数学建模综合评价模型2
数学建模评价模型方法
四、数据建模的动态加权方法
2. 动态加权函数的设定
四、数据建模的动态加权方法
2. 动态加权函数的设定
四、数据建模的动态加权方法
2. 动态加权函数的设定
返回
四、数据建模的动态加权方法
3. 动态加权的综合评价模型
五、数据建模的综合排序方法
定的区间内为最好。
什么是一 致化处理? 为什么要
一致化?
二、数据处理的一般方法
1. 数据类型的一致化处理方法
二、数据处理的一般方法
1. 数据类型的一致化处理方法
二、数据处理的一般方法
2. 数据指标的无量纲化处理方法
常用方法: 标准差法、极值差法和功效系数法等 。
二、数据处理的一般方法
2. 数据指标的无量纲化处理方法 (1) 标准差方法
数据处理与数据建模方法
1. 一般数据建模问题的提出 2. 数据处理的一般方法 3. 数据建模的综合评价方法 4. 数据建模的动态加权方法 ５. 数据建模的综合排序方法 ６. 数据建模的预测方法
一、一般数据建模问题的提出 一般问题：
•实际对象都客观存在一些相关的数据信息；
•如何综合利用这些相关信息给出综合评价结果 、制定决策方案，或预测未来？
4. 其他综合评价法
因子分析 聚类分析 模糊评价 层次分析法等
四、数据建模的动态加权方法
1. 动态加权问题的一般提法
问题:如何对n个系统做出综合评价呢?
四、数据建模的动态加权方法
2005年中国大学生数学建模竞赛的A题：“长江水质的 评价和预测”问题的第一部份给出了17个观测站（城市）的 最近28个月的实际检测指标数据，包括反映水质污染程度的 最主要的四项指标：溶解氧（DO）、高锰酸盐指数（CODMn） 、氨氮(NH3-N) 和PH值，要求综合这四种污染指标的28个月 的检测数据对17个城市的水质情况做出综合评价。
综合评价决策模型方法数学建模
综合评价决策模型 建模的两个主要方法：
1. 模糊综合评价方法 2.层次分析法
一、模糊综合评价模型
对方案、人才、成果的评价，人们的考虑的因素 很多，而且有些描述很难给出确切的表达，这时 可采用模糊评价方法。它可对人、事、物进行比 较全面而又定量化的评价，是提高领导决策能力 和管理水平的一种有效方法。
所以在北部湾（广西）经济区的产业建设上首先就重点 投资重化工业的建设，第二要大力发展旅游业，第三要 逐渐将海洋渔业、海产品加工形成规模；最后再对南海 的石油、天然气进行开采，为经济区的建设提供能源保 障。
5. 一致性检验与模型验证
5. 一致性检验与模型验证
5.1 一致性检验 属性层次模型（AHM）是球赛模型，而层次分析法 模型（AHP）是重量模型，在AHP中若有A≥B，B ≥C，则必要求A ≥C。所以必须对模型进行一致性检 验。 在球赛模型AHM中，甲队胜乙队，乙队胜丙队， 并不要求甲队一定要胜过丙队。所以，在AHM方法 中，可不做一致性检验 。
3.广西沿海产业决策属性层次结构
层次结构模型图：
产业决策选择G
区位条件C1
产业结构C2
区域互补C3
产业基础C4
资金需求C5
环境因素C6
地 理 位 置
自 然 资 源
区 位 政 策
经 济 腹 地
高 端 产 业
低 端 产 业
产 品 互 补
劳 力 互 补
产 业 转 移
经 济 辐 射
交 通 条 件
现 有 基 础
2.属性层次模型方法
所以uij满足：
uij u ji 1 (i j ) u 0 ( i j ) i j
(1)
数学建模中的常见模型
数学建模中的常见模型数学建模综合评价模型是一种通过对各个评价指标进行量化，并将它们按照权重进行加权，最终得到一个综合评价值的方法。
这个模型可以应用于多指标决策问题，用于对被评价对象进行排名或分类。
常见的数学建模综合评价模型包括模糊综合评价模型、灰色关联分析模型、Topsis（理想解法）、线性加权综合评价模型、熵值法和秩和比法等。
模糊综合评价模型是一种基于模糊数学理论的方法，它将评价指标的模糊程度考虑在内，得到一个模糊评价结果。
该模型的步骤包括确定评价指标及其权重、构建模糊评价矩阵、进行模糊运算、得到模糊评价结果。
灰色关联分析模型是一种用于分析指标间关联性的方法，它可以帮助我们确定各个指标对被评价对象的影响程度。
该模型的步骤包括确定关联度计算方法、计算各个指标的关联度、得到综合关联度。
Topsis（理想解法）是一种基于距离的方法，它通过计算每个评价对象与理想解的距离，得到一个综合评价值。
该模型的步骤包括确定正负理想解、计算距离、得到综合评价值。
线性加权综合评价模型是一种常用的多指标决策方法，它将各个评价指标的权重与指标值线性组合起来，得到一个综合评价值。
该模型的优点是简单易操作，计算方便，可以对各个指标的重要性进行量化，并将其考虑在评价中。
但是，该模型的权重确定较为主观，且假设指标之间相互独立，不考虑相关性。
熵值法是一种基于信息熵理论的方法，它通过计算每个指标的熵值，得到一个综合评价值。
该模型的步骤包括计算指标的熵值、计算权重、得到综合评价值。
秩和比法是一种用于处理多指标决策问题的方法，它通过计算指标的秩和比，得到一个综合评价值。
该模型的步骤包括编秩、计算秩和比、得到综合评价值。
根据具体的评价需求和问题特点，我们可以选择合适的数学建模综合评价模型来进行评价。
每个模型都有其优点和缺点，需要根据具体情况进行选择和应用。
<span class="em">1</span><spanclass="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [数学建模——评价模型]()[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_sourc e":"vip_chatgpt_mon_search_pc_result","utm_medium":"di stribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_itemstyle="max-width: 100%"] [ .reference_list ]。
数学建模 绩效 评估两人题
2012年延安职业技术学院大学生数学建模竞赛承诺书我们仔细阅读了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中选择一项填写）：第2题绩效评估我们的参赛报名号为（如果赛区设置报名号的话）：所属系（请填写完整的全名）：化工化学系参赛队员(打印并签名) ：1. 董团部（10级应化班）2. 李情（11石化1班）日期： 2012 年 7 月 25 日经理的最佳人选摘要本文通过对某企业25位员工对该企业三位副经理的评分数据进行分析，首先利用电子表格对八个项目、四个等级的数据求和统计，其次用层次分析法对数据进行分析，找出可用数据，做加权。
最后利用MATLAB对其数据进行处理，计算出各个副经理均值、标准差，使符合正态分布，再根据公司的需要，选出成绩最优者提升总经理。
关键词：层次分析法、统计、均值、标准差问题重述根据（表一）所给数据，对某公司的三位副经理进行年度绩效考评，评估结果将作为发放奖金和晋升的依据。
公司对25名关键员工进行了关于三位经理工作满意度的调查，表一中是调查问卷的统计结果。
若公司总经理一职因多方原因空缺，需从三位副经理当中提升，并找出哪位副经理才是最合适的人选？符号说明X为25位员工对三位副经理在四个等级中的评分总和；x为25位员工分别对三位副经理的评分的分数均值；x为该企业员工对副经理甲进行评分的（i=1、2、3、….、8）这8个项目；ia为该企业员工对副经理乙进行评分的（i=1、2、3、….、8）这8个项目；ib为该企业员工对副经理丙进行评分的（i=1、2、3、….、8）这8个项目；in 为着正整数（1、2、3、4、5、6、7、8）；S为25位员工对这三位副经理评分分值的标准差。
数学建模常见评价模型简介
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。
设要比较各准则n C C C ,,,21 对目标O 的重要性，记判断矩阵为A⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=1135131112513131211714155712334211A 显然，A 是正互反阵。
步骤3计算被比较元素对于该准则的相对权重(1)一致阵的定义与性质 一致阵的定义要由A 确定n C C C ,,,21 对目标O 的权向量，我们首先考察一致矩阵的性质。
称满足n k j i a a a ik jk ij ,,2,1,,, ==⋅的正互反阵为一致阵。
例如⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=nn n n n n w w w w w w w w w w w w w w w w w w A212221212111一致矩阵的性质矩阵A 的秩为1，A 的唯一非零特征根为n 。
