資源描述:
《基于直覺模糊集的多屬性群決策問題的模型及其方法研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、中文摘要考慮到現(xiàn)實中的許多決策問題都具有復雜性、模糊性、多人參與決策的特點,本文參考國內(nèi)外有關(guān)研究群決策的理論與方法,發(fā)現(xiàn)目前很少有文獻用直覺模糊集理論束研究群決策問題,本文嘗試著用該理論來研究多屬性模糊群決策問題.在對多屬性群決策研究的發(fā)展過程、研究與應用現(xiàn)狀、直覺模糊集與隸屬度的理論簡述基礎(chǔ)上,本文提山了基于直覺模糊集的多屬性群決策模型,系統(tǒng)深入地探討與研究完全信息下與缺損屬性權(quán)重信息下的多屬性群決策的方法和具體決策過程,并通過算例驗汪其有效性,同時對其結(jié)果作出了分析.具體做法為:試圖以直覺模糊集來描述群決策的數(shù)據(jù)結(jié)
2、構(gòu),將經(jīng)典的折衷型TOPSIS法、相對優(yōu)屬度法、具有不同偏好信息F的致性集結(jié)方法移植到模糊群決策中.并嘗試著改變縱向思維模式(經(jīng)典?一模糊),橫向思考(先單人決策,后綜合集結(jié)為群意見)將模糊多屬性決策的若干解法(最小平均權(quán)重偏差方法、模糊迭代法)改進、推廣到解決缺損屬性權(quán)重信息下的模糊多屬性群決策問題中去.文中所提出和建立的理論和方法具自
3、較好的操作性與實際應用性,能為現(xiàn)實中復雜的群決策問題提供有效的途徑,具有‘定的理論參考價值與實際應用價值.本文結(jié)構(gòu)如下:第章是文章的導論部分,豐要說明研究的背景與動機、研究目的、主要研
4、究內(nèi)容、研究方法與構(gòu)架.第二章對直覺模糊集理論及隸屬度作了一般性的文獻同顧和理論探討,并引入平均隸屬度、相對優(yōu)屬度等概念.之后的第i章“模糊多屬性群決策的模型與方法”建立了本論文所要研究的模糊多屬性群決策基本模型,將夸登峰構(gòu)造的求解屬性樂觀權(quán)重值的線性規(guī)劃模型移植到群決策問題中,提出了折衷型的T()PSIS法和相對優(yōu)屬度法,并對相對優(yōu)屬度法與擇衷型評削方法的理論與應用上的分析比較.還提出了具有不同偏好信息下的一致性集結(jié)方法,該方法同時考慮到r決策者的權(quán)重和專家評價的一致性程度對群體評價結(jié)果的影響,使得決策方法和決策結(jié)果更
5、貼近客觀實際.第四章“缺損屬性權(quán)重信息下的群決策問題”,存缺損屬性權(quán)重信息卜多槿性群決策問題的研究中,改進了最小平均權(quán)重偏差方法與模糊迭代法,并構(gòu)造【。agrange函數(shù)確定未知的屬性權(quán)重信息,給弘汪明.第五章“結(jié)論‘j展望”,提出本研究的結(jié)論及可待續(xù)研究的乃‘向.關(guān)鍵詞:直覺模糊集,多屬性群決策,模型,算法AbstractAccordingtothecharacteristicsoffuzzinessandcomplexityfofmanygroup—decisionmakingproblemsinrealworld,
6、andtothetheoriesmadrnethodsongroup—decisionmaking,theintuitionisticfuzzysetstheory,whichisseldomusedinthepapersongroup—decisionmakingproblems,isappliedtostudymulti-attributegroup-decisionmakingproblems.強emodelofmulti-attributegroup-decisionmakingbasedonintuitioni
7、sticfuzzysetsisputforwardafteranalyzingthedevelopmentprocessandapplicationofmulti-attribntegroup—decisionmaking,anddescribingbrieflythetheoryofintuitionisticfuzzysetsandmembership.Itinvestigatessystematicallymethodologiesandimplementationprocessforgroup—decisionm
8、akingwithcompleteorincompletepreferenceinformation.Feasibilityandeffectivenessoftheproposedmethodsareillustratedusinganumericalexampleandtheresultingoutcomesareexpounded.Detailedwaysisorganizedasfollows:thedataaredescribedusingintuitionisticfuzzysets.Classicalcom
9、promiseTOPSISalgorithm,therelativemembershipdegreemethodandanewmethodbasedontheconsistencydegreeunderdifferentformsofpreferenceinformationaretransplantedtofuzz