基于粗糙集理论的不完备混合决策信息系统下供应商评价选择的研究

发布时间：2017-04-25 01:16

  本文关键词：基于粗糙集理论的不完备混合决策信息系统下供应商评价选择的研究，由笔耕文化传播整理发布。

【摘要】：现代企业越来越重视其供应链管理,如何高效地评价和选择优质的供应商成为了现代企业管理者面临的重要课题。然而,在实际供应商评价选择过程中,由于供应商数据的缺失或者获取条件的限制,使得企业对于供应商的市场信息常常带有某种程度的不完备性,同时在供应商评价选择的条件属性中,既存在数值型属性(例如价格、交货提前期)又存在名义型属性(例如产品合格与否)。因此,供应商的评价和选择问题,可以构造成为一个在混合信息系统下的决策问题。本文首先对传统粗糙集模型进行分析,并且总结了前人关于不完备混合决策信息系统处理的粗糙集方法,主要是扩展优势关系粗糙集、限制扩展优势关系粗糙集、先验概率优势关系粗糙集和邻域粗糙集模型。针对上述处理方法的不足之处,创新性地构造了加权先验概率优势关系粗糙集模型,新的粗糙集模型在处理不完备混合决策信息系统的问题上具有一定的优势,同时本文讨论了关于新的粗糙集模型的属性约简方法和规则获取方法。然后,按照评价指标的选取原则,从三个因素层面选取了10个评价指标,这10个评价指标中有定量指标和定性指标,构建了基于通信行业供应商评价和选择的综合评价指标体系。按照加权先验概率优势关系粗糙集模型地处理步骤,通过数据获取、数据预处理、属性约简、规则获取和得出结论,构建了基于新的粗糙集模型处理方法的不完备混合决策信息系统下的供应商评价和选择的方法。最后,文章以某运营商采购部门的某种通信设备供应商为例,通过基于加权先验概率优势关系粗糙集模型的供应商评价和选择的方法,对供应商评价和选择这个多属性决策问题进行处理和分析,导出决策规则,发现该设备供应商的供货模式,用于指导今后的采购工作。
【关键词】：粗糙集 不完备系统 混合系统 供应商评价和选择
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F274
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-18
• 1.1 研究背景8-9
• 1.2 国内外研究现状9-15
• 1.2.1 供应商评价选择方法的研究现状9-12
• 1.2.2 粗糙集理论及应用的研究现状12-15
• 1.3 研究目标15
• 1.4 研究思路15-16
• 1.5 研究内容16-18
• 第二章 粗糙集理论介绍18-35
• 2.1 粗糙集理论基本概念18-24
• 2.1.1 知识与知识库18-19
• 2.1.2 粗糙性与近似19-21
• 2.1.3 知识表达系统和决策表21
• 2.1.4 属性约简21-22
• 2.1.5 决策规则22-24
• 2.2 不完备信息系统的粗糙决策分析方法24-31
• 2.2.1 扩展优势关系25-26
• 2.2.2 限制扩展优势关系26-29
• 2.2.3 先验概率优势关系29-31
• 2.3 混合信息系统的粗糙决策分析方法31-34
• 2.3.1 基于邻域的粒化31-32
• 2.3.2 邻域粗糙集的逼近32-33
• 2.3.3 邻域决策信息系统33
• 2.3.4 邻域粗糙集的约简33-34
• 2.4 本章小结34-35
• 第三章 加权先验概率优势关系粗糙决策分析模型35-44
• 3.1 加权先验概率优势关系35-37
• 3.2 基于加权先验概率优势关系的粗糙近似37-38
• 3.3 基于加权先验概率优势关系粗糙集的知识约简38-41
• 3.4 基于加权先验概率优势关系的决策规则41
• 3.5 应用实例41-43
• 3.6 本章小结43-44
• 第四章 供应商评价和选择的综合指标体系的构建44-51
• 4.1 指标体系的构建原则44-45
• 4.2 指标体系的构建思路45-46
• 4.3 供应商评价的指标选择和综合指标体系构建46-49
• 4.4 基于粗糙集模型的供应商评价选择流程49-50
• 4.5 本章小结50-51
• 第五章 基于粗糙集模型的供应商评价选择实证分析51-59
• 5.1 初始决策表51-52
• 5.2 数据预处理52-53
• 5.3 两种粗糙集模型的处理对比53-55
• 5.4 统计决策表的约简和规则获取55-58
• 5.5 本章小结58-59
• 第六章 总结与展望59-61
• 参考文献61-63
• 附录1 攻读硕士学位期间撰写的论文63-64
• 附录2 攻读硕士学位期间参加的科研项目64-65
• 致谢65

