运筹学的应用简介及实例(lindo,lingo,ahp)[大全五篇]

第一篇：运筹学的应用简介及实例(lindo,lingo,ahp)

运筹学的应用简介及实例（lindo，lingo，ahp）

一．运筹学可以用于物流中心选址：

配送中心合理选址的目的是为了提高物流企业的服务质量，最大限度地增加物流企业的经济效益。科学合理的选址不仅能够减少货物运输费用，大幅度地降低运营成本，而且能为客户带来方便快捷的服务。二．运筹学可以用于路线选择：

利用运筹学中的图论和线性规划方法，对已有的空运、水运、公路运输、管道运输、铁路运输组成的交通网,根据不同的决策目标制定不同的调运方案,可以是最短时间的运输路线、最少费用的运输路线或是最大运输量最低运费的运输线路等，从而达到降低物流成本的目的。三．运筹学中排队论在物流中应用：

排队论主要研究具有随机性的拥挤现象，在物流中有许多问题涉及,诸如机场跑道设计和机场设施数量问题, 如何才能既保证飞机起降的使用要求, 又不浪费机场资源又如码头的泊位设计和装卸设备的购置问题, 如何达到既能满足船舶到港的装卸要求, 而又不浪费港口资源等等。四．运筹学中库存论在物流中应用：

库存论主要是研究物资库存策略的理论, 即确定物资库存量、补货频率和一次补货量。合理的库存是生产和生活顺利进行的必要保障, 可以减少资金的占用, 减少费用支出和不必要的周转环节, 缩短物资流通周期, 加速再生产的过程等。在物流领域中的各节点如工厂、港口、配送中心、物流中心、仓库、零售店等都或多或少地保有库存。

五．运筹学中对策论在物流中应用：

对策论研究有利害冲突的双方在竞争性的活动中是否存在自己制胜对方的最优策略, 以及如何找出这些策略等问题。在这些问题中, 把双方的损耗用数量来描述, 并找出双方最优策略。对策论的发展, 考虑有多方参加的竞争活动, 在这些活动中, 竞争策略要通过参加者多次的决策才能确定。参考文献：

[1] 左元斌.运筹学在物流配送中心的应用研究[J].商场现代化,2006(458):125-127.[2] 李宇鸣.浅谈运筹学在物流管理中应用与发展[J].吉林工商学报,2007(4):55-56.[3] 田进波.运筹学在管理物流管理中的应用[J].石油工程建设,2010(36):153-155.LINDO求解目标规划：

题目：一个小型的无线电广播台考虑如何最好地来安排音乐、新闻和商业节目时间。依据规定，该台每天允许广播12小时，其中商业节目用以赢利，每小时可收入250美元，新闻节目每小时需支出40美元，音乐节目每播一小时费用为17.50美元。规定中，正常情况下商业节目只能占广播时间的20％，每小时至少安排5分钟新闻节目。问每天的广播节目该如何安排？

优先级如下：P1：满足规定要求；P2：每天的纯收入最大。试建立该问题的目标规划模型。

建立目标规划：

设安排商业节目x1小时，新闻x2小时，音乐x3小时，模型为：

minzP1d1d2d3P2d4s..tx1x2x3d112x1d22.4x2d1250x140x217.5x3d4d46003

x1,x2,x3,d1,d2,d3,d4,d40LINDO求解： 第一步： 程序：

计算结果：

求解得：d1_+d2_+d3=0 第二步： 程序：

计算结果：

计算结果：

得到一个满意解：

*x12.4*x21.0*x38.6d10.0d20.0d30.0d4190.5

LINGO求解目标规划：

题目：

minzp1d1p2(d2d2)p3d32x1x211x1x2dd011s..tx12x2d2d2108x110x2dd5633x1,x2,di0程序：

计算结果：

得到一个满意解：

x1*3.3*x23.3d10.0d10.0d0.0d20.0d30.0d34.02 层次分析法：

模型：

判断矩阵：

计算结果：

xx远整理

第二篇：Lingo,Lindo学习心得

网上关于LINDO/LINGO的学习心得材料

1、LINDO 这个就是一开始的那个软件，主要求解线性规划、整数规划、二次规划问题。现在版本好像是6.1。

2、GINO 一开始的时候这也是一个求非线性规划的工具，甚至她还用来求解一些非线性的方程根。它的特点是：包含了丰富的数学函数，尤其是概率函数！但是随着像Mathematica/Matlab的迅速发展，他逐渐的消亡，并演化为现在的函数引擎LINDO API，呵呵，现在版本2.0。

