本文關(guān)鍵詞：非確定型多屬性決策模型及應(yīng)用研究

  更多相關(guān)文章： 多屬性決策 多值直覺模糊集 證據(jù)理論 模糊信息 相似度量 區(qū)間值 模糊語言值

【摘要】：在社會(huì)經(jīng)濟(jì)活動(dòng)中,存在著大量多屬性決策問題。多屬性決策是現(xiàn)代決策科學(xué)的重要組成部分,它所研究的基本問題是：有限個(gè)待選方案在多個(gè)準(zhǔn)則下的擇優(yōu)問題。迄今為止,人們已經(jīng)構(gòu)造了許多較為成熟的處理多屬性決策問題的模型,但其中大多數(shù)決策模型僅適用于如下決策背景：在決策分析時(shí)決策者可以獲得決策所需的精確決策信息。然而,在實(shí)際決策問題中,由于現(xiàn)實(shí)問題所具有的復(fù)雜性或信息獲取成本較高等原因,造成能夠得到的決策信息大多數(shù)具有不精確、不完備、模糊等性質(zhì),再加上決策者對(duì)問題的認(rèn)識(shí)或信息處理能力的局限性等原因,方案評(píng)估者往往只愿意或只能夠提供不完全的方案評(píng)估信息。以上原因?qū)е铝擞袝r(shí)要獲取精確的決策信息是非常困難地,甚至是不可能地。人們把這類決策信息具有不完全性的多屬性決策問題稱之為非確定型多屬性決策問題或風(fēng)險(xiǎn)型多屬性決策問題。對(duì)此類非確定型多屬性決策問題的研究一方面是出于對(duì)傳統(tǒng)多屬性決策問題研究的深化,另一方面是因?yàn)樵诖祟悰Q策問題的研究中所假定的決策背景與現(xiàn)實(shí)中的決策背景更為貼近,因此所構(gòu)造的決策模型能更好地滿足實(shí)際決策的需要,故對(duì)此類多屬性決策問題的研究越來越受到學(xué)術(shù)界與實(shí)業(yè)界的重視。 由于所處理的決策信息、具有不完全性,導(dǎo)致了非確定型多屬性決策問題較傳統(tǒng)多屬性決策問題更為復(fù)雜。其中較為突出的兩個(gè)難點(diǎn)問題分別是：(1)如何描述及處理這些具有非確定性的信息,這一問題的解決需要理論研究者與實(shí)踐工作者開拓新的處理非確定信息的理論、構(gòu)造新的數(shù)理模型；(2)決策者在非確定條件下進(jìn)行決策要承擔(dān)相應(yīng)的風(fēng)險(xiǎn),故由主客觀條件所決定的決策者風(fēng)險(xiǎn)偏好是一個(gè)非常重要及必須予以考慮的決策因素。因而一個(gè)值得研究的問題是：如何構(gòu)造一類能將此決策因素作為決策參數(shù)的決策模型,以使決策模型能更好地滿足決策者的需要。但在已有的關(guān)于多屬性決策問題研究的文獻(xiàn)之中,鮮有文獻(xiàn)對(duì)這一問題進(jìn)行研究。此文主要從若干不同的視角及思想對(duì)以上兩個(gè)問題進(jìn)行了研究。在總結(jié)與分析了國(guó)內(nèi)外關(guān)于非確定型多屬性決策理論及方法的研究現(xiàn)狀和發(fā)展趨勢(shì)的基礎(chǔ)之上,從理論發(fā)展與實(shí)際應(yīng)用的角度出發(fā),對(duì)這類多屬性決策問題做了進(jìn)一步的研究,構(gòu)造了一些新的決策模型與方法,一方面旨在豐富和完善多屬性決策理論,另一方面是為了使決策模型能更為有效地滿足實(shí)際決策的需要。 此文主要研究?jī)?nèi)容與創(chuàng)新點(diǎn)如下： (1)將多值直覺模糊集理論引入到對(duì)非確定型多屬性決策問題的研究之中,多值直覺模糊集較傳統(tǒng)的直覺模糊集在描述不確定、不精確、不完備及信息來源渠道具有多樣性信息時(shí)能力更強(qiáng)。目前關(guān)于多值直覺模糊集的研究剛處于起步階段,此文對(duì)多值直覺模糊集的多個(gè)隸屬度與非隸屬度的融合問題進(jìn)行了研究,構(gòu)造了一些融合方法并對(duì)這些方法的優(yōu)缺點(diǎn)進(jìn)行了分析。 (2) Vague值(集)的相似性度量是Vague集應(yīng)用于某些領(lǐng)域中需首先解決的關(guān)鍵技術(shù)。但在已有的大多數(shù)關(guān)于Vague值(集)的相似度量的研究中,缺乏從宏觀的角度去構(gòu)造度量相似度的方法。在本文中對(duì)決定兩個(gè)Vague值(集)相似度大小的因素與三維空間中幾何體間的位置關(guān)系之間的聯(lián)系進(jìn)行了研究,嘗試用空間中幾何體間的位置關(guān)系來體現(xiàn)決定兩個(gè)Vague值(集)間相似度大小的因素是如何決定Vague值(集)間的相似性,并對(duì)相關(guān)結(jié)論給出了嚴(yán)格地?cái)?shù)學(xué)證明。在此基礎(chǔ)上將兩個(gè)Vague值所表達(dá)信息的相似程度用如下三個(gè)子指標(biāo)來度量：信息確定性相似度指標(biāo)；信息模糊性相似度指標(biāo)；信息內(nèi)容相似度指標(biāo)。