期旅游和科研成果的评价。诸如此类问题面临抉择，就要慎重考虑，反复比较，尽可能满意的决策。 然而人们在处理上面这些决策问题的时候，要考虑的因素有多有少，有大有小，但是一个共同的特点是它们通常都涉及经济社会和人文等方面的因素。在做比较、判断、评价、决策时，这些因素的重要性、影响力或者优先程度难以量化，人的主观选择会起着相当重要的作用。T.L.Saaty 等人在20世纪70年代提出了一种能有效地处理这样一类问题的实用方法，称为层次分析法（简称AHP ），这是一种定性和定量相结合的、系统化、层次化的分析方法。 二． 层次分析法的基本步骤 1.将决策问题分解为三个层次。最上层为目标层，最下层为方案层，中间层为准则层。 2.通过相互比较确定各准则对于目标的权重，及各方案对于每一准则的权重，这些权重在人的思想过程常是定性的，而在层次分析法中则要给出得到权重的定量方法。 3.将方案层对准则层的权重及准则层对目标层的权重进行综合，最终确定方案层对目标层的权重。在层次分析法中要给出进行综合的计算方法。 三． 构造成对比较阵、计算权向量并做一致性检验；计算组合权向量并做组合一致性检验。 1.成对比较矩阵和权向量 所有因素两两相互对比，对比时采用相对尺度，以尽可能减少性质不同的诸因素相互对比的困难，提高准确度。 假设要比较某一层n 个因素对12,n c c c 上层一个因素O 的影响，每次取两个

数学建模常见评价与衡量模型简介

常见评价模型简介 评价类数学模型是全国数学建模竞赛中经常出现的一类模型，如2005年全国赛A题长江水质的评价问题，2008年B题高校学费标准评价体系问题等。主要介绍三种比较常用的评价模型：层次分析模型，模糊综合评价模型，灰色关联分析模型，以期帮助大家了解不同背景下不同评价方法的应用。 层次分析模型 层次分析法(AHP)是根据问题的性质和要求，将所包含的因素进行分类，一般按目标层、准则层和子准则层排列，构成一个层次结构，对同层次内诸因素采用两两比较的方法确定出相对于上一层目标的权重，这样层层分析下去，直到最后一层，给出所有因素相对于总目标而言，按重要性程度的一个排序。其主要特征是，它合理地将定性与定量决策结合起来，按照思维、心理的规律把决策过程层次化、数量化。 运用层次分析法进行决策，可以分为以下四个步骤： 步骤1 建立层次分析结构模型 深入分析实际问题，将有关因素自上而下分层(目标—准则或指标—方案或对象)，上层受下层影响，而层内各因素基本上相对独立。 步骤2构造成对比较阵 对于同一层次的各元素关于上一层次中某一准则的重要性进行两两比较，借助1~9尺度，构造比较矩阵； 步骤3计算权向量并作一致性检验 由判断矩阵计算被比较元素对于该准则的相对权重，并进行一致性检验，若通过，则最大特征根对应的特征向量做为权向量。 步骤4计算组合权向量(作组合一致性检验) 组合权向量可作为决策的定量依据 通过一个具体的例子介绍层次分析模型的应用。 例(选择旅游地决策问题)如何在桂林、黄山、北戴河3个目的地中按照景色、费用、居住条件、饮食、旅途条件等因素进行选择。 步骤1 建立系统的递阶层次结构 将决策问题分为3个层次：目标层O，准则层C，方案层P；每层有若干元素，各层元素间的关系用相连的直线表示。