3、LINGO/LINGO NL 大家现在看到的LINGO8.0在一开始也是两部分：LINGO and LINGO NL，他们分别用于求解线性、整数规划以及非线性、线性、整数规划问题。可见这很混乱，所以现在就统一成为了LINGO，它与LINDO的主要主要区别在于：她内建了建模语言，可以简约的得描述大规模的优化问题。现在版本是8.0。

4、What's the best 这是一个组件，主要处理由Excell/Access生成数据文件的规划问题，安装之后会在你的Office中添加一个名为What's the best的宏，启用后会在Excell中生成一个工具条，就像Adobe的pdf插件一样。现在版本是7.0。

注解：上面这些旨在说明这些软件名字是有各自的含义的，首先要明确他们各自的长处是什么，才能有的放矢！至于学习方法，很简单，阅读、运行程序自带实例。呵呵，打算每天一个例子吧:)一些他们的区别在具体例子中会比较说明！

说一下这里的lindo和lingo程序结构的差异：

1、基本程序架构(1)lindo是这样的： MAX 目标函数表达 ST

变量约束1

变量约束2

变量约束3 END(2)lingo是这样的： MAX=目标函数表达;变量约束1;变量约束2;变量约束3;注意：可见它们的基本frame不同，在lingo80中每个语句后面必须以分号结束，包括以开头的注释语句。

2、简单的示例

假设现在一个计算机厂商要生产两种型号的PC：标准型(standard)和增强型(turbo)，由于生产线和劳动力工作时间的约束，使得标准型PC最多生产100台。增强型PC最多生产120台；一共耗时劳动力时间不能超过160小时。已知每台标准型PC可获利润$100，耗掉1小时劳动力工作时间；每台增强型PC可获利润$150，耗掉2小时劳动力工作时间。请问：该如何规划这两种计算机的生产量才能够使得最后获利最大？

这个问题是标准的线性规划，目标函数是100*standard+150*turbo最大！lindo/lingo的程序分别如下：

(1)[lindo sourcecode]: max 100 standard+150 turbo st

standard<=100

turbo<=120

standard+2 turbo<=160 end

运行结果如下：

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

1)

14500.VARIABLE

VALUE

REDUCED COST

STANDARD

100.000000

0.000000

TURBO

30.000000

0.000000

ROW

SLACK OR SURPLUS

DUAL PRICES

2)

0.000000

25.000000

3)

90.000000

0.000000

4)

0.000000

75.000000

NO.ITERATIONS= 注解：第一行告知线性优化步数为2，下面是目标函数值=14500，在standard=100/turbo=30时取到；下面是对偶值。

(2)[lingo sourcecode]: max=100*standard+150*turbo;standard<=100;turbo<=120;standard+2*turbo<=160;

运行结果如下：

Global optimal solution found at iteration:

Objective value:

14500.00

Variable

Value

Reduced Cost

STANDARD

100.0000

0.000000

TURBO

30.00000

0.000000

Row

Slack or Surplus

Dual Price

14500.00

1.000000

0.000000

25.00000

90.00000

0.000000

0.000000

75.00000 注意：同样的一个问题，lingo却用了3次迭代！实际上lingo的长处在于它的内建的建模语言，从而刻画大型的规划问题简单，小规模的规划问题好像lindo有更好的效率！

我实际上更喜欢用lingo，总觉得她和matlab更接近一点！特别是一些基本的数学运算符。非常不习惯lindo不用*表示乘，却用空格，sigh...从本部分介绍lingo的强大的数学优化建模语言。这是他专门为大规模优化建模提供的一套 规范语言，下面介绍简单的例子来说明他的基本组成。

一、原始问题(运输问题)：

现在WW(Wireless Widgets)公司拥有6个仓库，向其8个销售商供应它的产品。要求每个 仓库供应不能超量，每个销售商的需求必须得到满足。WW公司需要决策具体的从每个仓库运输多少产品到每个销售商。以使得所花的运输费用最少？

二、问题的已知数据：

1、产品仓库数据: 仓库编号

产品库存量 1

2

3

4

5

6

2、销售商产品需求： 销售商编号

产品需求量 1

2

3 4

5

6

7

8

3、每件产品运输费用($): 销售商[右] V1

V2

V3

V4

V5

V6

V7

V8 仓库[下]

Wh1

Wh2

Wh3

Wh4

Wh5

Wh6

三、目标函数描述：

线性优化建模的重要一步就是构造目标函数，正如上面提到的，在此问题中，WW 公司欲使总的运输费用最小。

现在令：变量VOLUME_I_J 表示从仓库I到销售商J运送的产品数目。这样我们就可以写出如下的目标函数:

MIN = 6 * VOLUME_1_1 + 2 * VOLUME_1_2 + 6 * VOLUME_1_3 + 7 * VOLUME_1_4 +4 * VOLUME_1_5 +...8 * VOLUME_6_5 + VOLUME_6_6 + 4 * VOLUME_6_7 +3 * VOLUME_6_8;

