数学建模队员选派问题求解

数学建模第二次模拟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）A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张文豪2周鸿鹏3杨亦业指导教师或指导教师组负责人（打印并签名）日期2013年8月25日赛区评阅编号（由赛区组委会评阅前进行编号）数学建模第二次模拟竞赛编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）赛区评阅记录（可供赛区评阅时使用）评阅人评分备注全国统一编号（由赛区组委会送交全国前编号）全国评阅编号（由全国组委会评阅前进行编号）1数学建模竞赛参赛队员选拔与组队摘要在数学建模选派队员时，有该如何选择最优秀的队员以及如何让队员科学的组队的问题，本论文针对以上问题，本文采用层次分析法和折衷型模糊数学法，对以上问题作了一一解答。在问题一中，我们先把题目给出的模糊数表进行量化，由于在问题一中，把教师组的各项能力在综合评价中地位等同，所以我们把教师组的评定指标看成一个总的认定指标，总共认为是三个准则（数学建模课成绩、数学建模校内赛名次、教师组对学生各类能力及素质的等级评分）。对于这三个准则首先采用层次分析法求出每个准则的权重，然后采用折衷型模糊数学法对25名同学的综合水平进行排名，选取出前18名同学作为参赛人员。在问题二中，我们对准则层（建模、编程、论文）和目标层（创新能力、编程能力、专业知识面、写作能力）对于某一准则分别建立判断矩阵。然后一致性检验，一致性检验通过后，得到目标层对于某一准则层的权重。然后利用MATLAB对问题一中选出来的18名同学对于建模、编程、论文三个准则层的隶属度分别进行排名，然后用两种方案对18名同学进行组队，找出最优组队方案。方案一是让18名同学对三个准则层最优秀于最优的组合的梯度组合方式来组队，来增大获奖率；方案二是让18名同学对三个准则层进行随机组合，使其组队后的每组的平均实力相对于全部人员的平均实力的方差最小，即达到最优平均实力来增大获奖率。关键词层次分析法模糊数学法权重MATLAB折衷型模糊数学2一、问题重述在一年一度的竞赛活动中，任何一个参赛院校都会遇到如何选拔最优秀的队员和科学合理地组队问题，这本身就是一个最实际而且是首先需要解决的数学模型问题。假设我校选拔队员主要参考如下三个环节（1）校数学建模公选课成绩；（2）校内数学建模竞赛成绩；（3）按照一定的准则，教师组对每个学生的某些能力和素质给出一个等级评分。（具体数据见表1）。现有25名学生准备参加竞赛，根据上述参考的三个环节选出18名优秀学生分别组成6个队，每个队3名学生去参加比赛。假设在竞赛中不考虑其他随机因素的影响，所有队员竞赛水平的发挥只取决于表中所给的各项条件，并且参赛队员都能正常发挥自己的水平。请研究下列问题1、假设环节（3）中各项能力在综合评价中地位等同，按择优录取原则，在25名学生中选择18名优秀队员参加竞赛。2、根据你的理解与认识，给环节（3）中各能力素质在数学建模竞赛中的重要性排序。在考虑重要性排序的情况下，给出问题1中18名队员的组队方案，使获奖最大化。3二、问题分析21问题1的分析在第一问中，由于考虑到问题中假设环节（3）中各项能力在综合评价中地位等同，所以我们把教师组对学生各类能力及素质的等级评分中的四小类看成与数学建模课成绩、数学建模校内赛名次同等次，及在问题一中我们先用层次分析法求出各因素对于最终目标的权重，然后再选用折衷型模糊数学对25名同学进行排名，从而选出最优的前18名同学作为最终的参赛人员。22问题（2）的分析在第一问中选出来的18名同学基础上，针对该如何组队的问题，我们选用了层次分析法跟折衷型模糊数学相结合，得出18名同学对于建模、编程、论文3个方向的隶属度的排名。然后进行总体的评估，我们设计了两种方案第一种方案使每队实力有梯度组队，第二种尽可能使每组实力均等。但最终结果都是将18名队员合理分组，实现最优分组，使获奖最大化。三、基本假设1假设所有队员竞赛水平的发挥只取决于表中所给的各项条件，并且参赛队员都能正常发挥自己的水平；2假设指导老师对学生进行相同的指导，外部环境相同。3假设使用的计算机设备是相同的。4假设参赛选题获奖几率是一样的。5假设竞赛中不考虑其它的随机因素，竞赛水平的发挥只取决于表中所给的各项条件，并且参赛队员都能正常的发挥自己的水平。6假设组队后各队的发挥是相互独立的，不受其它组的影响。7假设教师组对学生等级评分的准则合理，全面；4四、符号说明CI一致性指标R随机一致性指标一致性检验指标MAX最大特征值U所对应的特征向量MAXF模糊指标矩阵M模糊正理想模糊负理想A建模的模糊正理想建模的模糊负理想BM编程的模糊正理想编程的模糊负理想C论文的模糊正理想论文的模糊负理想ID为评价对象I与模糊正理想之间的距离IDMI为评价对象I与模糊正理想之间的距离IA优秀队员组合1B建模52B编程3论文1C创新能力2编程能力3专业知识面4C写作能力W模糊权重矩阵五、模型的建立与求解51问题一的模型建立及求解数据处理教师组对学生各类能力及素质的等级评分学生数学建模课成绩数学建模校内赛名次创新能力编程能力专业知识面写作能力学生195三等奖ABBC学生293二等奖BBBB学生393二等奖BDAC学生492一等奖ABAB学生591二等奖AABB学生690一等奖BACC学生790二等奖ACBC学生889三等奖BBBA学生988二等奖CBCB学生1085成功参赛奖BCBD学生1184二等奖AADB6学生1283三等奖CBAC学生1383三等奖BAAB学生1480一等奖BCDA学生1580成功参赛奖CBBC学生1679一等奖ACCA学生1778三等奖CBDB学生1878三等奖BBCC学生1977三等奖BCCC学生2077成功参赛奖CBDC学生2177二等奖BACC学生2275成功参赛奖DCCD学生2375三等奖CCBB学生2474成功参赛奖DDCD学生2573三等奖DABB（表一）对于表一我们数学建模课成绩数据不变，对于数学建模校内竞赛名次规定一等奖，二等奖，三等奖和成功参赛奖分别对应A,B,C,D四个等级进行量化成三角形模糊数。