基于熵权的TOPSIS种业科技创新人才评价方法研究

李乐泉,朱军,王家保,杨春节

(安徽农业大学信息与计算机学院，安徽 合肥 230036)

种业是国家战略性、基础性核心产业，也是促进农业长期稳定发展、保障国家粮食安全的根本[1]。种业的发展能否更好地适应市场与国际竞争的需要，归根到底在于种业科技创新人才的竞争力，而目前对我国种业科技创新人才的创新能力综合评价体系研究以及对我国种业科技创新人才的比较研究尚属空白。因此，构建一个科学的种业科技创新人才多层次评价体系对我国种业科技创新人才进行评价分析就显得尤为重要。

进行种业科技创新人才评价时，可供选择的相关评价方法有模糊评价模型[2]、AHP[3](Analytical Hierarchy Process，层次分析法)、多指标综合评价方法[4]、灰色综合评价[5]、模糊综合评价法[6]等。但是上述方法在对不同领域的种业科技创新人才进行评价时需要人为确定权重，这样使得人为因素在综合评价中所占比重较大，不利于客观地反映种业科技创新人才的实际水平。笔者结合我国种业科技创新人才信息的统计数据，建立了种业科技创新人才的多层次评价指标体系，并利用基于熵权的TOPSIS综合评价方法对我国种业科技创新人才评价进行了研究。

1 种业科技创新人才评价指标体系的建立

种业科技创新人才评价指标体系是对种业科技创新人才进行综合评价的基础，评价指标体系的建立应遵循科学性、明确性和精炼性原则[7，8]，以此来选择出体现种业科技创新人才综合能力的代表性指标。通过分析种业科技创新人才主要指标以及指标之间的层级关系，并结合种业科技创新人才实际情况，归纳出以下主要评价指标：①承担项目(课题)情况。作为种业科技创新人才科研成就的主要指标之一，承担项目(课题)数量的多少能反映种业科技创新人才在实际承担项目以及应用方面的能力，承担项目(课题)经费总额能体现种业科技创新人才承担项目的实力。同时，承担项目(课题)情况分为主持项目和参与项目2种情况，本研究只针对主持项目进行评价。②品种情况，包括审定品种和品种权2个部分。品种审定是针对新育成和引进的品种，由专门的组织根据品种区域试验、生产试验结果来审查评定其推广价值和适用范围的活动。植物新品种权，简称“育种权”或“品种权”，是工业产权的一种类型，是指完成育种的单位或个人对其授权的品种依法享有的排他使用权。所拥有审定品种和植物新品种权的总数能反映种业科技创新人才在品种培育方面的综合实力。③代表性论文专著与专利获取情况，包括论文专著总数和专利获取总数2个指标。④获奖情况，包括获奖总数、获奖等级2个指标。种业科技创新人才评价指标体系如表1所示。

表1 种业科技创新人才评价指标体系

2 种业科技创新人才评价模型的构建

2.1 基于熵权的TOPSIS综合评价方法

TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution)又叫逼近理想解的排序法，是一种多指标决策方法，由H.Wang和Yoon于1981年首次提出[9]。该方法将初始评价矩阵进行归一化处理，使得各指标值具有相同的量纲，便于比较分析。将指标数据中最优值作为最优解、最差值作为最劣解，并将评价对象与最优解、最劣解的欧式空间距离分别作为理想解、负理想解。利用评价对象到理想解和负理想解的相对距离来判断评价对象的优劣，最终对评价对象进行排序。

熵是描述系统内分子无序性的一个物理量态函数，熵越高，表明分子越无序，系统越混乱；熵越低，表明分子越有序，系统越稳定[10]。熵的概念被引入信息论后，便有了信息熵的概念，用来反映信息系统无序程度的一个度量[11]。随着信息量的增加，信息熵减少，两者是此消彼长的关系。因此，信息熵越小，可用的信息量越多，重要性越大。利用这一原理，可以反映种业科技创新人才的各指标值差异程度，并计算出各指标的权重。

基于熵权的TOPSIS综合评价方法将熵权法与TOPSIS法结合起来。由于利用熵权法能够客观地得出评价指标权重，弥补了TOPSIS法中人为确定权重的不足，因而可以更加客观地对评价对象进行比较分析。

2.2 基于熵权的TOPSIS综合评价方法的基本步骤

步骤1 建立初始评价矩阵。根据种业科技创新人才评价指标数据列出初始评价矩阵，如果评价对象有m个，每个被评价对象的评价指标有n个，则构建初始评价矩阵X如下：

X=(xij)m×n

(1)

步骤2 标准化处理。通过标准化处理，解决了不同指标之间因为量纲不同而无法进行比较的问题[12]。利用标准化处理公式可得到标准化矩阵如下：

(2)

步骤3 计算信息熵。信息熵越小，可用的数据量越多，重要性也越大。计算公式如下：

(3)

步骤4 确定指标权重。第j项指标的权重如下：

(4)

步骤5 构造加权规范化矩阵。因为种业科创新人才各评价指标的相对重要性不同，所以应考虑将规范化数据加权构成加权规范化矩阵R：

R=(rij)m×n;rij=Wj×xj

(5)

