基于AHP—GA的和諧校園評價指標體系研究

于俊樂 宋奔

摘 要：鑒于和諧校園評價指標體系，以層次分析法（AHP）為基礎，改革其定量分析的不足，在AHP層次分析法基礎上綜合運用改進的遺傳算法（GA）建立數據挖掘模型，并對和諧校園評價指標之間的關系做出了科學的定量分析。為和諧校園評價指標體系量化工作提供了一個廣闊的前景。

關鍵詞：數據挖掘；和諧校園；層次分析法（AHP）；遺傳算法（GA）

中圖分類號：G647 文獻標志碼：A 文章編號：1002-2589（2013）21-0327-02

引言

和諧校園是以校園作為載體，以文化作為紐帶和橋梁，把各種教育的要素組合得適當與勻稱，要以人與人、人與社會、人與知識、人與環境等各種關系和因素互相協調，互相默契，形成良性的互動、科學的發展，形成整體效應和優化的育人氛圍。高校建設和諧校園，它不僅是構建社會主義和諧社會的必然要求，同時是高校自身建設和發展的必然要求。本文綜合運用AHP層次分析法和GA改進的遺傳算法，力求解決和諧校園評價指標體系中評價指標的相關聯的關系，即評價指標各層次目標權重，做出定量分析；綜合運用基于層次分析法（AHP）和改進的遺傳算法（GA）設計數據挖掘模型，充分實踐評價指標體系中各層次目標權重的最佳定量值。在評價指標體系內容上力求實踐性、針對性、現實性；在評價指標體系模型研究的方法上力求多樣性、先進性；其結果力求公正性、導向性、科學性。本文研究和解決的問題將對和諧校園評價技術產生積極的影響。

一、挖掘模型及方法的建立

（一）建立和諧校園評價指標體系的層次結構一般模型

建立和諧校園相應的評價指標體系，即對評價指標體系中的評判對象完成層次分析與研究，確定分級評價指標體系，將評價指標所包含的各因素劃分為不同的評價層次，這里設最高層、中間層和最底層。最高層表示目標層，即決策者所要達到的目標因素；中間層表示準則層，即衡量是否達到目標的判別準則；最底層表示方案層，即可供選擇的方案（解析）。每層之間的連線是各層之間各要素的相關聯關系。在同一層次的因素設為比較和評價的準則，將下一層次的各因素設起支配作用，同時它又是設為從屬于上一層的因素。這樣就給出評價評判對象的因素集和子因素集。

高校和諧校園評價體系的層次結構模型如圖1所示。這里的層次結構模型從上至下由目標（頂層）層次A、評價的一級層次B、評價的二級層次C、評價的觀測層次D所組成；A層是總目標，只有一個（頂層）要素，B層是n個一級評判指標，即B1，B2，...，Bn所組成，包括了“辦學指導思想、師資隊伍建設、教學條件利用率”等；C層由m個二級評判指標所構成，即C1，C2，...，Cm所組成，D層是主要觀測點（指標的判斷說明），即D1，D2，...，Dk所組成。

（二）建立層次要素的判斷矩陣

綜上所述，通過建立評價判斷層次結構模型之后，層與層之間因素的隸屬關系就被確定。以此為基礎需要對每一層中各個因素的相對重要性給出判斷。對同一層各個元素關于上一層中某一元素的重要性進行比較，層次做單排序，建立比較矩陣（即判斷矩陣），對每一層因素進行重要程度比較分析，根據AHP層次結構模型算法要求，采用1～9級（度），以倒數的判斷度量方法，由專家對各因素及其相對重要性進行打分，并建立判斷矩陣。AHP層次法只要求判斷矩陣PB具有滿意的一致性，盡可能適應實際中各種復雜系統分析與判斷。這里判斷矩陣PB一致性（收斂）程度取決于評價判斷專家們對各因素認識和把握的程度，各因素優劣認識得越清楚，其一致性（收斂）程度就會越高，而且評價判斷各因素的優劣正是我們要解決的問題，也是AHP層次分析法解決的實際問題。有時正因為專家們對各因素的優劣不是很清楚的情況下，才顯然，式（2-6）中左端的值越小，則評價判斷矩陣PB一致性（收斂）程度就越高，當式（2-6）成立時則PB具有完全的一致性。因此，B（2-7）

