多属性决策方法在评价体育教练中的应用

卢艺桐

提要：为了更好地解决多因素评判体育教练的这一问题，该文提出了两种模型，分别是灰关联综合评价模型和多属性决策模型。利用这两种模型先通过独立计算进行教练实力的评价，再综合分析两种算法的结果，即可最终实现评价体育教练的目标。

关键词：多属性决策；教练评价；灰色关联理论；TOPSIS算法

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）09-0008-03

1 概述

目前，一些媒体，例如美联社和《今日美国》，往往采取民意调查的方式来评价体育教练的能力[1]。然而，这些调查都只局限于定性分析层面，很难进行定量计算。考虑到现在存在的问题，本文尝试为评价教练提供一种定量解决方案，更好地满足全世界球迷的需求。

为解决教练评价的问题，本文构建出了基于灰色理论，TOPSIS算法和信息熵理论[2-5]可评估体育教练的模型，主要思想是寻求一种全面综合的定量评估方法。下文将着重阐述两种不同的评价模型，这两种算法均可独立计算出待评价教练的排名。最后，本文用NCAA①的实际数据对模型的结果进行检验。

4 经选择后的教练结果

在第三节中将通过引入的两个模型：MCDM模型和GCE模型来给所有教练进行综合评定。

根据在第二节的综合评价，得到了不同的结果。结合上面的两个结果，我们得到预期的数据。通过上述两个模型，可得到相似的排名顺序。结果表明，虽然两种方法得到的顺序并不完全相符，但篮球、足球教练的前5名完全相同，曲棍球教练的前五名也只有一个不同。

与网站上列出的排名相对照，五名中有三名匹配，另两名教练分列6、11名。

排名前五的篮球教练都是被篮球名人堂认定的经验丰富、优秀的人才。他们的学生也是竞技场上的传奇人物。

5 总结

MCDM是一类复杂的多属性决策问题，需要根据多种指标对一个特定的目标进行决策。为了很好地评价教练，首先，数据的选择及处理是非常重要的环节。本文从NCAA的网站上获得的数据被分为两大类，分别是普通指标和特殊指标。对于普通指标，我们可以直接使用；而对于特殊指标，我们运用了AHP层次分析法将其融合成一个数值。为了进一步计算，本文提出了基于灰色理论，TOPSIS以及信息熵理论的GCE和MCDM两种模型，这两种模型可以分别独立求解教练的排名，其中GCE模型的运行结果见与MCDM模型的结果比较相似。最终，通过两个排名的综合比较，我们得到了非常有效和准确的结果，因此最终的排名结果也验证了我们提出模型的有效性。对于将来，我们的方法可以被逐渐应用到一些个人能力的评价问题中。

注释：

①NCAA：全美大学生体育协会（National Collegiate Athletic Association）

参考文献：

[1] R. J. Paul， A. P. Weinbach， P. Coate， Expectations and voting in the ncaa football polls： The wisdom of point spread markets， Journal of Sports Economics ， 2007， 8 （4）： 412-416.

[2] Y. Deng， F. Chan， A new fuzzy dempster MCDM method and its application in supplier selection， Expert Systems with Applications ， 2011，38 （8）： 9854-9861.

[3] J. N. Liu， Y. Hu， Application of feature-weighted support vector regression using grey correlation degree to stock price forecasting， Neural Comput and Applic ，2013， 22 （1） ： 143-152.

[4] H. C. L.， K. Yoon， Multiple Attribute Decision Making： Methods and Applications， Springer-Verlag， New York， 1981.

[5] D. H. C. H. Yeh， R. J. Willis， Inter-company comparison using modified topsis with ob jective weights， Computers and Operations Research ，2000， 27 （10） ：963-973.

[6] Y. Zhang， X. Deng， D. Wei， Y. Deng， Assessment of E-Commerce security using AHP and evidential reasoning， Expert Systems with Applications， 2012， 39 （3）： 3611-3623.

[7] E. W. T. Ngai， E. W. C. Chan， Evaluation of knowledge management tools using AHP， Expert Systems with Applications ，2005， 29 （4） ：889-899.

[8] L. A. Vidal， E. Sahin， N. Martelli， et al， Applying AHP to select drugs to be produced by anticipation in a chemotherapy compounding unit， Expert Systems with Application， 2010 （37）： 1528-1537.

[9] Y. Zhang， R. Liao， L. Yang， et al. A costeffectiveness assessment model using grey correlation analysis for power transformer selection based on life cycle cost， Kybernetes ，2014，43 （1）：9-11.

[10] Y. Deng， F. Chan， Y. Wu， et al. A new linguistic MCDM method based on multiple-criterion data fusion， Expert Systems with Applications ，2011， 38 （6） ： 6985-6993.