基于层次分析法的数学建模

基于层次分析法研究云南烟草品牌竞争力 摘要 与国外知名烟草品牌相比，国内的烟草品牌存在着品牌集中度不够，品牌多、杂、散、小；品牌定位模糊，市场占有率低；品牌形象乱，品牌美誉度低，消费者购买行为习惯化导致忠诚度差等问题，因此，本文采用层次分析法对在中国烟草行业中有着举足轻重地位的云南省烟草品牌竞争力进行了评价研究，分析云南烟草业品牌现状，提出品牌竞争力的影响因素，对提高云南烟草业的品牌竞争力、解决烟草业存在的问题提供一定的帮助。 关键词：烟草品牌云南烟草品牌竞争力层次分析法 一、问题重述 近年来，我国一直推进实施卷烟工业的整合重组、卷烟品牌的淘汰和优化。但是，由于之前的卷烟品牌众多；截止到 2009 年底我国的烟草企业有 30 家，卷烟品牌 138 个，所以目前我国烟草企业之间的竞争非常激烈，行业内有众多势均力敌的竞争对手。当今卷烟产品差异化日渐缩小，消费者购买时会更看重品牌价值和品牌文化，使烟草行业内部面临着激烈的竞争,以具有代表性的云烟为实证，分析云南烟草企业的品牌竞争力及影响品牌竞争力的主要因素，并提出提高云烟品牌竞争力的对策建议。

二、问题分析 （1）云南卷烟近年情况分析 图1为云产卷烟在全国各地区的销量情况，有颜色部分为云南卷烟销量均超过15.58万箱，在全国卷烟销售中占有很大份额。2008 年卷烟品牌为16个，比2003年的36个减少了 20个。作为全国卷烟产销量最大的省份，2009 年云南的产销量达到 3667.9 亿支。在卷烟产量增幅较小的情况下，2008 年云南烟草工业税利为 577 亿元，比2003 年的 330 亿元增加了 247 亿元。因此，分析云南卷烟品牌竞争力有助于对云南卷烟品牌做出适当的规划调整，很大程度上能够促进云南经济的发展。（数据为云南中烟系统中2015年 云产卷烟销量数据） 图1

模糊综合评价法的数学建模方法简介_任丽华

８ 《商场现代化》２００６年７月（中旬刊）总第４７３期 ２０世纪８０年代初，汪培庄提出了对绿色供应链绩效进行评价的模糊综合评价模型，此模型以它简单实用的特点迅速波及到国民经济和工农业生产的方方面面，广大实际工作者运用此模型取得了一个又一个的成果。本文简单介绍模糊综合评价法的数学模型方法。 一、构造评价指标体系 模糊综合评价的第一步就是根据具体情况建立评价指标体系的层次结构图，如图所示： 二、确定评价指标体系的权重 确定各指标的权重是模糊综合评价法的步骤之一。本文根据绿色供应链评价体系的层次结构特点，采用层次分析法确定其权重。尽管层次分析法中也选用了专家调查法，具有一定的主观性，但是由于本文在使用该方法的过程中，对多位专家的调查进行了数学处理，并对处理后的结果进行了一致性检验，笔者认为，运用层次分析法能够从很大程度上消除主观因素带来的影响，使权重的确定更加具有客观性，也更加符合实际情况。 在此设各级指标的权重都用百分数表示，且第一级指标各指标的权重为Ｗｉ，ｉ＝１，２，…，ｎ，ｎ为一级指标个数。一级指标权重向量为： Ｗ＝（Ｗ１，…，Ｗｉ，…Ｗｎ） 各一级指标所包含的二级指标权重向量为： Ｗ＝（Ｗｉ１，…，Ｗｉｓ，…Ｗｉｍ），ｍ为各一级指标所包含的二级指标个数，ｓ＝１，２，…，ｍ。 各二级指标所包含的三级指标权重向量为： Ｗｉｓ＝（Ｗｉｓ１，…Ｗｉｓ２，…Ｗｉｍｑ），ｑ为各二级指标所包含的三级指标个数。三、确定评价指标体系的权重建立模糊综合评价因素集将因素集Ｘ作一种划分，即把Ｘ分为ｎ个因素子集Ｘ１，Ｘ２，…Ｘｎ，并且必须满足： 同时，对于任意的ｉ≠ｊ，ｉ，ｊ＝１，２，…，均有 即对因素Ｘ的划分既要把因素集的诸评价指标分完，而任一个评 价指标又应只在一个子因素集Ｘｉ中。 再以Ｘｉ表示的第ｉ个子因素指标集又有ｋｉ个评价指标即：Ｘｉ＝｛Ｘｉ１，Ｘｉ２，…，ＸｉＫｉ｝，ｉ＝１，２，…，ｎ 这样，由于每个Ｘｉ含有Ｋｉ个评价指标，于是总因素指标集Ｘ其有 个评价指标。 四、　进行单因素评价，建立模糊关系矩阵Ｒ 在上一步构造了模糊子集后，需要对评价目标从每个因素集Ｘｉ上进行量化，即确定从单因素来看评价目标对各模糊子集的隶属度，进而得到模糊关系矩阵： 其中ｓｉ（ｉ＝１，２，…，ｍ）表示第ｉ个方案，而矩阵Ｒ中第ｈ行第ｊ列元素ｒｈｊ表示指标Ｘｉｈ在方案ｓｊ下的隶属度。对于隶属度的确定可分为两种 情况：定量指标和定性指标。 （１）定量指标隶属度的确定 对于成本型评价因素可以用下式计算： 对于效益型评价因素可以用下式计算：对于区间型评价因素可以用下式计算：上面三个式子中：ｆ（ｘ）为特征值，ｓｕｐ（ｆ），ｉｎｆ（ｆ）分别为对应于同一个指标的所有特征值的上下界，即是同一指标特征值的最大值和最小 模糊综合评价法的数学建模方法简介 任丽华　东营职业学院 ［摘　要］　本文一种数学模型方法构造了一种对绿色供应链绩效进行评价的模糊综合评价法，主要从构造评价指标体系，确定评价指标体系的权重，确定评价指标体系的权重，建立模糊综合评价因素集，进行单因素评价、建立模糊关系矩阵Ｒ，计算模糊评价结果向量Ｂ等五个方面介绍这种评价方法。 ［关键词］　绿色供应链绩效评价　模糊综合评价法　数学模型方法 流通论坛

