数学建模评价类和综合评价的区别

所谓指标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—个指标都反映和刻画事物的—个侧面．

从指标值的特征看，指标可以分为定性指标和定量指标．定性指标是用定性的语言作为指标描述值，定量指标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和1A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．

从指标值的变化对评价目的的影响来看，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)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)是指标值越小越好的指标；

(3)居中型指标是指标值既不是越大越好，也不是越小越好，而是适中为最好的指标； (4) 区间型指标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

参观世博会

摘要

本文是关于2010年上海世博会期间门票价格制定和日参观人数预测的问题。上海世博会从2010年5月1号至10月31号，为期184天，整个会期将会吸引大批游客前来参观，为了综合考虑世博会的经济效益与社会效应，我们需要制定一个合理的票价系统，平衡客流量与门票收入。

问题一中，为了对现行的票价系统建立数学模型，我们分析了影响票价的十个因素，分别是：是否是指定日，是否是优惠票，是否是夜票，是否是三次票，是否是七次票，是否受消费水平的影响，是否能缓解客流高峰，是否是预售第一期门票，是否是预售第二期门票，是否是预售第三期门票。通过回归分析，建立了票价与十个因素之间线性回归模型：

y=161.8947+104.5263x1-68x2+0x3+313.6842x4+813.6842x5

+0x6-71.8947x7-28.2105x8-18.2105x9-7.3684x10;

问题二中，首先我们知道影响日参观人数的因素很多且具有不确定性，在已知5,6,7,8月份的日参观人数的前提下，为了预测9月10号至9月14号的日参观人数，我们对已知数据进行预处理，筛选出6月1号—7月31号，8月7号—8月28号这83天的数据建立灰色系统预测模型，求

综合评价

评价是人类社会中一项经常性的、极重要的认识活动，是决策中的基础性工作。在实际问题的解决过程中，经常遇到有关综合评价问题，如医疗质量的综合评价问题和环境质量的综合评价等。它是根据一个复杂系统同时受到多种因素影响的特点，在综合考察多个有关因素时，依据多个有关指标对复杂系统进行总评价的方法；综合评价的要点：（1）有多个评价指标，这些指标是可测量的或可量化的；（2）有一个或多个评价对象，这些对象可以是人、单位、方案、标书科研成果等；（3）根据多指标信息计算一个综合指标，把多维空间问题简化为一维空间问题中解决，可以依据综合指标值大小对评价对象优劣程度进行排序。

综合评价的一般步骤

1．根据评价目的选择恰当的评价指标，这些指标具有很好的代表性、区别性强，而且往往可以测量，筛选评价指标主要依据专业知识，即根据有关的专业理论和实践，来分析各评价指标对结果的影响，挑选那些代表性、确定性好，有一定区别能力又互相独立的指标组成评价指标体系。

2．根据评价目的，确定诸评价指标在对某事物评价中的相对重要性，或各指标的权重； 3．合理确定各单个指标的评价等级及其界限；

4．根据评价目的，数据特征，选择适当的综合评价方法，并根据已掌握的历史资料，建立综

2010大学生数学建模竞赛

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）： 参赛队员 (打印并签名) ：1. LI 2. JIANG

第22卷　第6期2004年11月

文章编号:1671-5896(2004)06-0643-05

吉林大学学报(信息科学版)

JournalofJilinUniversity(InformationScienceEdition)Vol.22　No.6

Nov.2004

基于模糊聚类和信息熵的综合评价算法

张运凯1,王方伟1,戴敬书2,黄文艳3,陈艳红4

(1.河北师范大学网络中心,河北石家庄050016;2.河北电视台新闻中心,河北石家庄050031;3.河北师范大学数学与信息学院,河北石家庄050016;4.秦皇岛外国语职业学院,河北秦皇岛066311)

摘要:针对目前综合评价技术存在的主旨不相协调、忽略了简洁性与有效性问题,在分析已有算法的基础上,提出了一种基于模糊聚类和信息熵的综合评价算法,该算法有针对性地克服了原有评价算法的缺陷,具有较好的实用性,最后通过实际数据对该算法的有效性进行了验证。关键词:模糊聚类;信息熵;综合评价中图分类号:TP312　　　文献标识码:A

Newcomprehensiveevaluationalgorithmbasedonfuzzy

clusteringandinformationentropy

ZHANGYun-kai1,WAN

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

大连大学数学建模工作室培训AHP讲义,女友亲自作的哦!

评价方法在数学建模中的应用 评价方法在数学建模中的应用

数学建模工作室 2010年 2010年4月14日 14日

大连大学数学建模工作室培训AHP讲义,女友亲自作的哦!

评价是指根据明确的系统目标、 评价是指根据明确的系统目标、结构及系 统的属性， 统的属性，用有效的标准测定出系统的性 质和状态， 质和状态，然后与一定的评价准则相比较 并做出判断。 并做出判断。目前国内外使用的评价模型 和方法很多，如专家评价方法、 和方法很多，如专家评价方法、经济分析 法、数学模型评价方法和混合方法等。 数学模型评价方法和混合方法等。

大连大学数学建模工作室培训AHP讲义,女友亲自作的哦!