当然上面是个简写形式。很明显的上面的目标函数如此的冗长，很容易导致输入错误。现实中的情况往往是销售商成千上万个，如果还是使用上述的方法就难以想象了。熟悉规划数学定义的人可以很轻易的用下面的方式表达上述的目标函数： Minimize SUM(ij)(COST_ij*VOLUME_ij)LINGO就是采用这种类似的方式来描述规划模型的，比如这个例子的等价的LINGO语句就是: MIN = @SUM(LINKS(I,J): COST(I,J)* VOLUME(I,J));总之：LINGO的规划语言很适合熟悉数学的人使用，很自然。上面的@SUM是系统函数，后面会介绍常见系统函数:P

四、变量约束：

这里有两种约束，第一种是供货约束，第二种是接货约束。例如：对于第一个销售商而言

VOLUME_1_1 + VOLUME_2_1 + VOLUME_3_1 + VOLUME_4_1 + VOLUME_5_1 + VOLUME_6_1 = 35;

如果使用原始的规划语句，要建如类似上面的语句8次呢:(有了建模语言就方便了： @FOR(VENDORS(J):@SUM(WAREHOUSES(I): VOLUME(I, J))= DEMAND(J));类似的：

@FOR(WAREHOUSES(I): @SUM(VENDORS(J): VOLUME(I, J))<= CAPACITY(I));好了，到此为止我们的模型就建起来了： MODEL:

MIN = @SUM(LINKS(I, J):

COST(I, J)* VOLUME(I, J));@FOR(VENDORS(J):

@SUM(WAREHOUSES(I): VOLUME(I, J))=

DEMAND(J));@FOR(WAREHOUSES(I):

@SUM(VENDORS(J): VOLUME(I, J))<=

CAPACITY(I));

END

注释：从上面可以看出一个LINGO模型必须包含在MODEL/END中间，然后在中间依次给出目标函数，约束条件等。但是我们的数据该如何给出呢？也就是解决LINGO建模语言中的赋值问题，下面会接着介绍的，呵呵:)

五、定义变量集合：

我们要处理的实际建模问题中经常会遇到一类同样的问题：若干相关的对象集合。比如：工厂稽核、客户集合、车辆集合和雇员集合等等。通常我们希望：约束某个集合中的特定对象的条件也同样适用于同一集合内其他的对象。这恰好是LINGO建模语言的最基本的概念。LINGO允许在SETS段定义某些相关对象于同一个集合内。集合段以关键字SETS开始；以关键字ENDSETS结束。一旦你定义了集合，LINGO可以提供大量的集合循环函数(例如：@FOR), 通过简单的调用他们的语句就可以操作集合内的所有元素。

我们回到最初的例子：Wireless Widget 模型，定义如下的三个集合： 仓库集,销售商集,运输路线集。具体的定义如下： SETS: WAREHOUSES / WH1 WH2 WH3 WH4 WH5 WH6/: CAPACITY;

VENDORS / V1 V2 V3 V4 V5 V6 V7 V8/

: DEMAND;

LINKS(WAREHOUSES, VENDORS): COST, VOLUME;

ENDSETS 注解：普通集合定义格式如下:集合名/成员列表/:成员共有属性。最后的LINKS集合,代表着48条运输路线。每条路线分别有两个属性COST和VOLUME。定义这种集合的语法和前面不同: LINKS(WAREHOUSES, VENDORS)上面前面两个集合称为“基本集合(Primarity Sets)”，第三个集合LINKS是“派生集合(Derived Sets)”；顾名思义他是由基本集合WAREHOUSES和VENDORS派生出来的。在这个例子中, LINGO生成每个可能的(warehouse, vendor)序对，这48个有序对组成了集合LINKS。下面从LINKS集合中调出的部分成员可以帮助我们认识这些序对的生成方式： 索引

运输线路 1

WH1-->V1 2

WH1-->V2 3

WH1-->V3......47

WH6-->V7 48

WH6-->V8 我们当然可以自己键入这些成员，但是LINGO在后台为我们节省了时间和劳动，我们只需搞明白他的工作原理就可。

六、集合变量赋值： LINGO允许用户在数据段中单独的给模型中变量赋值；比如下面是我们的这个例子的数据段： DATA: CAPACITY = 60 55 51 43 41 52;

DEMAND = 35 37 22 32 41 32 43 38;

COST = 6 2 6 7 4 2 5 9 9 5 3 8 5 8 2 2 1 9 7 4 3 3 6 7 3 9 2 7 1 3 9 5 7 2 6 5 5 2 2 8 1 4 3;

