魯浩男 趙永滿 高洪運(yùn) 周雪 王向陽

摘要：針對稻麥聯(lián)合收割機(jī)選型指標(biāo)體系復(fù)雜的特點(diǎn)，對稻麥聯(lián)合收割機(jī)選型問題展開研究。本文將熵權(quán)法應(yīng)用于稻麥聯(lián)合收割機(jī)選型指標(biāo)權(quán)重的計(jì)算，建立稻麥聯(lián)合收割機(jī)選型指標(biāo)體系，在此基礎(chǔ)上，建立基于熵權(quán)TOPSIS法的稻麥聯(lián)合收割機(jī)選型模型。以3種備選機(jī)型為例進(jìn)行應(yīng)用，結(jié)果可為該團(tuán)今后在購買稻麥聯(lián)合收割機(jī)方法提供一定的參考建議。

關(guān)鍵詞：熵權(quán);TOPSIS;稻麥聯(lián)合收割機(jī);選型

0 引言

在農(nóng)業(yè)機(jī)械化發(fā)展的過程中，農(nóng)機(jī)選型是一項(xiàng)關(guān)鍵的工作，在實(shí)現(xiàn)農(nóng)機(jī)合理配置中占據(jù)重要的地位。對農(nóng)機(jī)設(shè)備進(jìn)行合理地選型，有利于提高相關(guān)單位的經(jīng)濟(jì)效益、農(nóng)機(jī)化技術(shù)水平和裝配總體水平，為其最大程度地節(jié)省成本。因此，進(jìn)行科學(xué)的農(nóng)機(jī)選型至關(guān)重要。

近年來，多數(shù)專家學(xué)者采用專家打分的方法對動力機(jī)械和操作機(jī)械進(jìn)行優(yōu)劣判別，這種方法過多地融入了主觀因素，從而使得選型結(jié)果過于主觀、缺乏客觀性;本文以兵團(tuán)某團(tuán)為例，采用熵權(quán)TOPSIS法建立稻麥聯(lián)合收割機(jī)選型模型，選取合適機(jī)型，有效地解決了收割機(jī)選型過程中受人為主觀因素的影響，為稻麥聯(lián)合收割機(jī)選型提供決策支持。

1 稻麥聯(lián)合收割機(jī)選型模型的建立

1.1 運(yùn)用熵權(quán)法計(jì)算評價(jià)指標(biāo)權(quán)重

可根據(jù)稻麥聯(lián)合收割機(jī)各機(jī)型評價(jià)指標(biāo)值運(yùn)用熵權(quán)法進(jìn)行客觀賦權(quán)，基本過程如下：

（1）對原始指標(biāo)數(shù)據(jù)進(jìn)行規(guī)范化處理。為了使不同單位量綱下的指標(biāo)值具有可比性，所以對各個(gè)評價(jià)指標(biāo)數(shù)據(jù)值進(jìn)行標(biāo)準(zhǔn)化處理，將所有評價(jià)指標(biāo)的數(shù)值轉(zhuǎn)變到0～1區(qū)間內(nèi)，以消除量綱的影響。

（2）熵值計(jì)算。運(yùn)用公式

對規(guī)范化后的稻麥聯(lián)合收割機(jī)各機(jī)型指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，第j個(gè)評價(jià)指標(biāo)的熵值計(jì)算公式為。

（3）指標(biāo)權(quán)重的計(jì)算。基于各評價(jià)指標(biāo)得到的熵值，進(jìn)一步計(jì)算各評價(jià)指標(biāo)的權(quán)重值wij

1.2 TOPSIS模型

TOPSIS法是一種多屬性決策方法，可以對多目標(biāo)進(jìn)行決策法分析，又稱為優(yōu)劣解距離法。利用TOPSIS法對各備選方案進(jìn)行優(yōu)劣排序的思想為：首先，把方案里一組最優(yōu)值數(shù)據(jù)作為正理想解，一組最劣值數(shù)據(jù)作為負(fù)理想解，然后比較正理想解和負(fù)理想解的距離判斷備選方案的優(yōu)劣，最后選定的方案為與正理想解最接近，離負(fù)理想解最遠(yuǎn)的方案為最優(yōu)方案。

（1）建立加權(quán)規(guī)范化決策矩陣X。

其中：為原始指標(biāo)數(shù)據(jù)值進(jìn)行規(guī)范化處理所得到的指標(biāo)值，為第i個(gè)備選機(jī)型中第j個(gè)評價(jià)指標(biāo)值。

（3）計(jì)算各評價(jià)方案與正理想解和負(fù)理想解的歐式距離。

設(shè)選型評價(jià)問題的決策規(guī)范化加權(quán)矩陣評價(jià)方案的理想解為，其中，然后采用歐幾里得范數(shù)計(jì)算各評價(jià)指標(biāo)與正理想解的距離，從任意解到正理想解的距離公式為

