论文部分内容阅读
由于客观事物的复杂性和不确定性，以及人类思维的模糊性，有关不确定多属性的决策问题在我们的现实生活中已经变得越来越重要。随着一些新的处理不确定信息的理论及方法的提出，运用这些理论处理决策中的不确定性问题备受关注，并得到迅速发展。本文将集对分析理论（Set Pair Analysis, SPA）引入到不确定多属性决策中，研究基于集对分析求解不确定多属性决策问题的算法。集对分析理论是一种新的处理模糊和不确定性知识的数学工具，较传统的不确定性理论在描述不确定信息时能力更强，目前关于集对分析的研究还不成熟，本文运用集对分析理论对不确定多属性决策中的评价问题、排序问题、预测问题行了研究，并提出了一些新的思路。论文的主要内容为：①针对多属性决策系统的评价问题，在指标分级标准已知情况下，考虑到门限值的边界具有模糊性，采用集对分析的联系度对属性值进行规范化处理，并且研究了一种通过联系度运算求取主观权重与客观权重的方法，提出了基于层次分析与集对分析（AHP-SPA）的评价算法，评价结果采用集对分析的联系数表示。②针对多属性决策系统的排序问题，在指标分级标准未知情况下，考虑到属性值越往好的方向发展越困难，研究属性值在比较区间上的联系度非线性表示方法，并且研究了一种新的同异反（Identity Difference Opposition, IDO）距离函数，提出了基于加权IDO贴近度的TOPSIS排序算法，通过IDO贴近度大小进行排序。③针对多属性决策系统的预测问题，考虑到多属性问题很难通过物理成因建模来进行预测，提出了基于时间序列的加权SPA-Markov Chain预测算法。采用联系度表示马尔可夫链状态，然后通过蒙特卡洛方法(Monte Carlo method)求解相邻时间序列内的状态转移概率矩阵，并计算时间序列内的IDO相似度对不同步长的马尔可夫链进行权重赋值，最终从马尔可夫假设出发，计算下一时刻的预测结果。论文通过城市生态安全这一多属性决策问题对文章中算法的可行性进行了实例分析，计算结果具有一定的参考价值，能够为决策提供科学依据。