ENDDATA 注解：

[1]、数据段以关键字DATA开始；以关键字ENDDATA结尾。派生集合的赋值有个顺序问题，在这里它先初始化COST(WH1, V1), 接下来是从COST(WH1, V2)到COST(WH1, V8)；然后是COST(WH2, V1), 依此类推。[2]、LINGO还支持从外部文件中导入数据，更一般化地，他甚至支持通过OLE连接到Excel, 或者创建到流行数据库的ODBC链接，这对于数据经常改变的模型非常重要的。

七、总结：

直到现在，我们使用LINGO建模语言建立的运输模型已经初具规模，全部模型是这样的： MODEL:!示例：6仓库/8销售商运输模型;SETS:

WAREHOUSES/ WH1 WH2 WH3 WH4 WH5 WH6/: CAPACITY;

VENDORS/ V1 V2 V3 V4 V5 V6 V7 V8/: DEMAND;

LINKS(Warehouses, Vendors): COST, VOLUME;ENDSETS!目标函数;MIN = @SUM(LINKS(I, J):

COST(I, J)* VOLUME(I, J));!需求约束;@FOR(VENDORS(J):

@SUM(WAREHOUSES(I): VOLUME(I, J))=

DEMAND(J));!供应约束;@FOR(WAREHOUSES(I):

@SUM(VENDORS(J): VOLUME(I, J))<=

CAPACITY(I));!数据段;DATA: CAPACITY = 60 55 51 43 41 52;

DEMAND = 35 37 22 32 41 32 43 38;

COST = 6 2 6 7 4 2 5 9

5 3 8 5 8 2 2 1 9 7 4 3 3 6 7 3 9 2 7 1 3 9 5 7 2 6 5 5 2 2 8 1 4 3 ENDDATA

END 注解：在LINGO中使用!和；构造注释语句。另外提醒大家：不要忘了这里的VOLUME(I,J)是要求的具体每条运输线路的运货量:P

上面将LINGO8.0分成三部分大致的介绍完了，这其实也是我的学习过程。我每天只能拿出半个小时左右看看LINGO，今天比较幸运，比较闲，就写些感受吧:)

一、上面三篇后的小尾巴：

上面讲了这么多，最后为啥嘎然而止？实际上，上面的最后已经给出了运输模型的完整的LINGO建模语言描述的程序，只需点击一下运行就可。

二、体会：

为什么LINGO这个软件到现在为止还越来越有活力了呢？现在像Matlab/Maple?MathCAD这样的软件功能强大的很！这几天的使用让我稍有体会了：

1、线性规划这一块的欠缺：在matlab的最初的发展中，线性规划这一块就没考虑多大，当然，如果你非常熟悉单纯形法或分支定界法这样的算法的话，完全可以使用C或者matlab来解决一个具体的规划问题。但是LINDO公司有着独特的眼光，发现了将这些成熟的算法批量机械化的好处，形成了现在的LINDO系列优化软件。

2、线性规划的巨大使用价值：现实的金融/经济/社会等等方面非常多的出现线性规划问题，只要看一下现在的MBA/MPA的教材就知道这是多么基本的一项技术！正如此，LINDO系列软件的使用领域现在主要在这些社会领域，当然教育上也有相当的应用。

3、LINGO建模语言的统一性：熟悉数学优化的人就是知道LINDO公司实际上没做什么，只是将相应数学理论概念对应到面向对象编程中而已，但是这是具有创造性地！Matlab没做这些，尤其是线性/整数规划！当然对于非线性优化，Matlab的优化工具箱绝对是超级工具。

4、统一性：使用LINDO的语言，特别是建模语言，你能够比较清醒地认识你现在所处理的问题到底是哪一类规划问题？有助于更深刻地认识你所面临的问题。

三、下面的安排：

前面的这部分算是个入门吧！以后要慢慢的接触LINGO的强大的系统内置函数系统，先开个头吧，下面是LINGO系统中的所有函数的分类：

1、标准运算符

2、数学函数

3、金融函数

4、概率函数

5、变量范围限制函数

6、集合控制函数

7、集合循环函数

8、导入导出函数

9、杂项函数

呵呵！今天就写这些:P 实际应用科研中创新、管用的方法、思路往往是最Naive的！可能俺的水平太低？咋老是感觉这样呢，何时才能update呀。

第三篇：应用运筹学心得体会

应用运筹学心得体会

相信大家都知道，田忌赛马的故事，从中我们不难发现在已有的条件下，经过筹划、安排，选择一个最好的方案，就会取得最好的效果。可见，筹划安排是十分重要的。古人作战讲“夫运筹帷幄之中，决胜千里之外”也就是这个道理。