数学建模期末作业谈层次分析法在就业中的应用讲课稿

数学建模期末作业谈层次分析法在就业中 的应用

谈层次分析法在就业中的应用 摘要 近年高校毕业生数量急剧膨胀就业的难题似乎变得更加严峻和突出——全国就业工作座谈会传来消息，2010年应届毕业生规模是本世纪初的6倍，2011年高校毕业生人数为660万人，“十二五”时期应届毕业生年平均规模将达到近700万人。许多大学生处于就业十字路口，茫然不知所措。这种心态下的种种决策难免造成失误，所以需要一种可靠的定量的容易操作的，并且具体的有说服力的方法来帮助做出决策。本文提出了定性和定量相结合的层次分析法步骤，构成了工作满意度的评价指标体系，通过各因素重要程度比较与计算，最终确定出了6个具体指标在该体系下的权重并排序，这样在分析某种工作的满意程度时就可以按此权重进行衡量。为此我们建立了层次结构模型，做成对比较矩阵： 正互反矩阵为?????????? ????? ? ??? ?=wn wn w wn w wn wn w w w w w w w wn w w w w w w w A /...... 2/1//2........3/22/21/2/1........3/12/11/1M M M M 通过Matlab 等数学工具，得到特征向量 T w )083.0,201.0,139.0,154.0,076.0,347.0(1=，且∑==508.6)(max i i nw Aw λ，通过一致 性指标得出1016.0) 1() (max =--= n n CI λ，1.0082.024 .11016 .0<=== RI CI CR ， 如果有CI 偏差，那偏差是否在满意的一致性范围，引进平均随机一致性指标RI 。 平均随机一致性指标RI 数值