511用层次分析法求出各级指标权重1层次分析法概述层次分析法是由美国著名的运筹学专家SAATY首先提出的，它合理的将定性与定量的决策结合起来，按照思维和心理的规律将决策的过程透明化。通过将指标两两比较的方式建立判断矩阵，通常使用表二构造的矩阵在理论上应该具有以下IJAA一致性。因此构造出的判断矩阵应该进行一致性检验。当矩阵A为一IJKJIA致性矩阵时，其最大特征值所对应的特征向量归一化后即成为排序权向量。对于本题将从25名学生中选拔18名优秀队员看作一个目标，作为目标层。将18名优秀队员的各项指标看作选拔的准则，作为准则层。25名学生作为方案层。7目标层准则层方案层2层次分析法求解准则层一级指标权重1判断矩阵设所要构造的判断矩阵为，其中元素的设定根据下表所示的度量法。IJAAIJA含义与同IUJ等重要比稍IUJ重要比IU重要J比强IUJ烈重要比极IUJ重要取值IJA12、3、456、7、89、10（表二）构造的判断矩阵为12A2特征值与特征向量建模成绩校内赛名次教师组评价12232425选拨优秀队员8矩阵A的最大特征值为MAX其所对应的特征向量即为；TNUU,321将归一化，即对即求；U,2,1NINIIIIX1用MATLAB程序（见附录1）求解得出上述判断矩阵A的最大特征值为3MAX三个指标对应的权重向量042X0CIR一致性检验一致性检验指标为（N为矩阵的阶数，此处N3）,一致性比率为1MAXCI当01时，则可以称该矩阵具有一致性。RICSTATTY得到的平均随机一致性指标RI如下表所示N的阶数234567891011RI005809112124132141145149151（表三）根据公式得到随机一致性比率CR1,较矩阵具有满意的一致10RICA性，通过一致性检验。所以可得数学建模课成绩、数学建模校内赛名次、教师组对学生各类能力及素质的等级评分的权重值分别为02000、04000、04000。其中在教师组对学生各类能力及素质的等级评分中包含创新能力、编程能力、专业知识面、写作能力，由于在第一问中，假设题目中的环节（3）中各项能力在综合评价中地位等同，所以创新能力、编程能力、专业知识面、写作能力的权重分别为01000、01000、01000、01000。在得出各个因素的权重后，我们建立模糊数学模9型采用模糊数学中的折衷型模糊多属性决策方法。（程序见附录2）512折衷型模糊决策的基本原理折衷型模糊决策的基本原理是从原始的样本数据出发，先虚拟模糊正理想和模糊负理想，其中模糊正理想是由每一个指标中模糊指标值的极大值构成；模糊负理想是由每一个指标中模糊指标值的极小值构成。然后采用加权欧氏距离的测度工具来计算各备选对象与模糊正理想和模糊负理想之间的距离。在此基础上，再计算各备选对象属于模糊正理想的隶属度，其方案优选的原则是，隶属度越大，该方案越理想。将定性、定量指标以及权重数据统一量化为三角形模糊数1对于定性指标，可以将两极比例法改进为三角模糊数比例法。再利用三角模糊数比例法将定性指标转化为定量指标。定性指标量化表准获奖等级一等奖二等奖三等奖成功参赛奖等级评价ABCD量化模糊数（90,95,100）（80,85,90）（70,75,80）（60,65，70）（表四）2对于精确的定量指标值，也写成三角模糊数的形式。设A是一个具体的精确数，由三角模糊数的定义，则A表示成三角模糊数的形式为,A当所有的属性指标全部化为三角模糊数后，设此时得到的模糊指标矩阵为NMIJFF经过指标信息、权重信息化成三角形模糊数，得到模糊指标矩阵F9595957075809095100808590808590707580939393808590808590808590808590808590939393808590808590606570909510070758092929290951009095100808590909510080859091919180859090951009095100808590808590909090909510080859090951007075807075809090908085909095100707580808590707580898989707580808590808590808590909510088888880859070758080859070758080859085858560657080859070758080859060657084848480859090951009095100606570808590838383707580707580808590909510070758083838370758080859090951009095100808590108080809095100808590707580606570909510080808060657070758080859080859070758079797990951009095100707580707580909510078787870758070758080859060657080859078787870758080859080859070758070758077777770758080859070758070758070758077777760657070758080859060657070758077777780859080859090951007075807075807575756065706065707075807075806065707575757075807075807075808085908085907474746065706065706065707075806065707373737075806065709095100808590808590模糊权重矩阵W10,1,0,4,20,模糊指标矩阵F归一化处理一般地，设有N个评价对象，对于第个评价指标而言，在F中5,2J对应有N个模糊指标值，记为。