本文關(guān)鍵詞：區(qū)間數(shù)信息下的多屬性群決策方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：多屬性群決策是多屬性決策與群決策的交叉產(chǎn)物，在人們的社會(huì)實(shí)踐中十分常見且應(yīng)用廣泛。作為現(xiàn)代管理決策科學(xué)的分支之一，多屬性群決策的理論與方法研究逐漸引起各個(gè)領(lǐng)域的關(guān)注。其思路是在一個(gè)決策問題中，不同決策人員針對(duì)每個(gè)方案的每個(gè)屬性給出評(píng)價(jià)信息構(gòu)成群決策矩陣，采取一定的方法集結(jié)后進(jìn)而將有限個(gè)備選方案排序，并選取最優(yōu)決策結(jié)果。 當(dāng)今正處于大數(shù)據(jù)信息時(shí)代，由于決策問題的復(fù)雜性、決策系統(tǒng)的逐步擴(kuò)大以及個(gè)人主觀意識(shí)的作用，決策人員在評(píng)價(jià)過程中往往存在猶豫，故通過區(qū)間數(shù)的形式描述屬性更加貼切。本文研究屬性決策信息以區(qū)間數(shù)的形式給出、屬性權(quán)重已知或者未知的多屬性群決策問題，即集結(jié)多名決策人員評(píng)價(jià)方案的屬性區(qū)間數(shù)決策信息、屬性權(quán)重的確定和方案優(yōu)劣的排序。引入運(yùn)籌優(yōu)化理論和計(jì)算機(jī)人工智能算法，科學(xué)、有效地解決了提出的研究問題。 基于模擬植物生長算法的區(qū)間數(shù)決策信息集結(jié)。介紹了區(qū)間數(shù)的定義和運(yùn)算法則，提出了離合度的概念及其性質(zhì)，進(jìn)而引入到群決策的概念，給出相關(guān)的數(shù)量符號(hào)。闡述模擬植物生長算法的模擬過程和迭代步驟，通過謝爾賓斯基地毯確定初始生長點(diǎn)而改進(jìn)此算法。描述了集結(jié)區(qū)間數(shù)信息的原始模型Steiner問題，將其思想和計(jì)算方法應(yīng)用到群決策信息集結(jié)過程，建立以謝爾賓斯基地毯為約束條件的非線性規(guī)劃模型，嘗試采用模擬植物生長算法集結(jié)方案群決策偏好區(qū)間數(shù)。研究結(jié)果進(jìn)一步驗(yàn)證了此方法具有顯著的可行性與有效性。 投影理論以及改進(jìn)的TOPSIS方法在區(qū)間數(shù)多屬性群決策的應(yīng)用。討論了區(qū)間數(shù)投影的基本理論，針對(duì)指標(biāo)的性質(zhì)分為效益型屬性和成本型屬性來處理數(shù)據(jù)，給出區(qū)間數(shù)正、負(fù)理想點(diǎn)的定義，提出方案排序的投影理論決策流程。而投影理論只運(yùn)用了區(qū)間數(shù)正理想點(diǎn)，為了加強(qiáng)評(píng)價(jià)結(jié)果的魯棒性，介紹了基本TOPSIS法且引入虛擬區(qū)間數(shù)加以改進(jìn)。提出基于改進(jìn)的TOPSIS法的多屬性群決策研究，使得判斷方案優(yōu)劣的方法更加可靠。 基于熵權(quán)法的屬性權(quán)重的確定以及基于可能度的區(qū)間數(shù)多屬性群決策研究。延續(xù)模擬植物生長算法得到的信息集結(jié)群決策偏好矩陣，由熵理論衍變出決策學(xué)中的熵權(quán)，根據(jù)各個(gè)屬性在整體內(nèi)部相對(duì)差異的變化程度，提出了客觀屬性權(quán)重確定的熵權(quán)法。給出了比較區(qū)間數(shù)的可能度以及可能度矩陣的定義，，分析并證明了可能度公式的性質(zhì)。從獲取的可能度偏好矩陣，利用排序向量法對(duì)方案排序。因此，綜合熵權(quán)法、可能度和排序向量法研究了屬性權(quán)重完全未知的區(qū)間數(shù)多屬性群決策方法及其步驟。 區(qū)間數(shù)信息下科技企業(yè)的風(fēng)險(xiǎn)投資群決策研究。建立了風(fēng)險(xiǎn)投資項(xiàng)目的評(píng)價(jià)指標(biāo)體系以及區(qū)間數(shù)信息下的多屬性群決策在科技企業(yè)風(fēng)險(xiǎn)投資評(píng)價(jià)的實(shí)證分析。研究結(jié)果表明，本文的方法不僅與其他文獻(xiàn)的計(jì)算方法得到的最終排序相同，而且更加簡便、靈活，能科學(xué)地應(yīng)用于風(fēng)險(xiǎn)投資項(xiàng)目評(píng)價(jià)實(shí)踐中。
【關(guān)鍵詞】：區(qū)間數(shù) 多屬性群決策 模擬植物生長算法 投影理論 改進(jìn)的TOPSIS 熵權(quán)法 可能度
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：C934
【目錄】：