最后基于這些結(jié)論構(gòu)造了一種度量Vague值(集)相似度的方法。 (3)在Vague集向Fuzzy集轉(zhuǎn)化問題的研究中,關(guān)鍵是對(duì)Vague度的傾向性進(jìn)行判斷。此文構(gòu)造了一種新的Vague集向Fuzzy集轉(zhuǎn)化的模型,在構(gòu)造此轉(zhuǎn)化模型的過程中進(jìn)行了如下兩點(diǎn)創(chuàng)新：在轉(zhuǎn)化模型中引入風(fēng)險(xiǎn)一收益權(quán)衡權(quán)數(shù),這使轉(zhuǎn)化模型在處理Vague度的傾向性時(shí),能將決策者的風(fēng)險(xiǎn)偏好予以考慮；將Fuzzy值的隸屬度的取值分解成如下三部分：Vague值的真隸屬度值、風(fēng)險(xiǎn)得值與傾向得值的加權(quán)之和,并對(duì)這三部分取值引入相應(yīng)的決策者偏好權(quán)重。 以上述研究為基礎(chǔ),構(gòu)造了一個(gè)處理非確定型多屬性決策問題的決策模型。 (4)從考慮決策者風(fēng)險(xiǎn)偏好的角度對(duì)非確定型多屬性決策問題進(jìn)行了研究,根據(jù)不同的決策背景提出了幾種求解非確定型多屬性決策問題的方法： 第一種決策模型：構(gòu)造了區(qū)間值信息融合算子——數(shù)值型風(fēng)險(xiǎn)加權(quán)相似度量算子(VRWSMO),并基于VRWSMO算子構(gòu)造了區(qū)間型多屬性決策模型。 第二種決策模型：構(gòu)造了模糊語言值信息融合算子——語言型風(fēng)險(xiǎn)加權(quán)相似度量算子(LRWSMO),,并基于LRWSMO算子構(gòu)造了不確定語言型多屬性決策模型。 上述兩個(gè)決策模型的創(chuàng)新之處在于：將決策者對(duì)風(fēng)險(xiǎn)的偏好在決策過程中予以考慮,并構(gòu)造了三元組(擬下限相似度、風(fēng)險(xiǎn)程度、決策者風(fēng)險(xiǎn)—收益權(quán)衡權(quán)數(shù))來刻畫決策過程中存在的風(fēng)險(xiǎn)程度及決策者對(duì)相應(yīng)(風(fēng)險(xiǎn),收益)組合的偏好。以上兩類決策模型不僅可以將決策者由主客觀條件所決定的風(fēng)險(xiǎn)偏好予以考慮,而且決策者可以根據(jù)決策環(huán)境或決策主體的變化而靈活地調(diào)整相應(yīng)的決策參數(shù),這較已有的處理非確定型多屬性決策問題的決策模型更能適應(yīng)復(fù)雜多變的實(shí)際決策背景及不同決策主體的需要。 (5)對(duì)屬性的權(quán)重信息僅部分可知的非確定型多屬性決策問題進(jìn)行了研究。已有的決策模型在處理此類決策問題時(shí),一般都試圖得到屬性權(quán)重值的最佳逼近值�？偟膩碚f有三種方法：主觀賦權(quán)法、客觀賦權(quán)法以及主客觀綜合賦權(quán)法。此文從一個(gè)新的角度來處理此類多屬性決策問題。其基本思想是：假設(shè)某一待決策方案為最優(yōu)方案,則通過相應(yīng)的數(shù)學(xué)推導(dǎo)可以得到一個(gè)權(quán)重值的假設(shè)域。對(duì)所有的待決策方案均進(jìn)行上述操作,則可以得到一系列權(quán)重值的假設(shè)域。然后可以通過判斷各權(quán)重值的假設(shè)域與權(quán)重值真實(shí)域之間的匹配程度來進(jìn)行決策。匹配程度最高的假設(shè)域所對(duì)應(yīng)的待決策方案即為最優(yōu)方案。在此文中針對(duì)空間區(qū)域匹配程度的比較構(gòu)造了四條比較準(zhǔn)則。 (6)待決策方案的屬性評(píng)測(cè)信息的非確定性,除了以區(qū)間值的形式呈現(xiàn)外,還有另外一種比較常見的呈現(xiàn)形式：方案評(píng)估專家們對(duì)某一待選方案在某一屬性上的評(píng)測(cè)值具有不一致性(即該方案在該屬性上的評(píng)測(cè)值分布在一定范圍內(nèi),且處于該范圍內(nèi)的各評(píng)測(cè)值具有不同的支持程度即各評(píng)測(cè)值還附帶支持這一評(píng)測(cè)值的方案評(píng)估專家的人數(shù)信息),這在群體決策問題中比較常見。本文將證據(jù)理論應(yīng)用到具有此類決策背景的非確定型多屬性決策問題的研究中,并以研究生學(xué)位論文質(zhì)量評(píng)估問題為例來展現(xiàn)處理此類非確定型多屬性決策問題的思想及方法。
【關(guān)鍵詞】：多屬性決策 多值直覺模糊集 證據(jù)理論 模糊信息 相似度量 區(qū)間值 模糊語言值
【學(xué)位授予單位】：西南財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類號(hào)】：C934;F224
【目錄】：

