不完全類別信息下多屬性決策的案例學(xué)習(xí)方法

不完全類別信息下多屬性決策的案例學(xué)習(xí)方法

ID:24529488

大小:50.00 KB

頁(yè)數(shù):4頁(yè)

時(shí)間:2018-11-15

不完全類別信息下多屬性決策的案例學(xué)習(xí)方法_第1頁(yè)
不完全類別信息下多屬性決策的案例學(xué)習(xí)方法_第2頁(yè)
不完全類別信息下多屬性決策的案例學(xué)習(xí)方法_第3頁(yè)
不完全類別信息下多屬性決策的案例學(xué)習(xí)方法_第4頁(yè)
資源描述:

《不完全類別信息下多屬性決策的案例學(xué)習(xí)方法》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)

1、不完全類別信息下多屬性決策的案例學(xué)習(xí)方法  多屬性決策是指從有限個(gè)待選方案中經(jīng)過(guò)綜合權(quán)衡各個(gè)屬性后,對(duì)方案集進(jìn)行排序并選出最滿意方案的過(guò)程。在多屬性決策的過(guò)程中,尤其是在決策方案較多的情況下,專家往往更容易在自己熟知的領(lǐng)域或者對(duì)熟知的方案給出類別偏好,也就是所謂的分類決策。在分類決策研究方面,已經(jīng)取得了一定的成果,可以分為以下三類:①聚焦于案例的分類方法,文、文、文分別提出了基于案例的多指標(biāo)排序方法、多屬性分類方法和語(yǔ)言信息灰靶決策分類方法;②聚焦于方案間的偏好強(qiáng)度進(jìn)行分類,文、文、文分別基于方案間的賦值級(jí)別、方案優(yōu)劣的強(qiáng)勢(shì)程度和方案兩兩比

2、較的優(yōu)劣程度提出了多屬性分類方法;③聚焦于案例的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分類決策,文、文以統(tǒng)計(jì)數(shù)據(jù)作為基礎(chǔ),進(jìn)行決策方案檢索和數(shù)據(jù)分級(jí)分類。  在實(shí)際決策過(guò)程中,往往出現(xiàn)不完全的判斷信息,大都關(guān)注屬性值不完全,屬性權(quán)重不完全,13、屬性值和屬性權(quán)重均不完全,15、方案偏好關(guān)系不完全等方面。本文在實(shí)踐過(guò)程中還發(fā)現(xiàn)了一類特殊的不完全信息問(wèn)題,在管理實(shí)踐中也較為普遍,即:在時(shí)間限定、決策情境緊迫的情況下,專家形成了對(duì)部分方案具備較為明確的類別所屬、部分方案判斷結(jié)論不甚明朗的決策情況,也可以稱之為專家對(duì)方案有不完全的類別判斷信息。究其原因是多方面的:①由于專家

3、在專業(yè)知識(shí)方面的局限性和關(guān)注的偏好性,對(duì)某些決策方案的類別偏好信息難以精確地給出;②在緊急情況下,專家難以在給定的時(shí)間內(nèi)、特殊的環(huán)境下對(duì)某些決策方案給出明確的評(píng)價(jià);③在限定時(shí)間內(nèi),無(wú)法完成決策類別的整理和匯總等等?! ?duì)于這類問(wèn)題,實(shí)質(zhì)上屬于不完全方案類別偏好下的案例學(xué)習(xí)分析問(wèn)題。如何充分運(yùn)用好專家已經(jīng)給出的方案類別偏好信息,對(duì)所有方案進(jìn)行排序和類別歸屬的判斷就非常值得研究,根據(jù)公開(kāi)報(bào)道的文獻(xiàn),這方面的研究甚少??紤]到TOPSIS方法的應(yīng)用簡(jiǎn)易性和案例學(xué)習(xí)方法的實(shí)用價(jià)值,本文以同類別之中所有方案的相對(duì)貼近度最小和不同類別之間方案的平均貼近度

