基于AHP-EWM-TOPSIS的兒童農(nóng)耕玩具車設(shè)計(jì)評(píng)價(jià)研究

周祺 李曉鋒

摘要：為解決兒童農(nóng)耕教育匱乏的問(wèn)題，文章提出三款兒童農(nóng)耕玩具車設(shè)計(jì)方案，并構(gòu)建基于AHP-EWM-TOPSIS法的評(píng)價(jià)模型，結(jié)合設(shè)計(jì)案例對(duì)其進(jìn)行檢驗(yàn)。首先，根據(jù)現(xiàn)有理論研究構(gòu)建由安全性、農(nóng)業(yè)知識(shí)普及、易玩性等5個(gè)一級(jí)指標(biāo)和18個(gè)二級(jí)指標(biāo)構(gòu)成的評(píng)價(jià)體系；其次，采用AHP和EWM進(jìn)行組合賦權(quán)；最后，運(yùn)用TOPSIS法得到最優(yōu)設(shè)計(jì)方案，為解決方案評(píng)選中多目標(biāo)的決策問(wèn)題提供新思路。

關(guān)鍵詞：兒童農(nóng)耕玩具車；AHP；EWM；TOPSIS法；評(píng)價(jià)研究

中圖分類號(hào)：TS958.7 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-9436（2022）16-000-03

農(nóng)耕教育的目的在于使兒童認(rèn)識(shí)到農(nóng)業(yè)種植與大自然的聯(lián)系，使其親身體驗(yàn)播種的樂(lè)趣［1］。但隨著城市化進(jìn)程的加快，出現(xiàn)了兒童農(nóng)耕教育匱乏的問(wèn)題［2］。在兒童農(nóng)耕玩具車市場(chǎng)中，功能互動(dòng)形式單一、缺乏農(nóng)耕情景感受等成為亟待解決的問(wèn)題。文章采用AHP-EWM-TOPSIS法作為研究方法，AHP-EWM組合賦權(quán)對(duì)三款設(shè)計(jì)方案展開(kāi)綜合評(píng)價(jià)研究，根據(jù)TOPSIS法確定三款設(shè)計(jì)方案中的最優(yōu)設(shè)計(jì)方案。

1 兒童農(nóng)耕玩具車評(píng)價(jià)體系構(gòu)建

1.1 背景研究

在對(duì)兒童農(nóng)耕玩具車開(kāi)始評(píng)估之前，首先應(yīng)建立有效的評(píng)價(jià)指標(biāo)體系。影響農(nóng)耕玩具車評(píng)估的因素較多，通過(guò)理論研究，其中文獻(xiàn)［3］指出兒童農(nóng)業(yè)科普類產(chǎn)品設(shè)計(jì)須全面考慮使用的安全性，如材料安全、零部件尺寸合適等。文獻(xiàn)［4］和文獻(xiàn)［5］表示，安全性是農(nóng)業(yè)科普類產(chǎn)品設(shè)計(jì)的第一要素，易玩性、情感體驗(yàn)等是其核心部分。從中整理出38個(gè)初步指標(biāo)，結(jié)合5名專家學(xué)者的意見(jiàn)，最終確定安全性、農(nóng)業(yè)知識(shí)普及性、易玩性、交互性、農(nóng)耕情景感受性這5個(gè)一級(jí)評(píng)估指標(biāo)，零部件尺寸、造型、農(nóng)業(yè)知識(shí)學(xué)習(xí)、觀察植物生長(zhǎng)、實(shí)踐種植學(xué)習(xí)等18個(gè)二級(jí)評(píng)估指標(biāo)。

整個(gè)玩具車評(píng)價(jià)流程首先根據(jù)前期理論研究，結(jié)合專家意見(jiàn)確定一級(jí)和二級(jí)評(píng)估指標(biāo)；其次邀請(qǐng)專家對(duì)三款玩具車設(shè)計(jì)方案打分，借助AHP得到主觀權(quán)重，采用EWM獲得客觀權(quán)重，經(jīng)專家和相關(guān)技術(shù)人員建議，主客觀權(quán)重按照3︰7劃分，從而獲得綜合權(quán)重，并結(jié)合TOPSIS法確定正負(fù)理想解，計(jì)算得到三款方案與理想解的貼合度；最后選定最優(yōu)設(shè)計(jì)方案。

1.2 構(gòu)建評(píng)價(jià)指標(biāo)體系

1.2.1 AHP算法步驟

AHP（層次分析法）是一種將定性與定量結(jié)合，進(jìn)行綜合分析評(píng)價(jià)的方法［6］，具有簡(jiǎn)單、方便等特點(diǎn)，步驟如下：