8第八章 层次分析法

-167- 第八章 层次分析法 层次分析法（Analytic Hierarchy Process ，简称AHP ）是对一些较为复杂、较为模糊的问题作出决策的简易方法，它特别适用于那些难于完全定量分析的问题。它是美国运筹学家T. L. Saaty 教授于上世纪70年代初期提出的一种简便、灵活而又实用的多准则决策方法。 §1 层次分析法的基本原理与步骤 人们在进行社会的、经济的以及科学管理领域问题的系统分析中，面临的常常是一个由相互关联、相互制约的众多因素构成的复杂而往往缺少定量数据的系统。层次分析法为这类问题的决策和排序提供了一种新的、简洁而实用的建模方法。 运用层次分析法建模，大体上可按下面四个步骤进行： （i ）建立递阶层次结构模型； （ii ）构造出各层次中的所有判断矩阵； （iii ）层次单排序及一致性检验； （iv ）层次总排序及一致性检验。 下面分别说明这四个步骤的实现过程。 1.1 递阶层次结构的建立与特点 应用AHP 分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。在这个模型下，复杂问题被分解为元素的组成部分。这些元素又按其属性及关系形成若干层次。上一层次的元素作为准则对下一层次有关元素起支配作用。这些层次可以分为三类： （i ）最高层：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此也称为目标层。 （ii ）中间层：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则，因此也称为准则层。 （iii ）最底层：这一层次包括了为实现目标可供选择的各种措施、决策方案等，因此也称为措施层或方案层。 递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般地层次数不受限制。每一层次中各元素所支配的元素一般不要超过9个。这是因为支配的元素过多会给两两比较判断带来困难。 下面结合一个实例来说明递阶层次结构的建立。 例1 假期旅游有1P 、2P 、3P 3个旅游胜地供你选择，试确定一个最佳地点。 在此问题中，你会根据诸如景色、费用、居住、饮食和旅途条件等一些准则去反复比较3个侯选地点。可以建立如图1的层次结构模型。 图1 层次结构模型

层次分析法-数学建模

层次分析法 一、分析模型和一般步骤 二、建立层次结构模型 三、构造成对比较矩阵 四、作一致性检验 五、层次总排序及决策 一. 层次分析模型和一般步骤 层次分析法是一种定性与定量分析相结合的多因素决策分析方法。这种方法将决策者的经验判断给于数量化，在目标因素结构复杂且缺乏必要数据的情况下使用更为方便，因而在实践中得到广泛应用。 层次分析的四个基本步骤： （1）在确定决策的目标后，对影响目标决策的因素进行分类，建立一个多层次结构； （2）比较同一层次中各因素关于上一层次的同一个因素的相对重要性，构造成对比较矩阵； （3）通过计算，检验成对比较矩阵的一致性，必要时对成对比较矩阵进行修改，以达到可以接受的一致性； （4）在符合一致性检验的前提下，计算与成对比较矩阵最大特征值相对应的特征向量，确定每个因素对上一层次该因素的权重； 计算各因素对于系统目标的总排序权重并决策。 二. 建立层次结构模型 将问题包含的因素分层：最高层（解决问题的目的）；中间层（实现总目标而采取的各种措施、必须考虑的准则等。也可称策略层、约束层、准则层等）；最低层（用于解决问题的各种措施、方案等）。把各种所要考虑的因素放在适当的层次内。用层次结构图清晰地表达这些因素的关系。 〔例1〕购物模型 某一个顾客选购电视机时，对市场正在出售的四种电视机考虑了八项准则作为评估依据，建立层次分析模型如下：

例2〕选拔干部模型 对三个干部候选人、、，按选拔干部的五个标准：品德、才能、资历、年龄和群众关系，构成如下层次分析模型：假设有三个干部候选人、、，按选拔干部的五个标准：品德，才能，资历，年龄和群众关系，构成如下层次分析模型 例3〕评选优秀学校 某地区有三个学校，现在要全面考察评出一个优秀学校。主要考虑以下几个因素： （1）教师队伍（包括平均学历和年龄结构）

教师评价模型_数学建模教学提纲

教师评价模型_数学建 模

教师评价模型 一、摘要 学校是一个充满着评价人的场所，每时每刻都在对各个人进行评价。毫不 夸张地说评价教师是学校里每个人的“日常功课”。 由于教师职业劳动的特殊性，它是复杂劳动。不能仅仅用工作量来评价 教师的劳动，同时评价教师的人员纷繁复杂，方式多种多样。评价教师的标准 往往束缚着学校的教学质量，教师教学的积极性。所以教师评价的确定就显的 很重要。 新课程强调：评价的功能应从注重甄别与选拔转向激励、反馈与调整；评 价内容应从过分注重学业成绩转向注重多方面发展的潜能；评价主体应从单一 转向多元。 那么如何公正、客观地评价教师的同时，有效地保护教师的教学积极性和 帮助提高学校的办学水平呢？ 此模型的建立改变了以往同类模型的多种弊端，从另一角度更加合理地分析、评价，就是为了更公平，公正地对教师做出合理的评价，从而促进学生发 展和教师提高。 本模型主要用了模糊数学模型和对各项评价付权重的方法进行建模分析。 从（1）教师对自己的评价，（2）学生对教师的评价；（3）由专家组对教师的评价的角度出发，通过量化，加权，得出结果。然后确定三方面的比重来评价 教师。同时通过确定教师自评与他人评价的比值范围，而确定这次评价是否有效。 在各个方面采用的数学模型如下：

