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(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(jiǎn)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)
2、構(gòu)，將經(jīng)典的折衷型TOPSIS法、相對(duì)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(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
4、究?jī)?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、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
5、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【。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(qiáng)emodelofmulti-attributegroup-decisionmakingbasedonintuitioni
7、sticfuzzysetsisputforwardafteranalyzingthedevelopmentprocessandapplicationofmulti-attribntegroup—decisionmaking，anddescribingbrieflythetheoryofintuitionisticfuzzysetsandmembership．Itinvestigatessystematicallymethodologiesandimplementationprocessforgroup—decisionm
8、akingwithcompleteorincompletepreferenceinformation．Feasibilityandeffectivenessoftheproposedmethodsareillustratedusinganumericalexampleandtheresultingoutcomesareexpounded．Detailedwaysisorganizedasfollows：thedataaredescribedusingintuitionisticfuzzysets．Classicalcom
9、promiseTOPSISalgorithm，therelativemembershipdegreemethodandanewmethodbasedontheconsistencydegreeunderdifferentformsofpreferenceinformationaretransplantedtofuzz
