基于神经网络的复杂多属性群决策研究

论文摘要

多属性群决策主要研究专家群体根据属性指标对方案进行评价和排序。面对复杂的决策问题,由于专家们的教育背景、文化知识、经验、表达方式的制约,针对一些定性的属性,专家们往往难以精确地定量地对决策方案进行评价,通常给出区间数和模糊语言等评价信息。针对上述具有不同类型属性值评价信息的多属性群决策问题,参与决策的专家往往给出关于方案的总体评价,例如,偏好序。如何基于不同类型属性值评价信息与专家给出的方案偏好序信息,得到满足该类信息的属性权重和专家权重,进而得出方案的综合评价值和排序是本文的研究问题。本文将方案的偏好序作为期望输出,引入神经网络来训练权重,解决复杂多属性群决策问题,并针对无偏好序的情况进行了扩展。首先,针对不同类型属性值评价信息,本文需将它们规范化为单点值的形式,其中,利用模糊互补关系矩阵对偏好序进行规范化,利用理想法对区间数型评价信息进行规范化,利用三角模糊数的面积均值法对语言评价值进行规范化,利用灰色关联度概念对不确定语言变量评价值进行规范化。其次,针对专家给出方案总体偏好序信息的多属性群决策问题,建立了数学模型,并采用线性神经网络进行决策,将总体偏好序信息作为神经网络的期望输出值,将专家们给出的属性指标评价数据作为神经网络的输入来训练属性权重与专家权重。根据加权和法得到最终的方案排序结果。给出了算例并采用MATLAB进行仿真计算,验证提出的数学模型和神经网络模型。最后,针对专家未给出方案总体偏好序信息的多属性群决策问题,采用层次分析法与离差最大化法构造出神经网络模型的期望输出值,再利用BP神经网络训练出属性权重与专家权重,同样采用加权和法得到基于专家群体评价信息的方案排序结果。并给出算例用MATLAB仿真计算进行验证。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 研究背景
•   1.2 国内外研究现状
•     1.2.1 多属性决策研究现状
•     1.2.2 群决策研究现状
•     1.2.3 基于神经网络的决策研究现状
•   1.3 研究目的与意义
•   1.4 本文的内容及安排
• 第2章 相关理论基础
•   2.1 决策矩阵的规范化
•     2.1.1 向量正规化方法
•     2.1.2 极差变换法
•     2.1.3 线性变换法
•     2.1.4 比重变换法
•   2.2 方案综合评价值的计算方法
•     2.2.1 简单加权和法
•     2.2.2 几何平均法
•     2.2.3 理想点法
•   2.3 本章小结
• 第3章 复杂多属性决策偏好信息的规范化研究
•   3.1 不同形式的偏好信息
•     3.1.1 效用值
•     3.1.2 偏好序
•     3.1.3 区间数
•     3.1.4 语言评价值
•     3.1.5 不确定语言变量评价信息
•   3.2 不同形式的偏好信息的规范化
•     3.2.1 将偏好序评价值规范为单点值
•     3.2.2 将区间数评价值规范为单点值
•     3.2.3 将语言评价值规范为单点值
•     3.2.4 将不确定语言变量评价值规范为单点值
•   3.3 本章小结
• 第4章 面向给出方案总体偏好序信息的多属性群决策方法研究
•   4.1 问题描述与数学模型
•   4.2 基于神经网络的权重求解
•     4.2.1 建立神经网络求属性权重
•     4.2.2 建立神经网络求专家权重
•   4.3 方案综合排序
•   4.4 算例分析
•   4.5 本章小结
• 第5章 未给出方案总体偏好序信息的多属性群决策方法研究
•   5.1 问题描述
•   5.2 基于BP神经网络的属性权重的确定
•     5.2.1 神经网络期望输出的确定
•     5.2.2 基于BP神经网络的属性权重的确定
•   5.3 基于BP神经网络的专家权重的确定
•   5.4 算例分析
•   5.5 本章小结
• 第6章 结论
•   6.1 总结
•   6.2 展望
• 参考文献
• 在学研究成果
• 致谢

文章来源

类型: 硕士论文

作者: 武春柳

导师: 张全

关键词: 多属性群决策,规范化,神经网络,权重

来源: 沈阳工业大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 沈阳工业大学

分类号: TP183;O225

总页数: 67

文件大小: 1788K

下载量: 145