• 摘要3-5
• Abstract5-7
• 目錄7-9
• 第一章 緒論9-19
• 1.1 研究背景和意義9-10
• 1.1.1 研究背景9
• 1.1.2 研究意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-14
• 1.2.1 群決策的研究動(dòng)態(tài)10-11
• 1.2.2 區(qū)間數(shù)多屬性群決策的研究現(xiàn)狀11-14
• 1.3 研究的主要內(nèi)容和創(chuàng)新之處14-19
• 1.3.1 主要內(nèi)容14-15
• 1.3.2 創(chuàng)新點(diǎn)15-19
• 第二章 基于模擬植物生長算法的區(qū)間數(shù)信息集結(jié)19-33
• 2.1 區(qū)間數(shù)的基本定義和相關(guān)概念19-20
• 2.2 群決策的相關(guān)概念20
• 2.3 模擬植物生長算法理論20-26
• 2.3.1 植物生長的系統(tǒng)模擬21-22
• 2.3.2 模擬植物生長算法的迭代流程22-25
• 2.3.3 模擬植物生長算法的改進(jìn)25-26
• 2.4 區(qū)間數(shù)條件下PGSA的信息集結(jié)方法26-28
• 2.5 算例分析28-32
• 2.6 本章小結(jié)32-33
• 第三章 屬性權(quán)重已知的區(qū)間數(shù)多屬性群決策方法33-43
• 3.1 基于投影理論的多屬性群決策方法33-38
• 3.1.1 區(qū)間數(shù)投影方法的相關(guān)理論33-35
• 3.1.2 基于投影理論的方案排序決策步驟35
• 3.1.3 算例分析35-38
• 3.2 基于改進(jìn)的TOPSIS的多屬性群決策方法38-42
• 3.2.1 改進(jìn)TOPSIS方法的方案排序決策步驟38-39
• 3.2.2 算例分析39-42
• 3.3 本章小結(jié)42-43
• 第四章 屬性權(quán)重完全未知的區(qū)間數(shù)多屬性群決策方法43-53
• 4.1 基于熵權(quán)法的屬性權(quán)重的確定43-45
• 4.1.1 決策學(xué)的熵理論43
• 4.1.2 熵權(quán)的基本理論43-44
• 4.1.3 熵權(quán)法確定屬性權(quán)值的步驟44-45
• 4.2 可能度和排序向量法在區(qū)間數(shù)排序的應(yīng)用45-49
• 4.2.1 可能度45-48
• 4.2.2 排序向量法的區(qū)間數(shù)排序48-49
• 4.3 屬性權(quán)重完全未知的區(qū)間數(shù)多屬性群決策步驟49
• 4.4 算例分析49-51
• 4.5 本章小結(jié)51-53
• 第五章 區(qū)間數(shù)信息下科技企業(yè)的風(fēng)險(xiǎn)投資群決策研究53-69
• 5.1 風(fēng)險(xiǎn)投資的基本理論53-55
• 5.1.1 風(fēng)險(xiǎn)投資的概念和背景53-54
• 5.1.2 風(fēng)險(xiǎn)投資的特點(diǎn)54
• 5.1.3 風(fēng)險(xiǎn)投資的流程54-55
• 5.2 風(fēng)險(xiǎn)投資項(xiàng)目的評(píng)價(jià)指標(biāo)55-56
• 5.3 區(qū)間數(shù)信息下的風(fēng)險(xiǎn)投資多屬性群決策步驟56-57
• 5.4 實(shí)證分析57-67
• 5.5 本章小結(jié)67-69
• 第六章 結(jié)論與展望69-71
• 6.1 主要工作及結(jié)論69-70
• 6.2 展望70-71
• 致謝71-73
• 參考文獻(xiàn)73-79
• 附錄: 作者在攻讀碩士學(xué)位期間研究成果79

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 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

2 劉進(jìn)生,王緒柱,張寶玉;區(qū)間數(shù)排序[J];工程數(shù)學(xué)學(xué)報(bào);2001年04期

3 翟曉燕,張新政;群決策中區(qū)間數(shù)判斷矩陣的集結(jié)及權(quán)重的計(jì)算[J];系統(tǒng)工程;2005年09期

4 丁雪楓;馬良;丁雪松;;基于模擬植物生長算法的易腐物品物流中心選址[J];系統(tǒng)工程;2009年02期

5 周敏;霍佳震;;基于IMEOWA的區(qū)間型績效信息測(cè)評(píng)方法[J];工業(yè)工程與管理;2011年06期

6 萬樹平;;權(quán)重信息不完全的區(qū)間型多屬性群決策的一種新方法[J];計(jì)算機(jī)集成制造系統(tǒng);2009年04期

7 毛軍軍;王翠翠;姚登寶;;基于多專家區(qū)間數(shù)的多屬性群決策方法[J];計(jì)算機(jī)應(yīng)用;2012年03期

8 解瑤;毛曉楠;張蓓蓓;;屬性權(quán)重信息不完全區(qū)間數(shù)多屬性決策方法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

9 易平濤;郭亞軍;張丹寧;;密度加權(quán)平均中間算子及其在多屬性決策中的應(yīng)用[J];控制與決策;2007年05期

10 蔡付齡;廖貅武;楊娜;;基于案例信息的多準(zhǔn)則群決策分類方法[J];管理科學(xué)學(xué)報(bào);2013年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王武平;面向群評(píng)價(jià)的混合多屬性群決策方法研究[D];天津大學(xué);2008年

  本文關(guān)鍵詞：區(qū)間數(shù)信息下的多屬性群決策方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：424088