将进行归一化的,IIICBAX,1NIX具体公式如下若是成本型指标对应的模糊指标值，则归一化公式为IX1MIN,I,MNIIACBCAY若是收益型指标对应的模糊指标值，则化归公式为IX1MAX,MAIIIICBCY由于本体运用的是收益性指标，所以运用公式得出归一化后的模糊指标矩阵R（见附录3）。对R进行加权处理这里我们采用普通的加权方式，即若，则,321321IJIJIJIJYYW,21IJIJIJIJIJYWYWR得到模糊决策矩阵D见附录4。确定模糊正理想与模糊负理想M设,654321M,654321M11其中分量（J1,2,3,4,5，6）是模糊决策矩阵D中第J列的模糊,MAX21NJJRM指标值所对应的模糊极大值（J1,2,3，4,5,6）是模糊决策矩,MI21MJJJRM阵D中第J列的模糊指标函数所对应的模糊极小值。可由公式确定出模糊正理想与模糊负理想02,02,02036,04,04009,01,01009,01,01009,01,01009,01,01M015368,015368,015368024,027368,031111006,0068421,0077778006,0068421,0077778006,0068421,0077778006,0068421,0077778通过公式6,5432,161IMRDJJIJI,612IJJIJI（其中越大，表示评价对象越优）6,543,IDUIIIU求出相应的，算出相应的结果如下所示IIU排序学生隶属度模糊正理想DI模糊负理想DI1学生409061900232650224752学生608124900497650215633学生1607420900730560210214学生507420400633020182095学生20732640065340179056学生1407190500809950207297学生706923800764810172148学生306771600836340175429学生9067583007987101665110学生11066211008708401706511学生21061931009912101612512学生10502410129830131081213学生80488780128750123114学生1304711801334301188915学生1204295901397301052416学生2503936101572101020517学生1803922301471900949918学生23038069015212009350919学生17038021015195009321420学生1903701015128008888621学生10025202020824007016422学生15023234020881006319923学生20017832021703004709924学生22010698022426002686525学生2400754010228610018643从而选出最优学生为排序118的学生学生4学生14学生7学生11学生8学生25学生6学生5学生3学生21学生13学生18学生16学生2学生9学生1学生12学生2352问题二的模型建立及求解18名同学，在建模、编程、论文方面，每个人的优势各不相同。我们采用层次分析法把建模、编程、论文作为三个准则层，把创新能力、编程能力、专业知识面、写作能力作为方案层，以选择优秀队员组合为目标层，然后分别求出每个同学在每个准则层的权重，然后利用模糊数学模型对18名同学在建模，编程，论文方面分别进行排名。最终采用两种不同方案对他们进行组合，一，按最优组合方法，按排名由高到低进行组合求出最优组合；二，按排名高低分成三类，三类之间进行随机组合，组成实力相当的六组。13具体的层次分析图如下目标层准则层方案层通过层次图的分析和表（2）我们建立了准则层和方案层的判断矩阵，如下表所示准则层的判断矩阵A1B2B3B1B112211231/21/21优秀队员组合A建模B1编程B2论文B3创新能力C1编程能力C2专业知识面C3写作能力C414方案层的判断矩阵1BC234121/221/211/21222123C1/211/2142B1C23411/211212211/2113C11/21143B1C234111/21/4111/21/222211/23C4221用MATLAB程序（见附录5）求解上述判断矩阵得出准则建模编程论文准则层权值040402总排序权值创新能力0278070201313402175编程能力0163360401588702571专业知识面0395210202626802906方案层单排序权重写作能力0163360204471102348然后进行一致性检验得出下表一致性检验准则层权重的一致性检验通过比率（A）F方案层权重的一致检验通过比率（B）B1B2B3CR00013500225000225LAMEDA34060640606440606由表可知，CR01所以均通过一致性检验在得出各个因素的权重后，我们建立模糊数学模型采用模糊数学中的折衷型模糊多属性决策方法（程序见附录6）经过指标信息、权重信息化成三角形模糊数，得到模糊三角矩阵F（建模、编程、论文共用一个模糊三角矩阵F）909510080859080859070758015808590808590808590808590808590606570909510070758090951008085909095100808590909510090951008085908085908085909095100707580707580909510070758080859070758080859080859080859090951007075808085907075808085908085907075808085906065709095100909510060657080