1、教师对自己的评价： 教师对自己的满意度，既体现教师的主人翁意识也保护教师的教学积 极性。 16 1160i i i P Q D ( i ∈[1,16]) (Q 表示教师自评的得分 Pi 表示教师对自己各项符合度而打的分数 Di 表示对教师自评要求各项所加给的权重 ) 2、学生对教师的评价： 表明以学生为主体，体现了模型的客观性，公平、公开的原则。 90j i ij i d c a ij a =ij n u ij a =A （U ，V ） （ U 为评价的主要因素， V 为评价因素分等。 C i 为学生对教师的各项评价要求所付的权重 N 为填写有效调查表的人数） 3、由专家组成通过听课对教师的评价： 表明专家对教师指导性，帮助教师提高教学水平。体现了评价的权威 性，真实性。同时也是作为教师提拔的一个方面。 （1）建立综合评价矩阵51ij ij ik k c g c （2）综合评价 B=A ⊕R=（b 1,b 2,……，b m ）

数学建模层次分析法题目及程序

假期旅游问题 现有三个目的地可供选择（方案）：风光绮丽的杭州（）,迷人的北戴河（）,山水甲 天下的桂林（）。有5个行动方案准则：景色、费用、居住、饮食、旅途情况。 目标层 准则层 方案层 选择旅游地的层次结构 1-9的标度方法 1-9的标度方法是将思维判断数量化的一种好方法。首先，在区分事物的差别时，人们 总是用相同、较强、强、很强、极端强的语言。再进一步细分，可以在相邻的两级中插入折衷的提法，因此对于大多数决策判断来说，1-9级的标度是适用的。其次，心理学的实验表 明，大多数人对不同事物在相同程度属性上差别的分辨能力在5-9级之间，采用1-9的 标度反映多数人的判断能力。再次，当被比较的元素其属性处于不同的数量级时，一般需要将较高数量级的元素进一步分解，这可保证被比较元素在所考虑的属性上有同一个数量级或比较接近，从而适用于1 -9的标度。 选择旅游地 J景费居饮旅 色用住食途 C2 C 3 C4 C5 C1 G 『1 1/2 4 3 3、 C2 2 1 7 5 5 A = C3 1/4 1/7 1 1/2 1/3 C4 1/3 1/5 2 1 1 C5 订/3 1/5 3 1 1」

相对于旅途 R P 2 F 3 P 「1 1 1/4、 B 5 =R 2 1 1 1/4 讥4 4 1」 程序： A=[1 1/2 4 3 3; 2 1 7 5 5; 1/4 1/7 1 1/2 1/3; 1/3 1/5 2 1 1; 1/3 1/5 3 1 1]; [x,y]=eig(A); eige nvalue=diag(y); m=max(eige nvalue); lamda=m n=fin d(m==eige nvalue); y_lamda=x(:,n); s=sum(y_lamda); W2=y_lamda./s B1=[ 1 2 5; 1/2 1 2; 相对于景色 P P 2 R P 1 f 1 2 5 B 1 =P 2 1/2 1 2 P 3 <1/5 1/2 '1 相对于费用 R P 2 P 3 R (1 1/3 1/8 B 2 =F2 3 1 1/3 叭 3 '1 ; B 3 R 『1 3 4 、 B 4 =P 2 1/3 11 F 3 '^1/4 1 '1』

数学建模论文《学科评价模型》

答卷编号（参赛学校填写）： 答卷编号（竞赛组委会填写）： 论文题目：学科评价模型(A) 组别：本科生 参赛队员信息(必填)： 姓名专业班级及学号联系电话参赛队员1 08生物技术一班0886 参赛队员2 08生物技术一班1680 参赛队员3 08生物技术一班0698

答卷编号（参赛学校填写）： 答卷编号（竞赛组委会填写）： 评阅情况（学校评阅专家填写）：学校评阅1. 学校评阅2. 学校评阅3. 评阅情况（省赛评阅专家填写）：省赛评阅1. 省赛评阅2. 省赛评阅3.

