不确定可拓群决策优化方法及应用

发布时间：2017-09-04 23:40

  本文关键词：不确定可拓群决策优化方法及应用

  更多相关文章： 物元 可拓集 群决策 决策优化 不确定性 可拓对应性 数据挖掘 产品创新

【摘要】：群决策理论研究始于20世纪70年代,而后经过多学科的交叉组合,逐步形成了系统的理论体系,使得群决策的研究成果被广泛应用于经济管理、系统科学等。由于群决策问题存在偏好、权重等内在的复杂性,引入可拓理论方法进行相关的不确定性分析,认识其内在机理,以辅助管理决策。 本文以物元分析、群决策理论为基础,提高群决策的效率与效果为目的,对可拓群决策的理论作了全面系统的分析与研究,运用管理科学与信息技术等方法,对不确定条件下可拓群决策过程的优化进行了深入的探讨,并结合具体实例进行仿真研究。论文研究工作主要包括以下几个方面： 首先,针对可拓群决策数据缺失的特点及数据处理的要求,通过分析关联函数的距、位值,提出了可拓对应性的含义、性质,阐述了其在可拓群决策中数据缺失处理的优越性,建立了基于对应性的可拓群决策区间分析的模型与步骤,不仅减少了由于主观估计而产生的决策偏差,而且可以提高数据预测与分析的效果,为不确定条件下方案的识别、判断和选择提供依据。 其次,针对可拓群决策的有效性和系统性的问题,把可拓集与群决策优化相结合,从决策的可靠性与敏感性、关联性与可变性出发,研究了不确定条件下多维可拓群决策的权重优化与可拓关联、矛盾问题的描述与可拓变换、决策偏好下多目标可拓群决策优度与可拓区间,以实现决策对象在群体交互和个体偏好集结基础上的比较与选择,拓宽了可拓群决策的研究范围和应用领域。 第三,针对用物元可拓集描述的群决策数据挖掘问题,把关联函数与决策函数相结合、可拓变换与等价关系相结合,研究了不确定条件下可拓群决策的分类与聚类、规则提取与数据分析,构建了不确定条件下的可拓数据挖掘模型,解决了多方案可拓分类识别的系统决策问题,以提高不确定条件下群决策分析的系统 最后,通过对金融危机下国内玩具业的发展现状、趋势的描述,将可拓群决策定量与定性分析的方法引入到世纪友谊玩具有限公司的“小鲁班”系列玩具的改进与创新中。在市场调研、创意比赛及区域销售业绩等统计资料的基础上,运用可拓群决策方法,对不确定条件下“小鲁班”产品研发、改造、组合销售三个环节进行分类与决策,以辅助企业制定产品发展战略。
【关键词】：物元 可拓集 群决策 决策优化 不确定性 可拓对应性 数据挖掘 产品创新
【学位授予单位】：东华大学
【学位级别】：博士
【学位授予年份】：2010
【分类号】：C934
【目录】：