859070758080859090951007075808085909095100909510080859080859070758060657090951007075808085908085907075809095100707580707580909510070758080859060657080859080859080859070758070758080859070758070758070758070758080859060657070758080859090951007075807075806065707075807075806065707075807075808085908085906065706065707075806065706065709095100808590808590模糊权重矩阵W关于建模的权向量W107807,027807,027807016336,016336,016336039521，039521，039521016336，016336，016336关于编程的权向量W202,02,0204,04,0402,02,0202,02,02关于论文的权向量W3013134,013134,013134015887,015887,015887026268,026268,026268044711,044711,044711模糊指标矩阵F归一化处理得出归一化后的模糊指标矩阵（见附录7）。1R23对进行加权处理1R23得到模糊决策矩阵见附录8。1D2316确定模糊正理想与模糊负理想M可由公式确定出模糊正理想与模糊负理想关于建模的024373,027081,027081014702,016336,016336035569,039521,039521A014702,016336,016336016248,018529,0210630098016,011177,012706023713,027041,030739AM0098016,011177,012706关于编程的018,02,02036,04,04018,02,02018,02,02B012,013684,015556024,027368,031111012,013684,015556012,013684,015556关于论文的011821,013134,013134014298,015887,015887023641,026268,026268CM04024,044711,0447110078804,0089864,0102150095322,01087,012357015761,017973,020431026827,030592,034775求出相应的，算出相应的结果如下所示IDIU建模编程论文模糊正理想DI模糊负理想DI隶属度从高到低排序排序（序号为对应隶属度的学生序号）模糊正理想DI模糊负理想DI隶属度从高到低排序排序（序号为对应隶属度的学生序号）模糊正理想DI模糊负理想DI隶属度从高到低排序排序（序号为对应隶属度的学生序号）0080217020707088134008990401940208548713014598015299083788007722501944908388113007682801934908548750081021020405077045130102502191907798450207280127470767364016038015965076577400302407380060210748006022074517354390328349314171568892522041006209021993072078100410660241907157820075291021474071578201386501493307157820092610215130699062101623501316407108816009193502005106856370142040146960699066015238014449067433250073492020159068137300711290204090693281100484790250410661622301526901216906753112010931017151068335101143801816206191401947016578058909230163450126670675952502281601112506135790045919023896056584160102020230580635061201439201920605716511020365013068054558250105390183390610741800676590227090528911201162901667205185421016085014234061074901389302257205117210132960173290518546013904016067053607160151590140920498853021345009791604980918010931017151050851700954460234680486717014766012965045989110155060115630476262301639801211204477721021812008313504435290143770155130469471401697011018044777601386501493303908814014498013184038079301949901031204248318上表由高到低表示在建模，编程，论文方面，各自的排名根据上表每个学生的排名，我们得出两种组队方案531方案一我们在对每一项准则（建模、编程、写论文）按排名从大到小排序，用逐次优选的方法进行分组，步骤如下1先从建模排名中选出排名最靠前的学生4进行建模，然后再把编程和论文中的学生4剔除。2再从编程排名中选出排名最靠前的学生13进行编程，然后再把建模和论文中的学生13剔除。