矩阵A矩阵A⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭11311231211557中，由431==C C 可以得到83223==C Ca ，而事实上723=a 。
因此矩阵A 并不是一致阵，事实上在大多情况下我们构造的成对比较矩阵都不是一致阵。
对于这样的矩阵我们如何来确定权向量呢？我们通常的作法是：对于不一致(但在允许范围内)的成对比较阵A ，建议用对应于最大特征根λ的特征向量作为权向量。
数学建模综合评价方法(定)
所谓指标就是用来评价系统旳参量. 例如, 在校学生规模、教学质量、师资构造、科研水平等, 就可以作为评价高等院校综合水平旳重要指标. 一般说来, 任何—个指标都反映和刻画事物旳—个侧面.从指标值旳特性看, 指标可以分为定性指标和定量指标. 定性指标是用定性旳语言作为指标描述值, 定量指标是用品体数据作为指标值. 例如, 旅游景区质量等级有、、、和之分, 则旅游景区质量等级是定性指标；而景区年旅客接待量、门票收入等就是定量指标.从指标值旳变化对评价目旳旳影响来看, 可以将指标分为如下四类：(1)极大型指标(又称为效益型指标)是指标值越大越好旳指标；(2)极小型指标(又称为成本型指标)是指标值越小越好旳指标；(3)居中型指标是指标值既不是越大越好, 也不是越小越好, 而是适中为最佳旳指标；(4) 区间型指标是指标值取在某个区间内为最佳旳指标.例如, 在评价公司旳经济效益时, 利润作为指标, 其值越大, 经济效益就越好, 这就是效益型指标；而管理费用作为指标, 其值越小, 经济效益就越好, 因此管理费用是成本型指标. 再如建筑工程招标中, 投标报价既不能太高又不能太低, 其值旳变化范畴一般是×标旳价, 超过此范畴旳都将被裁减, 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, 就是居中型指标.在实际中, 不管按什么方式对指标进行分类, 不同类型旳指标可以通过相应旳数学措施进行互相转换8.2.4 评价指标旳预解决措施一般状况下, 在综合评价指标中, 各指标值也许属于不同类型、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. 为了尽量地反映实际状况, 消除由于各项指标间旳这些差别带来旳影响, 避免浮现不合理旳评价成果, 就需要对评价指标进行一定旳预解决, 涉及对指标旳一致化解决和无量纲化解决.1. 指标旳一致化解决所谓一致化解决就是将评价指标旳类型进行统一．一般来说, 在评价指标体系中, 也许会同步存在极大型指标、极小型指标、居中型指标和区间型指标, 它们都具有不同旳特点．如产量、利润、成绩等极大型指标是但愿取值越大越好；而成本、费用、缺陷等极小型指标则是但愿取值越小越好；对于室内温度、空气湿度等居中型指标是既不盼望取值太大, 也不盼望取值太小, 而是居中为好．若指标体系中存在不同类型旳指标, 必须在综合评价之前将评价指标旳类型做一致化解决．例如, 将各类指标都转化为极大型指标, 或极小型指标．一般旳做法是将非极大型指标转化为极大型指标．但是, 在不同旳指标权重拟定措施和评价模型中, 指标一致化解决也有差别．(1) 极小型指标化为极大型指标对极小型指标, 将其转化为极大型指标时, 只需对指标取倒数:1j jx x '=， 或做平移变换: j j j x M x '=-，其中 , 即n 个评价对象第j 项指标值 最大者. (2) 居中型指标化为极大型指标对居中型指标 , 令 , , 取2(),;2 2(),.2j j j j j j j jj j j j j j j j j x m M m m x M m x M x M m x M M m -+⎧≤≤⎪-⎪'=⎨-+⎪≤≤⎪-⎩就可以将 转化为极大型指标.(3) 区间型指标化为极大型指标对区间型指标 , 是取值介于区间 内时为最佳, 指标值离该区间越远就越差. 令 , ,取1,;1, ; 1,.j jj j jj j j j j jj j j a x x a c x a x b x bx b c -⎧-<⎪⎪⎪'=≤≤⎨⎪-⎪->⎪⎩就可以将区间型指标 转化为极大型指标.类似地, 通过合适旳数学变换, 也可以将极大型指标、居中型指标转化为极小型指标．2. 指标旳无量纲化解决所谓无量纲化, 也称为指标旳规范化, 是通过数学变换来消除原始指标旳单位及其数值数量级影响旳过程. 因此, 就有指标旳实际值和评价值之分. —般地, 将指标无量纲化解决后来旳值称为指标评价值. 无量纲化过程就是将指标实际值转化为指标评价值旳过程.对于 个评价对象 , 每个评价对象有 个指标, 其观测值分别为(1,2,,;1,2,,)ij x i n j m ==．(1) 原则样本变换法 令* (1,1).ij jij jx x x i n j m s -=≤≤≤≤其中样本均值 , 样本均方差 , 称为原则观测值.特点：样本均值为 , 方差为 ；区间不拟定, 解决后各指标旳最大值、最小值不相似；对于指标值恒定( )旳状况不合用；对于规定指标评价值 旳评价措施(如熵值法、几何加权平均法等)不合用．(2) 线性比例变换法对于极大型指标, 令*11 (max 0, 1, 1).max ij ij ij i niji n x x x i n j m x ≤≤≤≤=≠≤≤≤≤对极小型指标, 令*1min (1,1).iji nijijx x i n j m x ≤≤=≤≤≤≤或*111 (max 0, 1, 1).max ij ij ij i niji nx x x i n j m x ≤≤≤≤=-≠≤≤≤≤该措施旳长处是这些变换方式是线性旳, 且变化前后旳属性值成比例. 但对任一指标来说, 变换后旳 和 不一定同步浮现.特点：当 时, ；计算简便, 并保存了相对排序关系． (3) 向量归一化法对于极大型指标, 令* (1,1).ij x x i n j m =≤≤≤≤对于极小型指标, 令*1,1).ij x x i n j m =≤≤≤≤长处: 当 时, , 即 . 该措施使 , 且变换前后正逆方向不变；缺陷是它是非线性变换, 变换后各指标旳最大值和最小值不相似.(4) 极差变换法对于极大型指标, 令*111min (1, 1).max min ij iji nijij iji ni nx x x i n j m x x ≤≤≤≤≤≤-=≤≤≤≤-对于极小型指标, 令*111max (1, 1).max min ij iji nijij iji ni nx x x i m j n x x ≤≤≤≤≤≤-=≤≤≤≤-其长处为通过极差变换后, 均有 , 且最优指标值 , 最劣指标值 . 该措施旳缺陷是变换前后旳各指标值不成比例, 对于指标值恒定( )旳状况不合用.(5) 功能系数法 令*111min (1,1).max min ij iji nijij iji ni nx x x c d i n j m x x ≤≤≤≤≤≤-=+⨯≤≤≤≤-其中 均为拟定旳常数. 表达“平移量”, 表达指标实际基础值, 表达“旋转量”, 即表达“放大”或“缩小”倍数, 则 .一般取 , 即*111min 6040 (1,1).max min ij iji nijij iji ni nx x x i n j m x x ≤≤≤≤≤≤-=+⨯≤≤≤≤-则 实际基础值为 , 最大值为 , 即 .特点: 该措施可以当作更普遍意义下旳一种极值解决法, 取值范畴拟定, 最小值为 , 最大值为 ．3. 定性指标旳定量化(1) 在综合评价工作中, 有些评价指标是定性指标, 即只给出定性地描述, 例如：质量较好、性能一般、可靠性高、态度恶劣等．对于这些指标, 在进行综合评价时, 必须先通过合适旳方式进行赋值, 使其量化．一般来说, 对于指标最优值可赋值 , 对于指标最劣值可赋值为 ．对极大型和极小型定性指标常按如下方式赋值． (2) 极大型定性指标量化措施对于极大型定性指标而言, 如果指标可以分为很低、低、一般、高和很高等五个等级, 则可以分别取量化值为1.0,3.0,5.0,7.0和9.0, 相应关系如图8-2所示. 介于两个等级之间旳可以取两个分值之间旳合适数值作为量化值.图８-2 极大型定性指标量化措施(2) 极小型定性指标量化措施对于极小型定性指标而言, 如果指标可以分为很高、高、一般、低和很低等五个等级, 则可以分别取量化值为1.0,3.0,5.0,7.0和9.0, 相应关系如图8-3所示. 介于两个等级之间旳可以取两个分值之间旳合适数值作为量化值.模糊综合评价措施在客观世界中, 存在着许多不拟定性现象, 这种不拟定性有两大类: 一类是随机性现象, 即事物对象是明确旳, 由于人们对事物旳因果律掌握不够, 使得相应成果具有不可预知性, 例如晴天、下雨、下雪, 这是明确旳, 但浮现规律不拟定；另一类是模糊性现象, 即某些事物或概念旳边界不清晰, 使得事物旳差别之间存在着中间过渡过程或过渡成果, 例如年轻与年老、高与矮、美与丑等, 这种不拟定性现象不是人们旳结识达不到客观实际所导致旳, 在构造旳不拟定属性, 称为糊性现象.模糊数学就是用数学措施研究和解决具有“模糊性”现象旳一种数学分支．