资源描述：
《外文翻译--矩阵聚合方法在群体决策过程的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、毕业设计（外文翻译）毕业设计（论文）题目：ApplicationofMatrixAggregationMethodinGroupDecisionMakingProcess学院：数理学院专业名称：信息与计算科学学号：200941210104学生姓名：石梦弟指导教师：明廷桥2013年2月20日18毕业设计（外文翻译）矩阵聚合方法在群体决策过程的应用周威廉（合肥科技大学经济管理学院，安徽合肥）摘要：在群体决策过程中，不同的矩阵集合计划将产生各种不同的排名关系和权值向量。在分析和应用两种凸组合的阿达玛基于矩阵聚合方案及图论之后,本文将从不同矩阵聚
2、合的判断中探索更合理的方法来测验,选择和优化结果。关键词:群体决策；判断矩阵；聚合；优化1引言作为一个有效的方法用于多目标和多因素决策、层次分析法已经广泛应用于许多决策方面。它通常涉及多个决策者,因此,多个判断矩阵提供不同的决策者需要汇总,以便达到更合理的解决方案。领域中的矩阵聚合,李跃进和郭欣荣利用连通的无向图及其理论,通过排除偏见的专家判断,从理论的面向电力图、简单的m-th无向连通图想出了一个互反判断矩阵聚合方法。然而,刘欣和杨善丽基于判断矩阵发展了阿达玛凸组合,提供了关于“添加法”和“乘法”凸组合一致性明显改善的证据。不同的矩阵集
3、合计划将处理专家判断数据、差异和聚合导致判断矩阵的产生方式不同,因此在计算重要性和一致性是不同与另一方面。同时,在这个过程中矩阵的聚合,同一聚合方案也存在不同的判断矩阵不一致地聚合。在实践中解决问题,就必须采用不同的聚合方法和实施相关矩阵的验证和选择。本文将探讨矩阵的可行性和存在的问题,从聚合方案启动图论和阿达玛凸组合,做出相关的验证、优化和选择。2矩阵聚合方法的描述2.1基于图论的矩阵聚合方法基于图论的矩阵聚合方法：建立一个水平偏差矩阵E,选择更一致的因素从不同的专家判断矩阵A(k),构建一个完整的一致判断矩阵。详细的步骤和解释见文档步
4、骤1:建立一致性专家判断矩阵；18毕业设计（外文翻译）步骤2:在决策过程中设置品位偏差矩阵代表专家在年代价值观重要性排名比较指标i和j(2)步骤3：选择（n-1）元素，这是有级偏差的最小值，同时，要求任一项的第（n-1）元素还没有由其他第（n-2）元素给出；步骤4：从专家判断矩阵中，选择在相同的位置的所有元素，并记录为;步骤5：通过加法或乘法的方法汇总各组，并记录结果为;步骤6：在（N-1）中使用加法合成得到，并建立综合判断矩阵A*，应用该方法的总结，计划最终排序。2.2基于阿达玛凸组合的矩阵聚合方法由于判断矩阵的群决策的聚集，文献[2]
5、提供了Hadamard凸组合的概念。如果A1，A2，.....Am在数量为m前提下是判断矩阵，相同的问题，假如存在使得（3）（4）因此，被命名为A1，A2，…Am的一个额外的凸组合，是一个阿达玛乘法凸组合。运算符⊕定义如下若C=A⊕B那么；若C=A·B则18毕业设计（外文翻译）在此基础上,文档[3]解释了“加法”和“乘法”凸组合的判断矩阵的基本理论,并认为“加法”和“乘法”凸组合判断矩阵不仅可以消除主观因素的影响,也可以保持和提高判断矩阵的一致性,同时证明了相应过程,因此它证实“加法”和“乘法”凸组合判断矩阵在群体决策支持系统中对判断矩阵
6、是两个有效的聚合方法。3矩阵聚合方法的应用3.1基于图论的矩阵聚合方法的应用步骤1:根据问题的变化,将对步骤1做一定的调整。原始文档在专家矩阵无法达到一致性时，要求专家判断矩阵重建。相反本文认为,实际中有各样的困难存在于判断矩阵的重建。该报称,专家数据不一致或不太一致可以忽略和简化问题,专家判断矩阵由评价指标体系的重要性G=(G1、G2、G3、G4,G5,G6,G7)判定,条件是它是符合一致性,符合一致的比率CR由小到大排序,排在前五位的专家判断矩阵如下:18毕业设计（外文翻译）经计算得一致性比率：步骤2:特级偏差矩阵的建立，如上；步骤3
7、:选择根据特级偏差矩阵E,选择更高级别一致性的6个元素并且得到无向连通图。1图1所示。无向连通图(F1)基于特级偏差矩阵E因为它是不符合要求的无向连通图,v1v2v4v5,v1v2v3都在形成回路。因此它需要遵循破圈法：首先,这些较大的特级偏差的元素都换成了添加元素之后品位偏差仍较小的元素。省略细节流程,得到无向图的连接图2和图3。2318毕业设计（外文翻译）基于图2,选择相应的元素从判断矩阵A1-A5是:按照加法原理得:**可得：因此,建立初始矩阵如下:基于反射的原理,行和列是成正比的,丢失的元素被填满,因此构造一个一致判断矩阵.根据计
8、算得：W=(0.200,0.081,0.419,0.037,0.011,0.032,0.220)T.同样,对于图3,通过使用相同的计算过程得W=（0.191，0.080，0.408，0.036