183从论文排名中选出排名最靠前的学生8进行编写论文，然后把建模和编程中的学生8剔除。4重复上面三个步骤，直到分成六组。分组组合表如下建模1B编程2B写论文3B1组学生14学生13学生82组学生5学生4学生23组学生8学生21学生164组学生1学生6学生255组学生7学生11学生236组学生3学生12学生18532方案二根据表七中的数据，方案二中一共有216种组队。首先我们先计算出选出的18个队员的总体平均实力251253NDXIKI然后计算每个人的平均实力18,31IKXI再通过MATLAB（见附录9）进行编程，将每个人的平均实力排序分类将实力最好的分为一类，实力相当的分为一类；其余的分为一类。再分别从三类中任意选出一个人的平均实力，再与的标准差之和为一种分组情况。1X最后，组队就是从216种的可能的分组中选出标准差和最小的，如下611616132MINKKJJIIXZUXZUXZU得出最终的组队方案为方案二第一组学生14学生7学生13第二组学生18学生11学生4第三组学生3学生23学生5第四组学生6学生16学生8第五组学生21学生12学生219第六组学生9学生25学生1对于方案二，得出的组队，每队的每个成员的角色是随机，各队员可以经过商量各司其职，其中六个组的总体实力相当。这样六个队的实力相当，在竞赛过程中，各队都有机会争取获得不同层次的奖项。20模型的评价与推广模型的优点1、本文在问题一中用了层次分析法与折衷型模糊决策法相结合的方法，使两种方法相互补充，避免了单一方法的缺陷性。2、在问题二中，本文采用了两种方案进行组队，从不同的角度对模型进行了优化。3、采用的数学模型有成熟的理论基础，可信度较高。4、本文用数学工具，严密对模型求解，具有科学性。5、建模的方法和思想对其他类似的问题也适用，易于推广到各领域，当与类似问题结合时，仅需要改变模型当中的一些参数。模型的缺点1、对于问题一，在学生的筛选中没有充分考虑到他们每个人在各项指标的突出才能而首先淘汰了一些队员，而且为了简化问题也忽略了实际过程中的其他影响因素。2、整体模型需要的数据处理的较多，不利于不会WORD、EXCEL的人对模型的运用模型的推广此模型可推广到生活中给出模糊指标，需要对其按照某种规则或者权重对问题进行最优的选择。例如公司员工的选拔，裁员；各种比赛参赛队的选拔与组合；甚至于可以对团队的组合进行选拔组合；比赛的参赛方案；旅游地点的选择等等。21参考文献1数学模型，姜启源编，高等教育出版社2003年第三版2王莲芬，许树伯，层次分析发引论，北京，中国人民大学出版社，19903云舟工作室，MATLAB数学建模基础教程，北京，人民邮电出版社，200122附录附录1第一题一致性检验，权重确定IDFOPENGUIYI1TXT,RN13AFORI1N1TMPSTR2NUMFGETLFIDAATMP读准则层判断矩阵ENDRI0,0,058,090,112,124,132,141,145一致性指标X,YEIGALAMDAMAXDIAGYNUMFINDDIAGYLAMDAW0X,NUM/SUMX,NUMCR0LAMDAN1/N11/RIN1GUIYI1TXT内容11/21/2211211附录2折衷型模糊多属性决策LOADMOHU1TXTSJREPMATMOHU1,1,1,3,MOHU1,2END首先进行归一化处理NSIZESJ,2/3MSIZESJ,1W02ONES1,3,04ONES1,3,01ONES1,12WREPMATW,M,1YFORI1NTMSJ,3I23IMAX_TMAXTMMAX_TREPMATMAX_T,M,1MAX_TMAX_T,311YTTM/MAX_TYT,3MINYT,3ONES1,MYY,YTEND23下面求模糊决策矩阵RFORI1NTM1Y,3I23ITM2W,3I23IRR,TM1TM2END求M、M和距离MPLUSMAXRMMINUSMINRDPLUSDISTMPLUS,RDMINUSDISTMMINUS,R求隶属度MUDMINUS/DPLUSDMINUSMU_SORT,INDSORTMU,DESCENDMOHU1TXT内容957075809095100808590808590707580938085908085908085908085908085909380859080859060657090951007075809290951009095100808590909510080859091808590909510090951008085908085909090951008085909095100707580707580908085909095100707580808590707580897075808085908085908085909095100888085907075808085907075808085908560657080859070758080859060657084808590909510090951006065708085908370758070758080859090951007075808370758080859090951009095100808590809095100808590707580606570909510080606570707580808590808590707580799095100909510070758070758090951007870758070758080859060657080859078707580808590808590707580707580777075808085907075807075807075807760657070758080859060657070758077808590808590909510070758070758075606570606570707580707580606570757075807075807075808085908085907460657060657060657070758060657073