模糊綜合評價法在中式菜點質量評價中的應用

唐建華

（揚州大學 旅游烹飪學院，江蘇 揚州 225127）

美國著名控制論專家L.A.ZADEH在20世紀60年代提出了模糊數學的理論[1]，被廣泛運用于各個行業。烹飪行業傳統上對菜點的質量評價就是對菜點從外部感官到內在質感進行綜合評價[2]，一般都停留在菜肴成品的色香味形質等感官方面，以分數評判為主要方式。由于評判者的從業經驗和主觀因素的影響，加上感官評價的打分離散度較高，所以評價結果一般都會存在一定的局限性和誤差。針對這一問題，嘗試建立數學模型，采用基于語義評價的模糊綜合評價方法[3]，對菜點質量進行評價，得到的結果相對會客觀、公正。

1 確定評價思路

1.1 菜點質量評判員

菜點質量的評價，需要訓練有素的專業評判員。評價前要求評判員能夠正確理解參評菜肴的評價內容、評價指標和評價方法；評價開始時將菜肴送達評判員，評價過程中評判員之間禁止相互討論、商量評分；評價結束后用清水漱口，進行下一個菜點的評價。由于評判員對菜點質量的評價結果具有十分重要的作用，為了確保評判結果的客觀可靠，通常要求評判員在評判前2 h～3 h開始禁止接觸煙酒和辛辣類刺激性較強的食物。

1.2 菜點評價等級

菜肴評價時，事先應當設定菜點的評價結果，即將菜點的評價結果分級，如4個等級：優秀、良好、合格、不合格；或6個等級：特級、優秀、良好、一般、合格、不合格等等；下文以6個等級設計評價模型。

1.3 菜點評價方法

通過建立模糊綜合評價的方法來對菜點進行評價。建立模糊綜合評價的具體過程是：將評價目標看成是由多種因素組成的模糊集合（稱為因素集U）；再設定這些因素所能選取的評審等級，由此組成評語的模糊集合（稱為評判集V）；分別求出各單一因素對各個評審等級的歸屬程度（稱為模糊矩陣）；然后根據各個因素在評價目標中的權重分配，通過計算（稱為模糊矩陣合成），求出評價的定量解值[4]。而當評價因素較多，各個因素的權重不易準確給定時，會造成評價失效。因此，本標準采用二級模糊綜合評價方法進行評價。評價時，先按每一因素類的各個指標進行單級模糊綜合評判，得出單個因素類的評判結果；再在單級評判結果之間進行二級模糊綜合評判，從而得出最終的評判結果。

2 建立評價因素

菜肴評價前必須找到評價因素，依照評價因素建立評價標準。根據菜肴評價的慣例，將菜肴中的主要指標進行歸納，得出了衡量菜肴的質量指標主要評價內容，包括原料選擇、工藝流程、成品品質等三大要素[5]。

2.1 原料選擇

根據菜肴的用料特點和評價目標，原料選擇項中的評價因素會涉及到原料的產地、新鮮度、色澤和形態等因素。針對評判項中的每個因素設計評價標準，如表1。

表1 原料選擇評價因素表Table 1 The table of the factors on material selecting and evaluating

2.2 工藝流程

從菜肴的工藝過程來看，本項評價目標的主要因素包括材料的摘剔洗滌加工、切配優化和火候運用，見表2。

表2 工藝流程評價因素表Table 2 The table of the factors on processing and evaluating

2.3 成品品質

成品品質的評價因素主要由菜肴的色澤、香氣、口味和質感構成，見表3。

表3 成品品質評價因素表Table 3 The table of the factors on quality evaluating

3 設計評判模型

3.1 建立因素集U

影響菜肴評價的因素有很多，這些因素有強相關和弱相關之分。根據前文所述，在菜點評價體系中，我們選擇“原料選擇”、“工藝流程”、“成品品質”為菜肴考量評價因素，分別用U1、U2、U3表示。上述3個因素又可分為若干子因素，如“原料選擇”可分為“產地”、“新鮮度”、“色澤”、“氣味”等單級因素，分別用u11，u12，u13，u14表示，由此可構成單級因素集合。

單級因素集合：

二級因素集合：

3.2 建立評判集V

對每個因素采用如下語義進行評判，比如用v1表示特級、v2表示優秀、v3表示良好、v4表示一般、v5表示合格、v6表示不合格。評判集合可寫成：

3.3 建立權重集W

根據菜肴評價因素對菜肴評價的重要性給出不同因素的權重數。經烹飪專家和相關專業人士綜合考慮，針對菜肴評價各因素及其子類分別給出權數。比如用w1表示因素u1的權數、w2表示因素u2的權數、w3表示因素u3的權數、w4表示因素u4的權數、w5表示因素u5的權數、w6表示因素u6的權數等，這樣可得到U及Ui上的模糊向量，即權重集合：