• 摘要6-8
• ABSTRACT8-15
• 表目录15-16
• 图目录16-17
• 第1章 绪论17-35
• 1.1 研究背景与目的17-21
• 1.1.1 群决策研究存在的问题17-18
• 1.1.2 可拓学的特点与优势18-19
• 1.1.3 可拓群决策的可行性19-20
• 1.1.4 研究目的和意义20-21
• 1.2 国内外群决策和可拓决策理论研究进展21-30
• 1.2.1 国内外群决策的研究现状21-27
• 1.2.2 可拓学与可拓决策27-30
• 1.3 本文的主要研究方法、内容及创新点30-35
• 1.3.1 研究思路与方法30-32
• 1.3.2 本文的主要研究内容32-33
• 1.3.3 本文的主要创新点33-35
• 第2章 物元可拓与可拓群决策理论体系35-57
• 2.1 物元可拓35-44
• 2.1.1 基元35-37
• 2.1.2 可拓变换37-39
• 2.1.3 可拓集39-41
• 2.1.4 关联函数41-44
• 2.2 可拓决策44-49
• 2.2.1 矛盾问题及其求解44-46
• 2.2.2 决策系统的相容性46-48
• 2.2.3 可拓决策48-49
• 2.3 可拓群决策49-56
• 2.3.1 可拓群决策的含义与假设49-51
• 2.3.2 可拓群决策的内容与功能51-52
• 2.3.3 可拓群决策的物元可拓集52-54
• 2.3.4 可拓群决策的关联函数54-55
• 2.3.5 可拓群决策的可拓变换55-56
• 2.4 本章小结56-57
• 第3章 不确定条件下可拓群决策可靠性与敏感性分析研究57-79
• 3.1 相对熵与群决策优化57-62
• 3.1.1 熵及熵优化57-59
• 3.1.2 群决策的相对熵权重59-62
• 3.2 基于相对熵的可拓群决策可靠性分析62-71
• 3.2.1 基于相对熵的可拓群决策可靠性分析的含义与作用63
• 3.2.2 权重不确定条件下的可拓群决策可靠性分析的理论依据63-69
• 3.2.3 权重不确定条件下的可拓群决策可靠性分析的步骤69-71
• 3.3 基于权重优化的可拓群决策的敏感性分析71-77
• 3.3.1 可拓群决策敏感性分析的含义与作用71-72
• 3.3.2 可拓群决策单因素敏感性分析法72-74
• 3.3.3 可拓群决策多因素敏感性分析法74-76
• 3.3.4 可拓群决策敏感性分析法的步骤76-77
• 3.4 本章小结77-79
• 第4章 不确定数据下可拓群决策优化79-107
• 4.1 可拓群决策数据不确定的描述及其处理的要求79-82
• 4.1.1 可拓群决策数据不确定的表现79-80
• 4.1.2 可拓群决策数据不确定的处理要求80-81
• 4.1.3 不确定条件下可拓群决策数据处理的思路81-82
• 4.2 区间值条件下的可拓群决策优化82-91
• 4.2.1 区间可拓集82-83
• 4.2.2 区间距与区间位值83-86
• 4.2.3 区间关联度86-88
• 4.2.4 区间值条件下的可拓群决策88-91
• 4.3 数据缺失条件下的可拓群决策优化91-95
• 4.3.1 基于可拓变换的数据缺失处理方法91-93
• 4.3.2 基于平均指标的数据缺失处理方法93-94
• 4.3.3 极值条件下基于鲍达数的数据缺失处理方法94-95
• 4.4 数据不确定条件下基于对应性的可拓群决策优化95-105
• 4.4.1 可拓关联对应性96-100
• 4.4.2 数据不确定条件下基于对应性的可拓群决策区间100-103
• 4.4.3 数据不确定条件下基于对应性的可拓群决策模型研究103-105
• 4.5 本章小结105-107
• 第5章 不确定条件下多目标可拓群决策的优化方法及模型研究107-129
• 5.1 基于可拓变换的多目标可拓群决策107-112
• 5.1.1 多维物元群决策下多目标转换与规范化107-108
• 5.1.2 多目标可拓群决策矛盾问题的描述与可拓变换108-112
• 5.2 决策偏好下多目标可拓群决策优度分析112-116
• 5.2.1 偏好条件下多目标可拓群决策的关联函数112-113
• 5.2.2 偏好条件下多目标可拓群决策的关联优化113-115
• 5.2.3 偏好条件下多目标可拓群决策的优度115-116
• 5.3 基于可拓集的多目标可拓群决策物元可拓区间划分116-121
• 5.3.1 多目标可拓群决策物元可拓集117-118