运筹学主要研究经济活动和军事活动中能用数量来表达的有关策划、管理方面的问题。从最直观、明了的角度将运筹学定义为：“通过构建、求解数学模型，规划、优化有限资源的合理利用，为科学决策提供量化一句的系统知识体系。”

运筹学的具体内容包括：规划论（包括线性规划、非线性规划、整数规划和动态规划）、库存论、图论、决策论、对策论、排队论、、博弈论、可靠性理论等。而《应用运筹学》作为运筹学的一部分，则重点介绍了管理运筹的思想与建模方法，具体包括了线性规划及扩展问题模型、图与网络分析模型、项目管理技术、决策分析技术、库存模型和排队模型等运筹学的重要分支。其主要特点是注重运筹学原理及方法在解决实际管理问题时应用，突出了管理问题的分析和运筹模型的构建过程，淡化了模型的理论推导和数学计算，借助于十分普及的Excel软件来求解模型，使得运筹学模型的应用更加简明直观。

线性规划是运筹学的一个重要分支。线性规划解决的是：在资源有限的条件下，为达到预期目标最优，而寻找资源消耗最少的方案。其数学模型有目标函数和约束条件组成。解决线性规划问题的关键是找出他的目标函数和约束方程，并将它们转化为标准形式。简单的设计2个变量的线性规划问题可以直接运用图解法得到。但是往往在现实生活中，线性规划问题涉及到的变量很多，很难用作图法实现，但是运用单纯形法记比较方便。单纯形法的发展很成熟应用也很广泛，在运用单纯形法时，需要先将问题化为标准形式，求出基可行解，列出单纯形表，进行单纯形迭代，当所有的变量检验数不大于零，且基变量中不含人工变量，计算结束。将所得的量的值代入目标函数，得出最优值。

图论是一个古老的但又十分活跃的分支，它是网络技术的基础。在日常生活和生产中，人们会经常碰到各种各样的图，如零件加工图、公路或铁路交通图、管网图等。图论中图是上述各种类型图的抽象和概括，它用点表示研究对象，用边表示这些对象之间的联系。而图与网络分析是近几十年来运筹学领域中发展迅速、而且十分灵活的一个分支。由于它对实际问题的描述，具有直观性，故广泛应用与物理学、化学、信息论、控制论、计算机科学、社会科学、以及现代经济管理科学等许多科学领域。

项目管理技术就是在时间、成本、质量、风险、合同、采购、人力资源等各个方面对项目进行的计划和控制。其中项目管理的核心思想是对进度的管理和成本的控制。

决策分析技术是属决策论的一部分。主要是在研究决策问题。所谓决策就是根据客观可能性，借助一定的理论、方法和工具，科学地选择最优方案的过程。决策问题是由决策者和决策域构成的，而决策域又由决策空间、状态空间和结果函数构成。研究决策理论与方法的科学就是决策科学。

库存模型则主要是对库存论的一种实际应用。库存论是一种研究物质最优存储及存储控制的理论，物质存储时工业生产和经济运转的必然现象。如果物质存储过多，则会占用大量仓储空间，增加保管费用，使物质过时报废从而造成经济损失；如果存储过少，则会因失去销售时机而减少利润，或因原料短缺而造成停产。因而如何寻求一个恰当的采购，存储方案就成为库存论研究的对象。

排队模型在日常生活中的应用是相当广泛的，比如水库水量的调节、生产流水线的安排，铁路分成场的调度、电网的设计等等。排队论又叫做随机服务系统理论。它的研究目的是要回答如何改进服务机构或组织被服务的对象，使得某种指标达到最优的问题。比如一个港口应该有多少个码头，一个工厂应该有多少维修人员等。

学习理论的目的就是为了解决实际问题。图论为计算机领域也奠定了基础，运筹学的计算方法可以借用计算机来完成。线性规划的理论对我们的实际生活指导意义很大。当我们遇到一个问题，需要认真考察该问题。如果它适合线性规划的条件，那么我们就利用线性规划的理论解决该问题。但是很多时候我们遇到的问题用线性规划解决耗时、准确度低或者根本无法用线性规划解决。那么我们就要寻找别的理论方法来解决问题。通过对此次对应用运筹学的学习我掌握了运筹学的基本概念、基本原理、基本方法和解题技巧，对于一些简单的问题可以根据实际问题建立运筹学模型及求解模型。应用运筹学对我们以后的生活也讲有不小的影响，将应用运筹学运用到实际问题上去，学以致用。