（1）根據(jù)農(nóng)耕玩具車的一級(jí)、二級(jí)指標(biāo)，兩兩比較建立判斷矩陣（1），其中yij表示i因素與j因素兩兩比較所得評(píng)分的均值。

（2）由式（2）將矩陣yij的指標(biāo)歸一化處理。

（3）由式（3）計(jì)算最大特征值，并檢驗(yàn)一致性。

1.2.2 熵權(quán)法算法步驟

熵權(quán)法［7］分析指標(biāo)的離散程度，進(jìn)而計(jì)算各屬性權(quán)重值，過(guò)程如下所述。

（1）設(shè)方案數(shù)量為m，指標(biāo)數(shù)量為n，決策矩陣為式（4），其中，aij表示第i項(xiàng)所對(duì)應(yīng)的第I項(xiàng)指標(biāo)的標(biāo)準(zhǔn)數(shù)值。

（2）將其轉(zhuǎn)化為標(biāo)準(zhǔn)化評(píng)估矩陣（5）。

（3）借助式（6）計(jì)算指標(biāo)i的熵值。

（4）再次計(jì)算其客觀權(quán)重（7）。

通過(guò)AHP獲得的和EWM計(jì)算的，借助式（8）得到綜合權(quán)重向量。

1.2.3 TOPSIS法計(jì)算

TOPSIS法依據(jù)評(píng)價(jià)方案與理想解的距離進(jìn)行排序［8］，在獲得綜合權(quán)重的基礎(chǔ)上，利用TOPSIS法對(duì)其排序，具體步驟如下所示：

（1）利用式（9）構(gòu)建評(píng)估矩陣，其中，aij代表第i款玩具車對(duì)應(yīng)的第I項(xiàng)指標(biāo)值。

（2）通過(guò)綜合權(quán)重向量w和標(biāo)準(zhǔn)化評(píng)估矩陣，構(gòu)建加權(quán)標(biāo)準(zhǔn)化評(píng)估矩陣。

（3）確定正理想解和負(fù)理想解。

（4）通過(guò)式（10）和式（10）計(jì)算玩具車的和。

（5）通過(guò)式（11）確定與理想解的貼近度。

最后依據(jù)大小對(duì)玩具車進(jìn)行優(yōu)劣排序，其中，值越大，該玩具車方案越優(yōu)，從而得到三款玩具車設(shè)計(jì)方案的綜合排序結(jié)果。

2 實(shí)例評(píng)估

2.1 兒童農(nóng)耕玩具車設(shè)計(jì)

借助該方法評(píng)估三款農(nóng)耕玩具車設(shè)計(jì)方案中的最優(yōu)設(shè)計(jì)，其中三款設(shè)計(jì)方案如圖1所示。

2.2 各級(jí)指標(biāo)計(jì)算

2.2.1 層次分析法（AHP）主觀權(quán)重求解

邀請(qǐng)15名專家學(xué)者分別對(duì)三款方案進(jìn)行測(cè)評(píng)打分，將三款玩具車設(shè)計(jì)方案分別命名為S1、S2、S3，另外，一級(jí)指標(biāo)命名為A1、A2等，二級(jí)指標(biāo)命名為B1、B2等，借助AHP的式（1）～（3）計(jì)算主觀權(quán)重，見(jiàn)表1。

2.2.2 熵權(quán)法（EWM）客觀權(quán)重計(jì)算

邀請(qǐng)20名兒童參與測(cè)試，假設(shè)20名兒童打分的重要性相同，將打分值作規(guī)范化處理，可以得出三款玩具車設(shè)計(jì)方案的平均指標(biāo)值。通過(guò)熵權(quán)法的式（9），計(jì)算出其信息熵：E（0.733，0.496，0.674，0.487，0.684，0.637，0.812，0.612，0.708，0.658，0.584，0.817，0.507，0.495，0.635，0.632，0.576，0.787），在此基礎(chǔ)上，得到三款玩具車設(shè)計(jì)方案的加權(quán)規(guī)范化平均指標(biāo)值，見(jiàn)表2。

通過(guò)AHP計(jì)算的主觀權(quán)重和EWM獲得的客觀權(quán)重，借助式（10）得到三款方案的綜合權(quán)重結(jié)果，見(jiàn)表3。

