基于模糊综合评判的大学排名.doc

模型应用 ——对我国十六所一流大学排名 终于不得不触碰中国大学排名这个敏感话题了。正如我们平时所看到的，无论最终排名结果怎样，都会遭到来自不同方面的口诛笔伐。但为了验证本文排名方法的有效性，这个过程依旧要进行。 经过搜集并整理这十六所高校的数据（见附录,其中附录二数据系调查同学得出），按照本文所提及的步骤，得到最终的排名结果： RANK 学校名称 得分 1 北京大学 85.4561 2 清华大学 83.9214 3 南京大学 77.1924 4 上海交通大学 76.7431 5 中国科学技术大学 76.3345 6 复旦大学 75.9495 7 中国人民大学 74.6801 8 武汉大学 70.9640 9 南开大学 70.8209 10 哈尔滨工业大学 70.3878 11 西安交通大学 67.8159 12 同济大学 65.7844 13 吉林大学 65.6681 14 华中科技大学 65.5231 15 天津大学 65.3732 16 中山大学 60.5961 对上表进行观察，不难发现这个排名还是比较符合我国高校现状的：北大、清华傲视群雄，其余一流学校之间的差距不是很大，例如12~15名的大学之间的差距只有零点几分之微，也与实际情况类似。 因此，本文所述的大学排名方法是具有一定说服力的，将模糊数学应用于对大学的排名也比较成功。 模型评价 模型优点：本模型根据模糊数学的观点对大学进行评价，具有一定的独创性，排名的方法简单易懂且易于推广到其他领域的评价问题。 模型缺点：由于本模型在确定评语集的过程中需要大量的数据，因此在数据获取与处理方面具有一定的复杂性。同时，对于比较水平相近的大学，其对于各个评价的隶属度差别不大，因此最终结果的区分度不太大。 模型推广：本模型适用于很多评价问题中，例如对同类软件的评价，对笔记本电脑质量的排名等，且易于实现。 致谢： 《数学建模》这门课程让我了解了很多数学模型在解决实际问题中的应用，也让我深深感受到应用知识去解决问题的喜悦。感谢李继成老师在这一学期来对我的悉心指导! 参考文献： [1] 陈红喜，《我国高校排名综述》，《经济师》2009年第12期； [2] 陈水利 李敬功 王向公编著，《模糊集理论及其应用》，科学出版社p190； [3] 胡咏梅，《中美大学排行榜的对比分析》，北京师范大学教育管理学院。 15