第四篇：沟通效果AHP方法的实例分析

班会沟通效果 AHP 方法的实例分析
刘念 06081054，工商 61，摘要： 本文旨在探讨使用 AHP 方法，结合沟通的定义，建立一个系统的评价模型，量化地评 价班会这个大家都很熟悉的沟通情景的沟通效果。整个模型的整体思路是基于 AHP 分析，将某次沟通和假想的最佳沟通作为两个备选方案进行比较，对最后求得的权重进行处理，计 算出得分。本文着重阐述模型结构和判断矩阵的确定以及如何对各因素的实际情况进行评 价。最后举例介绍本方法的实际使用情况。关键字：沟通效果，班会，分析，关键字：沟通效果，班会，AHP 分析，实例 1.模型背景 沟通是一个人人都非常熟悉的词，但大家对于沟通的定义并没有一致的看法。在英文中，沟通一词“communication”同时兼有交流、传播、交通的意思。《大英百科全书》认为，沟 通是”用任何方法，彼此交换信息，即指一个人与另一个人之间用视觉、符号、电话、电报、收音机、电视或其它工具为媒介，所从事交换信息的方法”。斯蒂芬.P.罗宾斯认为，沟通就 是“意义的传递和理解”。在组织研究的条件下，沟通定义为：沟通时为了特定的目的，在 活动过程中通过某种途径和方式，有意识或无意识地将一定的信息从发送者传递给接收者并 获取理解的过程（张昊民，2008）。AHP（层次分析法）是由美国运筹学专家、匹兹堡大学教授 T.L.萨迪与 20 世纪 70 年代 提出的系统评价方法，当评价对象属性多样、结构复杂、难以完全采用定量方法优化分析和 评价时，AHP 方法拥有得天独厚的优势。我们这里要做的是使用 AHP 方法，结合沟通的定义，建立一个系统的评价模型，评价 班会这个大家都很熟悉的沟通情景的沟通效果。2.模型建立 2.1 模型概述 我的评价模型是用来评价一次班会沟通效果的。整个评价模型的设计基于 AHP 分析的 框架。整个模型的思路是： 首先围绕评价一次班会的沟通效果这个背景，分析影响沟通效果的各种因素，建立起一 个递阶结构模型。接下来，为每个最底层因素思考数个问题，并与专家一起不断讨论、修改问题，以使这 些问题可以综合全面地说明它们所对应的因素在一次班会中的情况。我在这里借用了李克特 量表的设计思路，将所有问题根据它们所属因素的不同综合为两份 5 点式量表，分别用于发 放给班长和方法给同学，最后使用每个因素对应题项的总得分作为该因素在某次班会中的实 际表现。请专家在仔细阅读每个因素对应问题以加深他们对于每个因素的理解，在此基础上让他 们根据自己在班会中的经验为模型中的各个因素打分，建立起判断矩阵。

最后对问卷的结果进行一定的处理，将某次班会（实际得分）与班会沟通最佳效果（所 有题项得满分）作为两个备选方案建立他们之间的判断矩阵，最终求出两个方案的权重。假 设最佳沟通效果为 100 分，则：

1

某次班会沟通效果=某次班会权重/满分沟通权重*100
整个模型框架如图 1 所示。2.2 因素的确定 因素的框架模型是基于对基础理论的理解结合班会沟通的实际情况得到的。在这过程 中，我邀请了数位专家不停地与我反馈交流，最终确定因素，以保证整个框架全面、实用。根据《管理沟通：原理与实践》（Michael E.Hattersley, Linda McJannet，2007）一书的划 定，沟通的因素应当有：发起者、目标、听众、背景、消息、媒介和反馈七大因素。我在这 七大沟通因素的基础上，结合数本教材的内容与个人的理解，将每个因素细化到 2-4 个子因 素。随后我将这些因素附带一定的说明呈递给 5 位专家（3 名同学，两名班长），由他们根 据经验对因素进行分析判断，删除不必要的子因素，添加缺失的子因素，并且修改一部分表 述存在问题的因素，最终确定的因素如表 1 所示，其中需要说明的是，在这里班会本身是媒 介的一种，相当于在此次沟通中，媒介是既定的，所以我们只考虑其选择的恰当性和本身内 容的丰富性。

图 1 班会沟通效果评价模型 表 1 班会沟通效果因素结构列表 沟通动机 沟通发起者 知识素养 沟通技巧 目标的明确性 目标 目标的重要性 目标的迫切性 目标的合理性 听众 背景 沟通的动机 沟通的态度 沟通双方的关系 沟通的地点
2

