姚慧 付雷杰 賀志昊
[摘 要]研究生參與學(xué)科競賽有助于培養(yǎng)其創(chuàng)新能力與合作意識,然而在選擇參與的競賽項目時往往帶有一定的主觀性和盲目性。課題組結(jié)合研究生在選擇競賽時的實際情況,構(gòu)建了研究生競賽項目優(yōu)選評價指標體系,利用模糊層次分析法推導(dǎo)出每個評價指標的權(quán)重,最后以五個研究生競賽項目為實例分析證明了其可行性。
[關(guān)鍵詞]學(xué)科競賽;研究生;評價指標體系;模糊層次分析法
[中圖分類號] G643 [文獻標識碼] A [文章編號] 2095-3437(2021)03-0183-04
為大力培養(yǎng)研究生的科技創(chuàng)新能力,研究生科技創(chuàng)新活動越來越受到國內(nèi)高校的重視,并且已經(jīng)逐漸成為校園文化建設(shè)的新內(nèi)容。一方面,許多高校把培養(yǎng)和提高學(xué)生的科技創(chuàng)新能力放到了越來越重要的位置,實行了一些激勵機制和措施,充分調(diào)動了廣大師生參與科技創(chuàng)新活動的積極性。另一方面,對于研究生本身而言,在學(xué)校學(xué)習期間參加競賽項目對其學(xué)術(shù)、科研等方面能力的提升有著很大的幫助。但是,校方主管部門也發(fā)現(xiàn)了一些問題,如競賽活動出現(xiàn)了一些“錦標主義”“帽子名號”“功利色彩”等不良現(xiàn)象,致使目前競賽項目種類繁多。而對于只有2~3年學(xué)制的研究生來說,如果盲目地參加競賽項目或過多地參加競賽項目,不但會影響自己的學(xué)習規(guī)劃,也會干擾學(xué)校的教學(xué)秩序。如何幫助學(xué)生更好地選擇適合自己的競賽項目是一個急需解決的問題。課題組利用模糊層次分析法將抽象的競賽影響力進行量化分析,從數(shù)學(xué)的角度對競賽項目進行優(yōu)選。
一、競賽項目優(yōu)選
(一)模糊層次分析法
1970年,美國運籌學(xué)家A.L.Saaty教授提出層次分析法這一概念。層次分析法它同時結(jié)合了定性分析與定量分析,通過計算各層次組成因素對于總目標的權(quán)重, 從而得出不同方案的綜合評價數(shù)據(jù), 為最優(yōu)方案的選擇提供一些理論依據(jù)。但是,傳統(tǒng)的層次分析方法有其無法避免的缺點,如:在進行判斷矩陣的一致性調(diào)整時,需要進行大量的修改和計算且調(diào)整的元素事先并不已知,只有根據(jù)經(jīng)驗調(diào)整,盲目性顯而易見。而模糊層次分析法卻可以有效解決諸如此類的問題。模糊的定義主要是指客觀事物間的差異所表現(xiàn)出來的一種 “非此非彼”性,如“優(yōu)”與“差”之間、“寬”與“窄”之間、“胖”與“瘦”之間都找不到明顯的界限。本文利用模糊層次分析法來確定評價指標及其權(quán)重,再通過分析比較各項指標之間的重要程度,來獲得權(quán)重系數(shù),最終得出最優(yōu)選擇。
(二)基于模糊層次分析法的競賽項目量化分析
研究生在選擇參賽項目時主要考慮三方面因素:環(huán)境、競賽主辦方和賽事承辦方。因此,將這三方面因素確定為一級評價指標,即環(huán)境因素A1,競賽主辦方A2,競賽承辦者A3。然后根據(jù)各個基本因素所涵蓋的詳細內(nèi)容確定二級評價指標,從而構(gòu)建了一個研究生競賽項目優(yōu)選的評價指標體系,如圖1所示。
(三)構(gòu)建判斷矩陣確定各個指標權(quán)重
首先采取專家調(diào)查法,確定各評價指標之間相對重要程度之比,并采用1-9標度法進行兩兩因素之間的比較(其中1-9標度的含義可見表1),之后建立模糊判斷矩陣,再根據(jù)判斷矩陣計算各項指標權(quán)重,并進行一致性檢驗 。結(jié)果如表2、表3、表4、表5所示。
通過計算,CI=0,CR=0<0.1,一致性檢驗通過。
通過計算,CI=0,CR=0<0.1,一致性檢驗通過。
通過計算,CI=0,CR=0<0.1,一致性檢驗通過。
通過計算,CI=0.0145,CR=0.0163<0.1,一致性檢驗通過。
(四)確定最終各指標權(quán)重系數(shù)
將一級、二級指標系數(shù)相乘,即為各項指標最終權(quán)重,如表6所示。
即總權(quán)重為:
總排序滿足一致性檢驗要求,因此選取因素權(quán)重向量可以接受。在眾多影響因素中,A21,即競賽本身與本專業(yè)知識相關(guān)性權(quán)重最大,對競賽選擇影響最小;而A32,即參賽場地的提供所占的權(quán)重最小,因此影響也越小。