在式（2-7）分析中，是一致性判斷指標函數，權值是wt，t=1，2…n，是優化變量，其他符號同前所述。當PB完全一致性（收斂）時，式（2-6）就完全確定，從而一致性（收斂）式（2-7）取最小值CIF=0，這時式（2-7）的約束條件可知，該評價判斷的（全局）最小值便是唯一的值。

（四）運用遺傳算法（GA）的數據挖掘分析

由于每個評價判斷矩陣是由多個專家根據個人認識和把握程度打分而得，則該量化求解就有多個初始解，優化問題顯得很重要。使用常規方法解決和優化這些多個初始解顯得很難處理，本文使用遺傳算法（GA）解決全局優化問題，而且是常用、求解該問題實用有效的方法。其步驟是。

第一，采用二進制編碼對評價判斷矩陣PB編碼。該矩陣組成一個對稱矩陣，只需完成矩陣的一半元素編碼即可，即組成4位二進制編碼的矩陣，同時由5個專家提出的評價判斷矩陣都完成編碼后，則就獲得了遺傳算法要求的一個最初始種群X={xi|i=1，…，5}，即該種群形成了5個初始個體矩陣。

第二，對種群X所有CIF值完成求總計算。計算相對適應度大小值（對每一個個體都計算）m=fi/f，m為概率值（個體被遺傳下一代群體的概率），則每一個概率值組成一個小區域，這樣就產生了0到1之間隨機數，在上述哪個小區域內根據隨機數可能出現的金星確定每一個個體被選中的次數。對未能交叉的種群以概率為0.7完成單點交叉，未變異種群也就得到確定，然后再完成未能變異種群的變異。

第三，變異后的種群重插入計算獲得最后新種群。將重復上面的運算方法和步驟，直到CIF<0.1時則停止。再完成種群中最優化個體的逆向編碼重新構建矩陣，并完成最大特征值計算。此時就獲得了目標權重的最佳定量值。同樣用此方法對C、D層次各判斷矩陣都可以確定相應的一致性指標函數，就可以得到相應的目標權重的最佳值。也就是說評價指標體系中的各目標之間的關系（權重）也就確定，這時就要重新構造和諧校園評價指標體系。

二、實證性數據檢驗

下面以本文建立的和諧校園評價層次模型為依據，邀請5位專家打分說明和諧校園評價信息挖掘模型計算過程。依據圖1.1模型對5位專家打分數據（數據表略）的一級（B層）指標“學校內涵與辦學績效發展”的每個二級（C層）指標以及主要觀測點實行兩兩比較方法得到下面判斷矩陣：

計算可得第1層（B層）最優化值CIF=0.0008，第2層（C層）最優化值CIF=0.0012，則可獲得目標CIF<0.1，說明有滿意的一致性（收斂）程度，此時可以說上述權重確定的值是合理的。

現在對該計算結果進行評述，權重值w1結果說明在“學校內涵與辦學績效發展”中“學生工作”是最主要的評價準則，“科學研究”其次；權重值w2結果說明在“學生工作”中“教學改革學風建設”是最主要的評價準則，“心理健康及職業發展教育”其后。最終通過上述評價層次模型和計算方法對整個學校“和諧水平評估指標體系”權重值完成計算。

三、結論

綜合運用AHP-GA數據挖掘方法建立和諧校園評價指標體系，是基于多個專家對評價指標體系某一項因素給出的判斷值，并組成判斷矩陣，做出其定量分析；解決評價指標體系的各層次目標權重。由于各層次目標權重有多個初始解，使用遺傳算法的全局優化方法對其進行優化處理，使求解該問題更加實用有效。在結果上做到了科學性、公正性、導向性，該方法的研究將對和諧校園評價技術產生積極的影響。