發(fā)布時間：2021-08-05 21:03

　　多屬性決策問題是指決策者在綜合考慮多個屬性的情況下確定最佳方案,多屬性決策在項目投資、產(chǎn)品開發(fā)以及政府管理等領域具有廣泛的應用�，F(xiàn)有的多屬性決策問題大多以期望效用理論為基礎,這種決策方式無法清晰地反映人類的偏好信息。由于現(xiàn)實生活中的決策問題往往具有復雜性和不確定性,不同事件發(fā)生的概率不同,不同屬性在不同條件下的狀態(tài)也不同,屬性值的表達方式也不同,因此需要決策者考慮各種狀態(tài)發(fā)生的概率。此外,在實際生活中,各屬性的權(quán)重往往不是確定的,在以往的前景理論研究中屬性權(quán)重也都直接給出或者通過單一方式確定,為了科學地確定屬性權(quán)重,決策者需要將主觀、客觀的方式相結(jié)合,使屬性權(quán)重具有合理性。因此,本文針對屬性權(quán)重未知的不確定混合多屬性決策問題提出了一種基于前景理論的研究方法,并建立了優(yōu)化模型確定主客觀權(quán)重。首先,本文介紹了前景理論和不確定混合多屬性決策問題的基礎知識,分析了期望效用理論、前景理論以及累積前景理論的特點以及決策方式,介紹了幾種常見的多屬性決策問題以及屬性權(quán)重確定的方法,明確了前景理論在多屬性決策問題方面的優(yōu)勢以及在決策過程中應當注意的問題。通過分析前景理論與其他理論的區(qū)別,明確了將前景理論... 

【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層次結(jié)構(gòu)

沈陽工業(yè)大學碩士學位論文18圖2.2馬爾科夫過程Fig.2.2Markovprocess設Xt為隨時間t變化的隨機變量，1Xt即為Xt在1時刻的狀態(tài)，當前時刻的狀態(tài)只與當前時刻有關，與之前的狀態(tài)無關，這種特征也可被稱為“無后效性”，此過程也命名為馬爾科夫過程。nXt在條件iiXtx下的分布函數(shù)等于nXt在條件n1n1Xtx下的分布函數(shù)，其中，i1,2,,n1，馬爾科夫過程Ft為：21121111;,,,;,,,;;nnnnnnnnnnFxxxtttFxttxxt（2.34）馬爾科夫模型主要包括馬爾科夫鏈、馬爾科夫網(wǎng)以及隱馬爾科夫[36]模型三部分，如果其狀態(tài)表現(xiàn)為在時間和空間上均為離散的，則為馬爾科夫鏈。狀態(tài)轉(zhuǎn)移概率的含義為事物由一種狀態(tài)轉(zhuǎn)移為另一種狀態(tài)的概率，現(xiàn)實生活中的事物可能不止存在一種狀態(tài)，但是每次只能顯現(xiàn)出一種狀態(tài)，每種狀態(tài)則存在n-1個自我轉(zhuǎn)向，因此將狀態(tài)轉(zhuǎn)移的可能性和隨機性稱為狀態(tài)轉(zhuǎn)移概率，即m1mpEjEi，其表示從狀態(tài)mE轉(zhuǎn)移到m1E的概率為ijp，即：ijm1mppEjEi（2.35）其中，ij1,2,,n。馬爾科夫鏈的轉(zhuǎn)移概率性質(zhì)為：1011nijijjpp，（2.36）馬爾科夫預測法的計算步驟如下：

沈陽工業(yè)大學碩士學位論文22圖2.3價值函數(shù)Fig.2.3Thevaluefunction價值函數(shù)vx的表達式為：,0,0xxvxxx（2.37）表示收益區(qū)域價值冪函數(shù)的凹凸程度，表示損失區(qū)域價值冪函數(shù)的凹凸程度，表示損失厭惡程度，且滿足1,1,1。概率權(quán)重函數(shù)p與客觀概率p有關，概率權(quán)重函數(shù)表示事情發(fā)生概率對于其前景值的影響，其只是一種評價概率的函數(shù)，決策權(quán)重函數(shù)形狀如圖2.4所示。圖2.4權(quán)重函數(shù)Fig.2.4Theweightfunction概率權(quán)重函數(shù)特征如下：（1）00，11；（2）當存在r且滿足0r1時，有rprp；

【參考文獻】：
期刊論文
[1]基于前景理論的VIKOR猶豫模糊多屬性決策方法研究[J]. 趙輝,馬勝彬,卜澤慧,張旭東.  數(shù)學的實踐與認識. 2020(04)
[2]基于前景理論的船舶航路選擇輔助決策模型[J]. 胡佳穎,劉克中,楊星,陳蜀喆,吳曉烈,劉炯炯.  武漢理工大學學報(交通科學與工程版). 2019(06)
[3]基于信息熵權(quán)的最近鄰域數(shù)據(jù)關聯(lián)算法[J]. 李恒璐,陳伯孝,丁一,張釗銘.  系統(tǒng)工程與電子技術. 2020(04)
[4]基于隱式馬爾科夫算法的政府信用評估和預測[J]. 王昊,王林鵬.  征信. 2019(12)
[5]多元回歸法預測低滲透油藏壓后產(chǎn)能研究[J]. 高明星.  石化技術. 2019(10)
[6]基于前景理論和灰色關聯(lián)的FMEA 知識產(chǎn)權(quán)風險預警研究[J]. 周衍平,趙雅婷.  情報雜志. 2019(12)
[7]時間序列預測模型的一點討論[J]. 劉佳.  科技經(jīng)濟導刊. 2019(29)
[8]基于時間序列的高爐水溫差多維度模糊綜合評判[J]. 崔桂梅,張勝男,張勇,馬祥.  中國測試. 2019(09)
[9]權(quán)重完全未知下基于投影的猶豫模糊多屬性群決策方法及應用[J]. 陜振沛,郭亞丹,寧寶權(quán),張府柱.  數(shù)學的實踐與認識. 2019(15)
[10]基于熵權(quán)-主成分分析的區(qū)域生態(tài)承載能力評價分析[J]. 岳斯瑋.  重慶文理學院學報(社會科學版). 2019(02)

博士論文
[1]基于決策者偏好的區(qū)間數(shù)多屬性決策方法研究[D]. 慈鐵軍.河北工業(yè)大學 2014
[2]基于參照點的區(qū)間數(shù)TOPSIS方法研究[D]. 裴鳳.合肥工業(yè)大學 2012

碩士論文
[1]土地評價指標標準化方法研究[D]. 李靜.甘肅農(nóng)業(yè)大學 2012
[2]基于區(qū)間數(shù)的多屬性決策方法研究[D]. 宋曉輝.西南交通大學 2011



本文編號：3324454