• 中文摘要4-8
• ABSTRACT8-15
• 1. 緒論15-24
• 1.1 選題背景15-17
• 1.2 選題的目的及意義17-18
• 1.2.1 本文研究的主要目的17-18
• 1.2.2 本文研究的意義18
• 1.3 文獻(xiàn)綜述18-21
• 1.3.1 關(guān)于屬性權(quán)重系數(shù)的研究19-20
• 1.3.2 決策方案的綜合排序方法20-21
• 1.3.3 多屬性群體決策問題的研究21
• 1.3.4 多屬性決策理論及方法的應(yīng)用21
• 1.4 本文內(nèi)容簡(jiǎn)介21-24
• 2. 多值直覺模糊集的信息融合方法研究24-32
• 2.1 直覺模糊集的發(fā)展概述24
• 2.2 直覺模糊集的相關(guān)知識(shí)簡(jiǎn)介24-26
• 2.3 多值直覺模糊集的隸屬度與非隸屬度的信息融合方法研究26-30
• 2.4 融合權(quán)重系數(shù)的確定方法構(gòu)造30-31
• 本章小結(jié)31-32
• 3. VAGUE值(集)的相似性度量問題研究32-43
• 3.1 相關(guān)概念簡(jiǎn)介32-34
• 3.2 已有VAGUE值相似度量公式綜述34-36
• 3.3 基于幾何視角的VAGUE值(集)的相似性性質(zhì)研究36-41
• 3.4 VAGUE值(集)的相似性度量公式構(gòu)造41-42
• 3.4.1 Vague值的相似度量公式41-42
• 3.4.2 Vague集的相似度量公式42
• 本章小結(jié)42-43
• 4. VAGUE集向FUZZY集轉(zhuǎn)化模型研究43-49
• 4.1 對(duì)已有轉(zhuǎn)化方法的評(píng)判分析44-46
• 4.2 雙重加權(quán)轉(zhuǎn)化算子(DWTO)的構(gòu)造46-47
• 4.3 實(shí)例分析47-48
• 本章小結(jié)48-49
• 5. 基于多值直覺模糊集的非確定型多屬性決策模型構(gòu)造49-54
• 5.1 用多值直覺模糊集來表示模糊信息50
• 5.2 直覺模糊值的處理方法50-51
• 5.2.1 相似度量處理方法50-51
• 5.2.2 將直覺模糊集轉(zhuǎn)化成模糊集51
• 5.3 決策算法的構(gòu)造51-52
• 5.4 案例分析52-54
• 6. 基于數(shù)值型風(fēng)險(xiǎn)加權(quán)相似度量算子的區(qū)間數(shù)值型多屬性決策方法研究54-64
• 6.1 問題引入54
• 6.2 預(yù)備知識(shí)54-58
• 6.3 基于VRWSMO算子的決策方法構(gòu)造58-60
• 6.3.1 數(shù)值型風(fēng)險(xiǎn)加權(quán)相似度量算子(VRWSMO)58
• 6.3.2 決策算法58-60
• 6.4 算例分析60-63
• 本章小結(jié)63-64
• 7. 基于WSMO算子的確定語言型多屬性決策方法研究64-71
• 7.1 問題引入64
• 7.2 預(yù)備知識(shí)64-66
• 7.3 決策算法的構(gòu)造66-67
• 7.3.1 加權(quán)相似度量算子(WSMO)66-67
• 7.3.2 決策算法67
• 7.4 算例分析67-70
• 本章小結(jié)70-71
• 8. 基于語言型風(fēng)險(xiǎn)加權(quán)相似度量算子的模糊語言型多屬性決策方法研究71-79
• 8.1 相關(guān)概念引入71-74
• 8.2 基于LRWSMO算子的決策算法構(gòu)造74-78
• 8.2.1 語言型風(fēng)險(xiǎn)加權(quán)相似度量算子(LRWSMO)74-75
• 8.2.2 決策算法75-76
• 8.2.3 算例分析76-78
• 本章小結(jié)78-79
• 9. 權(quán)重信息僅部分可知的非確定型多屬性決策問題研究79-84
• 9.1 權(quán)重值假設(shè)域的獲取方法80
• 9.2 空間區(qū)域匹配程度的判斷準(zhǔn)則構(gòu)造80-82
• 9.3 實(shí)例分析82-83
• 本章小結(jié)83-84
• 10. 屬性模糊評(píng)測(cè)信息的支持度可知的多屬性決策問題研究基于證據(jù)理論—以研究生學(xué)位論文質(zhì)量評(píng)審問題為例84-91
• 10.1 問題引入84-85
• 10.2 學(xué)位論文評(píng)價(jià)模型的構(gòu)造85-90
• 10.2.1 評(píng)價(jià)指標(biāo)體系85-87
• 10.2.2 評(píng)價(jià)信息融合方法構(gòu)造87-88
• 10.2.3 實(shí)例分析88-90
• 本章小結(jié)90-91
• 11. 結(jié)論與展望91-94
• 參考文獻(xiàn)94-102
• 致謝102-103
• 讀研期間科研情況103-105
• 讀研期間科研成果103-105
• 讀研期間科研項(xiàng)目105