707580606570909510080859080859024附录3归一化后的模糊指标矩阵R111070789470888890911080894741080894741070789470888890978950978950978950808947410808947410808947410808947410808947410978950978950978950808947410808947410606842107777809110707894708888909684209684209684209110911080894741091108089474109578909578909578908089474109110911080894741080894741094737094737094737091108089474109110707894708888907078947088889094737094737094737080894741091107078947088889080894741070789470888890936840936840936840707894708888908089474108089474108089474109110926320926320926320808947410707894708888908089474107078947088889080894741089474089474089474060684210777780808947410707894708888908089474106068421077778000001011011000001258842188421884218894749966842177778889474087368087368087368070789470888890707894708888908089474109110707894708888908736808736808736807078947088889080894741091109110808947410842110842110842110911080894741070789470888890606842107777809110842110842110842110606842107777807078947088889080894741080894741070789470888890831580831580831580911091107078947088889070789470888890911082105082105082105070789470888890707894708888908089474106068421077778080894741082105082105082105070789470888890808947410808947410707894708888907078947088889081053081053081053070789470888890808947410707894708888907078947088889070789470888890810530810530810530606842107777807078947088889080894741060684210777780707894708888908105308105308105308089474108089474109110707894708888907078947088889000000000000000000267894778947789476684217777866842177778778947888897789478888966842177778078947078947078947070789470888890707894708888907078947088889080894741080894741077895077895077895060684210777780606842107777806068421077778070789470888890606842107777807684207684207684207078947088889060684210777780911080894741080894741附录4模糊决策矩阵D0202020280315790355560090101008008947401008008947401007007894700888890195790195790195790320357890400800894740100800894740100800894740100800894740101957901957901957903203578904008008947401006006842100777780090101007007894700888890193680193680193680360404009010100800894740100901010080089474010191580191580191580320357890400901010090101008008947401008008947401018947018947018947036040400800894740100901010070078947008888900700789470088889270189470189470189470320357890400901010070078947008888900800894740100700789470088889018737018737018737028031579035556008008947401008008947401008008947401009010101852601852601852603203578904007007894700888890080089474010070078947008888900800894740101789501789501789502402736803111100800894740100700