数学建模笔记——评价类模型（一）

全国数学建模大赛再过一段时间就要开始了，没参加过比赛的小白决定试一试。不过小白本白建模经历较少，水平一般，只能不断学习来弥补一下了。今天学校也开始了数学建模培训，经过几个小时的学习之后……我决定还是先看一些简单的偏应用的建模方式吧。嗯，所以就从哔哩哔哩上找到一个数学建模课程学习。ok，废话不多说，直接开始啦~

这套课程由清风老师讲解，文章末尾有其公众号及试听课地址。该课程主要讲解了十个模型，并讲解了相应的常用算法，今天就学习一下第一个模型——评价类模型吧。

简介

评价类模型应该是最基础的模型之一了，往往对应着生活中一些很实际的问题。例如，高考结束了，你是选择南大还是武大呢？已知今天空气中几种污染气体的浓度，如何确定空气质量等级呢？放假想要出去旅游，有好几个备选目的地，如果只能选一个，该去哪里呢？这些都是典型的评价类问题，其目的往往是按照一定的规则在许多方案中选择一个最好的方案，本质上就是对各种方案做出评价。

对评价类问题建模，往往需要考虑三个方面：

1. 评价的目标是什么？
2. 达成目标的方案有哪些？
3. 评价的指标/准则是什么？

例如，高考后选择南大还是武大呢？评价的目标就是选择学校，达成目标的方案就是选择南大或者选择武大，相关的指标有学科实力，校园景色，男女比例等等。

我们可以如何解决上述问题呢？一个好的方法就是列个表格打打分，如图所示。

我们可以给予评价指标不同的权重，之后按照每个指标给南大和武大打分，最后再加权求和，便可以给出两个学校比较合理的得分，作为我们评价的最终结果。之后便选择得分更高的那个学校去上学啦~

考虑到对于不同的评价问题存在不同的指标，其量纲往往是不同的，不一定都是以分数都是衡量标准。因此对于某个指标，给不同的方案进行打分时，我们依然以“权重”作为其衡量的标准，其权重之和为1即可。如上图所示，相同颜色的单元格和为1，指标权重比较好理解，给予指标以不同的权重以加权。打分也是以“权重”来衡量，南大在学习氛围方面是0.6，武大便是0.4。如果再加一个东南，那学习氛围方面可能就是0.3，0.25，0.45，其加和依然是1。当然，我们也可以将正常打分作为衡量标准，例如学习氛围分数分别为95，90。但是为了整体更方便计算，这里选择“权重”作为衡量的标准，特此说明。

解决评价类模型的方法有四种，分别是层析分析法，TOPSIS法，模糊综合评价法，灰色关联分析法。其原理各有差别，但是大体上都是差不多的，也就是通过加权求和进行打分，最后选出最高分。区别便是不同的方法里，“分数”的表示不太相同，我们慢慢谈。

层析分析法

ok，先介绍第一个方法，层次分析法，简称AHP，主要用于解决各种评价类问题。其适用对象往往是，不给出具体指标及指标权重，也不给出每一种方案在指标内部的权重。例如，小明想去旅游，有苏杭，北戴河，桂林三个城市可以选择，请确定评价指标，形成评价体系为小明选择最佳方案。看，这个题干就是光秃秃的，给三个方案，选择最好的，什么指标和权重都没给，这也是层次分析法比较适合的题目类型。

遇到问题不要慌，大喊一声奥力给……啊不是，遇到这个问题想一想我们解决的一般方法。首先确定目标，嗯，选择旅游目的地；之后看看有哪些方案，嗯，题目给了，有三种；再想想评价指标是什么？嗯，题目没给，需要解决这个困难。

对于没有给出评价指标的问题，我们可以结合生活常识，或者他人已经完成的研究来设定评价指标。例如我们自己去旅游时，会考虑景色，住宿价格，交通等等。有时候自己考虑不太全面，需要参考别的研究中用到的指标，可以去知网等论文平台进行查询。如图。

假如没有找到相关文献，那就小组头脑风暴吧，或者知乎百度走一走，总能找到相对比较全面的评价指标。这里我们选择景色，花费，居住，饮食，交通作为衡量旅游目的地的指标。

解决了指标问题，我们就要开始打分了。但是我们这个时候没有指标权重，同一指标下也没有各种方案的打分。这个时候就需要获得这些数据。如何获得呢？可以直接问小明，“小明小明，你来给指标排个序，顺便给方案打个分吧”，这样当然可以，但是建模比赛时，没有小明给你问，发问卷调查太耽误时间，自己随便填又显得很不专业。而且对于同一个人来说，同时面对五个指标进行权重排序，由于指标较多，不同的时间点往往有不同的答案，因此也不太稳定，今天我觉得是0.2，0.2，0.3，0.2，0.1，明天可能就觉得是0.2，0.3，0.2，0.1，0.2了。嗯，这就是为什么要用到层次分析法了。既然一次性考虑五个指标容易出现变卦行为，且建模中凭感觉给数字也不太可靠，那我们就用一个比较科学又显得又水平的方法进行权重分配，也就是层次分析法。

层次分析法的思想如下：对于多个指标，我们可以两个两个进行比较评价，根据两两比较的结果来判断权重。为了进行量化，层次分析法使用了九个等级18个数字来比较两个指标之间的重要性（满意度），如下图。

举例说明，假如有一个小明在你面前，你就可以问他，“小明小明，你觉得对于旅游景点而言，花费和景色哪个更重要？重要程度是多少？”利用上图的重要程度进行量化，如果小明觉得，感觉花费比景色稍稍重要一点点，嗯，稍稍重要一点儿，那应该是介于同等重要和稍微重要之间吧，那花费对景色的标度就是2，景色对花费的标度就是1/2，也就说明花费应该比景色稍微具有更高的权重。具体填写时，没有小明回答你，因此往往就问队友或者自己。同样，对于“稍微重要一点点”，不同的人理解的程度就不同，可能就有人觉得，应该介于“稍微重要”和“明显重要”之间，那此时花费对景色的标度就是4，这个因人而异啦。

按照上面的问法，两两比较，也就是$C_5^2=10$次询问，并给出相应的标度。可以发现，两两比较要比五个一起比较更为准确稳定，同时给出了九个等级的量化指标，比直接凭感觉填写又要准确一些。为了方便记录以及接下来的运算，我们使用矩阵的形式记录结果，这个矩阵也被称之为判断矩阵。

这是一个5×5的方阵，所有的判断矩阵都是方阵，我们记为$A$，对应的元素为$a_{ij} $，其中$a_{ij} $的意思是与指标$j$相比，指标$i$的重要程度。例如矩阵中$a_{25} =5 ， 花 费 相 对 于 交 通 ， 就 是 明 显 重 要 。 实 际 意 义 上 就 代 表 我 们 可 以 为 了 节 省 花 费 而 选 择 更 便 宜 的 交 通 。 判 断 矩 阵 主 对 角 线 元 素 都 是 1 ， 也 就 说 明 相 同 指 标 是 一 样 重 要 的 。 同 时 ， ，花费相对于交通，就是明显重要。实际意义上