二、利用模糊層次分析法對競賽進行評價的實例分析
現(xiàn)有研究生可參與的競賽5個,分別是:1.全國研究生數(shù)學(xué)建模競賽;2.研究生物聯(lián)網(wǎng)應(yīng)用大賽;3.研究生節(jié)能減排科技競賽;4.研究生電子設(shè)計競賽;5.研究生智能車競賽。為對以上競賽進行優(yōu)選,在以上各因素權(quán)重得出的基礎(chǔ)之上,繼續(xù)用模糊數(shù)學(xué)方法建立模糊綜合評價模型確定競賽的最終優(yōu)選方案。
在該優(yōu)選分析中,針對選擇競賽的十個評價因素設(shè)因素集為:
并且根據(jù)評價習慣確定評價集可得:
用此來表示各個賽事基于上述10個影響因素的優(yōu)劣程度,并且按照1-9比率標度,結(jié)合專家意見與網(wǎng)上資料,對10個二級評價指標A11,A12,A13,A21,A22,A23,A31,A32,A33,A34進行打分,如表7所示(數(shù)字為贊成該方案人數(shù)與總方案人數(shù)的比值)。
根據(jù)隸屬矩陣的構(gòu)造原則,對于競賽1,即全國研究生數(shù)學(xué)建模競賽可得模糊評價矩陣:
對于競賽2,即研究生物聯(lián)網(wǎng)應(yīng)用大賽可得模糊評價矩陣:
對于競賽3,即研究生節(jié)能減排科技競賽可得模糊評價矩陣:
對于競賽4,即研究生電子設(shè)計競賽可得模糊判斷矩陣:
對于競賽5,即研究生智能車競賽可得模糊判斷矩陣:
通過評價結(jié)果B=W·R,則可以得出各競賽的評價值,并根據(jù)結(jié)果進行比較。
由以上5個矩陣可知5個競賽在10個因素下的評價,其中B1中最大的數(shù)為0.7507,B2中最大的數(shù)為0.6004,B3中最大的數(shù)為0.5728,B4中最大的數(shù)為0.6905,B5中最大的數(shù)為0.4995。排序結(jié)果由此可得最優(yōu)選擇為全國研究生數(shù)學(xué)建模競賽,其后分別是研究生電子設(shè)計競賽、研究生物聯(lián)網(wǎng)應(yīng)用大賽、研究學(xué)生節(jié)能減排科技競賽、研究生智能車競賽。結(jié)合學(xué)者杜輝等的調(diào)查發(fā)現(xiàn),各種綜合學(xué)科都對數(shù)學(xué)建模這一能力有著共同需求,只要學(xué)習、接觸過數(shù)學(xué)建模的研究生,后續(xù)解決問題的能力通常要比沒有接觸過數(shù)學(xué)建模的學(xué)生強出很多,此篇文獻的調(diào)研更加佐證了本次分析的結(jié)論是正確的。
三、結(jié)論
當代研究生積極參加各類競賽有益于塑造參與意識,可以培養(yǎng)其積極性與主動性,同時解放其天性,并可以找到自己的不足與發(fā)揚自己的優(yōu)點。在這其中,對賽事的合理優(yōu)選便顯得尤為重要。在運用模糊層次分析法對各個競賽進行綜合評價之后,學(xué)生成功地避免了選擇的片面性。在面對多目標的選擇時,我們往往無法客觀地選擇出最佳的選項,因為也許這些“目標”本身就很“模糊”,無法通過統(tǒng)一的數(shù)據(jù)來進行定性或者定量分析?;诖?,模糊層次分析法很好地解決了上述問題,使得結(jié)果更加全面與客觀。但是,由于評價矩陣中對某一因素的打分存在一定的人為主觀性,導(dǎo)致了數(shù)據(jù)可能出現(xiàn)偏差,結(jié)果的準確性可能下降,所以今后在這方面的研究還需加強。
[ 參 考 文 獻 ]
[1] 肖辭源.工程模糊系統(tǒng)[M].北京:科學(xué)出版社,2004.
[2] 費軍,余麗華.基于模糊層次分析法的計算機網(wǎng)絡(luò)安全評價[J].計算機應(yīng)用與軟件,2011(10):120-123+166.
[3] 張吉軍.模糊層次分析法(FAHP)[J].模糊系統(tǒng)與數(shù)學(xué),2000(2):80-88.
[4] 姬東朝,宋筆鋒,喻天翔.基于模糊層次分析法的決策方法及其應(yīng)用[J].火力與指揮控制,2007(11):38-41.
[5] 杜輝,劉今子,王晶,等.以創(chuàng)新和競賽為導(dǎo)向的研究生數(shù)學(xué)建模教學(xué)探討[J].才智,2015(9):155.
[責任編輯:鐘 嵐]