4、最大為類別偏好構(gòu)造模型,求解模型的屬性權(quán)重,從而給出方案的完全序關(guān)系,并且對(duì)于未知類別方案進(jìn)行類別歸屬判斷?! ? 預(yù)備知識(shí)  TOPSIS是多屬性決策問(wèn)題中較為常見(jiàn)的一種決策方法,有關(guān)此方法及擴(kuò)展的研究,已經(jīng)取得了豐富的成果。為闡述問(wèn)題的完整性,本文簡(jiǎn)述TOPSIS的主要步驟?! ≡O(shè)多屬性決策問(wèn)題有n個(gè)被評(píng)估對(duì)象或擬定的決策方案Z={zi

5、i=1,2,,n},m個(gè)評(píng)價(jià)指標(biāo)或?qū)傩越M成的指標(biāo)集優(yōu)化目標(biāo)權(quán)重向量ω=(ω1,ω2,,ωm);  步驟4:將ω=(ω1,&omeg

6、a;2,,ωm)代入式(2),求得與理想點(diǎn)的貼近度,從而對(duì)方案進(jìn)行排序,即可得到各方案的最優(yōu)排序;  步驟5:將未分類方案中的相對(duì)貼近度與已分類方案的相對(duì)貼近度進(jìn)行比較,對(duì)未分類方案進(jìn)行分類的二次判斷?! ? 實(shí)證比較  以某省工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒提供的16個(gè)市縣主要工業(yè)經(jīng)濟(jì)效益指標(biāo)的統(tǒng)計(jì)資料為基礎(chǔ)數(shù)據(jù)進(jìn)行經(jīng)濟(jì)效益的評(píng)價(jià)比較和排序分析,該評(píng)價(jià)問(wèn)題選用的指標(biāo)為:全員勞動(dòng)生產(chǎn)率(w1)、資金利稅率(w2)、百元銷售收入實(shí)現(xiàn)利潤(rùn)(w3)、百元工業(yè)產(chǎn)值占用流動(dòng)資金(w4)及產(chǎn)值利稅率(w5),規(guī)范化后的數(shù)據(jù)見(jiàn)?! <腋鶕?jù)直覺(jué)判斷,認(rèn)為3、

7、4、5、6、7、9應(yīng)屬一類(中用同1類表示);13、14、15應(yīng)屬一類(中用同2類表示),并且根據(jù)專家判斷,各指標(biāo)屬性權(quán)重應(yīng)均在0.15~0.25。下面要解決的問(wèn)題是:根據(jù)專家的判斷挖掘分類的規(guī)律,并對(duì)未分類的樣本進(jìn)行類別判斷(中用?表示)?! 〔襟E1:確定決策矩陣的正理想點(diǎn)R+和負(fù)理想點(diǎn)R-為:R+={1,1,1,1,1},R-={0,0,0,0,0};  步驟2:根據(jù)式(7)計(jì)算同類別方案集合O1、O2的綜合貼近度β:  4 結(jié)束語(yǔ)  針對(duì)專家對(duì)方案有不完全類別偏好的情況,提出了一類新的案例學(xué)習(xí)問(wèn)題及應(yīng)對(duì)方法。運(yùn)用了TOPSI

8、S的方法,綜合考慮了相同類別方案之間的相對(duì)貼近度和不同類別方案之間的平均貼近度,使決策信息利用更加完整、全面并符合決策者的直覺(jué)判斷?;诎咐龑W(xué)習(xí)的思想,建立了考慮方案有不完全類別偏好的屬性權(quán)重確定模型。  本文模型意義明確,并且具有較好的實(shí)用價(jià)值,適用于大樣本情景下的數(shù)據(jù)挖掘和分析。本文以實(shí)數(shù)型決策問(wèn)題為例進(jìn)行研究,從而亦可推行至語(yǔ)言信息、三角模糊數(shù)等其他類型的決策方案。下一步將研究海量數(shù)據(jù)下本文方法的算法經(jīng)濟(jì)性和適用性問(wèn)題。

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。