789470088889008008947401006006842100777780176840176840176840320357890400901010090101006006842100777780080089474010174740174740174740280315790355560070078947008888900800894740100901010070078947008888901747401747401747402803157903555600800894740100901010090101008008947401016842016842016842036040400800894740100700789470088889006006842100777780090101016842016842016842024027368031111007007894700888890080089474010080089474010070078947008888901663201663201663203604040090101007007894700888890070078947008888900901010164210164210164210280315790355560070078947008888900800894740100600684210077778008008947401280164210164210164210280315790355560080089474010080089474010070078947008888900700789470088889016211016211016211028031579035556008008947401007007894700888890070078947008888900700789470088889016211016211016211024027368031111007007894700888890080089474010060068421007777800700789470088889016211016211016211032035789040080089474010090101007007894700888890070078947008888901578901578901578902402736803111100600684210077778007007894700888890070078947008888900600684210077778015789015789015789028031579035556007007894700888890070078947008888900800894740100800894740101557901557901557902402736803111100600684210077778006006842100777780070078947008888900600684210077778015368015368015368028031579035556006006842100777780090101008008947401008008947401附录5一致性检验，权重确定FIDFOPENGUIYI2TXT,RN13N24AFORI1N1TMPSTR2NUMFGETLFIDAATMP29ENDFORI1N1STR1CHARB,INT2STRI,STR2CHARB,INT2STRI,B,INT2STRI,TMPEVALSTR1FORJ1N2TMPSTR2NUMFGETLFIDEVALSTR2ENDENDRI00058090112124132141145X,YEIGALAMDAMAXDIAGYNUMFINDDIAGYLAMDAW0X,NUM/SUMX,NUMCR0LAMDAN1/N11/RIN1FORI1N1X,YEIGEVALCHARB,INT2STRILAMDAMAXDIAGYNUMFINDDIAGYLAMDAW1,IX,NUM/SUMX,NUMCR1ILAMDAN2/N21/RIN2ENDCR1,TSW1W0,CRCR1W0GUIYI2TXT内容1121121/21/21121/221/211/2122121/211/2111/211212211/21111/211111/21/4111/21/22211/2422130附录6关于建模的模糊数学程序LOADMOHU2TXTSJMOHU2,1END首先进行归一化处理NSIZESJ,2/3MSIZESJ,1W0270807ONES1,3,016336ONES1,3,039521ONES1,3,016336ONES1,3WREPMATW,M,1YFORI1NTMSJ,3I23IMAX_TMAXTMMAX_TREPMATMAX_T,M,1MAX_TMAX_T,311YTTM/MAX_TYT,3MINYT,3ONES1,MYY,YTEND下面求模糊决策矩阵RFORI1NTM1Y,3I23ITM2W,3I23IRR,TM1TM2END求M、M和距离MPLUSMAXRMMINUSMINRDPLUSDISTMPLUS,RDMINUSDISTMMINUS,R求隶属度MUDMINUS/DPLUSDMINUSMU_SORT,INDSORTMU,DESCEND关于编程的模糊数学程序LOADMOHU2TXTSJMOHU2,1END首先进行归一化处理NSIZESJ,2/3MSIZESJ,1W02ONES1,3,04ONES1,3,02ONES1,3,02ONES1,3WREPMATW,M,1YFORI1NTMSJ,3I23IMAX_TMAXTMMAX_TREPMATMAX_T,M,1MAX_TMAX_T,31131YTTM/MAX_TYT,3MINYT,3ONES1,MYY,YTEND下面求模糊决策矩阵RFORI1NTM1Y,3I23ITM2W,3I23IRR,TM1TM2END求M、M和距离MPLUSMAXRMMINUSMINRD