沟通的时间 消息 媒介 反馈 信息的简洁性 信息的准确性 渠道的恰当性 渠道的丰富性 反馈的及时性 反馈的充分性

2.3 问卷编织 在已经确定的因素的基础上，我结合已有的沟通问卷（《人际沟通能力自我评量表》，卢 蓓恩）针对每个子因素撰写了数个问题用于在我内力范围内全面地描述这个子因素，然后将 因素与问题对应，呈递给专家组。专家组在仔细阅读的基础上，对每个因素下的问题提出自 己的意见，最后反复商榷和修改，最终确定了 18 个因素下 58 个问题，成为 《因素分类问卷》（附录 1）。这 58 个问题按 7 大因素划分分别用于询问班长和同学，以此从合适的方向获得 信息，根据这个划分，问卷又被分别整合为《班长问卷》（43 题，附录 2）与《同学问卷》（15 题，附录 3）各一份。2.4 判断矩阵的确定 在已经确定的因素和问题的基础上，有 5 位专家（同学 3 位，班长 2 位）参与了判断矩 阵的确定环节。他们在仔细阅读因素以及相关问题的基础上，根据自己的经验，对各因素间
的相对重要程度进行判断。为此我编织了判断矩阵表格，随分类问卷一起发放给各专家，要 求他们按照 AHP 分析判断矩阵的要求（取值为 1/9-9）进行填写。在收集齐他们填写的表格之后，我将它们的表格进行了汇总计算，并给班长和同学赋予 不同的权重，计算出判断矩阵各项的均值。然后对均值进行处理，取与之最相近的整分数或 整数值，使其符合判断矩阵取值的要求，最后成为判断矩阵，判断矩阵表格及最终取值见附 录 4。2.5 得分计算 最终沟通效果得分的计算基于这样一个思路： ⑴ 针对要评价的某次班会发放问卷若干份，包括班长问卷 1 份，其余为同学问卷。填 写完后回收。⑵ 对问卷中每个子因素对应的题项得分进行加总，班长问卷直接取结果，同学问卷取 各问卷结果平均值，作为该次班会各因素的得分，计入方案《判断矩阵计算表格》（附录 5）。⑶ 求取各因素得分与满分之间的比值，以半分比表示。将百分比数值取近似值（整十 位数），再将近似值按照下面的公式换算：

s=

1 , x ≤ 80% 90% − x s = 1, x ≥ 90%

其中 s 代表最终矩阵取值，即该次班会某因素相对于满分沟通的重要性程度，x 代表 上面取得的该因素得分占总分百分比的近似值。⑷ 根据 AHP 的基本方法计算满分沟通与本次沟通各自的权重，最后假设满分沟通总分 为 100，则本次沟通得分为： 某次班会沟通效果=某次班会权重/满分沟通权重*100
3

3.模型不足与改进 模型不足与改进 该模型存在一定的不足，现在可以考虑到得有： ⑴ 由于个人能力与所请专家能力的限制，问卷全面反应各因素的实际情况的能力难以 保证。⑵ 可以考虑加入第三方评价的内容，完善评判角度，确保打分的客观性和全面性。⑶ 最终分数划归为矩阵时所用的方法没有足够的理论支持。⑷ 因素的数量可能不足。⑸ AHP 方法用于打分的实用性有待进一步验证。4.实例分析 4.1 研究背景 某班级下午 4 点在东花园小亭内讨论元旦庆祝活动的一次班会 4.2 研究过程 由于是用作示例，只邀请到该班班长和一名同学，只发放班长问卷 1 份，同学问卷 1 份，得分计算过程见附录 6。4.3 分析结果 经过分析，求得权重如表 2 所示 表 2 示例计算结果

项目 本次班会 满分沟通
根据公式，求得

权重 0.4496 0.5504

本次班会沟通得分=0.4496/0.5504*100=81.69
5.附录列表 附录 1《因素分类问卷》 附录 2《班长问卷》 附录 3《同学问卷》 附录 4《判断矩阵填写表及判断矩阵最终取值》 附录 5《项目判断矩阵计算表格及实例数据》 附录 6《实例分析 AHP 模型计算过程》 参考文献 [ 1 ] 汪应洛，系统工程（第三版）[M]，北

京：机械工业出版社，2006.[ 2 ] 迈克尔 E.哈特斯利、林达.麦克詹妮特，管理沟通：原理与实践（原书第三版）[M]，北 京：机械工业出版社，2008 [ 3 ] 张昊民，管理沟通 [M]，上海：格致出版社、上海人民出版社，2008

4

第五篇：议论文实例应用

1.夸父逐日──可以论证追求奋斗、理想信念、献身精神等。2.神农尝百草──可以论证开拓创业、勇于实践不断探索等。3.勾践卧薪尝胆──可以论证忍辱负重、愤发图强等。

4.鲁班发明锯子──可以论证类比思维、触发灵感、造福后世等。5.孙武操练女兵──可以论证严于律令、整军经武效果惊人等。6.商鞅变法──可以论证改革求新、富国强兵、动机与效果背反等。7.邹忌讽齐王纳谏──可以论证进谏纳谏、广开言路、勇于接受批评等。8.赵武灵王胡服骑射──可以论证突破传统、努力学习引进等。