而模糊综合评价就是以模糊数学为基础, 应用模糊关系合成旳原理, 将某些边界不清、不易定量旳因素定量化, 进行综合评价旳一种措施．. 从属度函数旳拟定措施从属度旳思想是模糊数学旳基本思想, 拟定符合实际旳从属函数是应用模糊数学措施建立数学模型旳核心, 然而这是至今尚未完全解决旳问题．下面简介几种常用旳拟定从属函数旳措施．⑴ 模糊记录法模糊记录法是运用概率记录思想拟定从属度函数旳一种客观措施, 是在模糊记录旳基础上根据从属度旳客观存在性来拟定旳. 下面以拟定青年人旳从属函数为例来简介其重要过程.① 以年龄为论域 , 在论域 中取一固定样本点 .② 设 为论域 上随机变动旳一般集合, 是青年人在 上觉得 弹性边界旳模糊集, 对 旳变动具有制约作用．其中 , 或 , 使得 对 旳从属关系具有不拟定性．然后进行模糊记录实验, 若 次实验中覆盖 旳次数为 , 则称 为 对于 旳从属频率．由于当实验次数 不断增大时, 从属频率趋于某一拟定旳常数, 该常数就是 属于 旳从属度, 即0()lim .n An mx nμ→∞=例如在论域 中取 , 选择若干合适人选, 请他们写出各自觉得青年人最合适最恰当旳年龄区间(从多少岁到多少岁), 即将模糊概念明确化. 若 次实验中覆盖27岁旳年龄区间旳次数为 , 则称 为27岁对于青年人旳从属频率, 表8-4是抽样调查记录旳成果. 由于27岁对于青年人旳从属频率稳定在0. 78附近, 因此可得到 属于模糊集 旳从属度 .③ 在论域 中合适旳取若干个样本点 , 分别拟定出其从属度 , 建立合适坐标系, 描点连线即可得到模糊集 旳从属函数曲线.将论域 分组, 每组以中值为代表分别计算各组从属频率, 持续地描出图形使得到青年人旳从属函数曲线, 见表8-5与图8-5所示.拟定模糊集合从属函数旳模糊记录措施, 注重实际资料中涉及旳信息, 采用了记录分析手段, 是一种应用拟定性分析揭示不拟定性规律旳有效措施．特别是对某些从属规律不清晰旳模糊集合, 也能较好地拟定其从属函数．22.5~23.5 129 1.00 34.5~35.5 260.202 23.5~24.5 129 1.00 35.5~36.5 1 0.008 24.5~25.5128 0.992⑵ 三分法三分法也是运用概率记录中思想以随机区间为工具来解决模糊性旳旳一种客观措施. 例如建立矮个子 , 中档个子 , 高个子 三个模糊概念旳从属函数. 设3{}P =矮个子,中等个子,高个子，论域 为身高旳集合, 取 (单位: m). 每次模糊实验拟定 旳一次划分, 每次划分拟定一对数 , 其中 为矮个子与中档个子旳分界点, 为中档个子与高个子旳分界点, 从而将模糊实验转化为如下随机实验: 即将 看作二维随机变量, 进行抽样调查, 求得 、旳概率分布 、 后, 再分别导出 、 和 旳从属函数 、 和 , 相应旳示意图如图8-6所示.1()(),A x x P t dt ξμ+∞=⎰ 3()(),A xx P t dt ημ+∞=⎰213()1()().A A A x x x μμμ=--一般 和 分别服从正态分布 和 , 则 、 和 旳从属函数分别为111()1,A x a x μσ⎛⎫-=-Φ⎪⎝⎭322()1,A x a x μσ⎛⎫-=-Φ ⎪⎝⎭ 22121().A x a x a x μσσ⎛⎫⎛⎫--=Φ-Φ⎪ ⎪⎝⎭⎝⎭其中221().2t xx e dt π--∞Φ=⎰⑶ 模糊分布法根据实际状况, 一方面选定某些带参数旳函数, 来表达某种类型模糊概念旳从属函数（论域为实数域）, 然后再通过实验拟定参数.在客观事物中, 最常见旳是以实数集作论域旳情形. 若模糊集定义在实数域 上, 则模糊集旳从属函数便称为模糊分布. 下面给出几种常用旳模糊分布, 在后来拟定从属函数时, 就可以根据问题旳性质, 选择合适(即符合实际状况)模糊分布, 根据测量数据求出分布中所含旳参数, 从而就可以拟定出从属函数了.为了选择合适旳模糊分布, 一方面应根据实际描述旳对象给出选择旳大体方向. 偏小型模糊分布适合描述像“小”、“冷”、“青年”以及颜色旳“淡”等偏向小旳一方旳模糊现象, 其从属函数旳一般形式为图8-5 年轻人旳从属函数曲线 图8-6 由概率分布拟定模糊集从属函数1, ;()(),.A x a x f x x a μ≤⎧=⎨>⎩偏大型模糊分布适合描述像“大”、“热”、“老年”以及颜色旳“浓”等偏向大旳一方旳模糊现象, 其从属函数旳一般形式为0, ;()(),.A x a x f x x a μ<⎧=⎨≥⎩中间型模糊分布适合描述像“中”、“暖和“、“中年”等处在中间状态旳模糊现象, 其从属面数可以通过中间型模糊分布表达.① 矩形(或半矩形)分布(a)偏小型(b)偏大型(c)中间型1,;()0,.A x a x x a μ≤⎧=⎨>⎩0,;()1,.A x a x x a μ<⎧=⎨≥⎩0,;()1,;0,.A x a x a x b x b μ<⎧⎪=≤≤⎨⎪>⎩此类分布是用于确切概念. 矩形(或半矩形)分布相应旳示意图如图8-7所示.图8-7矩形(或半矩形)分布示意图② 梯形(或半梯形)分布(a)偏小型(b)偏大型 (c)中间型1, ; (),;0, .A x a b xx a x b b ax b μ<⎧⎪-⎪=≤≤⎨-⎪⎪>⎩0, ;(),;1, .A x a x ax a x b b a x b μ<⎧⎪-⎪=≤≤⎨-⎪⎪>⎩ 0, ,;,; ()1, ;,;A x a x d x a a x b b ax b x c d xc xd d cμ<≥⎧⎪-⎪≤<⎪-=⎨≤<⎪⎪-≤<⎪-⎩梯形(或半梯形)分布旳示意图如图8-8所示.③ 抛物形分布(a)偏小型(b)偏大型(c)中间型(a)偏小型 (b)偏大型 (c)中间型(a)偏小型 (b)偏大型 (c)中间型 图8-8梯形(或半梯形)分布示意图1, ; (),;0, .k A x a b x x a x b b a x b μ<⎧⎪⎪-⎛⎫=≤≤⎨ ⎪-⎝⎭⎪⎪>⎩ 0, ; (),;1, .k A x a x a x a x b b a x b μ<⎧⎪⎪-⎛⎫=≤≤⎨ ⎪-⎝⎭⎪⎪>⎩ 0, ,;,; ()1, ;,;k A kx a x d x a a x b b a x b x c d x c x d d c μ<≥⎧⎪-⎛⎫⎪≤< ⎪⎪-⎪⎝⎭=⎨≤<⎪⎪-⎛⎫⎪≤< ⎪-⎪⎝⎭⎩抛物形分布旳示意图如图8-9所示.④ 正态分布(a)偏小型(b)偏大型(c)中间型21, ;(),.x a A x a x e x a σμ-⎛⎫- ⎪⎝⎭≤⎧⎪=⎨⎪>⎩20, ;()1,.x a A x a x e x a σμ-⎛⎫- ⎪⎝⎭<⎧⎪=⎨⎪-≥⎩ 2().x a A x eσμ-⎛⎫- ⎪⎝⎭=正态分布旳示意图如图8-10所示.⑤ 柯西分布(a)偏小型(b)偏大型(c)中间型1, ;()1,.1() (0,0)A x a x x a x a βμααβ≤⎧⎪=⎨>⎪+-⎩>> 0, ;()1,.1() (0,0)A x a x x a x a βμααβ-≤⎧⎪=⎨>⎪+-⎩>> 1(),1()(0,).A x x a βμααβ=+->为正偶数柯西形分布旳示意图如图8-11所示. (a)偏小型 (b)偏大型 (c)中间型 图8-9 抛物形分布示意图(a)偏小型 (b)偏大型 (c)中间型 图8-10 正态分布示意图 (a) 偏小型 (b)偏大型 (c)中间型图8-11 柯西分布示意图⑥Γ型分布(a)偏小型(b)偏大型(c)中间型()1, ;(),.k x a A x a x ex a μ--≤⎧=⎨>⎩ ()0, ;()1,.k x a A x a x ex a μ--≤⎧=⎨->⎩()(),;()1, ;,.k x a A k b x e x a x a x b ex b μ----⎧<⎪=≤<⎨⎪≥⎩其中 . 型分布旳示意图如图8-12所示.(a) 偏小型 (b)偏大型 (c)中间型图8-12 Γ型分布示意图。
数学建模实用教程-第8章 综合评价方法
⑶ 确定正理想解S*(z1*, z2*,L , zm* )和负理想解S(z1, z2,L , zm ).
2020/5/14
数学建模实用教程－高教出版社
24
8.4 常用的综合评价数学模型
20
8.3 评价指标权重系数的确定方法
8.3.3 综合集成赋权法
1. 加法集成赋权法 设aj 和bj分别为由主观赋权法和客观赋权法对第 j项指
标所确定的权重系数，第 j项指标新的权重系数为
wj k1aj k2bj ( j 1,2,L ,m).
其中k1, k2 0为待定常数，且满足k1 k2 1或k12 k22 1．k1, k2 分别表示主观权重与客观权重的相对重要程度．
7
8.2 评价指标体系的构建及其预处理方法
8.2.4 评价指标的预处理方法
1. 指标的一致化处理
(1) 极小型指标化为极大型指标
令
xj
1； xj
或
xj m1iaxn {xij} x j．
(2) 居中型指标化为极大型指标
mj
令 M j m1iaxn {xij}， m1iinn{xij}，取
xj
i1
( j 1,2,L
, m).
s j０
min{s
1 jm
j }.