其中，為各備選方案到正理想解的歐式距離，為第i個(gè)評價(jià)方案第j個(gè)評價(jià)指標(biāo)的加權(quán)規(guī)范化值。

設(shè)選型評價(jià)問題的決策規(guī)范化加權(quán)矩陣評價(jià)方案的理想解為，其中 ，然后采用歐幾里得范數(shù)計(jì)算各評價(jià)指標(biāo)與負(fù)理想解的距離，從任意解到負(fù)理想解的距離公式為

其中，為各備選方案到負(fù)理想解的歐式距離，為第i個(gè)評價(jià)方案第j個(gè)評價(jià)指標(biāo)的加權(quán)規(guī)范化值。

2 實(shí)例分析

現(xiàn)以3種稻麥生產(chǎn)過程中常用的聯(lián)合收獲收割機(jī)作為備選機(jī)型，分別用A1、A2、A3表示，建立基于熵權(quán)TOPSIS法的稻麥聯(lián)合收割機(jī)選型模型進(jìn)行選型研究。為了計(jì)算簡便起見，使選型過程更加客觀，結(jié)合該團(tuán)實(shí)際情況，本文選取5項(xiàng)定量指標(biāo)，I1 、I5指標(biāo)數(shù)據(jù)來源于對該團(tuán)的實(shí)際調(diào)研，I2、I3、I4指標(biāo)數(shù)據(jù)來源于相關(guān)文獻(xiàn)，評價(jià)指標(biāo)數(shù)據(jù)如表1所示。首先對各個(gè)指標(biāo)數(shù)據(jù)進(jìn)行規(guī)范化處理，所得結(jié)果見表2。

依據(jù)熵權(quán)法計(jì)算原理及步驟，運(yùn)用相關(guān)計(jì)算軟件得稻麥聯(lián)合收割機(jī)機(jī)型評價(jià)指標(biāo)的信息熵：E=（0.9696，0.9550，0.8441，0.9731，0.9549），進(jìn)一步可求得備選稻麥聯(lián)合收割機(jī)機(jī)型評價(jià)各指標(biāo)的信息熵權(quán)：w=（0.1004，0.1484，0.5140，0.0886，0.1486）。在確定各指標(biāo)熵權(quán)值的基礎(chǔ)上，對備選稻麥聯(lián)合收割機(jī)機(jī)型各指標(biāo)進(jìn)行加權(quán)規(guī)范化處理，所得結(jié)果見表3。

在得到稻麥聯(lián)合收割機(jī)加權(quán)規(guī)范化矩陣的基礎(chǔ)上，依據(jù)TOPSIS法原理確定備選稻麥聯(lián)合收割機(jī)各機(jī)型之間的相對貼近度，可得：

根據(jù)各機(jī)型之間的相對貼近程度的大小可知，備選稻麥聯(lián)合收割機(jī)選型評價(jià)的排序結(jié)果為：A1>A3>A2，該排序結(jié)果符合該團(tuán)目前購買機(jī)型順序，從而證明了本文構(gòu)建的評價(jià)模型具有合理性。

3 結(jié)論

稻麥聯(lián)合收割機(jī)的選型評價(jià)是衡量其性能、效益優(yōu)劣的重要手段。本文從多個(gè)角度建立了稻麥聯(lián)合收割機(jī)選型評價(jià)指標(biāo)體系，提出一種基于熵權(quán)TOPSIS法的稻麥聯(lián)合收割機(jī)選型模型，運(yùn)用熵權(quán)法確定各個(gè)指標(biāo)權(quán)重，利用TOPSIS 法計(jì)算各機(jī)型相對貼近度，并對其進(jìn)行優(yōu)劣排序，本模型有效地避免了選型過程中主觀性的影響。本文對3種稻麥聯(lián)合收割機(jī)進(jìn)行排序優(yōu)選，結(jié)果為：A1>A3>A2。利用該模型所得結(jié)果與該團(tuán)實(shí)際情況相符，本文建立的熵權(quán)TOPSIS模型具有有效性、合理性，備選機(jī)型結(jié)果可為該團(tuán)今后在購買稻麥聯(lián)合收割機(jī)方法提供一定的參考建議。

參考文獻(xiàn)

[1] 高升，孫會薈，劉偉.基于熵權(quán)TOPSIS模型的海洋經(jīng)濟(jì)系統(tǒng)脆弱性評價(jià)與障礙度分析[J].生態(tài)經(jīng)濟(jì)2021，8（10）：1-16.

[2] 姜福川，周師，吳增彤，等.基于熵權(quán)-TOPSIS法的煤礦安全投入決策分析[J].中國安全科學(xué)學(xué)報(bào)，2021，31（7）：24-29.

[3] 周程明.基于熵權(quán)TOPSIS法的城市旅游高質(zhì)量發(fā)展評價(jià)研究——以廣東省21個(gè)城市為例[J].西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，46（7）：58-66.