粗糙集理论其在多目标优化中的应用.pdfVIP

摘 要 Sets)理论是二十世纪八十年代初由波兰数学家Z．Pawlak首先 粗糙集(Rough 提出的一种新的处理含糊和不精确数据的数学工具．该理论被视为当代信息科学 中重要的软计算方法．近年来，粗糙集成为人工智能和信息科学最活跃的研究领域 之一，并且在模式识别、冲突分析、数据挖掘、智能控制、机器学习、知识获取、 医疗诊断、专家系统、人工神经网络、决策分析、数据库知识发现、机械故障诊 断、材料科学、金融和市场分析等领域得到成功应用． 本文研究粗糙集理论及其在多目标优化中的应用，旨在开拓粗糙集理论的应用 领域、寻求解决多目标优化问题的新途径．主要工作如下： 1．讨论了粗糙集与分配BZ一格上的区间结构的关系．研究了分配BZ一格上的 区间结构和性质，建立了分配Bz一格上的租糙集代数，利用分配Bz一格上的反直 觉算子，构造了一对对偶算予，这对算子不仅具有良好的代数性质，而且可以生成 一个粗糙集代数．证明了分配BZ一格上的任一元素口的粗糙近似(y(口)，芦(口))可由 必然性测度y和可能性测度Ⅳ得到．对于任意给定的一个分配BZ一格，可由“V和 “”这一对近似算子诱导一个粗糙集代数． 2．研究了基