③ 如果最小均方差 sj０ 0，则可删除与 s j０对应的指标
x
．考察完所有指标，即可得到最终的评价指标
j０
体
系
．
2020/5/14
数学建模实用教程－高教出版社
6
8.2 评价指标体系的构建及其预处理方法
数学建模素养评价模型与案例分析
数学核心素养是数学课程目标的集中体现，是具有数学基本特征的思维品质、关键能力以及情感、态度与价值观的综合体现.《普通高中数学课程标准（2017年版）》（以下简称《标准》）明确指出，数学课程的重要目标之一是在学习数学和应用数学的过程中，发展学生的数学抽象、逻辑推理、数学建模、直观想象、数学运算和数据分析数学学科核心素养.在《标准》的学业质量评价中，重点是核心素养评价，将每个核心素养划分为三个水平，每个水平有相关描述以及实例说明.仔细分析这些水平描述，感觉比较笼统、可操作性不够强，对实际教学缺乏有效的指导，尤其是作为六大数学核心素养之一的数学建模素养的评价，更是感觉不便操作.而考试评价对高中教师的导向功能是不得不重视的.也正是基于这样的现实，要想落实数学建模素养培养，首先要做的工作应该是让教师弄清楚管理部门或高考是如何评价和考查这种核心素养的，以此来引导教师重视数学建模素养的培养.为此，本文试以数学建模素养评价为例，探讨学业质量评价中如何对数学建模素养水平进行评价.一、数学建模素养的内涵一般认为，数学模型是研究者依据研究目的，将所研究的客观事物的过程和现象的主要特征和主要关系，采用形式化的数学语言，概括或近似地表达出来的一种结构.数学建模是把现实世界中的实际问题进行提炼，抽象为数学模型，求出数学模型的解，验证数学模型的合理性，并用数学模型提供的结论再来解释实际问题的一种应用过程.这个过程可以具体表示为：理解问题—简化问题—建立模型—计算求解—解释结果—修改模型—得出结论.数学建模过程结构图如图1所示.1.理解问题2.简化问题3.建立模型4.计算求解5.解释结果6.修改模型7.得出结论数学建模过程结构图图1收稿日期：2020-02-24基金项目：宁波市教育规划重点课题——基于学生视角的新高考改革的调查与思考（2018YZD002）.作者简介：邵光华（1964—），男，教授，主要从事数学教育研究.数学建模素养评价模型与案例分析邵光华摘要：已有数学建模素养评价模式有三种：横向评价、纵向评价和模型创新性评价.《普通高中数学课程标准（2017年版）》将数学建模素养划分为三个水平，用“情境与问题、知识与技能、思维与表达、交流与反思”四个维度加以区分与体现.分析了数学建模素养教学与评价案例中并未按照数学建模素养划分的三个水平的四个维度进行说明而导致的理论划分与案例例说不一致的冲突.基于数学建模素养的三个水平的划分维度以及每个水平的表现，结合已有数学建模能力评价模式，重新构建了与数学建模素养划分水平具体要求与表现相一致的数学建模素养评价模型，并举案例说明，合理解决了数学建模素养科学评价问题.关键词：数学建模；素养水平；评价··3《标准》将数学建模提升为数学核心素养之一.素养是一种稳定的内在心理品质，是知识、能力、行为习惯等人格化特征的综合集中反映.数学建模素养被看成是“对现实问题进行数学抽象，用数学语言表达问题，用数学方法构建模型解决问题的素养”.具体而言，数学建模素养可以理解为以下四个方面的综合体现：建立模型解决问题时必备的数学基础知识与方法等建模知识；相关的诸如阅读理解、抽象概括、数学运算、逻辑推理、数学应用等数学能力；抽象和转化等重要建模思想；在建模过程中体现的情感、态度与价值观.二、《标准》中数学建模素养的评价指南1.数学核心素养水平划分维度《标准》将每一种数学学科核心素养都划分为三个水平，并对每一个水平通过数学学科核心素养的具体体现和体现数学学科核心素养的四个维度给予表述.这四个维度为情境与问题、知识与技能、思维与表达、交流与反思，具体说明如表1所示.表1：反映数学学科核心素养的四个维度维度情境与问题知识与技能思维与表达交流与反思说明情境主要是指现实情境、数学情境、科学情境；问题是指在情境中提出的数学问题，分为简单问题、较复杂问题、复杂问题能够帮助学生形成相应数学学科核心素养的知识与技能数学活动过程中反映的思维品质，表述的严谨性与准确性能够用数学语言直观地解释与交流数学的概念、结论、应用和思想方法，并能进行评价、总结与拓展2.《标准》中数学建模素养的评价模型《标准》通过情境与问题、知识与技能、思维与表达、交流与反思四个维度对数学建模素养的三个水平进行区分与体现.数学建模素养的评价模型如表2所示.表2：数学建模素养的评价模型维度情境与问题知识与技能思维与表达交流与反思水平一了解熟悉的数学模型的实际背景及其数学描述，了解数学模型中的参数、结论的实际含义知道数学建模过程包括提出问题、建立模型、求解模型、检验结果、完善模型.能够在熟悉的实际情境中，模仿学过的数学建模过程解决问题对于学过的数学模型，能够举例说明数学建模的意义，体会其蕴涵的数学思想；感悟数学表达对数学建模的重要性在交流的过程中，能够借助或引用已有数学建模的结果说明问题水平二能够在熟悉的现实情境中，发现问题并转化为数学问题，知道数学问题的价值与作用能够选择合适的数学模型表达所要解决的数学问题，理解模型中参数的意义，知道如何确定参数，建立模型，求解模型；能够根据问题的实际意义检验结果，完善模型，解决问题能够在关联情境中，经历数学建模的过程，理解数学建模的意义，能够运用数学语言，表述数学建模过程中的问题以及解决问题的过程和结果，形成研究报告，展示研究成果在交流的过程中，能够用模型思想说明问题水平三能够在综合的科学情境中，运用数学思维进行分析，发现情境中的数学关系，提出数学问题能够运用数学建模的一般方法和相关知识，创造性地建立数学模型，解决问题能够理解数学建模的意义和作用，能够运用数学语言，清晰、准确地表达数学建模的过程和结果在交流的过程中，能够通过数学建模的结论和思想阐释科学规律和社会现象··4可以看出，“情境与问题”维度涉及的是数学建模问题的层次，情境由熟悉到综合，问题由简单到复杂.“知识与技能”维度涉及的是数学建模的过程与模型创新性层次，先模仿学过的模型解决问题，然后选择已知的模型解决问题，最后创造性地建立模型解决问题.“思维与表达”维度涉及的是模型评价与报告撰写水平，由要求举例说明学过的模型的意义，到要求用数学语言表述数学建模的过程，形成研究报告，再到强调学生真正理解数学建模的作用，得出问题的结论.“交流与反思”维度是对数学建模素养的本质的要求程度，由简单的借助模型结果说明问题，到能用模型思想说明问题，再到运用模型思想解决社会现实问题.从数学教育的角度来讲，数学思想是更高层次的理性认识，关于数学内容和方法的本质的认识是对数学内容和方法的本质的进一步概括.数学模型作为一种重要思想被学生理解是非常有意义的.评价模型中，“情境与问题”维度针对的是问题的难易程度与情境的复杂程度，是教师设置考查学生数学建模素养的试题的参考依据.但是，“数学模型的实际背景、熟悉的现实情境、综合的科学情境”三类情境的定义却未明确，“简单问题、复杂问题、较复杂问题”的区分标准也未提及，以及情境、问题两者有何关联，这些都可能增加教师设置测试问题的难度.“知识与技能”维度以考查学生数学建模知识与数学建模过程为主，量化评价的可操作性较弱，应该增加对该维度的量化评价细节.“思维与表达”与“知识与技能”两个维度相辅相成，“思维与表达”是对“知识与技能”的成果的呈现形式予以说明，因此评价时也采用量化评价方式.“交流与反思”维度是数学建模完成之后的交流、反思活动，考查形式可以采用生生、师生交流或组织学生公开答辩，亦可以采用具体量化评价方式.3.《标准》中用于评价的满意原则和加分原则的说明《标准》列举了“鞋号问题、包装彩绳问题、体重与脉搏问题、估计考生总数问题”四个案例用来说明如何评价数学建模素养水平，目的是想通过这些案例给学业水平考试与高考命题以指导.这些案例都是应用问题、开放性问题或探究性问题，可以同时考查学生的思维过程、实践能力和创新意识.《标准》同时指出，在具体评价数学建模素养水平层次时，除了按照前面的评价模型标准外，还需要遵循满意原则和加分原则.所谓“满意原则”就是不一定追求真正的“最优”，只要教师认可就行了，这种寻求“满意性”的系统方案的方法，虽然不如找“最优化”方案方法那么严格、精确，但是它比较灵活.而“加分原则”可以理解为针对数学建模过程的完整性、数学建模方法的创新性、模型的创新性、语言表达的准确性等方面进行加分.结合满意原则和加分原则，四个案例水平综合评价结果如表3所示.表3：四个案例的水平层次判定及评判根据案例鞋号包装彩绳体重与脉搏估计考生总数素养水平水平一水平二水平二水平一水平二水平二水平二水平三水平一水平二评价缘由得出简单模型模型创新数学建模过程完整提出猜想得出模型语言表达准确情境复杂，表达准确方法创新，模型创新体现统计思想过程表述清楚满意原则加分原则加分原则满意原则满意原则加分原则满意原则满意原则加分原则满意原则满意原则4.《标准》中数学建模素养评价模式不足的细化分析通过分析《标准》中案例的评价方式，不难发现，它是横向评价、纵向评价，以及“满意原则”和“加分原则”三个方面相结合的综合评价模式.“横向评价模式”是根据学生解决的不同水平的数学建模问题的情况来裁定其数学建模素养的层次.“纵向评价模式”是将数学建模素养分解为过程要素，具体过程为确定变量、探索关系、建立模型、计算系数、分析结论，根据学生解决问题达到过程中的哪一步来判断其数学建模素养水平.对于“满意原则”和“加分原则”，若学生已经完成数学建模过程中的某一步，根据满意原则直接判定其达到该步骤对应的数学建模素养水平；若学生未完整完成数学建模过程中的某一步，根据加分原则适当加分.例如，对于水平一的数学建模问题，··5数学建模过程完整、模型有创新，根据加分原则，评定为水平二.水平二的数学建模问题，模型合理，数学建模过程不完整，根据满意原则，评定为水平一；模型创新，过程完整，根据加分原则，评定为水平三.水平三的建模问题，提出问题，有思路，根据满意原则，评定为水平一；模型合理，数学建模过程不完整，根据满意原则，评定为水平二.