基于软信息的软决策新方法研究

发布时间：2017-05-17 16:29

  本文关键词：基于软信息的软决策新方法研究，由笔耕文化传播整理发布。

【摘要】：随着社会的进步和发展，决策方法的研究和应用已取得了很大的进展，但在 知识经济与信息社会到来的今天，人们所面临的决策问题日趋复杂，它们具有： 海量信息与小样本信息共存；确定性与不确定性共存；准确性与不准确性共存； 动态性和静态性共存；模型化与非模型化共存；单目标与多目标共存；线性与非 线性共存等特征。现有的决策方法面对上述复杂的决策问题普遍存在：复杂信息 识别困难、模型构建困难、函数与函数参数选择困难、计算复杂度高（易出现 NP 问题）等问题。比如：传统决策方法易出现建模困难（特别是在处理多因素多目 标决策问题时），现代的软计算决策方法（如：神经网络决策、遗传算法等）易出 现函数与函数参数选择困难、计算复杂度高（易出现 NP 问题）等问题，新近发展 起来的处理大样本问题的粗决策方法在属性约简、特征提取等方面也易出现 NP 问 题，1995 年产生的能处理小样本问题的支持向量机决策方法也存在核函数选择、 核函数中参数的确定、扩维方法确定等困难。因此，现有决策方法已不能较好地 解决多特征融合的复杂决策问题。从而，提供一套快捷、能综合处理具有各种特 征的决策方法已是当务之急。 本文通过深入分析现有复杂决策问题的特征，在大量检索国内外资料、跟踪 国际前沿技术基础上，应用多学科交叉技术，将软集合、支持向量机、粗糙集等 国际前沿技术的思想和方法引入到论文中，并将管理学、统计学、代数学、人工 智能、信息科学等科学知识相融合。在系统的观点指导下，针对上述特征，重点 研究了软信息识别、模型或因素筛选规则确定、决策方法制定等方面问题，提出 了一套基于软信息的软决策方法。最后经实际算例计算、模拟，对计算结果进行 了对比分析得出该套方法可行、有效、快捷、方便、计算量小，具有理论意义和 应用价值。 本文的主要创新之处： 1、将软集合理论应用于软信息的识别中，根据软信息的特征，通过构造软信 息特征向量映射，建立了基于软集合的信息表，提出了一种基于软集合理论的软 信息识别方法,为多因素软信息的识别提供了一条有效的途径。 2、将粗糙集理论应用于组合预测问题中，提出了一种基于粗糙集的组合预测 方法，为数据驱动下预测模型的筛选和组合系数的合理确定提供了一种有效方法。 3、将粗糙集理论的规则提取技术用于软信息的多因素动态预测问题中，利用 提取的因素与预测指标之间相关关系的概约化描述建立了预测模型，推导了预测 模型中参数的递推公式，减少了信息更新时模型参数的计算量，为多因素相关关 I WP=6 重庆大学博士学位论文 系的分析提供了一种有效的方法。 4、将粗糙集理论和代数理论与方法相结合，，建立了基于粗代数的软决策模型， 提出了一种基于粗代数的软决策方法,为多因素（多目标）的软决策问题中的因素 约简与规则提取提供了高效的方法。 5、将粗糙集、支持向量机的原理与思想和代数结构（同构）理论与方法相融 合，建立了决策集合的一个二元同余关系，构造了因素集合到决策商集的一个同 构映射，提出了一种基于代数结构的软决策方法,为多因素小样本软决策问题提供 了一条有效的途径。
【关键词】：软信息 软决策 软集合 粗糙集 代数
【学位授予单位】：重庆大学
【学位级别】：博士
【学位授予年份】：2003
【分类号】：C934
【目录】：

• 中文摘要5-7
• 英文摘要7-11
• 1 绪论11-21
• 1.1 研究问题的提出11-15
• 1.2 研究的基本思路15
• 1.3 论文的主要研究工作15-18
• 1.4 论文的创新之处18-21
• 2 软信息与软决策国内外研究现状21-31
• 2.1 信息科学与软信息21-24
• 2.1.1 信息科学概述21
• 2.1.2 信息的基本概念及特征21-22
• 2.1.3 软信息概述22-24
• 2.2 决策科学与软决策方法24-28
• 2.2.1 决策科学概述24-26
• 2.2.2 软决策概述26-28
• 2.3 基于软信息的软决策方法的进展28-30
• 2.4 小结30-31
• 3 基于软集合的软信息识别方法31-37
• 3.1 软集合的基本理论31-34
• 3.1.1 软集合的定义31-32
• 3.1.2 软集合的相关概念及性质32-34
• 3.2 基于软集合的软信息识别方法34-36
• 3.3 小结36-37
• 4 基于粗糙集理论的预测方法37-65
• 4.1 引言37-38
• 4.2 粗糙集理论的概述38-44
• 4.2.1 基本概念与理论38-42
• 4.2.2 条件属性约简的有关性质42-43
• 4.2.3 决策规则集43-44
• 4.2.4 相似模型44
• 4.3 基于粗糙集的组合预测方法44-50
• 4.3.1 基本原理46
• 4.3.2 基于粗糙集的组合预测方法46-49
• 4.3.3 算例及分析49-50
• 4.4 基于粗糙集理论的多因素动态预测方法50-59
• 4.4.1 基于粗糙集理论的多因素动态预测模型51-55
• 4.4.2 算例及分析55-59
• 4.5 基于粗代数的组合预测方法59-63
• 4.5.1 基本原理与计算流程60
• 4.5.2 基于粗代数的组合预测方法60-62
• 4.5.3 算例及分析62-63
• 4.6 小结63-65
• 5 基于软信息的软决策方法65-93
• 5.1 基于软信息的多指标决策方法66-75
• 5.1.1 基于指派问题的静态多指标决策方法66-71
• 5.1.2 基于时间矩阵序列的动态多指标决策方法71-75
• 5.2 基于粗代数的软决策方法75-82
• 5.2.1 问题的提出75-76
• 5.2.2 基于粗代数的软决策方法基本思想76
• 5.2.3 基于粗代数的软决策方法的基本步骤与基本流程76-77
• 5.2.4 基于粗代数的软决策方法77-79
• 5.2.5 算例及分析79-82
• 5.3 基于代数结构的软决策方法82-91
• 5.3.1 问题的提出82
• 5.3.2 代数结构理论和线性空间理论概述82-87
• 5.3.3 基于代数结构的软决策方法87-88
• 5.3.4 算例及分析88-91
• 5.4 小结91-93
• 6 结论93-97
• 6.1 主要结论93-96
• 6.2 后续研究工作的展望96-97
• 致谢97-99
• 参考文献99-105
• 附录105-106

【引证文献】

中国期刊全文数据库 前3条

1 郭庆军;赛云秀;;项目管理中的软信息分析[J];情报杂志;2009年01期

2 张仕廉;陈玲燕;;软集合理论在农村土地使用权估价中的应用[J];乡镇经济;2008年08期

3 赵志强;;交互性视听教学网站在职业教育中的应用[J];职业技术;2011年09期

中国博士学位论文全文数据库 前3条

1 王金艳;软集理论及其在决策中的应用研究[D];东北师范大学;2011年

2 邓发云;基于用户需求的信息可信度研究[D];西南交通大学;2006年

3 申韬;小额贷款公司信用风险管理研究[D];中南大学;2012年

中国硕士学位论文全文数据库 前1条

1 李昌隆;基于蚁群算法的分销网络优化研究[D];重庆大学;2004年

  本文关键词：基于软信息的软决策新方法研究，由笔耕文化传播整理发布。

本文编号：373858