学科评价模型 摘要本学科评价模型采用了指标体系法，其所具有的客观公正性使之成为目前大学学科评价的主流方法。学科评价一方面取决于指标体系本身设计是否科学，另一方面则取决于原始数据和指标的可比性。由于本题目并没有给出具体的哪13个学科，而不同学科之间在某些方面存在着不同程度上的差异性。所以，我们采用层次分析法分配权重以及灰色多层次分析法处理数据，从而使评价结果更加客观公正。学科评价应分类别、分层次进行，不同的类别和层次适用于不同的情形。比如科研教学并重型高校的学科评价模型与科研型或者教学型高校的学科评价模型会有所区别。同时，在学科评价体系中，指标分级是必要的，我们将题目所给的指标分为三级。通过模型的建立及求解，我们得出了各学科各指标的评价结果，以及各学科的综合实力评价结果，并对结果进行横向分析和纵向分析，为大学学科评估及资源优化提供了较为合理的依据。 关键词层次分析法，权重, 灰色多层次分析法，关联度

一 问题的重述 学科的水平、地位是高等学校的一个重要指标，而学科间水平的评价对于学科的发展有着重要的作用，它可以使得各学科能更加深入的了解本学科(与其他学科相比较)的地位及不足之处，可以更好的促进该学科的发展。因此，如何给出合理的学科评价体系或模型一直是学科发展研究的热点问题。现有某大学（科研与教学并重型高校）的13个学科在一段时期内的调查数据，包括各种建设成效数据和前期投入的数据。 1、根据已给数据建立学科评价模型，要求必要的数据分析及建模过程。 2、模型分析，给出建立模型的适用性、合理性分析。 3、假设数据来自于某科研型或教学型高校，请给出相应的学科评价模型。 二 合理的假设 1、假设各学科所属领域以及学科特点的差异不对本评估体系产生影响 2、假设某些权威杂志对特定的学科没有偏重 3、假设国家和社会对各学科没有任何偏重 4、假设各学科培养出的人才素质没有差异 5、假设专家对学科各指标相对重要性的评判合理、客观、全面。 三 符号的说明 ijk C ：各级指标 ik C :(i=1,2,3····n;k=1,2,····m)第i 个参评学科中第k 个指标的原始数据 *k C :最优指标集 S ：综合分析评价值 A ：目标向量 ij D ：表示i D 对j D 的相对重要性数值 ij P ：判断矩阵)3,2,1,m 3,2,1(n j i ：特征向量 max ：最大特征值 CR ：判断矩阵的随机一致性比率 CI ：判断矩阵的一般一致性指标 RI ：平均随机一致性指标 i W ：各个分向量的权重系数 *W :第三指标权重分配矩阵