综合起来，可以得出如图2所示的数学建模素养水平评价模型.数学建模素养水平评价模型数学建模素养水平水平一水平二水平三简单问题较复杂问题复杂问题图2根据该评价模型，《标准》提供的数学建模素养案例中，“鞋号问题”“彩绳包装问题”“估计考生总数问题”是数学建模素养水平一、水平二的评定案例，“体重与脉搏问题”是数学建模素养水平二、水平三的评定案例.仔细分析这些数学建模素养水平评定案例，发现似乎存在需要完善的地方.一是评定没有遵循数学建模问题与数学建模水平呈一一对应原则，案例是通过一个数学建模问题评定两个乃至三个数学建模素养水平.二是在评价数学建模素养水平的过程中未对数学建模素养的相关维度的具体表现进行表述.三是通过对数学建模素养划分为过程要素来评价.一方面，破坏了数学建模过程的整体性，难以凸显学生的数学建模素养.因为数学建模是问题解决的一部分，学生用数学建模的思想与方法去解决问题的根本点是是否真正解决了问题，解决问题的过程与问题的结果同等重要，而得出结果则需要经历完整的数学建模过程.因此，根据数学建模过程要素评定不合理.另一方面，忽略高中生认知水平的差异性.例如，数学建模素养达到水平一的学生未能完成关于水平二的问题的任何数学建模步骤，按照过程要素评价方式，将评定该学生的数学建模素养不能达到数学建模素养水平一.事实上，按照过程要素得出的评价结果与学生真实的素养水平会大相径庭.三、基于四个维度的数学建模素养评价模型的构建鉴于《标准》中关于数学建模素养评价的操作不甚明晰，下面，笔者重新构建更具操作性的评定设计方案，并通过案例给予说明.1.数学建模核心素养评价应该坚持两个原则针对《标准》中数学建模素养水平评价方案的不足，我们提出评价学生数学建模素养水平应该遵循的两个基本原则.原则1：基于数学建模情境与问题维度.为方便教师编制对应的数学建模素养水平测试题，数学建模问题与数学建模素养水平需要呈一一对应关系.事实上，能够通过数学建模解决的实际问题的难度水平在一定意义上能够显示一个人的数学建模素养水平的高低.基于此，我们提出数学建模素养水平与数学建模问题的难度应该呈一一对应关系.简单问题对应数学建模素养水平一，较复杂问题对应数学建模素养水平二，复杂问题对应数学建模素养水平三.简单问题包括一般的应用题，以及数量关系较明显的实际问题.该类问题较易入手，容易找到量与量之间的··6关系，结果也比较简单，不需要过多的分析、整理.较复杂问题主要指从社会生产、生活的实际中来的问题，背景较为复杂，不容易切入，较难下手，需要经过分析与判断做出适当假设，量与量之间的关系也较容易发现，得到的结果并不要求精确，但是需要做出一定的分析、说明，进行简单评价.复杂问题指从实际生活中来而且未经数学化的问题，解决它不仅需要相应的数学知识，还需要了解非数学领域的知识，这类问题难以切入，不容易发现其中的量与量之间的关系，在求解中除了应用数学知识外，还需要运用计算机进行模拟、试算、检验，并需要对模型进行分析与评价，结果要求是最优解，没有标准答案，需要以科技论文呈现.原则2：数学建模素养水平评价需要体现情境与问题、知识与技能、思维与表达、交流与反思四个维度.《标准》中给出的这四个维度能够切实综合反映学生的数学建模素养水平，为了更准确地反映水平层次，需要将这四个维度量化.2.基于四个维度的数学建模核心素养评价模型的方案设计结合每个水平的具体表现，我们将这四个维度划分为相应的子维度，记分法则参照文献［11］中的“数学建模能力评价量表”.由此设计并构建了数学建模核心素养评定方案，如表4所示.可以规定，获得相应数学建模素养水平问题总分的60%，就可以认定学生达到了该水平.表4：基于四个维度的数学建模素养评价方案维度情境与问题知识与技能思维与表达交流与反思子维度提出问题做出假设定义变量、参数使用的数学方法问题结果模型分析与评价写作与组织结果报告理想情况简洁、确切地表明该模型的问题是什么.（3分）主要的假设确切、合理且易于理解.（3分）合理列出重要的参数和变量，并做出相关解释.（3分）呈现了合理的数学方法和数学结果，提供了合理的解释.（4分）清晰地提出解决方案，还包含有用的可视化辅助（表格、图形），并进行解释.（4分）提供了解决方案的可行性和可靠性.例如，与其他解决方案相比，本模型怎样？（3分）论文格式很好，可顺利地阅读，选择最佳可视化辅助且易于理解.（5分或4分）语言表达流畅，易于理解，针对听众的疑问给予合理解释.（5分或4分）符合要求问题的陈述很容易识别，但是不够精确.（2分）指出主要假设，但是缺乏合理性或可读性.（2分）合理列出重要参数和变量，没有确切的解释.（2分）陈述了数学方法，但是难以令人理解.（3分或2分）陈述了答案，但是解决方案的各个方面难以理解或不完整.（3分或2分）分析缺乏适当的维度.例如，忽略了所述结果的明显后果.（2分）格式符合要求，行文流畅，缺乏可视化辅助说明，不易理解.（3分或2分）语言表达流畅，未对听众的疑问给予合理解释.（3分或2分）需要改进问题的陈述难以理解或被隐藏在原文中.（1分）给出假设并说明其合理性，但是与问题不贴切.（1分）设置了部分变量、参数.（1分）陈述了数学方法，但是包含可以解决的数学错误.（1分）给出了答案，但是没有给出适当的图形、恰当的单位等.（1分）提供了一些分析，但是没有任何从整体出发看问题的意识.（1分）论文格式符合要求，行文不流畅.（1分）用自然语言流畅表达，但是听众难以理解.（1分）未完成没有给出问题陈述.（0分）没有假设，或缺乏假设的理由.（0分）没有确定变量或参数.（0分）没有提出模型，或提出的模型包含重大错误.（0分）未提供解决方案.（0分）文章中不包含任何的模型分析或评估.（0分）论文格式不符合要求.（0分）无法用自然语言流畅表述模型.（0分）··7四、基于四个维度数学建模核心素养评价模型的案例分析有关数学建模素养水平评价的问题编制或选取与“情境与问题”“知识与技能”两个维度的要求密切相关.下面我们主要根据这两个维度进行分析说明.说明的形式是先解析《标准》的要求，再解释本文选择的问题为何符合要求.1.数学建模核心素养水平一案例分析情境与问题维度要求：教师可以将教材中涉及的数学模型作为原材，选取适时的背景编制问题.可以为一般的应用问题或数量关系较明显的实际问题.知识与技能维度要求：问题需要设置参数或条件假设.水平一的问题是已经适度数学化的问题，学生经历从学过的数学模型中选取合适的模型，求解模型、检验模型、完善模型.情境：人社部拿出延迟退休方案，采取渐进式延迟退休年龄政策，采取小步慢走，渐进到位.男性延迟退休年龄的具体方案如表5所示.表5：男性延迟退休年龄方案出生年份退休年龄出生年份退休年龄出生年份退休年龄196160.00196861.75197563.50196260.25196962.00197663.75196360.50197062.25197764.00196460.75197162.50197864.25196561.00197262.75197964.50196661.25197363.00198064.75196761.50197463.25198165.00问题：男性的退休年龄随出生年份逐步调整的计算模型是什么？在情境与问题层面，该情境是学生熟悉的情境，问题是已经数学化的问题.从表格里的数据可知，调整过程中男性的出生年份与退休年龄均成等差数列，等差数列模型是学生学过的数学模型.在知识与技能层面，学生只需要通过模仿等差数列模型，设置模型相关参数，建立男性的退休年龄随出生年份逐步调整的计算模型，经历建立模型的过程.具体建模过程如下.由表5中的数据不难看出，数据呈等差数列特征.假设调整过程中的男性的出生年份为数列{}y n，退休年龄为数列{}a n，模型分别设为y n=y0+nd1，a n=a0+nd2.在2021年年龄为60岁的男性出生年份y0=1961，d1=1；目前的退休年龄a0=60，d2=0.25；从表5中可知，数列的长度n为从开始调整年龄到预定的退休年龄65岁的年龄跨度是20年，且作为连接男性出生年份与退休年龄数学关系的桥梁，即an-a0d2=y n-y0d1，再结合a0，d2，y0，d1的值，得到男性的退休年龄随出生年份逐步调整的计算模型an=60+0.25()y n-1961.2.数学建模核心素养水平二案例分析情境与问题维度要求：这种问题从社会的生产、生活实际中来，不容易切入，难以下手，需要学生将现实问题数学化，知道问题的价值与作用.知识与技能维度要求：该类问题需要经过分析与判断，量与量之间的关系容易被发现；可以跨学科寻找与解决此问题类似的模型；仍然需要在数学建模之前，做出适当假设，且理解设置参数的意义；得到的结果不一定精确，需要进行一定的分析、说明，简单评价，解决问题.情境：一辆小汽车在普通路面上行驶，得九组关于车速、反应距离、刹车距离的数据，如表6所示.反应距离即驾驶员做出反应动作到刹车制动开始起作用汽车行驶的距离.刹车距离即从刹车制动开始起作用到汽车完全停止这段时间内汽车行驶的距离.表6：车速与反应距离、刹车距离对应数据表车速/km·h-1324048566472808895反应距离/m6.78.510.111.913.415.216.818.620.1刹车距离/m6.18.512.31621.928.23645.355.5问题：对于这辆小汽车与这位驾驶员，分别建立反应距离关于车速的函数模型、刹车距离关于车速的函数模型.··8在情境与问题层面，该情境是学生熟悉的现实情境，是跨学科的问题，需要学生将问题数学化.将汽车运动问题转化为具体的路程与速度问题.在知识与技能层面，该问题是物理学科的匀速与减速问题，在物理学科中有类似的模型.通过观察数据并分析量与量之间的关系，学生选择路程与速度模型：匀速运动模型s=vt，匀减速运动模型s=v 22a.学生需要经历模型参数的假设，并且对结果进行分析.（1）假设驾驶员的反应时间为t，反应距离为s1，刹车距离为s2，车速为v.选取匀速运动模型s1=vt，计算驾驶员做出反应动作到刹车制动开始起作用汽车行驶的时间.