發(fā)布時(shí)間：2020-10-10 10:56

　　 相對(duì)于模糊集而言,直覺模糊集引進(jìn)了新的參數(shù)—非隸屬度,因而能更加細(xì)膩的刻畫客觀世界的模糊性,一直以來(lái)直覺模糊集在決策領(lǐng)域得到了廣泛的應(yīng)用。而由于客觀事物的復(fù)雜性模糊性,直覺模糊集的隸屬度,非隸屬度很難用用精確的語(yǔ)言來(lái)表達(dá),在1989年Atanassov提出了區(qū)間直覺模糊集,在很大程度上拓展了直覺模糊集在多屬性決策方面的應(yīng)用�；谊P(guān)聯(lián)空間相對(duì)于兩兩比較的距離空間而言具有整體性的優(yōu)勢(shì),可將灰色關(guān)聯(lián)分析和TOPSIS方法結(jié)合用于多屬性決策分析中。得分函數(shù)可用于多屬性決策中,得分越高則方案越優(yōu)。熵表示事物的不確定程度,為此可以定義熵權(quán)的概念,它是一種客觀權(quán)重能有效避免主觀賦值的缺陷。 正確決策的前提要有科學(xué)的預(yù)測(cè)做保障�；蚁到y(tǒng)理論基于“小樣本”,“貧信息”事物的發(fā)展演化規(guī)律�；疑獹M(1,1)模型及其改進(jìn)優(yōu)化形式在工業(yè),農(nóng)業(yè),醫(yī)療,人口預(yù)測(cè),經(jīng)濟(jì),社會(huì)等領(lǐng)域的到了很廣的應(yīng)用。為了提高GM(1,1)模型的預(yù)測(cè)精度和拓展它適用范圍,越來(lái)越多的學(xué)者致力于優(yōu)化改進(jìn)的GM(1,1)模型,以使它更好的為人類的生產(chǎn)和生活服務(wù)。模型的改進(jìn)主要基于背景值的優(yōu)化和初始條件的優(yōu)化。 本文主要研究了三部分內(nèi)容,基于區(qū)間灰數(shù)直覺模糊集和區(qū)間直覺模糊集的多屬性決策和改進(jìn)背景值和初始條件的GM(1,1)模型,主要工作如下： 1、主要研究了區(qū)間灰數(shù)直覺模糊集多屬性決策,利用TOPSIS原理計(jì)算備選方案與正負(fù)理想解的灰關(guān)聯(lián)度,然后給出每個(gè)方案對(duì)正理想解的相對(duì)關(guān)聯(lián)度,最后給出基于灰色關(guān)聯(lián)分析的區(qū)間灰數(shù)直覺模糊集的多屬性決策分析。 2、主要探討了一種基于新的信息熵的區(qū)間直覺模糊集多屬性決策分析,對(duì)權(quán)重未知的區(qū)間直覺模糊集進(jìn)行了研究.給出了基于猶豫度的區(qū)間直覺模糊集的得分函數(shù),并且提出了新的信息熵以及基于信息熵的屬性權(quán)重表達(dá)式,最后給出基于此方法的區(qū)間直覺模糊集多屬性決策分析方法,并結(jié)合實(shí)例加以驗(yàn)證改進(jìn)的模型是可行的。 3、提出了初始條件和背景值同時(shí)優(yōu)化的GM(1,1)模型,對(duì)初始條件的優(yōu)化,引入一個(gè)參數(shù)a,并用條件極值拉格朗日乘數(shù)法解得a,用平均相對(duì)誤差和鄧氏關(guān)聯(lián)度同時(shí)檢驗(yàn),均獲得了比文獻(xiàn)[62]優(yōu)越的預(yù)測(cè)結(jié)果。
【學(xué)位單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2013
【中圖分類】：O159;O225;N941.5
【文章目錄】：
摘要
Abstract
第一章 緒論
    1 研究背景及意義
        1.1 直覺模糊集與區(qū)間直覺模糊的相關(guān)理論
        1.2 多屬性決策的研究現(xiàn)狀
        1.3 灰色系統(tǒng)理論的研究背景及現(xiàn)狀
        1.4 灰建模GM(1,1)技術(shù)的發(fā)展
第二章 基于灰色關(guān)聯(lián)度和TOPSIS的灰數(shù)區(qū)間直覺模糊集多屬性決策
    2.1 引言
    2.2 區(qū)間灰數(shù)直覺模糊集
    2.3 區(qū)間灰數(shù)直覺模糊集多屬性決策分析
    2.4 實(shí)例分析
第三章 基于一種新的信息熵的區(qū)間直覺模糊集多屬性決策分析
    3.1 引言
    3.2 區(qū)間直覺模糊集的基本理論
    3.3 一種改進(jìn)的熵
    3.4 基于改進(jìn)熵的權(quán)值的定義方法
    3.5 熵權(quán)法確定指標(biāo)權(quán)重的步驟
    3.6 實(shí)例分析
第四章 灰色GM(1,1)預(yù)測(cè)模型
    4.1 引言
    4.2 GM(1,1)模型預(yù)備知識(shí)
    4.3 GM(1,1)模型的建立及其性質(zhì)
    4.4 模型精度檢驗(yàn)
        4.4.1 相對(duì)誤差和平均相對(duì)誤差檢驗(yàn)
        4.4.2 關(guān)聯(lián)度檢驗(yàn)法
第五章 改進(jìn)灰色GM(1,1)預(yù)測(cè)模型
    5.1 GM(1,1)模型的改進(jìn)
    5.2 GM(1,1)模型背景值的優(yōu)化
    5.3 初值的優(yōu)化
    5.4 背景值和初始值同時(shí)優(yōu)化的GM(1,1)預(yù)測(cè)模型
    5.5 數(shù)據(jù)模擬精度的比較
    5.6 鄧氏關(guān)聯(lián)度檢驗(yàn)
第六章 結(jié)束語(yǔ)
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間科研情況

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅黨,劉思峰,黨耀國(guó);灰色模型GM(1,1)優(yōu)化[J];中國(guó)工程科學(xué);2003年08期

2 陳濤捷;;灰色預(yù)測(cè)模型的一種拓廣[J];系統(tǒng)工程;1990年04期

3 梅振國(guó);灰色絕對(duì)關(guān)聯(lián)度及其計(jì)算方法[J];系統(tǒng)工程;1992年05期

4 衛(wèi)貴武;;權(quán)重信息不完全的區(qū)間直覺模糊數(shù)多屬性決策方法[J];管理學(xué)報(bào);2008年02期

5 向躍霖;廢氣排放量灰色建模新法初探[J];環(huán)境科學(xué)研究;1995年06期

6 王清印;灰色B型關(guān)聯(lián)分析[J];華中理工大學(xué)學(xué)報(bào);1989年06期

7 徐澤水;部分權(quán)重信息下對(duì)方案有偏好的多屬性決策法[J];控制與決策;2004年01期

8 徐澤水;;區(qū)間直覺模糊信息的集成方法及其在決策中的應(yīng)用[J];控制與決策;2007年02期

9 胡輝;徐澤水;;基于TOPSIS的區(qū)間直覺模糊多屬性決策法[J];模糊系統(tǒng)與數(shù)學(xué);2007年05期

10 劉斌,趙亮,翟振杰,黨耀國(guó),張榮;優(yōu)化的GM(1,1)模型及其適用范圍[J];南京航空航天大學(xué)學(xué)報(bào);2003年04期

本文編號(hào)：2835086