9.孟子母择邻而居──可以论证正确引导子女、重视环境对人的影响等。10.庄子谈庖丁解牛──可以论证得其要道、掌握规律、迎刃解难等。

11.李冰修都江堰──可以论证功在当代、泽及后人、科学技术的重大作用等。12.扁鹊见蔡桓公──可以论证病须早治、讳疾忌医、后患无穷等。13.苏秦悬梁刺股──可以论证立志自强、勤奋刻苦、持之以恒等。14.廉颇与蔺相如──可以论证大智大勇、改过从善、团结保国等。

15.赵括纸上谈兵──可以论证脱离实际、空谈误国、用人要看真本事等。16.毛遂自荐──可以论证敢于挺身而出、肯定自我、为国排忧等。17.荆轲刺秦王──可以论证杀身成仁、舍生取义、冒险犯难报知己等。18.叶公好龙──可以论证言行脱节、崇尚自取其咎等。

19.项羽、刘邦鸿门宴──可以论证滥施宽容、坐失良机、酿成后祸等。20.刘邦约法三章──可以论证严于纪律、立信安民方可成大业等。21.肖何追韩信──可以论证珍异人才、敢于重用无名之辈等。

22.张良与圯上老人──可以论证尊重老者、经受考验、终获厚待等。23.董仲舒三年不窥园──可以论证专心致志、发愤读书等。

24.司马迁撰《史记》──可论证为了事业牺牲一切、孜孜不倦、奋斗不已等。25.苏武牧羊──可以论证忠于国家、保持气节、威武不屈等。26.马援马革裹尸──可以论证立志报国、义无反顾、效命沙场等。27.班超出使西域──可以论证当仁不让、为国扬威、交流开拓等。28.孔融让梨──可以论证谦逊礼让、克己待人、尊敬年长者等。

29.曹孟德老骥伏枥──可以论证年高者壮心未已、理想永存、向往奋斗等。30.曹冲称象──可以论证少年英才、聪明过人、独辟蹊径破难关等。31.诸葛亮七擒孟获──可以论证服人以德、攻心为上等。

32.周处除三害──可以论证为民除害、改恶从善、战胜自我等。

33.祖逖闻鸡起舞和击楫中流──可以论证修身健体、严于律己和不忘复国等。34.王羲之临池学书──可以论证刻苦练功、勤学不倦、矢志求成等。35.李春修赵州桥──可以论证微贱者的才智、古代科技的昌盛等。36.隋炀帝亡国──可以论证骄奢淫逸、专横跋扈的恶果等。

37.唐太宗重用魏征──可以论证大胆起用反对过自己的人、勇于纳谏等。

38.鉴真东渡日本国──可以论证外出学习的艰难和学习者的执着、顽强、矢志不二等。39.日本派出遣唐使──可以论证外邦的虚心学习与古代的文化交流等。40.包拯刚正不阿──可以论证秉公执法、不循私情、不畏权贵等。41.欧阳修三上苦读──可以论证珍惜光阴、见缝插针、日积月累等。

42.王安石游褒禅山──可以论证敢于登攀、勇敢探索、无限风光在险峰等。43.杨时立雪程门──可以论证求师的谦逊真诚、执着恳切的精神等。44.梁红玉抗金兵──可以论证女性的爱国精神、顽强斗志等。45.文天祥的正气歌──可以论证爱国、成仁取义、视死如归的无畏精神等。46.黄道婆改进纺织术──可以论证传播技术、致富乡里的无私奉献等。47.王冕学画──可以论证勤奋苦学、坚持不辍、终获成功等。

48.郑和下西洋──可以论证大胆创举、开拓海外交流、发展贸易等。49.海瑞冒死上疏──可以论证刚正不阿、敢于直言、秉公执法等。50.李时珍跋山涉水写本草──可以论证忠于事业、不畏艰难等。

51.徐光启学习西洋科技──可以论证破除保守思想、放眼海外、虚心学习先进技术等。52.袁崇焕的含冤而死──可以论证主观武断、偏听偏信、毁灭人才的严重后果。53.东林党人关心国事──可以论证知识分子忧国忧民、谏言议政等。

54.徐霞客游历天下──可以论证执着、勤勉、不惧艰难险阻的实践精神等。55.李自成起义的成败──可以论证兴亡盛衰、变化在自身等。56.清初的文字狱──可以论证压制思想、扼杀文明的可悲等等。

57.林则徐“睁开眼睛看世界”──可以论证有识之士放眼天下、学习外国等。