基于聚类分析的复杂多属性群决策方法研究

发布时间：2021-03-18 18:49

　　多属性决策问题的研究已经日渐成熟,多属性群决策是其中重要的一部分,有着广泛的应用。由于事物的复杂性、决策者的思维差异,某些属性采用更易表达的区间数和语言评语的形式表达,因此评价信息变得复杂,本文针对复杂多属性群决策问题进行研究。首先,本文介绍了多属性决策以及群决策研究的理论基础,介绍了几种多属性决策与群决策常用的传统方法,分析了常用的几种解决多属性决策问题和大群体决策问题的方法,明确了在解决大群体决策时应该解决的核心问题。同时,研究了聚类分析理论基础与常用的几种聚类方法,明确了聚类分析理论在解决复杂多属性群决策时的可行性与可信性。其次,研究了由区间数和语言评语形式表达的决策信息,将两种形式的评价信息进行规范化处理,将区间数采用计算与上下界相对距离的方法转化为点值,将语言短语转化为三角模糊数后再化为点值。然后,对k-means聚类方法进行改进,采用F统计量集结类间距离与类内紧密程度两种衡量聚类效果的指标,确定最佳初始聚类数k,通过遗传算法迭代寻优,得到最佳分类结果。最后,建立模型求解类内专家权重、类紧密度、类权重、属性权重,应用各项指标对各类内专家的评价信息进行融合,将专家类内融合矩阵进... 

【文章来源】：沈阳工业大学辽宁省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

AHP决策结构

图 2.2 k-means 算法流程图Fig. 2.2 The flow chart of k-means arithmeti典型的迭代寻优算法，它有着思想简心的选择为随机选取，因此该算法由决策者对聚类结果做出判断。策和群决策理论基础以及一些方法。先是将决策信息进行规范化，其次也是决策问题中最重要的一样指标结果。方法的基础理论，对聚类分析算法的指标，通过相似性的计算判断决策

图 3.1 三角模糊数的隶属函数Fig. 3.1 Membership function of triangular fuzzy number2 2, r ,r R，1r ，3r 分别作为三角模糊数的下界和上界，1r ，和3r 的差值越大，则模糊程度越强。给三角迷糊数的三个元素1 2 2r , r ,r 赋值来进行语言评价信息化[50]，公式如式 3.22 所示：1 2 31 1=max( ,0), , min( ,1)i i ir r rg g g i 0,1,2, 表示模糊区间的个数。有 由 5 条 语 言 短 语 组 成 的 评 价 差”,51h =“ 差”,5 5 52 3 4h =“ 一般”, h =“ 好”, h =“ 很好”}，1 2 r , r ,r模糊集上的标定值，将 0-1 平均分成 4 份，三角形定点出，可将语言短语形式的评价信息转化为模糊集上的三角迷言短语的值即为可表示该点对应在 x 轴上的三角模糊数，


本文编号：3088762