【正文】 則：P2i=即： p21= 同理可得，p22= ，p23= ，P24= ，p25= (3) 由表中數據得到每篇論文的文字流暢得分 d3i=( ， ， ， ，)i=1, 2,3,4,5 則：P3i=即： p31= 同理可得p32= ，p33= ，P34= ，p35= 由以上計算可得： R4= 綜合評判 ，取()運算用matlab編程運算得到結果： B1 =ω1R1 =( )=( , , , ,) B2 =ω2R2 =( ) =( , , , ,) B3 =ω3R3 = ( ) =( , , , ,) B4 =ω4R4 =( ) =( , , , ,) B=ωR=( )R=( )則篇論文的優(yōu)劣順序為第四篇最好，第二篇次之，第一篇再次，第五篇再次，第三篇最差。 模型的評價與改進 模型優(yōu)缺點1. 模型優(yōu)點 (1)在對論文橫向比較時，按照優(yōu)、良、中、差四個等級對論文進行了分模塊評價，并用表格列述，直觀形象，使論文的優(yōu)劣一目了然。(2)通過對問題的描述分析，對問題的本質有個全面的認識后，巧妙的構造出一個數學模型，使之轉化為一個模糊綜合評判二級評判模型，這樣解決問題就比較直觀高效了。(3)用層次分析法對該問題中的因素集進行分析得出權重，使得模糊綜合評判模型更容易進行計算。(4)層次分析法與模糊綜合評判相結合，使問題從復雜的定性分析轉化為比較客觀的定量分析。 (5)所用理論方法比較簡明，模型具有很強的可擴展性，這給模型的普遍使用奠定了基礎。 (6) 將整篇論文是做一個系統(tǒng)，通過分析將其系統(tǒng)化，便于計算,通過對各個因素集賦權使計算簡便，結果明了，便于決策者直接了解和掌握.2. 模型缺點 (1) 運用層次分析法將定性化為定量，結果過于粗糙。在對論文進行橫向比較和縱向分析的過程中，雖本著客觀公正的原則，但仍不可避免的受主觀意識的影響，使評價結果與實際有一定的誤差。 (2) 本文雖然借鑒往年的評分標準，對各因素集的權重進行劃分，但由于每年具體情況（主要指論文題目等）不疼，劃分的因素集也有所不同，因此難以避免層次分析法所帶來的“主觀因素作用大，結果可能難以服人”的缺點。 模型改進 (1) 雖然本文在借鑒往年的基礎上，對各因素集進行劃分和加權，但還是難以避免主觀因素帶來的影響，具有一定的局限性。因此對于各因素集的劃分和加權還有待商榷。 (2) 在建立評判矩陣的時候即對論文進行打分的過程中，雖然對分數進行了求和取平均值的處理，但由于參與評判的人數較少（今本組隊員），所以還是會造成較大的誤差。因此這里認為可以增加評閱人數，進而減少誤差保證評判的公正、公平。(3) 數學建模是利用數學方法解決實際問題的一種實踐,而全國大學生數學建模競賽要的是為解決實際問題提供優(yōu)秀算法、培養(yǎng)大學生數學素養(yǎng)。而就此本文看來，模型僅用主觀的打分建立評判矩陣存在一定缺陷。這里建議在以分數作為評判標準的基礎之上，將各個因素集分數進行等級劃分劃分（優(yōu)、良、中、差等），并引入權值 λ（0≤λ≤1）、M，新的評判標準、F，論文分數、η，每篇論文獲得優(yōu)的因素集的比例。則有新的評判準則:M=（1－λ）F＋η 這樣有益于評判的公正、公平，有利于選擇優(yōu)秀算法。 模型的推廣 本模型在對五篇論文進行評判的同時，為數學建模論文的評判提供了一個可行的方案。模型在改進之后，摒棄了原來以分數高低作為標準的評判，更能保證比賽的公正、公平。也就是說，模型在改進之后完全可以推廣到建模的評判工作中，往更深層次講模型可以推廣到各種論文的評選工作中，保證公平、公正。 八、參考文獻[1] 謝季堅，劉承平，模糊數學方法及其應用（第三版），武漢：華中科技大學出版社，2006。[2] 姜啟源，謝金星，葉俊，數學模型（第三版），北京市：高等教育出版社，2003年。[3] 169。20072011 Inc. All Rights Reserved 豆丁網 九 附錄程序1R1 = A1=[ ]A1 = B1 =A1*R1B1 = 附錄2： 一直檢驗程序disp(39。請輸入判斷矩陣A(n階)39。)。A=input(39。A=39。)。[n,n]=size(A)。x=ones(n,100)。y=ones(n,100)。m=zeros(1,100)。m(1)=max(x(:,1))。y(:,1)=x(:,1)。x(:,2)=A*y(:,1)。m(2)=max(x(:,2))。y(:,2)=x(:,2)/m(2)。p=。i=2。k=abs(m(2)m(1))。while kpi=i+1。x(:,i)=A*y(:,i1)。m(i)=max(x(:,i))。y(:,i)=x(:,i)/m(i)。k=abs(m(i)m(i1))。enda=sum(y(:,i))。w=y(:,i)/a。t=m(i)。disp(39。權向量39。)。disp(w)。disp(39。最大特征值39。)。disp(t)。 %以下是一致性檢驗CI=(tn)/(n1)。RI=[0 0 ]。CR=CI/RI(n)。if CRdisp(39。此矩陣的一致性可以接受!39。)。disp(39。CI=39。)。disp(CI)。disp(39。CR=39。)。disp(CR)。else disp(39。此矩陣的一致性不可以接受!39。)。end 22