單級權重集合：

二級權重集合：

說明：每個權重集合中各因素或因素子類對應權數之和為1。

3.4 建立單級評價的模糊矩陣ri和矩陣合成

就上述各因素，選擇有專業性、權威性、公平性、代表性的多位評判員依因素權重給出評定分值，再進行統計。比如，對因素U1的子類u11的評價中，贊成屬特級的評判員人數與評判員總人數的比值是a1%、贊成屬優秀的評判員比例為b1%、贊成屬良好的評判員比例為c1%、贊成屬一般的評判員比例為d1%、贊成屬合格的評判員比例為e1%、贊成屬不合格的評判員比例為f1%等。由此知u11的評價為{a1%，b1%，c1%，d1%，e1%，f1%}；依此類推，得出單因素評價的模糊矩陣r1：

進行模糊矩陣合成時，通過wi和ri的合成可得專家對因素U1的綜合評價值：其他因素Ui以此類推。

3.5 建立二級評價的模糊矩陣和矩陣合成

以U為總目標，其子類Ui的評判結果bi=[bi1bi2bi3bi4bi5bi6]T作為二級綜合評判的模糊矩陣，可得R=[b1b2b3b4b5b6]，則二級模糊綜合評判結果可由下式求得：

根據最大化隸屬度原則，B中最大值對應的語義即為對該菜肴品質的評價。

4 評價示范

根據上述模型，我們嘗試對銀牙雞絲的烹制質量進行評價。

4.1 建立因素集

單級因素集合：

U1={u11，u12，u13，u14}={產地，新鮮度，色澤，形態}；

U2={u21，u22，u23}={摘剔加工，切配優化，火候}；

U3={u31，u32，u33，u34}={色澤，香氣，口味，質感}。

二級因素集合：U={U1，U2，U3}={原料選擇，工藝流程，成品品質}。

4.2 建立評價集

建立6級評語以評價銀牙雞絲達到的等級水平。V={特級，優秀，良好，一般，合格，不合格}。

4.3 建立權重集

單級權重集合：w1={w11，w12，w13，w14}={0.1，0.3， 0.3， 0.3}；

w2={w21，w22，w23}={0.3，0.4，0.3}；

w3={w31，w32，w33，w34}={0.2，0.3，0.30.2}。

二級權重集合：W={W1，W2，W3}={0.2，0.3，0.5}。

上述權重集合由專家給出或通過層次分析法（AHP）給出[6]。

4.4 建立評價矩陣及矩陣合成

首先，建立單因素評價矩陣及矩陣合成：

建立二級評價矩陣及矩陣合成：

說明：合成算法采用簡單矩陣相乘運算即可。

B=[0.0560.2510.3450.2270.1050.016]

由于Max{B}=0.345，從評價集可知，0.345對應的水平等級為良好。

據此，可以得出銀牙雞絲的質量等級是良好水平。

示范評價結束。

5 結語

模糊綜合評價方法，相對于傳統的直接依據主觀意識進行打分的菜點評鑒方法，極大地消除了評判員的主觀因素的影響，從而使評價結果更加客觀準確。在實際的菜點評價過程中，可以將上述模型編輯成應用軟件，評判員在評判時直接將單因素的得分輸入軟件中，即可自動計算生成結果。關鍵因素的權重確立對菜肴評價很重要，可以采用專家給出或層次分析法獲得，使菜點的質量評價的結果更為可靠。通過對校內組織的幾次學生技能比賽的菜肴質量評價證明，這一套方法具有較高的科學性和可操作性，可以在實踐中加以推廣應用。

[1]趙振宇,徐用懋.模糊理論和神經網絡的基礎與應用[M].北京：清華大學出版社，1996：1

[2]唐建華.菜肴質量評價指標及生產控制[J].揚州大學烹飪學報，2002，19(3)：40-43

[3]郭亞軍.綜合評價理論與方法[M].北京：科學出版社，2002：62-96

[4]張喆，張闖，朱宏.鋼鐵企業電子商務營銷的模糊評價[J].工業工程與管理，2006(3)：58-62

[5]唐建華，周曉燕，李賓，等.試論AIC菜肴質量的二級模糊綜合評價標準[J].揚州大學烹飪學報，2007，24(3)：28-31

[6]黃旬.層次分析法原理與分析法的風險量化研究[J].城市建設與商業網點，2009，6(11):24-26