粗糙集理论及其在多目标优化中的应用应用数学专业论文.docxVIP

摘 摘 要 粗糙集(Rough Sets)理论是二十世纪八十年代初由波兰数学家Z．Pawlak首先 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．研究了基于粗糙近似算予的模式“二分法”的性质．描述了把给定的模式 空间划分成两类的可能性和必然性，设计了有边界区域的模式分类的可能性和必然 性的粗糙神经网络算法，并用仿真实验验证了算法的有效性．利用H．Lee，H．Tanaka 的区间回归分析的上、下近似模型，解决了～个“选址”优化问题．基于 J．Stefanowski的赋值容差关系处理不完备信息表的数据推理算法，解决了一个“房 地产评价”问题． 3．在区间可能性规划中构造了一个等价关系，定义了最优解集的上、下近似 解集，给出了判定可能最优解和必然最优解的一个充要条件．用实例说明了最优解 的判定方法及可能度和必然度的计算方法． 4。研究了多目标规划问题的冗余约束条件的约简方法和有效解的粗糙近似方 法．提出了多目标规划问题的约束条件关于某目标函数的约束度的定义，根据约束 度大小和各个目标函数对约束度阀值的要求，删除不重要约束．建立了原问题的核 心约束条件组和相应的核心有效解的概念，刻画了原问题的有效解和核心有效解 的关系．设计了一种剔除冗余约束和求各个目标函数都能接受的有效解的粗糙近 似算法框图．用实例验证了所提的概念和方法的有效性． 5．提出了多目标优化问题的目标函数对参考解的满意度、支持解集、中立解 集、冲突解集等概念．通过计算各个目标函数支持解集、中立解集、冲突解集，不 集、冲突解集等概念．通过计算各个目标函数支持解集、中立解集、冲突解集，不 仅可以确定目标函数之间的相互关系，而且可以对参考解进行排序．利用属性约简 可以确定多目标优化问题中的核心目标函数，为决策者提供更为可靠的决策信息． 关键词：粗糙集上、下近似算子分配Bz一格模式分类可能性测度必然 性测度约束度多目标规划冲突分析 ABSTRACTRough ABSTRACT Rough SetTheory,introduced byZ．Pawlak 1980’s(Pawlak，1991；Pawlak et a1．，1995)， is a new mathematical tool tO deal with vagueness and uncertainty．More recentlv，as an important method for tlle soft computing in information science．roll【gh set theory has become one of the most active research field of artificial intelligence and information science，and it has been successfully applied to many areas such as pattem recognition， conflict analysis，data mining，intelligent control，machine learning，knowledge acquisition，medicine diagnosis，expert systems，artificial neural networks，decision analysis，knowledge discoyery from databases，machine diagnosis，material science， financial and market analysis，and SO on． Rough set theory and its applications in