什么是决策问题？ 什么是决策问题？报考学校 挑选专业 选择工作岗位

大连大学数学建模工作室培训AHP讲义,女友亲自作的哦!

评价方法的分类层次分析模型(AHP模型) 层次分析模型(AHP模型) 模型数据包络模型(DEA模型) 数据包络模型(DEA模型) 模型 模糊综合评价方法 …

大连大学数学建模工作室培训AHP讲义,女友亲自作的哦!

层次分析模型 基本概述 模型建立的基本步骤 实例 模型的主要应用范围举例 模型的优缺

A题：葡萄酒的评价

摘要

本文主要进行了葡萄酒感官评价的可信度比较、酿酒葡萄评价分级、酿酒葡萄与葡萄酒的理

化指标之间的联系、评价结果统计分析等方面的研究。通过方差分析、层次分析等方法建立模型，

解决了葡萄酒的评价问题。

问题一：利用方差分析法对评酒员评价数据进行分析，并用Excel 画出图表（见正文），直观地观察出两组评价数据范围接近，第二组评价数据波动不大，评价数据更可信。

问题二：要求根据酿酒葡萄的理化指标和葡萄酒的质量，对这些酿酒葡萄进行分级，我们认为影响酿酒葡萄品质的因素较多，酿酒葡萄各理化指标之间的关系又是极其复杂的，对其的评价是一个多指标、多属性的问题。采用系统工程学的层次分析法(AHP )来确定影响葡萄品质的各

因素的权重，应用综合评判法，对酿酒葡萄进行了评价和分级。各等级下葡萄样品数如下表：

等级优良中合格葡萄种类

红葡萄54108

白葡萄8892

问题三：利用逐步回归法得到酿酒葡萄与葡萄酒的理化指标之间的关系，并用BP 神经网络进行比较验证。

问题四：通过聚类分析与神经网络相结合，分析酿酒葡萄与葡萄酒的理化指标和葡萄酒质量

间的联系。通过理化指标得到葡萄酒质量评价分数，并与第二组评酒员评价出的葡萄酒质量评价

分数对比分析，可知现阶段还不能用酿酒葡萄与

葡萄酒的评价

摘要

本文主要采用数学统计与分析方法，利用EXCEL,MATLAB等工具解决了有关葡萄酒质量评价的一系列问题。

关于问题一，分析判断两组评酒员评价结果有无显著性差异及哪组结果更可信。首先我们采用t-检验法，根据T值判断差异的显著性，代入数据后求得

P(T?t)双尾=0.00065<0.01，即两组评价结果差异性显著。然后将第一组

10位

评酒员对于酒样品所给评分的方差值与第二组10位评酒员对于酒样品所给评分的方差值做比较，得出第一组的方差较大，所以认为第一组评酒员打分较为严格，即更可信。

关于问题二，在不确定酿酒葡萄的理化指标和葡萄酒的质量之间的关系的情况下，运用主成分分析法粪别根据酿酒葡萄的理化指标和葡萄酒的质量对酿酒葡萄进行了分级，将红葡萄、白葡萄各分成了优质、较好、一般、劣质四个等级，结果详见表5.2.1至表5.2.4。

关于问题三，采用回归分析法，计算出酿酒葡萄与葡萄酒所共有的理化指标之间的相关系数，结果详见表5.3.1和表5.3.2，其相关系数的绝对值越大表示联系程度越紧密。

关于问题四，首先根据问题三的结果可知酿酒葡萄与葡萄酒的理化指标之间的联系，将分析过程简化为只考虑葡萄酒的理化指标对葡萄酒质量的影响。然后查阅资料结合附表1，总结出口感和外观为葡萄酒质量的决定因素，而总

A题：葡萄酒的评价

摘要

本文主要进行了葡萄酒感官评价的可信度比较、酿酒葡萄评价分级、酿酒葡萄与葡萄酒的理

化指标之间的联系、评价结果统计分析等方面的研究。通过方差分析、层次分析等方法建立模型，

解决了葡萄酒的评价问题。

问题一：利用方差分析法对评酒员评价数据进行分析，并用Excel 画出图表（见正文），直观地观察出两组评价数据范围接近，第二组评价数据波动不大，评价数据更可信。

问题二：要求根据酿酒葡萄的理化指标和葡萄酒的质量，对这些酿酒葡萄进行分级，我们认为影响酿酒葡萄品质的因素较多，酿酒葡萄各理化指标之间的关系又是极其复杂的，对其的评价是一个多指标、多属性的问题。采用系统工程学的层次分析法(AHP )来确定影响葡萄品质的各

因素的权重，应用综合评判法，对酿酒葡萄进行了评价和分级。各等级下葡萄样品数如下表：

等级优良中合格葡萄种类

红葡萄54108

白葡萄8892

问题三：利用逐步回归法得到酿酒葡萄与葡萄酒的理化指标之间的关系，并用BP 神经网络进行比较验证。

问题四：通过聚类分析与神经网络相结合，分析酿酒葡萄与葡萄酒的理化指标和葡萄酒质量

间的联系。通过理化指标得到葡萄酒质量评价分数，并与第二组评酒员评价出的葡萄酒质量评价

分数对比分析，可知现阶段还不能用酿酒葡萄与