将九组车速与反应距离的数据代入匀速运动模型，通过计算发现九组反应时间t非常接近，t的均值tˉ=0.7584，t的方差为2.0927×10-5，驾驶员的反应时间可以设定为定值0.7584，对于这辆小汽车与这位驾驶员，反应距离关于车速的函数模型为s1= 0.7584t.（2）假设这辆小汽车的减速度为a，选取匀减速运动模型s2=v22a.将九组车速与刹车距离数据代入匀减速运动模型，通过计算发现九个12a的值非常接近，12a的均值是0.072，12a的方差是1.7617×10-5，12a可以设定为定值0.072.对于这辆小汽车与这位驾驶员，刹车距离关于车速的函数模型s2=0.072v2.3.数学建模核心素养水平三案例分析情境与问题维度要求：情境是综合的科学情境，问题是现实生活中未经过数学化的问题.难以切入问题，不容易发现量与量之间的关系.知识与技能维度要求：这类问题没有能运用或者模仿的模型.学生在理解题意，将现实问题数学化的基础上，运用学习过的数学知识创造性地建立数学模型.在求解步骤中除了数学知识，还需要运用计算机进行模拟、试算、检验，解决问题.情境：储药柜的结构类似于书橱，从上到下有若干层横向隔板.每一层称为一个储药槽，每个储药槽内用竖向隔板隔开，形成若干个存放药盒的储药格，一个储药槽内只能摆放同一种药品，如图3所示.图3问题：为保证药品在储药槽内顺利出入，要求药盒与两侧竖向隔板之间、与上下两层横向隔板之间应留2mm的间隙，同时还要求药盒在储药槽内推送的过程中不会出现并排重叠、侧翻或水平旋转.表7给出了20种药盒的尺寸规格，给出能够存放这些药盒且满足上述要求的储药格宽度类型最少的设计方案.表7：药盒规格表药盒编号长度/mm宽度/mm厚度/mm药盒编号长度/mm宽度/mm厚度/mm112076241195553321257220121086218312576211395553349171151413476205125722115955533612085201685464671173726171257533878652018116761691175656191001001010744740201317738在情境与问题层面：问题从实际生活中来，未经过数学化处理，难以切入问题，不容易发现量与量之间的关系，是综合情境复杂问题.在数学建模过程中，实际问题抽象为数学问题，需要借助于几何直观.模型求解运用不等式，通过解不等式寻找储药格宽度与存储药盒厚度的关系，划分药盒的厚度间隔.在知识层面上，学生遇到的困难大.在知识与技能层面，该问题无已知的模型可以直接运用，需要学生有数学建模素养水平三的能力，建立模型，解决问题.问题数学化分析如下.（1）药盒在储药槽内推送的过程中不会出现并排重叠，即药槽的宽度小于药盒宽度的两倍.··9。
大学生数学建模--综合评价模型
4）赋权w=(1/3,1/3,1/3)的前提是，指标之间是 无关联的，即信息没有重复
本例中如果使用非线性模型，即使“错误的赋权 w=(1/3,1/3,1/3)”，也能得出“正确的结果”, 这有一定偶然性
对w=(1/2,1/4,1/4)有，g(甲)=89.4427，g(乙)=78.1025； 对w=(1/3,1/3,1/3)有，g(甲)=86.1774，g(乙)=84.8093；
x
,
xa a xb
1
x
b c
,
xb
c max{a m, M b}
四.如何将多次排序结果综合
例3. 测试1：甲>乙>丁>丙 测试2：乙>甲>丁>丙 总排名？
测试3：丁>甲>乙>丙 测试4：乙>丁>丙>甲
Borda 函数方法：在第 j 个排序方案中排在 Sk 后面 的个数为 B j (Sk ) ，则 Sk 的 Borda 数为
19
五.两类简单的评价模型 线性加权
适用条件:各评价指标之间相互独立。 特点：
权重系数的对评价结果的影响明显。
非线性加权
特点： 对权重系数的变化不是特别明显； 对指标值的变化较敏感； 对指标之间信息重复引起的错误有一定的弥补
20
**指标的独立性检验与 信息重复时的处理办法**
对独立性大小的刻画：相关系数
水质污染程度的最主要的四项指标是： 溶解氧（DO）,高锰酸盐指数（CODMn）,氨氮(NH3-
N),PH值，
测得17个城市28个月的水质检测指标数据， 要求综合这四种污染指标的28个月的检测数据对17个城市的 水质情况做出综合排序。
（只要有一项指标达到高类别的标准就算是高类别的水质）
综合评价模型
综合评价模型综合评价模块在数学建模⽐赛和数据分析中，综合评价模型的出场率还是⽐较⾼的，实际应⽤也确实⽐较⼴泛。
下⾯是我在学习过程中对综合评价模型的总结。
1 综合评价的⽬的综合评价⽆外乎两种：对多个系统进⾏评价和对⼀个系统进⾏评价。
对多个系统进⾏评价的⽬的基本上有两种：这东西是谁的——分类；哪个好哪个差——⽐较、排序。
对⼀个系统进⾏评价的⽬的基本上就是看它达没达标、及不及格——实现程度。
对⼀个系统的精确评价往往对它进⾏进⼀步的预测起着决定性的参考作⽤。
因为如果我们需要对某⼀系统进⾏预测的话⼀个良好的评价系统也⾮常关键。
2 综合评价的基本要素综合评价模型中的五个基本要素：被评价对象、评价指标、权重系数、综合评价模型和评价者。
2.1被评价对象被评价对象就是综合评价问题中所研究的对象。
这⾥将被评价对象记为2.2评价指标评价指标的选取对系统的综合评价起着⾄关重要的作⽤。
可以说根据不同的评价指标评价出来的结论之间可能⼤相径庭。
评价指标的选取应该主要以下⼏个原则：1. 独⽴性。
尽量减少每⼀个评价指标之间的耦合关系，即每个评价指标中包含的绝⼤部分信息在其他评价指标中应该不存在。
⽐如评价两地之间的交通状况，如果选择了汽车的平均⾏驶速度和公路距离为评价指标后，就不要在选取汽车平均使⽤时间作为评价指标了。
因为它包含的信息在其他的评价指标中能反映出来。
2. 全⾯性。
所有评价指标包含的信息总和应该等于被评价模型的所有信息。
独⽴性和全⾯性可以类⽐古典概型中样本点和样本空间的概念。
3. 量⼦性。
如果⼀个评价指标可以使⽤两个或者多个评价指标表⽰，那么将评价指标的进⼀步细化有助于我们实现指标之间的解耦和对问题的分析。
再分析清楚问题之后，在构建评价模型的时候我们可以通过合适的算法将相关的评价指标进⾏聚合。
4. 可测性。
保证选择的评价指标能直接或者间接的测量也⾮常重要。
评价指标我们⽤.表⽰。
2.3权重系数不同的评价指标的不同重要程度我们可以使⽤权重系数进⾏表⽰。
数学建模模型常用的四大模型及对应算法原理总结
数学建模模型常用的四大模型及对应算法原理总结四大模型对应算法原理及案例使用教程：一、优化模型线性规划线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，在线性回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。
如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
案例实操非线性规划如果目标函数或者约束条件中至少有一个是非线性函数时的最优化问题叫非线性规划问题，是求解目标函数或约束条件中有一个或几个非线性函数的最优化问题的方法。
建立非线性规划模型首先要选定适当的目标变量和决策变量，并建立起目标变量与决策变量之间的函数关系，即目标函数。
然后将各种限制条件加以抽象，得出决策变量应满足的一些等式或不等式，即约束条件。
整数规划整数规划分为两类：一类为纯整数规划，记为PIP，它要求问题中的全部变量都取整数；另一类是混合整数规划，记之为MIP，它的某些变量只能取整数，而其他变量则为连续变量。
整数规划的特殊情况是0-1规划，其变量只取0或者1。
多目标规划求解多目标规划的方法大体上有以下几种：一种是化多为少的方法，即把多目标化为比较容易求解的单目标，如主要目标法、线性加权法、理想点法等；另一种叫分层序列法，即把目标按其重要性给出一个序列，每次都在前一目标最优解集内求下一个目标最优解，直到求出共同的最优解。
目标规划目标规划是一种用来进行含有单目标和多目标的决策分析的数学规划方法，是线性规划的特殊类型。
目标规划的一般模型如下：设xj是目标规划的决策变量，共有m个约束条件是刚性约束，可能是等式约束，也可能是不等式约束。
设有l个柔性目标约束条件，其目标规划约束的偏差为d+, d-。
设有q个优先级别，分别为P1, P2, …, Pq。
在同一个优先级Pk中，有不同的权重，分别记为[插图], [插图]（j=1,2, …, l）。
数学建模之综合评价模型
一，层次分析法以一道例题进行分析：小明同学想出去旅游，在查阅了网上的攻略后，他初步选择了苏杭，北戴河，桂林三个地方请你确定评价指标，形成评价体系为小明同学选择最佳的方案。
第一步：确定模型题中出现“确定评价指标，形成评价体系”这类词眼，确定这是一道层次分析题。
第二步：建立层次结构模型我们从三个问题入手：1.我们评价的目标是什么？答：为小明选择最佳的旅游景点。
2.我们为了达到这个目标有哪几种可选的方案？答：三种。
分别是去苏杭，去北戴河，去桂林。
3.评价的准则或者说指标是什么？答：景色，花费，居住，饮食，交通。
第三个的答案我们可以根据题目中的背景材料，常识，以及网上（知网，百度学术，虫部落-快搜）搜索到的参考资料进行结合，从中筛选合适的指标第三步：构建权重表格我们最终的目标就是要填满这个权重矩阵（同颜色的单元格和为1）重要性表（1）构建指标之间的判断矩阵：两个指标两个指标进行比较，根据重要性表填写两两比较的结果1.比较景色和花费的重要程度答：花费比景色略微重要（景色：花费 = 1：2）2.比较景色和居住的重要程度答：景色比居住要重要一点（景色：居住 = 4 ：1）…………总共需要比较次判断矩阵：上面的矩阵就是层次分析法中的正互反矩阵（我们需要知道正互反矩阵的特点）（1）aij表示：与 j 相比，i 的重要程度（例如：和居住相比，景色的重要程度是4）（2）当 i = j 时，两个指标相同，同等重要记为1（3）aij > 0 && aij x aji = 1（2）构建每个指标下，方案之间的判断矩阵1.比较苏杭的花费和北戴河的花费的多少程度答：北戴河的花销要比苏杭的花销要稍多（北戴河：苏杭 = 3 ：1）2.比较苏杭的花费和桂林的花费的多少程度答：桂林的花销要比苏杭的花销要贵的多得多（桂林：苏杭 = 8 ：1）3.比较北戴河的花花费和桂林的花费的多少程度答：桂林的花销要比北戴河要稍多（桂林：北戴河 = 3 ：1）……判断矩阵：第四步：对判断矩阵一致性检验（如果判断矩阵已经是一致矩阵，那么就没必要进行一致性检验）首先介绍一下一致矩阵：在判断矩阵的前提下，如果各行成比例且各列成比例，那么该矩阵就是一致矩阵第一步：计算判断矩阵的最大特征值及一致性指标ci第二步：根据n的大小，按照下表查找平均随机一致性指标ri，计算一致性比例cr 第三步：判断判断矩阵的一致性是否小于0.1结论：如果cr < 0.1, 则可认为判断矩阵的一致性可以接受；否则需要对判断矩阵进行修正。
