資源描述：
《基于動態(tài)vague集模糊多屬性決策的研究-計算機(jī)應(yīng)用技術(shù)專業(yè)論文》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、目錄摘要TAbstractII目錄IV第一章緒論1第一節(jié)選題的研究背景及意義1第二節(jié)選題的研究現(xiàn)狀和發(fā)展前景2第三節(jié)本文的主要工作6第四節(jié)本文的結(jié)構(gòu)安排6第二章Fuzzy集和Vague集的概述8第一節(jié)Fuzzy集的概念8第二節(jié)Vague集的概念9第三節(jié)Vague集的性質(zhì)及運(yùn)算13一、Vague集的性質(zhì)13二Vague集的運(yùn)算13第三章有關(guān)動態(tài)Vague集模糊多屬性決策的基本知識15第一節(jié)模糊多屬性決策的概述15一、多屬性決策15二、模糊多屬性決策16三、模糊多屬性決策的基本模型18第二節(jié)動態(tài)Vague
2、集模糊多屬性決策的概述18笫四章基于TOPSIS的動態(tài)Vague集模糊多屬性決策研究21第一節(jié)TOPSIS方法的概述21第二節(jié)具體方法的分析22第五章基于灰色關(guān)聯(lián)的動態(tài)Vague集模糊多屬性決策研究?????25第一節(jié)灰色關(guān)聯(lián)分析的概述25第二節(jié)具體方法的分析26第六章實(shí)例分析28第一節(jié)屬性權(quán)重的確定30第二節(jié)基于TOPSIS的動態(tài)Vague集模糊多屈性決策實(shí)例分析32第三節(jié)基于灰色關(guān)聯(lián)的動態(tài)Vague集模糊多屬性決策實(shí)例分析33第四節(jié)本章小結(jié)34第七章改進(jìn)的動態(tài)Vague集模糊多屬性決策分析法36第
3、一節(jié)基于灰色關(guān)聯(lián)TOPSIS的動態(tài)Vague集模糊多屬性決策分析步驟36第二節(jié)相應(yīng)方法的實(shí)例分析38第三節(jié)本章小結(jié)40第八章總結(jié)41第一節(jié)工作總結(jié)41第二節(jié)進(jìn)一步工作42參考文獻(xiàn)43致謝47攻讀碩士學(xué)位期間的科研成果48第一章緒論第一節(jié)選題的研究背景及意義在現(xiàn)實(shí)世界中，人們對某件事情做出決定時，常常要通過判斷和推理，更多時候面對的問題是模糊的，不能讓人完全地確定它，隨著科學(xué)技術(shù)的發(fā)展，我們只有使用計算機(jī)來解決這個不確定的問題了，關(guān)于模糊信息的處理，目前使用最多的是人工智能，就是利用計算機(jī)來模擬人的思維
4、和行為，從而通過它來處理這類模糊信息。基于以上發(fā)展，在集合論的基礎(chǔ)上，Zadeh(66］提出了模糊(Fuzzy)集，而且在實(shí)踐屮，人們處理一些相關(guān)智能系統(tǒng)時，比如模糊專家系統(tǒng)、模糊決策支持系統(tǒng)、模糊控制系統(tǒng)等，確實(shí)驗(yàn)證了這種集合論的有效性，它在模糊環(huán)境中起到了很好的作用?；谝陨夏：?Fuzzy集)的提出，那么什么是模糊集呢？接下來介紹的就是模糊集方面的理論知識。它主要的特征如下：首先，一個模糊集是一類對象，它需要滿足某個或兒個性質(zhì)；其次，每個對象都有一個相界的隸屬度，這個隸屬度就是隸屬函數(shù)］iF(
5、x)(xeX)給每個對象分派的數(shù)，它要求是大于等于0且小于等于1的數(shù)。然而，這里有個問題要注意，就是隸屬函數(shù)給每個對象分派的是0和1之間的一個單值，這個單值既包含了支持xwX的證據(jù)，也包含了反對xwX的證據(jù)，也就是說它這一個數(shù)代表了兩個意義，而且還是兩個決然相反的意義,我們知道，現(xiàn)實(shí)屮它不可能表示其屮的一個，更不可能同時表示支持和反對的證據(jù)，所以是個不合實(shí)際的理論，可見這是模糊集的一大缺陷。模糊集理論出現(xiàn)了以上缺陷，于是就有學(xué)者研究解決的方法，發(fā)現(xiàn)了新的理論，接下來介紹的就是這個新理論，它就是Vagu
6、e集理論，是Gau和Buehrer1501于1993年提出的，首先它肯定也是處理模糊信息的模糊理論，但重要的一個亮點(diǎn)是：Vague集是Fuzzy集的一種改進(jìn)形式，也是一種推廣形式；其次，與Fuzzy集相比，Vague集處理的模糊信息比Fuzzy集有更強(qiáng)的表示能力，用它來解決模糊問題更符合實(shí)際情況，更全面、靈活些，因?yàn)閺碾`屬程度上來看，Vague集同時考慮隸屬與非隸屬兩方而的信息；第三，在Vague集中，為每個對彖分派的隸屬度可以用真隸屬度SO）和假隸屬度辦（X）來描述其隸屬度的界，這兩個界是［0,1］
7、的一個子區(qū)間［厶⑴,1尤（兀）］,這個子區(qū)間既給出了支持xgX的證據(jù)，同時也給出了反對xwX的證據(jù)?？梢?，與Fuzzy集相比較，Vague集能夠更好和更準(zhǔn)確地表達(dá)模糊信息。例如，設(shè)A為一Vague集，假定（兀）,1丈⑴］二［0.5,0.8］,可知辦⑴=1-0.8=0.2,此時，Vague集A可解釋為：對象x屬丁?集合A的程度為0.5,不屬于集合A的程度為0.2；在投票模型中可以解釋為：在10人中，有5人贊成，2人反對，3人棄權(quán)。而在傳統(tǒng)的Fuzzy集中，由于它的隸屬函數(shù)是一個單值，無法表示出“3人棄權(quán)
8、”?？梢?，Vague集較傳統(tǒng)的Fuzzy集有更強(qiáng)的表達(dá)不確定性的能力。總Z,與模糊集相比，Vague集處理的模糊信息更豐富。我相信，在未來的社會屮，隨著各種不同智能系統(tǒng)的進(jìn)一步研究與發(fā)展，將會有更多的人使用Vague集解決模糊問題，冃前，一些學(xué)者為了把Vague集理論更好地應(yīng)用到實(shí)踐中，比如各種智能系統(tǒng)和控制領(lǐng)域，正著手從事這一方而的研究，他們希望能不斷地發(fā)展和改進(jìn)Vague集的基礎(chǔ)理論，使其更加完善。然而，在現(xiàn)實(shí)生活屮，比如各種工程技術(shù)系統(tǒng)、金融系統(tǒng)以
