束永祥,盧 蕊
(1.鎮(zhèn)江高等??茖W(xué)校 基礎(chǔ)部,江蘇 丹陽 212300;2.鎮(zhèn)江高等??茖W(xué)校 學(xué)報編輯部,江蘇 鎮(zhèn)江 212003)
1965年,美國著名控制論專家查德(L.A.Zadeh)教授撰寫了一篇用數(shù)學(xué)方法研究模糊現(xiàn)象的論文“Fuzzy Sets”(《模糊集合》),首次提出了模糊集合的概念,開創(chuàng)了模糊數(shù)學(xué)研究的新領(lǐng)域[1-4]。
模糊數(shù)學(xué)作為繼經(jīng)典數(shù)學(xué)、統(tǒng)計數(shù)學(xué)之后發(fā)展起來的一門新的數(shù)學(xué)學(xué)科,涉及純粹數(shù)學(xué)、應(yīng)用數(shù)學(xué)、自然科學(xué)、社會科學(xué)等許多方面,其發(fā)展主要在應(yīng)用方面,已經(jīng)遍及理、工、農(nóng)、醫(yī)及社會科學(xué)的各個領(lǐng)域。模糊數(shù)學(xué)的出現(xiàn),把數(shù)學(xué)的應(yīng)用范圍從確定性領(lǐng)域擴大到了模糊領(lǐng)域。采用模糊集合描述具有模糊性的概念,使用模糊數(shù)學(xué)的方法,如模糊聚類分析、模糊模式識別、模糊綜合評價、模糊信息處理、模糊控制、模糊預(yù)測與決策等,描述人們的判斷、推理、評價、決策和控制過程成為可能[1-7]。
在實際研究中,常常會遇到評價目標與評價指標均帶有一定模糊性的情況,此時,運用模糊評價技術(shù)進行綜合分析,效果會更加理想。對于學(xué)生的數(shù)學(xué)問題意識、問題提出能力的研究,也可以借鑒這些方法,本文主要采用模糊多屬性評價方法進行研究。
1.1 基本原理
模糊評價是在模糊環(huán)境下或者模糊系統(tǒng)中,對評價論域中的對象進行排序,或按某些模糊限制條件從評價域中選擇出最優(yōu)對象的數(shù)學(xué)理論和方法。
1.2 基本步驟
1.2.1 給定模糊集合
給定一個評價對象集A={A1,A2,…,Am}和相應(yīng)的評價指標集B={B1,B2,…,Bn},并給定每個評價指標相對重要程度的權(quán)重集合w={w1,w2,…,wn}。
1.2.2 構(gòu)造模糊指標值矩陣
把集合B,集合w中的屬性指標表示成三角形模糊數(shù),進而得到模糊指標值矩陣[1-4]。
1)將各指標數(shù)據(jù)和權(quán)重向量用三角形模糊數(shù)表達。記F(R)為R上的全體模糊集,設(shè)G∈F(R),如果G的隸屬度函數(shù)μG表示為
式(1)中,a≤g≤b,則稱G為三角形模糊數(shù),記為G=(a,g,b)。
定性指標可以利用三角形模糊數(shù)比例法轉(zhuǎn)化為定量指標,具體的轉(zhuǎn)化形式見表1。精確的定量指標值c可以表示為:c=(c,c,c)。權(quán)重向量w=(w1,w2,…,wn)的三角形模糊數(shù)表示與之類似。
表1 定性指標向定量指標轉(zhuǎn)化的三角形模糊數(shù)比例法
2)構(gòu)造模糊指標值矩陣。所有的評價屬性指標全部化為三角形模糊數(shù)后得到的矩陣F=(fij)m×n稱為模糊指標值矩陣。
3)模糊指標矩陣F歸一化處理。因為不同的評價指標有不同的量綱,為了使數(shù)據(jù)之間具有可比性,需要對數(shù)據(jù)進行標準化處理。一般地,針對各個評價指標,m個評價對象在F中都分別有m個模糊指標值,記為xi=(di,ei,fi)(i=1,2,…,m)。根據(jù)xi所屬指標類型不同,分別使用不同的化歸公式進行數(shù)據(jù)的歸一化處理:其中,式(2)為成本型指標的歸一化公式,式(3)為收益型指標的歸一化公式。
設(shè)歸一化后的模糊指標值矩陣為C=()m×n[1-4]。
1.2.3 構(gòu)造模糊評價矩陣
將模糊指標值矩陣F和模糊權(quán)重向量w利用廣義模糊合成算子實施變換后得到模糊評價矩陣C=(rij)m×n,其中rij=wΘ,i=1,2,…,m,j=1,2,…,n。
1.2.4 模糊選優(yōu)排序
采用折衷型模糊多屬性評價方法,先虛擬模糊正理想和模糊負理想,以加權(quán)歐氏距離為測度工具,計算各評價對象與模糊正理想的距離Di+及其與模糊負理想之間Di-,再根據(jù)各評價對象從屬于模糊正理想的隸屬度,比較各評價對象的相對優(yōu)劣[1-4]。
1)確定模糊正理想M+與模糊負理想M-。模糊評價矩陣C中各列的極大值組成M+,極小值組成M-。
