扩展粗糙集模型研究及其在供应商选择中的应用-管理科学与工程(工业工程)专业论文.docxVIP

扩展粗糙集模型研究及其在供应商选择中的应用-管理科学与工程(工业工程)专业论文.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
万方数据 万方数据 承诺书 本人声明所呈交的博/硕士学位论文是本人在导师指导下 进行的研究工作及取得的研究成果。除了文中特别加以标注和 致谢的地方外,论文中不包含其他人已经发表或撰写过的研究 成果,也不包含为获得南京航空航天大学或其他教育机构的学 位或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部 分内容编入有关数据库进行检索,可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本承诺书) 作者签名: 日 期: 南京航空航天大学硕士学位论文 摘要 粗糙集理论是波兰数学家 Pawlak 在 1982 年提出的,是概率论、模糊集理论之后又一处理 模糊性、不确定性数据的数学工具。该理论的特点是不需要任何先验知识或附加信息,在多属 性决策问题中的指标筛选和排序选优等方面有很好的应用前景。 经典粗糙集主要针对完备信息系统,然而在现实生活中由于数据测量的误差,对数据的理 解或获取的限制等原因,使得在知识获取时往往面临着不完备的信息系统,即可能存在部分对 象的一些属性值未知的情况,本文首先在完备信息下模糊决策可变精度粗糙集模型得基础上, 根据隶属度函数给出了处理不完备信息多属性决策下的粗糙集属性约简算法,并通过算例分析 检验模型的可行性。 另外,针对多属性决策问题中的排序选优问题,以往研究大多默认属性之间是可以相互补 偿的,而现实生活中也存在着属性之间不能完全补偿的情况。针对这一情况,本文提出了粗糙 集层次权重确定法和相对信息熵改进的信息熵扩展粗糙集排序模型,综合考虑方案的整体性和 均衡性,能够在一定程度上提高排序结果的准确性。 最后将排序模型应用于供应商选择,构建了适合化工设备零部件供应商选择的指标体系, 并采集数据通过实例分析说明其应用价值,比较线性加权模型和改进后模型的评价值,计算结 果表明改进后的模型更加符合企业的实际选择结果,证明方法是科学有效的。 关键词:扩展粗糙集,属性约简,相对信息熵,排序选优,供应商选择 I 扩展粗糙集模型研究及其在供应商选择中的应用 Abstract Rough set theory is another mathematical tool to deal with uncertain data besides probability theory and fuzzy set theory. It is proposed by Pawlak in 1982. The character of the theory is that it does not require any prior knowledge or additional information. It has a good application prospect in index selections and program options. Classical rough set focus on complete information system, but we are often faced with incomplete information to access knowledge due to data measure error, data access restrictions and other reasons in real life. In other words, some attribute values of the objects are unknown. Based on fuzzy decision variable precision rough set model under complete information, this thesis proposed rough set attribute reduction to deal with multi-attribute decision making problems under incomplete information. A numerical example is used to test the feasibility of the model. In addition, sorting optimal selection is another problem in multi-attribute decision making problems. Most previous studies default that the attribute values are compensate, but there also exit some situations

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档