数学建模期末作业谈层次分析法在就业中的应用

谈层次分析法在就业中的应用 摘要 近年高校毕业生数量急剧膨胀就业的难题似乎变得更加严峻和突出——全国就业工作座谈会传来消息，2010年应届毕业生规模是本世纪初的6倍，2011年高校毕业生人数为660万人，“十二五”时期应届毕业生年平均规模将达到近700万人。许多大学生处于就业十字路口，茫然不知所措。这种心态下的种种决策难免造成失误，所以需要一种可靠的定量的容易操作的，并且具体的有说服力的方法来帮助做出决策。本文提出了定性和定量相结合的层次分析法步骤，构成了工作满意度的评价指标体系，通过各因素重要程度比较与计算，最终确定出了6个具体指标在该体系下的权重并排序，这样在分析某种工作的满意程度时就可以按此权重进行衡量。为此我们建立了层次结构模型，做成对比较矩阵： 正互反矩阵为?????????? ????? ? ????=wn wn w wn w wn wn w w w w w w w wn w w w w w w w A /......2/1//2........3/22/21/2/1........3/12 /11/1M M M M 通 过 Matlab 等 数 学 工 具 ， 得 到 特 征 向 量 T w )083.0,201.0,139.0,154.0,076.0,347.0(1=，且∑==508.6)(max i i nw Aw λ，通过一致 性指标得出1016.0) 1() (max =--=n n CI λ，1.0082.024 .11016 .0<=== RI CI CR ， 如果有CI 偏差，那偏差是否在满意的一致性范围，引进平均随机一致性指标 RI 。 平均随机一致性指标RI 数值 通过比较，最后得出一致性检验通过。 关键词：大学生择业, 层次分析法，适用性。

数学建模_四大模型总结

四类基本模型 1 优化模型 1.1 数学规划模型 线性规划、整数线性规划、非线性规划、多目标规划、动态规划。 1.2 微分方程组模型 阻滞增长模型、SARS 传播模型。 1.3 图论与网络优化问题 最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。 1.4 概率模型 决策模型、随机存储模型、随机人口模型、报童问题、Markov 链模型。 1.5 组合优化经典问题 ● 多维背包问题(MKP) 背包问题：n 个物品，对物品i ，体积为i w ，背包容量为W 。如何将尽可能多的物品装入背包。 多维背包问题：n 个物品，对物品i ，价值为i p ，体积为i w ，背包容量为W 。如何选取物品装入背包，是背包中物品的总价值最大。 多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。该问题属于NP 难问题。 ● 二维指派问题(QAP) 工作指派问题：n 个工作可以由n 个工人分别完成。工人i 完成工作j 的时间为ij d 。如何安排使总工作时间最小。 二维指派问题（常以机器布局问题为例）：n 台机器要布置在n 个地方，机器i 与k 之间的物流量为ik f ，位置j 与l 之间的距离为jl d ，如何布置使费用最小。 二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。 ● 旅行商问题(TSP) 旅行商问题：有n 个城市，城市i 与j 之间的距离为ij d ，找一条经过n 个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。 ● 车辆路径问题(VRP) 车辆路径问题（也称车辆计划）：已知n 个客户的位置坐标和货物需求，在

数学建模之层次分析法

层次分析法 层次分析法就是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序,比较有效地应用于那些难以用定量方法解决的课题。 缺点: (1)层次分析法的主观性太强,模型的搭建,判断矩阵的输入都就是决策者的主观判断,往往会因为决策者的考虑不周、顾此失彼而造成失误。 (2)层次分析法模型的内部结构太过理想化,完全分离、彼此独立的层次结构在实践中很难做到。 (5)层次分析法只能从给定的决策方案中去选择,而不能给出新的、更优的策略。 1、模型的应用 用于解决多目标的复杂问题的定性与定量相结合的决策分析。 (1)公司选拔人员, (2)旅游地点的选取, (3)产品的购买等, (4)船舶投资决策问题(下载文档), (5)煤矿安全研究, (6)城市灾害应急能力, (7)油库安全性评价, (8)交通安全评价等。 2、步骤 ①建立层次结构模型 首先明确决策目标,再将各个因素按不同的属性从上至下搭建出一个有层次的结构模型,模型如下图所示。

准则层 目标层 方案层 目标层:表示解决问题的目的,即层次分析要达到的总目标。通常只有一个总目标。 准则层:表示采取某种措施、政策、方案等实现预定总目标所涉及的中间环节。 方案层:表示将选用的解决问题的各种措施、政策、方案等。通常有几个方案可选。 注意: (1)任一元素属于且仅属于一个层次;任一元素仅受相邻的上层元素的支配,并不就是任一元素与下层元素都有联系; (2)虽然对准则层中每层元素数目没有明确限制,但通常情况下每层元素数最好不要超过 9 个。这就是因为,心理学研究表明,只有一组事物在 9 个以内,普通人对其属性进行判别时才较为清楚。当同一层次元素数多于 9 个时,决策者对两两重要性判断可能会出现逻辑错误的概率加大,此时可以通过增加层数,来减少同一层的元素数。 ②构造判断(成对比较)矩阵 以任意一个上一层的元素为准则,对其支配的下层各因素之间进行两两比较。得到判断矩阵,再求出各元素的权重。ij a 重要程度的衡量用Santy 的1—9标度方法给出。即 设各元素C 1,C 2,… , C n 对目标O 两两比较后的重要性 ,(),ij i j ij n n a C A a ?==0,1ij ji ij a a a >=,则得到比较矩阵