数学建模中综合评价模型
综合评价模型的未来发展方向
01
02
智能化
多元化
随着人工智能和大数据技术的不断发 展，综合评价模型将更加智能化，能 够自动进行数据筛选、处理和模型构 建，提高评价的准确性和效率。
未来综合评价模型将更加多元化，不 仅局限于某一特定领域或问题，而是 能够广泛应用于各个领域，满足不同 需求的评价任务。
03
综合性
综合评价模型能够综合考虑多个因素或指标，避免单一指标评价的片 面性。
客观性
综合评价模型采用数学方法进行数据处理和评估，能够减少主观因素 的影响。
可比性
综合评价模型所得出的评价结果可以进行横向和纵向的比较。
综合评价模型的重要性
提高决策的科学性
综合评价模型能够提供全面、客 观的评价结果，有助于提高决策 的科学性和准确性。
建立数学模型
根据选择的评价方法和评价指标体系，建立相应的数学模型，确保 模型能够客观、准确地反映评价对象的实际情况。
模型验证与优化
对建立的数学模型进行验证和优化，确保模型的准确性和可靠性。
04
CATALOGUE
综合评价模型的优化与改进
优化评价指标体系
评价指标的选取
在选择评价指标时，应遵循科学性、系统性、可操作性和可比较性等原则，确保评价指 标能够全面反映评价对象的特征和状况。
03
02
环境领域
用于评估环境质量、生态系统的健 康状况等。
科技领域
用于评估科技成果的创新性和实用 性等。
04
02
CATALOGUE
综合评价模型的分类
主观评价模型
专家打分法
根据专家对各指标的权重和评分进行综合评 价，主观性强，但易受专家知识水平和经验 的影响。
数学建模评价模型方法
数学建模评价模型方法目标评价方法是通过对建模目标进行分析和评价，从而确定模型的合理性和准确性。
常用的目标评价方法有以下几种：1.目标一致性评价：通过比较建模目标与实际需求的一致性，评估模型是否能够准确反映实际问题的特征。
可以通过专家访谈、问卷调查等方式，收集相关数据，然后通过定量或定性分析的方法来评价目标一致性。
2.目标完备性评价：评估模型是否能够完整地描述问题的各个方面。
可以通过检查模型的输入、输出和求解方法，判断是否包括了问题的所有关键要素，从而评价模型的完备性。
3.目标可行性评价：评估模型是否能够在给定的条件下实现。
通过对模型中所涉及的参数、约束条件和假设进行分析，判断模型是否符合实际操作的限制和要求。
效果评价方法是通过对模型的输出结果进行分析和评价，从而判断模型的有效性和可靠性。
常用的效果评价方法有以下几种：1.精度评价：评估模型的输出结果与实际观测值或已知数据之间的偏差程度。
可以采用各种统计指标，如均方根误差、平均绝对百分比误差等，来度量模型的精度。
2.稳定性评价：评估模型在不同条件下的输出结果是否稳定。
可以通过对输入条件的变化、参数的敏感性分析等方法，来评估模型的稳定性。
3.可行性评价：评估模型的输出结果是否满足实际的约束条件和要求。
可以通过比较模型的输出结果与给定的约束条件来判断模型的可行性。
在实际应用中，常常需要综合考虑目标评价和效果评价方法来对建模进行综合评价。
可以根据实际情况，确定评价指标的权重，并运用多指标综合评价方法来评价模型的综合效果。
总之，数学建模评价模型方法是评估模型合理性、准确性和可行性的重要手段。
通过目标评价和效果评价方法的综合应用，可以对建模过程和建模结果进行全面评估，为实际问题的求解提供科学的依据和方法。
学生成绩综合评价模型(数学建模)
对于每名学生基于其四个学期成绩及成绩变化做单因素评价：
首先我们确定优良中差的比例固定为1：4：4：1，这样就能使学生评价处于平均，增强学生的学习动力。
1、对于平均分
因为不同基础的同学对某一得分同学的评价不同，所以当一名学生得60分时，得分大于80分的同学会认为其基础差。所以对学生的分数进行优良中差的比例分类：
预测成绩表
学生序号1 2 3 4 5 6 7 8 9 10
第5学期74.64 81.1866.6477.4878.7276.3467.7859.0367.4370.71
第6学期77.97 78.9669.7176.6777.8275.6168.3760.0671.9270.11
最后，我们对我们所建立的模型进行了客观的比较，并对其应用前景进行了展望。
4符号的说明
:学期
:学生序号
D:总评价得分
:第i个学生的第j学期的原始成绩。
：第 个决策单元
：因素集
：评语集
其他主要符号将在模型建立的时候详细说明。
5模型的建立
5.1数据标准化
为了避免现行评价方式中仅根据“绝对分数”评价学生学习状况，设计出一种新型的发展性目标分析法，必须考虑到户律基础条件的差异，学生原有的学习基础，也注意到学生学习的进步因素。
在本题中，附件给出了 名学生连续四个学期的综合成绩。要求我们做到以下三点：
1.根据附件数据，对这些学生的整体情况进行分析说明；
2.根据附件数据，采用两种及以上方法，全面、客观、合理的评价这些学生的学习状况；
3.根据不同的评价方法，预测这些学生后两个学期的学习情况。
数学建模常见评价模型简介
数学建模常见评价模型简介Company Document number：WTUT-WT88Y-W8BBGB-BWYTT-19998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。
图1 选择旅游地的层次结构步骤2构造比较矩阵标度值 含义1 两因素相比，具有同等重要性 3 两因素相比，前者比后者稍重要 5 两因素相比，前者比后者明显重要 7 两因素相比，前者比后者强烈重要 9 两因素相比，前者比后者极端重要2、4、6、8表示上述相邻判断的中间值以上各数值的倒数若指标i 与指标j 比较相对重要性用上述之一数值标度，则指标j 与指标i 的相对重要性用上述数值的倒数标度表1 1~9标度的含义设要比较各准则n C C C ,,,21 对目标O 的重要性，记判断矩阵为A显然，A 是正互反阵。
数学建模常见评价模型简介完整版
数学建模常见评价模型简介HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】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。
图1 选择旅游地的层次结构步骤2构造比较矩阵标度值 含义1 两因素相比，具有同等重要性 3 两因素相比，前者比后者稍重要 5 两因素相比，前者比后者明显重要 7 两因素相比，前者比后者强烈重要 9 两因素相比，前者比后者极端重要2、4、6、8表示上述相邻判断的中间值以上各数值的倒数若指标与指标比较相对重要性用上述之一数值标度，则指标与指标的相对重要性用上述数值的倒数标度表1 1~9标度的含义设要比较各准则n C C C ,,,21 对目标O 的重要性，记判断矩阵为A 显然，A 是正互反阵。
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。
161160iii 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。
9ji ij i d c a ==∑ ija=ijnuija=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。
数学建模评价类模型——模糊综合评价
数学建模评价类模型——模糊综合评价文章目录•o一级模糊综合评价应用o1）模糊集合o2）隶属度、隶属函数及其确定方法o3）因素集、评语集、权重集o1、模糊综合评价法的定义o2、应用模糊综合评价法需要的一些小知识oo3、模糊综合评价法的应用（实例）oo4、最后总结1、模糊综合评价法的定义先来看看官方标准定义：模糊综合评价法是一种基于模糊数学的综合评价方法。
该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。
它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。
初次看，是不是觉得有点懵懵懂懂的？（偷笑）我来用非官方的语言解释一遍，或许你就明白了。
大家想想，生活中，是不是有很多模糊的概念。
比如班级要评三好学生，那评价的标准一般就是学习成绩好不好、思想品德好不好、身体好不好（我查了下百度才发现三好学生竟然要身体好！？感情身体不好还不行）。
学习成绩好或者不好、思想品德好或者不好、身体好或者不好听起来是不是就很模糊？怎么样就算学习成绩好了或者思想品德好了或者身体好了？对，其实这些指标就是模糊的概念。
模糊综合评价法是什么呢？其实就是对评价对象就评价指标进行综合评判，最后给每个评价对象对于每个指标一个隶属度。
（有点绕口，用三好学生的例子再来阐述一下）比如现在有个学生参与评判三好学生。
标准假如就是评上和评不上。
用模糊综合评价法得到的最终结果就是这名学生对于评上的隶属度和评不上的隶属度。
假如评上的隶属度高一些，那这名学生肯定是被评上咯。