2)確定Di+和Di-。
3)確定評價對象屬于模糊正理想的隸屬度。評價對象i從屬于模糊正理想的隸屬度為
4)選優(yōu)排序。按隸屬度μi從大到小進行排序,根據(jù)排序結(jié)果可以判斷評價對象的相對優(yōu)劣。
數(shù)學(xué)問題意識是指人們在進行數(shù)學(xué)的認識活動中,對既有知識經(jīng)驗和一些難以解決的實際或理論問題所產(chǎn)生的懷疑、困惑、焦慮、探究等心理狀態(tài),并在其驅(qū)動下,不斷提出問題、解決問題[8-9]。
2.1 選取研究對象
選取某高校五年一貫制師范專業(yè)一年級(A1)、二年級(A2)、三年級(A3)的學(xué)生為研究對象,進行研究。
2.2 確定影響因子
主要選取文獻[8]提出的影響數(shù)學(xué)問題意識、問題提出的因素:直覺思維與概括(x1)、合理的數(shù)學(xué)認知結(jié)構(gòu)或圖式(x2)、反省思維(x3)、批判性思維(x4)、數(shù)學(xué)符號意識(x5)、轉(zhuǎn)化意識(x6)、數(shù)學(xué)學(xué)習(xí)中思維結(jié)構(gòu)的簡縮(x7)、空間想象力(x8)、一般化與特殊化(x9)、數(shù)學(xué)信念(x10),共計10個,作為主要影響因子。
2.3 數(shù)據(jù)統(tǒng)計
三個年級的學(xué)生在10個指標上的均分如表2所示。10個指標依專家討論的重要程度取其權(quán)重,權(quán)重向量為w=(0.15,0.15,0.10,0.15,0.05,0.10,0.10,0.05,0.10,0.05)。
表2 三個年級的學(xué)生10個影響因子分值
2.4 數(shù)據(jù)的三角形模糊數(shù)表示
將上述屬性指標以及權(quán)重數(shù)據(jù)統(tǒng)一量化為三角形模糊數(shù)后,得到模糊指標矩陣F=(fij)m×n和wT。
2.5 模糊指標矩陣F歸一化處理
本研究中3個評價對象的各評價指標量綱一致,歸一化后的模糊指標矩陣C=()m×n=F。
2.6 構(gòu)造模糊決策矩陣
將歸一化后的模糊指標矩陣C進行加權(quán)處理,得到模糊評價矩陣D=(rij)m×n。
2.7 確定模糊正理想M+與模糊負理想M-
模糊正理想與模糊負理想分別為:
M+=(0.9030,0.8610,0.5660,0.7890,0.3275,0.6060,0.7850,0.2810,0.7320,0.3860),
M-=(0.8205,0.7920,0.5190,0.7230,0.3160,0.5390,0.7560,0.2725,0.7100,0.3840)。
根據(jù)公式(4)和公式(5),計算3個評價對象與模糊正理想、模糊負理想之間的距離,結(jié)果見表3。
表3 3個評價對象與模糊正理想、模糊負理想之間的距離
2.8 模糊優(yōu)選決策
設(shè)3個評價對象i以隸屬度μi從屬于模糊正理想,按照公式(6)計算3個評價對象的隸屬度,結(jié)果分別為:0.8326,0.2902,0.2817。
[1]曹炳元.應(yīng)用模糊數(shù)學(xué)與系統(tǒng)[M].北京:科學(xué)出版社,2005.
[2]劉林.應(yīng)用模糊數(shù)學(xué)[M].西安:陜西科學(xué)技術(shù)出版社,2008.
[3]王培莊,韓立巖.應(yīng)用模糊數(shù)學(xué)[M].北京:首都經(jīng)濟貿(mào)易大學(xué)出版社,1989.
[4]李柏年.模糊數(shù)學(xué)及其應(yīng)用[J].合肥:合肥工業(yè)大學(xué)出版社,2007.
[5]程乾生.屬性集和屬性綜合評價系統(tǒng)[J].系統(tǒng)工程理論與實踐,1997(9):1-8,42.
[6]程乾生.質(zhì)量評價的屬性數(shù)學(xué)模型和模糊數(shù)學(xué)模型[J].數(shù)理統(tǒng)計與管理,1997,16(6):18-23.
[7]李光,吳祈宗,齊延信.基于權(quán)重穩(wěn)定區(qū)間的綜合評價結(jié)論一致性研究[J].數(shù)學(xué)的實踐與認識,2010,40(6):54-60.
[8]盧蕊,束永祥,王麗君.數(shù)學(xué)問題意識、問題提出能力的調(diào)查研究[J].鎮(zhèn)江高專學(xué)報,2007,20(1):96-99.
[9]束永祥,盧蕊.數(shù)學(xué)問題意識、問題提出的涵義及因素分析[J].鎮(zhèn)江高專學(xué)報,2005,18(4):105-108.