用层次分析法评选优秀学生进行数学建模

用层次分析法评选优秀学生 一．实验目的 运用层次分析法，建立指标评价体系，得到学生的层次结构模型，然后构造判断矩阵，求得各项子指标的权重，最后给出大学生综合评价得分计算公式并进行实证分析，为优秀大学生的评选提出客观公正，科学合理的评价方法。 二．实验内容 4.用层次分析法解决一两个实际问题； （1）学校评选优秀学生或优秀班级，试给出若干准则，构造层次结构模型。可分为相对评价和绝对评价两种情况讨论。 解：层次分析发法基本步骤：建立一套客观公正、科学合理的素质评价体系，对于优秀大学生的评选是至关重要的。在此我们运用层次分析法(AHP)，以德、智、体三个方面作为大学生综合评价的一级评价指标，每个指标给出相应的二级子指标以及三级指标，然后构造判断矩阵，得到各个子指标的权重，结合现行的大学生评分准则，算出各项子指标的得分，将这些得分进行加权求和得到大学生综合评价得分，根据分配名额按总分排序即可选出优秀大学生。大学生各项素质的指标体系。如下表所示：

符号说明 设评价指标共有n 个，为1x ,2x ..... n x 。它们对最高层的权系数分别为1w ,2w , ... n w , 于是建立综合评价模型为： = y ∑=n i i i x w 1 解决此类问题关键就是确定权系数，层次分析法给出了确定它们的量化过程，其步骤具体如下： 确定评价指标集 P=（1P ，2P ，3 P ) 1P =（11P ，12P ） 2P =（21P ，22P ） 2P =（31P ，32P ）

11P =（1x ，2x ） 12P =（3x ，4x ） 21P =（5x ，6x ，7x ） 22P =（8x ，9x ，10x ） 31P =（11x ，12x ） 31P =（13x ，14x ） 建立两两比较的逆对称判断矩阵 从1x ,2x .....n x 中任取i x 与 j x ，令 =ij a i x /j x ，比较它们对上一层某个因素的重要性时。 若=ij a 1，认为 i x 与 j x 对上一层因素的重要性相同； 若=ij a =3，认为i x 比 j x 对上一层因素的重要性略大； 若=ij a 5，认为i x 比j x 对上一层因素的重要性大； 若=ij a 7，认为i x 比 j x 对上一层因素的重要性大很多； 若=ij a 9，认为 i x 对上一层因素的重要性远远大于 j x ； 若 = ij a 2n ，n=1,2,3,4，元素 i x 与 j x 的重要性介于 = ij a 2n ? 1与 = ij a 2n + 1之间； 用已知所有的 i x /j x ，i ，j =1,2 ... n ，建立n 阶方阵P=n m j i x x ?) /（，矩阵P 的第i 行与 第j 列元素为i x /j x ，而矩阵P 的第j 行与第i 列元素为j x /i x ，它们是互为倒数的，而对 角线元素是1。 判断矩阵 ???? ???????? =11/51/4P 51341/31P P P 321 321P P P 0858.3max =λ 0740.0CI = 0359.6max =λ 0758.0=CI max λ=6.2255 CI =0.0364 max λ=6.0359 CI =0.0758 max λ=15.1382 CI =0.0558 max λ=14.2080 CI =0.0102 max λ=14.3564 CI =0.0175 max λ=15.1972 CI =0.0758 max λ=14.1043 CI =0.0051 max λ=14.2017 CI =0.0099 利用加法迭代计算权重 即取判断矩阵ne 个列向量的归一化的算术平均值近似作为权重向量