（反之亦然）我这样介绍一下，是为了让大家知道我们这个模糊综合评价到底是干嘛的，不要嫌我啰嗦（吃手手）2、应用模糊综合评价法需要的一些小知识1）模糊集合① 定义：（我觉得这段话不错，来自360百科）这段话其实就举了模糊的一些概念，和经典集合（就是有明确数字的，高中学的那个集合）的区别及其历史。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
二、动态加权综合评价方法
2. 动态加权综合评价的一般方法
根据这个问题的实际背景和综合评价的一般原 则，解决问题的主要过程分三步完成： •将各评价指标作标准化处理； •根据各属性的特性构造动态加权函数； •构建问题的综合评价模型，并做出评价。 实际中问题的评价指标可能有极大型的、极小型 的、中间型，或区间型的四种情况，也有时各有不同 的量纲，这就需要根据不同情况分别作标准化处理， 即对三种不同类型指标变换成统一的、无量纲的标准 化指标。
二、动态加权综合评价方法
1. 动态加权综合评价问题的提法 根据国标（GB 3838—2002）的规定，关于地表水的水 质可分为Ⅰ类、Ⅱ类、Ⅲ类、Ⅳ类、Ⅴ类、劣Ⅴ类共六个类 别，每一个类别对每一项指标都有相应的标准值（区间）， 只要有一项指标达到高类别的标准就算是高类别的水质，所 以实际中不同类别的水质有很大的差别，而且同一类别的水 在污染物的含量上也有一定的差别。 在对17个城市的水质做综合评价时，要充分考虑这些指 标值不同类别水的“质的差异”和同类别水的“量的差异”,在 此简称为“质差”和“量差”。因此，这是一个较复杂的多因素 多属性的综合评价问题。
2.2 动态加权函数的设定
（2）偏大型正态分布函数 如果某项指标 xi 对于综合评价效果的影响大约是随着类别
pk (k = 1,2, , K ) 的增加，先是缓慢增加，中间有一个快速增长的过程，
随后平缓增加趋于最大， 相应的图形呈正态分布曲线 （左侧） 形状。 那么， 此时对指标 xi 的变权函数可以设定为偏大型正态分布函数。即
三、长江水质的综合评价模型
针对长江水质的综合评价这一问题，采用动态加权综合评价方 法来解决。假设 17 个城市为被评价对象 S1 , S 2 , , S17 ，共有四项评 价指标（或属性）DO、CODMn、NH3-N 和 PH 值，分别记为 x1 , x2 , x3 和
x4 ，前三项指标都有 6 个等级 p1, p2 , , p6 ，相应的分类区间值如
(i ) (i )
于每一个等级 pk 都包含一个区间范围，记为 [ak , bk ) ，且
( ( aki) < bk(i) (i = 1,2, , m; k = 1,2, , K) ，即当属性 xi ∈[aki) , bk(i) ) 时，则
既有不 属性 xi 属于第k 类 pk (1 ≤ k ≤ K) 。也就是对于每一个属性而言， 同类别的差异，同类别的又有不同量值的差异。对于这种既有“质差” ， 又有 “量差” 的问题， 如果用通常的定常权综合评价法做综合评价显然是 不合理的，然而合理有效的方法是动态加权综合评价方法。
1. 指标数据的标准化处理
（２）高锰酸盐指数（CODMn）的标准化 高猛酸盐指数本身就是极小型指标，即由极差变换将其数据标准化，
x2 ′ 即令 x2 = , 对应的分类区间随之变为 15 (0,0.1333],(0.1333,0.2667], (0.2667,0.4], (0.4,0.6667], (0.6667,1], (1, ∞)
二、动态加权综合评价方法
2. 动态加权综合评价的一般方法
2.2 动态加权函数的设定
考虑到评价指标的“质差”与“量差”的关系，在 确定综合评价指标时，既要能体现不同类型指标之 间的差异，也要能体现同类型指标的数量差异。 根据实际问题具体取什么样的动态加权函数， 主要是从实际问题出发分析确定。 对于不同的指标可以取相同的权函数，也可以 取不同的权函数。
二、动态加权综合评价方法
1. 动态加权综合评价问题的提法
在以上综合加权评价方法中，关于权值 w j ( j = 1, 2,
, m)
都是属于定常权，即权值均为常数。虽然这种方法简单易行， 对某些较简单的实际问题也是可行的，但是主观性强、科学性 差，有些时候不能很好地为决策提供有效的依据。
2005年中国大学生数学建模竞赛的A题：“长江水质的评 价和预测”问题的第一部份给出了17个观测站（城市）的最近 28个月的实际检测指标数据，包括反映水质污染程度的最主 要的四项指标：溶解氧（DO）、高锰酸盐指数（CODMn）、氨 氮(NH3-N) 和PH值，要求综合这四种污染指标的28个月的检 测数据对17个城市的水质情况做出综合评价。
（４）PH 值的处理 酸碱度（PH 值）的大小反映出水质呈酸碱性的程度， 通常的水生物都适应于中性水质， 即酸碱度的平衡值 （PH 值略大于７）在这里不妨取正常值的中值 7.5。 PH<7.5 ， 当 时水质偏碱性，当 PH>7.5 时偏酸性，而偏离值越大水质 就越坏，PH 值属于中间型指标。为此，对所有的 PH 值指 标数据作均值差处理，即令
当 x ≤ αi时, ⎧0 , ⎪ 2 ⎛ x−αi ⎞ wi ( x) = ⎨ −⎜ ⎟ ⎪1− e ⎝ σi ⎠ , 当 x > αi时, ⎩ (i ) (i ) 其中参数αi 可取[a1 , b1 ) 中的某
定值，在此不妨取αi = (b1 − a1 ) / 2 ，
(i ) (i ) ( σ i 由 wi (aKi ) ) = 0.9(1 ≤ i ≤ m) 确定。
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。
作业4： 招聘工作人员 某单位拟从应试者中挑选外销工作人员若干名，根据工作需 要，单位领导认为招聘来的人员应具备某些必要的素质，由 此建立层次结构如下图所示。
A层 招聘人员综合情况
B层
知识
B1
能力
B2
外表
B3
C层
经 济 知 识 C1
2. 动态加权综合评价的一般方法
2.3 综合评价模型的构建
根据标准化后的各评价指标值，不妨仍用 xi 表示，以及相应的动态 权函数wi (x)(i =1,2, , m) ， 建立综合评价模型来对 n 个被评价对象做 出综合评价。在此，取综合评价模型为各评价指标的动态加权和，即
X = ∑wi (xi ) ⋅ xi 。
表（1）所示，而 PH 值没有等级之分。
表（1）: 《地表水环境质量标准》 （GB3838—2002）中 4 个主要项目标准限值 指 标 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 [6,7.5) [5,6) [3,5) 溶解氧(DO) [7.5,∞) (0,2] (2,4] (4,6] (6,10] 高锰酸盐指数(CODMn) (0,0.15] (0.15,0.5] (0.5,1] (1,1.5] 氨氮（NH3-N） [6 , 9] PH 值（无量纲） 单位：mg/L Ⅴ类 劣Ⅴ类 [2,3) [0,2] (10,15] (15, ∞) (1.5,2] (2, ∞)
综合评价方法及其应用
“选择旅游地”中 准则层对目标的权 向量及一致性检验 最大特征根λ=5.073
准则层对目标的成对比较阵
⎡ 1 ⎢ 2 ⎢ A = ⎢ 1/ 4 ⎢ ⎢ 1/ 3 ⎢ ⎣ 1/ 3 1/ 2 1 1/ 7 1/ 5 1/ 5 4 7 1 2 3 3 5 1/ 2 1 1 3 ⎤ 5 ⎥ ⎥ 1 / 3⎥ ⎥ 1 ⎥ 1 ⎥ ⎦
例. 选择旅游地
如何在3个目的地中按照景色、 费用、居住条件等因素选择.
O(选择旅游地) w =(0.263,0.475,0.055,0.090,0.110) =(
目标层 C1 景色
准则层
C2 费用
C3 居住
C4 饮食
C5 旅途
方案层
P1 桂林
P2 黄山ຫໍສະໝຸດ P3 北戴河层次分析法的基本步骤
1）建立层次分析结构模型
权向量(特征向量)w =(0.263,0.475,0.055,0.090,0.110)T
5 .073 − 5 一致性指标 CI = = 0 .018 5 −1
随机一致性指标 RI=1.12 (查表) 一致性比率CR=0.018/1.12=0.016<0.1
通过一致 性检验
>> 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] a = 1.0000 0.5000 4.0000 3.0000 3.0000 2.0000 1.0000 7.0000 5.0000 5.0000 0.2500 0.1429 1.0000 0.5000 0.3333 0.3333 0.2000 2.0000 1.0000 1.0000 0.3333 0.2000 3.0000 1.0000 1.0000
三、长江水质的综合评价模型
1. 指标数据的标准化处理
（1）溶解氧（DO）的标准化 注意到溶解氧（DO）为极大型指标，首先将数据指标作极小化处理，
1 ′ 即令倒数变换 x1 = ，相应的分类标准区间变为 x1 1 1 1 1 1 1 1 1 1 1 (0, ] , ( , ] , ( , ] , ( , ] , ( , ] , ( , ∞) ， 7.5 7.5 6 6 5 5 3 3 2 2 ′ x1 ′ 然后通过极差变换 x1′ = 将其数据标准化，对应的分类区间随之变为 0.5 (0,0.2667] ,(0.2667,0.3333] , (0.3333,0.4] , (0.4,0.6667] , (0.6667,1] , (1, ∞)
（３）氨氮（NH3-N）的标准化 氨氮也是极小型指标， 对指标数据作极差变换将其数据标准化，
x3 ′ 即令 x3 = ，对应的分类区间随之变为 2 (0,0.075] , (0.075,0.25] , (0.25,0.5] , (0.5,0.75] , (0.75,1] , (1, ∞)
1. 指标数据的标准化处理
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。
2）构造成对比较阵
用成对比较法和1~9尺度，构造各层对上一层每一因素的 成对比较阵。