多屬性決策問題的研究已經日漸成熟,多屬性群決策是其中重要的一部分,有著廣泛的應用。由于事物的復雜性、決策者的思維差異,某些屬性采用更易表達的區(qū)間數(shù)和語言評語的形式表達,因此評價信息變得復雜,本文針對復雜多屬性群決策問題進行研究。首先,本文介紹了多屬性決策以及群決策研究的理論基礎,介紹了幾種多屬性決策與群決策常用的傳統(tǒng)方法,分析了常用的幾種解決多屬性決策問題和大群體決策問題的方法,明確了在解決大群體決策時應該解決的核心問題。同時,研究了聚類分析理論基礎與常用的幾種聚類方法,明確了聚類分析理論在解決復雜多屬性群決策時的可行性與可信性。其次,研究了由區(qū)間數(shù)和語言評語形式表達的決策信息,將兩種形式的評價信息進行規(guī)范化處理,將區(qū)間數(shù)采用計算與上下界相對距離的方法轉化為點值,將語言短語轉化為三角模糊數(shù)后再化為點值。然后,對k-means聚類方法進行改進,采用F統(tǒng)計量集結類間距離與類內緊密程度兩種衡量聚類效果的指標,確定最佳初始聚類數(shù)k,通過遺傳算法迭代尋優(yōu),得到最佳分類結果。最后,建立模型求解類內專家權重、類緊密度、類權重、屬性權重,應用各項指標對各類內專家的評價信息進行融合,將專家類內融合矩陣進... 

【文章來源】：沈陽工業(yè)大學遼寧省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

AHP決策結構

圖 2.2 k-means 算法流程圖Fig. 2.2 The flow chart of k-means arithmeti典型的迭代尋優(yōu)算法，它有著思想簡心的選擇為隨機選取，因此該算法由決策者對聚類結果做出判斷。策和群決策理論基礎以及一些方法。先是將決策信息進行規(guī)范化，其次也是決策問題中最重要的一樣指標結果。方法的基礎理論，對聚類分析算法的指標，通過相似性的計算判斷決策

圖 3.1 三角模糊數(shù)的隸屬函數(shù)Fig. 3.1 Membership function of triangular fuzzy number2 2, r ,r R，1r ，3r 分別作為三角模糊數(shù)的下界和上界，1r ，和3r 的差值越大，則模糊程度越強。給三角迷糊數(shù)的三個元素1 2 2r , r ,r 賦值來進行語言評價信息化[50]，公式如式 3.22 所示：1 2 31 1=max( ,0), , min( ,1)i i ir r rg g g i 0,1,2, 表示模糊區(qū)間的個數(shù)。有 由 5 條 語 言 短 語 組 成 的 評 價 差”,51h =“ 差”,5 5 52 3 4h =“ 一般”, h =“ 好”, h =“ 很好”}，1 2 r , r ,r模糊集上的標定值，將 0-1 平均分成 4 份，三角形定點出，可將語言短語形式的評價信息轉化為模糊集上的三角迷言短語的值即為可表示該點對應在 x 軸上的三角模糊數(shù)，


本文編號：3088762