不同专家考虑差异化指标集的群决策方法研究

发布时间：2017-05-10 16:00

  本文关键词：不同专家考虑差异化指标集的群决策方法研究，由笔耕文化传播整理发布。

【摘要】：群决策就是指多个专家针对同一问题从若干个备选方案中选择最优方案的过程。由于群决策能最大限度地减少决策中的不确定因素,这使得已有的群决策方法广泛应用于政治、经济、管理和工程等多个领域。但这些群决策方法大多关注于不同专家关于同一指标集给出评价信息的情形。由于专家的研究背景、知识和经验的差异性,在实际群决策问题中,每个专家有时只针对自己关注的指标给出评价信息,这使得不同的专家之间考虑的指标集有所差异。目前,不同专家考差异化指标集的群决策方法研究虽然已经引起了一些学者的关注,但已有的决策方法对于有效解决不同专家考虑差异化指标集的群决策问题还存在着不足之处,需要进一步进行研究。因此,本文针对不同专家考虑差异化指标集的群决策问题进行了研究。本文在总结和分析国内外关于不同专家考虑差异化指标集的群决策方法的研究现状基础上,对不同专家考虑差异化指标集的群方法进行了深入研究。其研究目的和意义在于：在理论和方法层面上,提出不同专家考虑差异化指标集的群决策方法,将进一步丰富群决策理论和方法,并有效的扩展了群决策方法的应用领域。在应用层面上,所给出的决策方法,能够有效解决物资招标采购、风险投资等实际群决策问题。本文主要开展了以下三个方面的研究工作：(1)提炼不同专家考虑差异化指标集的群决策问题。具体地,本文遵循从简单到复杂、从特殊到一般的研究思路。针对现有研究的薄弱之处,分别对不同专家考虑完全差异化指标集的群决策问题和不同专家考虑不完全差异化指标集的群决策问题进行了研究。(2)针对不同专家考虑完全差异化指标集的群决策问题,本文给出了一种分析方法。具体地,首先,通过对不同专家考虑的完全差异化指标进行有效的合成,构建群体决策时使用的集成指标集；通过集成不同专家给出的指标权重,确定群体关于各集成指标的权重；在此基础上,通过集结不同专家的权重以及他们所提供的评价信息,计算群体关于集成指标的评价值；进一步地,通过计算各方案优于其他所有的方案优势度,确定方案排序；最后,给出算例分析,验证提出方法的可行性与有效性。(3)针对不同专家考虑不完全差异化指标集的群决策问题,本文给出了基于D-S证据理论的分析方法。具体地,首先,利用D-S证据合成方法,通过对每个专家下的指标权重进行合成,得到群体关于指标的权重；然后,通过判断各专家关于方案之间的指标评价值是否相等,确定专家关于每个指标的方案分类。在此基础上,进一步采用D-S证据合成方法,通过对每个专家在对应指标下的评价信息进行集结,计算出群体关于方案或方案集的可信度；进一步地,在计算每个方案最优的综合信任区间之后,采用区间数的可能度方法,确定方案排序；最后,给出算例分析,验证提出方法的可行性与有效性。在论文最后,总结了本文的主要研究成果及结论、局限以及需要进一步展开的研究工作。
【关键词】：群决策 指标差异 D-S证据理论 方案排序
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：C934
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第1章 绪论12-22
• 1.1 研究背景12-15
• 1.1.1 群决策的广泛应用12-13
• 1.1.2 群决策问题中存在不同专家考虑差异化指标集的情形13-14
• 1.1.3 深入研究不同专家考虑差异化指标集的群决策方法的必要性14-15
• 1.2 问题的提出15-16
• 1.2.1 需要提出不同专家考虑完全差异化指标集的群决策方法15
• 1.2.2 需要提出不同专家考虑不完全差异化指标集的群决策方法15-16
• 1.3 研究目标、研究内容及研究意义16-18
• 1.3.1 研究目标16
• 1.3.2 研究内容16-17
• 1.3.3 研究意义17-18
• 1.4 研究思路与方法18-22
• 1.4.1 研究思路18-19
• 1.4.2 研究方法19-22
• 第2章 相关研究文献综述22-34
• 2.1 文献检索情况概述22-25
• 2.1.1 文献检索范围分析22
• 2.1.2 相关文献情况分析22-23
• 2.1.3 学术发展动态分析23-25
• 2.2 关于不同专家考虑差异化指标集的评价信息集成25-30
• 2.2.1 群决策中差异化指标集的合成25-27
• 2.2.2 群决策中差异化指标集的评价信息集成方法27-30
• 2.3 已有研究的贡献与不足30-32
• 2.3.1 已有研究成果的主要贡献30-31
• 2.3.2 已有研究的不足之处31-32
• 2.3.3 已有研究对本文研究的启发32
• 2.4 本章小结32-34
• 第3章 相关基础知识34-42
• 3.1 群决策基本理论概述34-37
• 3.1.1 群决策的概念34
• 3.1.2 群决策研究的分类34-35
• 3.1.3 群决策的过程35-36
• 3.1.4 群决策方法36-37
• 3.3 D-S证据理论37-41
• 3.3.1 D-S证据理论基本概念37-39
• 3.3.2 D-S证据理论的合成规则39-41
• 3.4 区间数的可能度排序方法41
• 3.5 本章小结41-42
• 第4章 不同专家考虑完全差异化指标集的群决策方法42-52
• 4.1 问题描述及研究框架42-44
• 4.1.1 问题描述42-43
• 4.1.2 研究框架43-44
• 4.2 决策分析方法44-47
• 4.2.1 规范化决策矩阵44
• 4.2.2 合成具有差异的指标集44-45
• 4.2.3 计算集成指标的权重45-46
• 4.2.4 计算群体关于集成指标的评价值46
• 4.2.5 方案排序46-47
• 4.3 算例47-51
• 4.4 本章小结51-52
• 第5章 不同专家考虑不完全差异化指标集的群决策方法52-68
• 5.1 问题描述及研究框架52-54
• 5.1.1 问题描述52-53
• 5.1.2 研究框架53-54
• 5.2 决策分析方法54-58
• 5.2.1 确定群体关于指标的权重向量54-55
• 5.2.2 确定群体关于方案最优的分布式评价值55-57
• 5.2.3 确定群体关于各个方案最优的信任区间57
• 5.2.4 方案排序57-58
• 5.3 算例58-67
• 5.4 本章小结67-68
• 第6章 结论与展望68-72
• 6.1 本文的主要研究成果及结论68-69
• 6.2 本文的研究局限69-70
• 6.3 需要进一步展开的研究工作70-72
• 参考文献72-80
• 致谢80-82
• 攻读学位期间参与科研项目情况82-83

【参考文献】

中国期刊全文数据库 前2条

1 刘准钆;程咏梅;潘泉;苗壮;;基于证据距离和矛盾因子的加权证据合成法[J];控制理论与应用;2009年12期

2 周世忠;朱建军;刘思峰;王锘，

本文编号：355049