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 王磊,蔡志勤,王殿龍,楊光輝,王德倫,滕弘飛;學(xué)位論文的評(píng)價(jià)系統(tǒng)[J];大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2003年02期

2 徐澤水,達(dá)慶利;基于模糊語言評(píng)估的多屬性決策方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年04期

3 徐澤水,達(dá)慶利;區(qū)間型多屬性決策的一種新方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

4 于永生;刁聯(lián)旺;;區(qū)間數(shù)多屬性決策的Monte Carlo方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

5 張清華;;Vague值(集)相似度量的研究[J];電子與信息學(xué)報(bào);2007年08期

6 雷英杰;王寶樹;王毅;;基于直覺模糊推理的威脅評(píng)估方法[J];電子與信息學(xué)報(bào);2007年09期

7 雷英杰;王寶樹;路艷麗;;基于自適應(yīng)直覺模糊推理的威脅評(píng)估方法[J];電子與信息學(xué)報(bào);2007年12期

8 黃國(guó)順,劉云生;Vague集相似度量及其在模式識(shí)別中的應(yīng)用[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2004年05期

9 樊治平;多屬性決策的一種新方法[J];系統(tǒng)工程;1994年01期

10 劉愛學(xué),李永明,史忠科;一種基于語言變量的MCDM問題的決策方法[J];系統(tǒng)工程;2001年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 徐澤水;幾類多屬性決策方法研究[D];東南大學(xué);2003年

2 龔本剛;基于證據(jù)理論的不完全信息多屬性決策方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

3 姚升保;風(fēng)險(xiǎn)型多屬性決策的理論、方法及應(yīng)用研究[D];華中科技大學(xué);2006年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 何波;不完全信息下基于證據(jù)理論的多屬性決策方法研究[D];中南大學(xué);2004年

2 王清;多屬性評(píng)價(jià)的權(quán)重敏感性度量及分析[D];華中科技大學(xué);2006年

，

本文編號(hào)：637032