2.2.3 TOPSIS求解

根據(jù)評(píng)價(jià)模型中理想解的計(jì)算方法，通過(guò)式（11）建立初始矩陣，并對(duì)其作規(guī)范化和加權(quán)處理，得到加權(quán)規(guī)范化矩陣Z。

確定玩具車的正、負(fù)理想解，其中，正理想解為z+=（0.7991，0.7071，0.8878，0.9947，0.7069，0.875，0.9346，0.9618，0.7746，0.9061，0.9106，0.8674，0.853，0.9654，0.9578，0.8073，0.7956，0.8062），負(fù)理想解為z-=（0.0071，0.0067，0.0041，0.0128，0.0196，0.0062，0.0083，0.0043，0.0029，0.0046，0.0065，0.0044，0.0237，0.0046，0.008，0.0104，0.0045，0.00307）。在此基礎(chǔ)上，得到三款方案到正理想解的距離：d1+=0.4906，d2+=0.6424，d3+=0.6011；到負(fù)理想解的距離：d1-=0.6659，d2-=0.4613，d3-=0.5688。

2.2.4 評(píng)價(jià)結(jié)果分析

通過(guò)TOPSIS求解步驟中的式（20），計(jì)算各設(shè)計(jì)方案與理想解的貼合度：c1=0.5758，c2=0.418，c3=0.4862，按照其大小進(jìn)行排序，三款兒童農(nóng)耕玩具車設(shè)計(jì)方案評(píng)估結(jié)果為S1＞S2＞S3，即第一款兒童農(nóng)耕玩具車設(shè)計(jì)方案為最佳方案。

3 結(jié)語(yǔ)

本文構(gòu)建了基于AHP-EWM-TOPSIS的評(píng)價(jià)模型，建立了包含5個(gè)一級(jí)指標(biāo)和18個(gè)二級(jí)指標(biāo)的農(nóng)耕玩具車評(píng)價(jià)體系，可以得出以下結(jié)論。

第一，運(yùn)用AHP-EWM進(jìn)行主客觀賦權(quán)，避免了AHP和EWM過(guò)于主觀或片面的影響，組合賦權(quán)保留了專家的主觀建議，也有客觀數(shù)據(jù)分析，為現(xiàn)有農(nóng)業(yè)科普玩具的評(píng)價(jià)提供了新思路。

第二，結(jié)合逼近理想解的方法，確定方案的優(yōu)劣，即S1＞S2＞S3，保證了評(píng)價(jià)結(jié)果的科學(xué)性。

第三，整個(gè)評(píng)價(jià)流程清晰直觀，具有較強(qiáng)的可移植性和適用性，也可應(yīng)用于其他多屬性的決策問(wèn)題中。

參考文獻(xiàn)：

［1］ 祁廣梅.農(nóng)耕種植游戲?yàn)橐暯情_(kāi)展幼兒社會(huì)實(shí)踐探索［J］.讀與寫，2022（3）：199-201.

［2］ 夏勇.基于組合賦權(quán)及TOPSIS的起重機(jī)械再制造評(píng)估［J］.起重運(yùn)輸機(jī)械，2020（18）：27-31.

［3］ 趙云瑞，高海波，林治國(guó)，等.基于組合賦權(quán)-TOPSIS法的極地郵輪減搖鰭選型評(píng)價(jià)［J］.中國(guó)艦船研究，2021，16（5）：121-126，149.

［4］ 徐嘉怡，胡昊琪.兒童農(nóng)業(yè)科普玩具設(shè)計(jì)研究［J］.工業(yè)設(shè)計(jì)，2022（4）：62-64.

［5］ 鄧衛(wèi)斌，余一萌.兒童益智玩具設(shè)計(jì)原則與要素的研究［J］.大眾文藝，2019（2）：68.

［6］ 方成成，張義平，池恩安，等.基于組合賦權(quán)-TOPSIS的爆破方案優(yōu)選［J］.公路工程，2021，46（2）：65-70.

［7］ 閆峰，等.熵加權(quán)模型在地下水水質(zhì)評(píng)價(jià)中的改進(jìn)［J］. IOP會(huì)議系列： 地球與環(huán)境科學(xué)，2018，17（1）：12-16.

［8］ 杜雪芳，李彥彬，張修宇.基于TOPSIS模型的鄭州市水資源承載力研究［J］.人民黃河，2022，44（2）：84-88.

作者簡(jiǎn)介：周祺（1980—），女，湖北武漢人，碩士，教授，系本文通訊作者，研究方向：玩具設(shè)計(jì)。

李曉鋒（2000—），女，河南汝州人，碩士在讀，研究方向：玩具設(shè)計(jì)。