【相似文献】

中国期刊全文数据库 前10条

1 谭耀武;;基于数据挖掘粗糙集技术的电信运营商客户价值评价[J];沿海企业与科技;2006年01期

2 范霄文;郭惠英;;粗糙集理论的统计扩展及应用[J];统计与决策;2008年13期

3 刘昭斌;李金祥;刘文芝;;基于粗糙集的研究性学习的评价[J];管理观察;2008年15期

4 梁如冰;蔡小娟;;粗糙集理论在水文水资源方面的应用现状及展望[J];水利科技与经济;2009年12期

5 刘香怡;;粗糙集在教学质量评价中的应用[J];中国管理信息化;2011年22期

6 于迎春;;覆盖粗糙集中基于信息熵的几个定义[J];商业文化(下半月);2012年02期

7 梁第;张铭丽;邓伟;;粗糙集理论与其他理论结合的研究[J];山东省农业管理干部学院学报;2012年02期

8 吕跃进;张旭娜;韦碧鹏;;基于优势关系粗糙集的模糊综合评价的权重确定[J];统计与决策;2012年20期

9 刘超;吴洪波;;粗糙集理论及其在管理决策中的应用现状[J];职业技术;2007年12期

10 骆公志;杨晓江;;基于划分类归并的粗糙集属性约简新算法[J];统计与决策;2009年20期

中国重要会议论文全文数据库 前10条

1 黎文航;陈善本;王兵;;粗糙集理论在焊接中的应用综述[A];第十一次全国焊接会议论文集（第2册）[C];2005年

2 尹宗成;;粗糙集理论在我国粮食产量预测中的应用[A];现代农业理论与实践——安徽现代农业博士科技论坛论文集[C];2007年

3 邹刚;滕书华;孙即祥;陈森林;敖永红;;一种粗糙集优化协同原型模式约简分类方法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

4 葛丽;傅彦;;粗糙集在科学数据属性约简中的应用[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

5 陈雪飞;;粗糙集分类中耦合数据的处理方法研究[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

6 肖健梅;芦晓明;王锡淮;;集装箱起重机防摇系统粗糙集控制[A];第二十六届中国控制会议论文集[C];2007年

7 王印松;冯康;;主汽温调节系统性能评价的粗糙集实现方法[A];第二十七届中国控制会议论文集[C];2008年

8 王红萍;万程亮;金彦丰;;应用粗糙集理论的对抗效果权重确定方法[A];2009’中国西部地区声学学术交流会论文集[C];2009年

9 王莉;周献中;;一种基于粗糙集的模糊神经网络模型在钢材力学性能预测中的研究[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 卓明;王丽珍;谭旭;;基于粗糙集近似集扩展的规则提取算法[A];第十七届全国数据库学术会议论文集（技术报告篇）[C];2000年

中国博士学位论文全文数据库 前10条

1 马希骜;概率粗糙集属性约简理论及方法研究[D];西南交通大学;2014年

2 唐孝;基于粗糙集的知识发现方法及其在ECG信号识别中的应用[D];电子科技大学;2015年

3 曾凯;邻域粒化粗糙计算的关键技术研究与应用[D];电子科技大学;2015年

4 薛佩军;正负域覆盖广义粗糙集与知识粗传播研究[D];山东大学;2007年

5 孔芝;粗糙集理论若干问题的研究与应用[D];东北大学;2009年

6 秦中广;基于粗糙集的交叉研究及其在中医诊断的应用[D];华南理工大学;2002年

7 刘少辉;知识发现中粗糙集理论的研究[D];中国科学院研究生院（计算技术研究所）;2003年

8 邓大勇;基于粗糙集的数据约简及粗糙集扩展模型的研究[D];北京交通大学;2007年

9 孙英娟;基于粗糙集的分类方法研究[D];吉林大学;2011年

10 杨田;覆盖粗糙集约简理论及应用[D];湖南大学;2010年

中国硕士学位论文全文数据库 前10条

1 江飞;粗糙集神经网络故障诊断方法研究[D];西安石油大学;2015年

2 何理荣;粗糙集理论在银行信贷风险评估中的应用研究[D];华南理工大学;2015年

3 张德齐;基于粗糙集理论的电机故障诊断方法研究[D];渤海大学;2015年

4 杨礼;基于粗糙集的公路交通安全预警研究[D];西南交通大学;2015年

5 聂萌瑶;基于泛系串并模型的粗糙集概念扩展与拓扑空间[D];兰州大学;2015年

6 徐鹏;基于粗糙集的建筑起重机械安全精细化评价研究[D];西安建筑科技大学;2015年

7 孙宇航;粗糙集属性约简方法在医疗诊断中的应用研究[D];苏州大学;2015年

8 张曼;基于粗糙集和包含度的聚类分类算法研究[D];青岛理工大学;2015年

9 车世远;基于群搜索优化粗糙集的脑科学数据研究[D];大连海事大学;2015年

10 林哲;基于粗糙集的马田系统研究及其在银行直接营销客户分类中的应用[D];南京理工大学;2015年

  本文关键词：基于粗糙集理论的不完备混合决策信息系统下供应商评价选择的研究，，由笔耕文化传播整理发布。

本文编号：325328