(6)

步骤7 计算理想解和负理想解的欧式空间距离：

(7)

步骤8 计算评价指数，即评价对象与理想解和负理想解的相对接近度为：

(8)

根据相对接近度对评价对象进行优劣排序。相对接近度越大，评价对象的排序越靠前，则评价指数越大，表明该评价对象越优秀。

种业科技创新人才多层次评价模型是以单层次评价模型的评价结果为基础，利用单层次评价的评价指数组成高层次评价的初始评价矩阵X，再采用上述的步骤1至步骤8对初始评价矩阵X进行评价，最终得到多层次种业科技创新人才评价结果。

3 应用实例

选取6个水稻种业科技创新团队(简称水稻育种团队)，分别以团队A、B、C、D、E和F表示，6个水稻育种团队指标数据如表2所示。

表2 6个水稻育种团队指标数据

以一级指标承担项目情况U1为例，将评价数据代入评价模型，根据步骤1建立初始评价矩阵X：

对初始评价矩阵进行标准化处理。利用式(2)得到标准化矩阵X’(对计算结果保留小数后4位，下同)：

表3 承担项目情况信息熵

表4 承担项目情况指标权重

计算信息熵。利用式(3)计算得到承担项目情况信息熵(表3)。

确定指标权重。利用式(4)计算得到承担项目情况指标权重(表4)。

构造加权规范化矩阵。利用式(5)得到加权规范化矩阵R:

利用式(7)计算得到理想解和负理想解的欧式空间距离(表5)，利用式(8)计算得到承担项目情况的评价指数(表6)。

表5 理想解、负理想解的欧式空间距离团队名称sep+isep-i团队A0．55890．1167团队B0．66520．0000团队C0．23440．4495团队D0．52770．1472团队E0．61210．1003团队F0．08400．6431表6 承担项目情况的评价指数团队名称评价指数团队A0．1731团队B0．0000团队C0．6573团队D0．2181团队E0．1408团队F0．8845

利用同样方法分别对品种情况、论文专著与专利获取情况、获奖情况进行分析，便可得到4个一级指标下6个水稻育种团队的二级指标权重(表7)及其评价指数(表8)。

表7 二级指标权重

表8 二级指标评价指数

运用基于熵权的TOPSIS评价模型得出6个水稻育种团队的一级指标权重(表9)以及综合评价指数(表10)。

表9 一级指标权重一级指标一级指标权重承担项目情况U10．1986品种情况U20．2678论文专著与专利情况U30．2421获奖情况U40．2915表10 综合评价指数团队名称综合评价指数团队A0．2767团队B0．0755团队C0．5389团队D0．1046团队E0．0605团队F1．0000

由此得到6个水稻育种团队的相对排名：

F(1.0000)>C(0.5389)>A(0.2767)>D(0.1046)>B(0.0755)>E(0.0605)

因此，从承担项目(课题)情况、品种情况、论文专著与专利情况、获奖情况4项指标的综合评价指数来看，6个水稻育种团队中综合能力最优的团队为F团队。

4 结语

应用基于熵权的TOPSIS评价模型进行种业科技创新人才评价，不仅能确定影响团队优劣的主要指标权重，并且能综合评价出种业科技创新人才团队相对水平的高低。基于熵权的TOPSIS综合评价方法，避免了计算权重过程中的人为因素干扰，使评价结果更加客观科学，而且指标权重可以根据评价对象的指标数据作动态改变，更加符合实际。 因此，应用基于熵权的TOPSIS评价模型进行种业科技创新人才评价方法具有推广应用价值。

[1]国务院办公厅.国务院关于加快推进现代农作物种业发展的意见[J].农业科技与装备,2011，(9):6～9.

[2]杨宏林.基于主成分分析的企业竞争力模糊评价模型研究[J].当代财经,2004,(4):126～128.

[3]Wei C C,Chien C F,Wang M J J.An AHP-based approach to ERP system selection[J].International Journal of Production Economics,2005,96:47～62.

[4]虞晓芬,傅玳.多指标综合评价方法综述[J].统计与决策,2004，(11):119～121.

[5]陈冬林,黎志成.信息系统投资项目评价指标确定与灰色综合评价[J].系统工程理论与实践,2002,22(2):100～103.

[6]韩利,梅强,陆玉梅,等.AHP-模糊综合评价方法的分析与研究[J].中国安全科学学报,2004,14(7):86～89.

[7]曹文瑞.医学科技人才评价指标体系及综合评价方法研究[D].广州:南方医科大学,2007.

[8]沈玮.河北省科技人才开发评价指标体系研究[D].天津:河北工业大学,2007.

[9]卢方元.一种改进的TOPSIS法[J].统计与决策,2003,(3):78～79.

[10]尚葆如.熵论用于研究生的课程设置[J].学位与研究生教育,1992，(1):36～37.

[11]赵文桐,赵佩章.热力学熵和信息熵[J].河南师范大学学报(自然版),1988,(1):44～50.

[12]郝家友,陈生,张燕.绩效定量考核指标的选择及无量纲化处理方法[J].辽东学院学报(自然科学版),1999,(4):48～49.

[编辑] 李启栋