有关数学论文.docVIP

模型描述 模型采用一种综合的分析方法，结合了层次分析法与理想解法，将主观与客观结合起来，有较高的精确性，在模型中，还考虑了时间的影响，引入了时间影响因子，运动算法之前进行了数据的处理，用同一标准比较数据。 假设：1假设比赛规则不随着时间变化而变化 2 客观因素只有总的获胜次数，获胜比率，冠军个数，四强次数。主观因素只有受大众欢迎程度，可以通过搜索引擎的搜索量来度量。 3 比赛的结果只与教练本身的水平有关。 模型 变量表 变量 变量解释 Si 待评价的对象 xi 评价的要素 n 评价的对象个数 m 评价的要素个数 t 时间 pi 时间影响因子 W(t) 在t时间比赛总数 N(t) 在t时间比赛队数 x，x’，x’’ 评价要素矩阵 C* 正理想解 C0 负理想解 A 理想解法结果 B 层次分析矩阵 w 权重向量 C 层次分析结果 U 最终结果  评价系统： 我们定义n个要评价的对象，为S1，S2，S3,......,Sn,m个评价的要素，为x1,x2,x3,......,xn,评价要素向量为 x=[x1,x2,x3,......,xn]’ 评价的要素总共包括参加比赛总的获胜次数，获胜比率，进入四强的次数，冠军的次数，还有受大众的关注程度。所以，总共有5个评价要素，m=5， x=[x1,x2,x3,x4,x5]’ x1:总的获胜次数 x2：获胜率 x3：进入四强的次数 x4：获得冠军的次数 x5：受大众的关注程度 在评价教练的时候，时间占了很大的影响，我们可以假设时间只对总的获胜次数有影响，即只对x1有影响。 时间对总的获胜次数的影响： 随着时间的推移，社会在不断地发展，运动也在不断发展，各个队伍之间的差别不断加大，总的比赛次数也在增加，因此，当评价上的世纪的教练时，他执教时间越靠后，他越有机会取得比赛的胜利，所以，我们应该赋予这些教练少一点的权重，这样才能得到一个公正的评价。 为了度量时间的影响，我们可以建立一个时间影响因子pi(i=1,2,3,......,n)，我们假设在t时间，总的比赛次数为W(t),但是，我们只得到了t时间里总的比赛对数的数据，可以令 W(t)=(N(t)-1)N(t)/2 其中N(t)为t时间总的比赛队数 这是假设每两个队伍之间只互相比赛一次，可以近似衡量时间对总的获胜次数影响，其余时刻的影响可以通过曲线拟合得到。 令 Pi=1/W(tm) 其中tm为赛季的中间时间 X1j’=X1j*pj (j=1,2,3......n) Xij’=Xij(i=2,3,......,n)(j=1,2,3,......,n) 数据处理 属性值具有多种类型，包括效益型，成本型和区间型等，这三种属性，效率型属性越大越好，成本型属性越小越好，区间型属性则是在某个区间内最佳。 而上面所提到的评价一个教练的五个要素均属于效益型要素，所以都是越大越好。 但即使是对于同类型的属性，当他们采用不同的计量单位的时候，就容易有不同的数量级，这就给比较带来了困难，因此要才用非量纲化和归一化。 1标准0-1变换 为了使每个属性变换后的最优值为1，且最差值为0，可以进行标准0-1变换，由于我们评价要素采用的都是效益型属性，所以我们可以令 Xij’’=(xij’-xjmin)/(xjmax-xjmin) 2向量规范化 无论是什么属性，向量规范化均可用下式进行变换 Xij’’=xij’/(∑xij^2)^0.5 j=1,2,3,......,n 3由第一步和第二步得出来的矩阵取各个评价要素值最大的组成正理想解C*=[max(xij)] i=1,2,3,......,m j 负理想解C0=[min(xij)] i=1,2,3,......,m j 4 求每一个教练的评价要素值到正理想解的距离Si*，和到负理解的距离Si0,并且定义 A=Si0/(Si*+Si0) 值越大则越优 层次分析法： 通过运用带有主观因素的层次分析法与上面的理想解法相结合，我们可以得到一个综合的评价结果。 1 元素相对权重计算及一致性检验 令B=[bij] i=(1,2,3,4,5) j=(1,2,3,4,5) bij=wi/wj wi为第i个评价要素的权重 给出一个主观的矩阵 B=[1 1 1/3 1/5 4/5 1 1 1/3 1/4 4/3 3 3 1 1/3 3 5 4 3 1 5 5/4 3/4 1/3 1/5 1] 通