基于案例推理的多属性分类群决策模型研究

《基于案例推理的多属性分类群决策模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：C934学科分类号：120100论文编号：102870913．S117硕士学位论文基于案例推理的多属性分类群决策模型研究研究生姓名学科、专业研究方向指导教师沈君管理科学与工程决策理论与方法关叶青副教授南京航空航天大学研究生院经济与管理学院二O一三年六月fIiilllllllllEIIIIIIIIIIIffIY2446NanjingUniversityofAeronauticsandAstronauticsTheGraduateSch001CollegeofEconomicsandMana

2、gementResearchonMulti·-criteriaSortingGroupDecisionMakingBasedonCase-—BasedReasoningAThesisinManagementScienceandEngineeringShenJunAdvisedbyProf．GuanYeqingSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofPhilosophyJune，2013蛐4㈣4埘眦叫Ⅲ●1

3、■承诺书本人声明所呈交的博／硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本承诺书)作者签名：f鱼定。El期：j叫■与南京航空航天大学硕士学位论文摘要多属性群决策是由多个决策

4、者参与的决策，随着决策任务的日益复杂和人们信息交流的更加便利，群决策逐渐成为决策问题中的主要形式。多属性分类决策是多属性决策理论的一个重要方面，是目前研究的热点。由于实际决策问题的复杂性以及决策者认知的局限性，与直接提供分类参数的具体信息相比，让决策者对一些方案进行分类或收集分类的历史数据更容易实现，因此基于案例推理的多属性分类群决策更具实用性。而如何从已有的案例分类信息中提取出分类参数的信息，是该类分类决策问题的关键。本文应用了证据理论和灰色聚类评估的方法研究了基于案例推理的多属性分类群决策问题。

5、论文首先研究了群决策环境下专家评价信息的集结问题，用证据理论中概率赋值函数对专家评价信息进行了表达，并应用证据理论合成规则对其进行集结，得出了集结后的已有案例的分类信息；构建了基于灰熵的指标权重确定模型，确定了指标权重，然后应用指标权重和案例的白化权函数这两个分类参数采用灰色聚类评价的方法去解决多属性分类决策问题。主要研究内容如下：(1)首先运用证据理论中概率赋值函数对多位专家的不确定性评价信息进行表示，然后分析了证据合成规则的特点与不足，针对在群决策信息集结过程中的证据相关的问题，提出了用灰色关联

6、度来度量证据相似性，并且给出了基于灰色相似性关联度的平均融合规则，对专家的评价信息进行集结最后以此判断对案例所属类别。(2)在基于案例推理的多属性分类决策问题中，首先分析新案例的可能情况，对指标的取值范围进行延拓，并根据指标的特点确定适合的白化权函数形式，然后构建了基于灰熵最小的权重确定模型，根据已有案例的分类信息和已知的各指标权重之间的关系信息，提取出了分类过程的权重参数信息，根据灰色聚类的评价方法对待评价的对象进行分类评价。(3)运用本文构建的模型，对政府低碳政策绩效评价的问题进行了相关研究。在

7、对低碳政策绩效评价的研究背景及必要性进行了分析的基础上，构建了评价的指标体系。选定了较有代表性的省市，收集了各指标的数据，调查专家对这些省市低碳政策绩效的分类评价信息，通过改进后的证据合成方法对专家分类信息进行集结，然后根据集结后的分类信息，使用基于灰熵最小的权重确定模型提取指标权重信息，并对确定的指标权重进行了比较分析。关键词：群决策，多属性分类决策，证据理论，案例推理，灰色聚类基于案例推理的多属性分类群决策模型研究ABSTRACTWimtheincreasingcomplexityofdecis

8、ion-makingtasksandmoreconvenientofpeople’Sinformationexchange，Multi-criteriaSortingGroupDecisionMakingisbecomingthefocusofthedecisionproblem．Multi-criteriaSortingGroupDecisionMakingisanimportantaspectoftheMulti—criteriaGroupDecisionMaki