• 5.3.2 偏好条件下多目标可拓群决策物元可拓区间的划分118-120
• 5.3.3 无偏好条件下多目标可拓群决策物元可拓区间分析120-121
• 5.4 基于可拓关联的多目标可拓群决策方案排序及评价区间估计121-124
• 5.4.1 偏好条件下多目标可拓群决策方案排序121-122
• 5.4.2 偏好条件下多目标可拓群决策评价区间估计122-123
• 5.4.3 无偏好条件下多目标可拓群决策评价区间估计123-124
• 5.5 不确定条件下多目标可拓群决策优化模型研究124-127
• 5.5.1 思路125-126
• 5.5.2 步骤126-127
• 5.6 本章小结127-129
• 第6章 不确定条件下可拓群决策数据挖掘129-153
• 6.1 基于可拓集的可拓分类129-132
• 6.1.1 可拓分类的目的与意义129-130
• 6.1.2 可拓分类形式130-131
• 6.1.3 可拓分类的优点与不足131-132
• 6.2 不确定条件下可拓群决策粗糙分类132-138
• 6.2.1 可拓群决策的可拓变换与分类133-134
• 6.2.2 不确定条件下可拓群决策的属性约简与分类134-136
• 6.2.3 不确定条件下可拓群决策的粗糙分类模型136-138
• 6.3 不确定条件下可拓群决策关联聚类138-146
• 6.3.1 模糊关系与相似关系矩阵138-141
• 6.3.2 不确定条件下可拓群决策的关联聚类141-144
• 6.3.3 不确定条件下可拓群决策关联聚类模型144-146
• 6.4 不确定条件下可拓群决策的规则提取与方案识别146-152
• 6.4.1 不确定条件下可拓群决策的规则提取146-148
• 6.4.2 不确定条件下可拓群决策规则的数据区间分析148-149
• 6.4.3 不确定条件下可拓群决策的方案识别149-152
• 6.5 本章小结152-153
• 第7章 不确定条件下产品创新的可拓群决策实例研究153-181
• 7.1 金融危机下"小鲁班"玩具的发展现状153-156
• 7.1.1 金融危机下国内玩具业的现状及其发展趋势153-154
• 7.1.2 益智拼插玩具的发展现状154-155
• 7.1.3 "小鲁班"玩具的发展现状155-156
• 7.2 不确定条件下产品研发的可拓群决策可靠性与敏感性分析156-164
• 7.2.1 "小鲁班"产品研发的必要性156-157
• 7.2.2 "小鲁班"新产品研发的可拓群决策可靠性分析157-162
• 7.2.3 "小鲁班"新产品开发的可拓群决策敏感性分析162-163
• 7.2.4 不确定条件下可拓权重分析方法与其他方法的比较163-164
• 7.3 不确定条件下产品改造的多目标可拓群决策164-169
• 7.3.1 "小鲁班"产品改造的必要性164-165
• 7.3.2 "小鲁班"产品改造的多目标相容性分析165-166
• 7.3.3 偏好条件下"小鲁班"产品改造的多目标权重优化及方案评价166-168
• 7.3.4 无偏好条件下"小鲁班"产品改造的多目标可拓群决策168-169
• 7.4 不确定条件下产品组合的可拓群决策数据挖掘169-180
• 7.4.1 "小鲁班"产品组合的必要性169
• 7.4.2 不确定条件下"小鲁班"产品组合的可拓群决策粗糙分类169-173
• 7.4.3 不确定条件下"小鲁班"产品组合的可拓群决策关联聚类173-176
• 7.4.4 不确定条件下"小鲁班"产品组合方案的规则提取与方案识别176-177
• 7.4.5 不确定条件下可拓数据挖掘方法与其他方法的比较177-180
• 7.5 本章小结180-181
• 第8章 结论和展望181-183
• 8.1 结论181-182
• 8.2 展望182-183
• 参考文献183-199
• 致谢199-200
• 附录200-202
• 附录A 攻读博士学位期间主持、参加的项目200-201
• 附录B 攻读博士学位期间发表或投稿的论文201-202

【引证文献】

中国博士学位论文全文数据库 前2条

1 于君英;品牌价值的形象识别效应研究[D];东华大学;2011年

2 李功新;基于可拓推演方法的调控一体防误操作系统研究与应用[D];武汉大学;2014年

中国硕士学位论文全文数据库 前1条

1 张璋;城市综合体项目前期策划及风险研究[D];西安建筑科技大学;2012年

，

本文编号：794547