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 (1)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、中文摘要考慮到現(xiàn)實(shí)中的許多決策問題都具有復(fù)雜性、模糊性、多人參與決策的特點(diǎn),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(xiàn)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(duì)多屬性群決策研究的發(fā)展過程、研究與應(yīng)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(yàn)汪其有效性,同時(shí)對(duì)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)構(gòu),將經(jīng)典的折衷型TOPSIS法、相對(duì)優(yōu)屬度法、具有
2、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(jìn)、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(shí)際應(yīng)用性,能為現(xiàn)實(shí)中復(fù)雜的群決策問題提供有效的途徑,具有‘定的理論參考價(jià)值與實(shí)際應(yīng)用價(jià)值.本文結(jié)構(gòu)如下:第章是文章的導(dǎo)論部分,豐要說明研究的背景與動(dòng)機(jī)、研究目的、主要研究內(nèi)容、研究方法與構(gòu)架.第二章對(duì)直覺模糊集理論及隸屬度作了一般性的文獻(xiàn)同顧和理論探討,并引入平均隸屬度、
4、相對(duì)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(duì)優(yōu)屬度法,并對(duì)相對(duì)優(yōu)屬度法與擇衷型評(píng)削方法的理論與應(yīng)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(shí)考慮到r決策者的權(quán)重和專家評(píng)價(jià)的一致性程度對(duì)群體評(píng)價(jià)結(jié)果的影響,使得決策方法和決策結(jié)果更貼近客觀實(shí)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(jìn)了最小平均權(quán)重偏差方法與模糊迭代法,并構(gòu)造【。ag
5、range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,andtothetheoriesmadrnethodsongroup—decisionmaking,theintuitionisticfuzzysetstheory,whichisseldomusedinth
6、epapersongroup—decisionmakingproblems,isappliedtostudymulti-attributegroup-decisionmakingproblems.強(qiáng)emodelofmulti-attributegroup-decisionmakingbasedonintuitionisticfuzzysetsisputforwardafteranalyzingthedevelopmentprocessandapplicationofmulti-attribntegroup—decisionmaking,anddescribingbrief
7、lythetheoryofintuitionisticfuzzysetsandmembership.Itinvestigatessystematicallymethodologiesandimplementationprocessforgroup—decisionmakingwithcompleteorincompletepreferenceinformation.Feasibilityandeffectivenessoftheproposedmethodsareillustratedusinganumericalexampleandtheresultingoutcome
8、sareexpounded.Detailedwaysisorganizedasfollows:thedataaredescribedusingintuitionisticfuzzysets.ClassicalcompromiseTOPSISalgorithm,therelativemembershipdegreemethodandanewmethodbasedontheconsistencydegreeunderdifferentformsofpreferenceinformationaretransplantedtofuzz