基于双语言信息的多准则决策方法研究

《基于双语言信息的多准则决策方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号UDCC934303博士学位论文学校代码!Q5三3基于双语言信息的多准则决策方法研究Multi--criteriaDecision--makingMethodsBasedonDuplexLinguisticInformation作者姓名：杨恶恶学科专业：管理科学与工程研究方向：管理决策模型与方法学院(系、所)：商学院指导教师：王坚强教授副指导教师：论文答辩日期逊主』：乡7答辩委员会主席中南大学2013年6月原创性声明本人声明，所呈交的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。尽我所知，除了论文中特别加以

2、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，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。作者签名：茸2边日期：澎年上月上日学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数

3、据库》，并通过网络向社会公众提供信息服务。懒名：榉燃：辎乐期：赳年五月羔日II基于双语言信息的多准则决策方法摘要：语言多准则决策是现代多准则决策研究的一个重要方向，在诸多领域中有着广泛的的应用背景。尽管针对语言多准则决策的研究己取得了丰硕的成果，但无论理论还是应用方面，现有研究均还存在许多尚待解决的问题，尤其是在处理语言信息的不确定性特征时还很不成熟。为此，本文提出了双语言集的概念，并针对双语言环境下的不确定多准则决策问题加以系统研究，本文的主要工作包括：(1)提出了双语言集的概念。可以利用它同时表达对备选方案在准则下表现的评价

4、和决策者对该评价的信心水平。这一工具与传统的语言变量相比，能够更好的包容决策过程中来自不同源头的不确定性。(2)定义了双语言集间的优势关系，并在此基础上建立了方案间的级别高关系。利用级别高关系，综合方案间两两比较的结果，可以得到方案间的不完全序。(3)在上述级别高关系的基础上，进一步扩展得到了一种双语言多准则分组评级决策方法。该方法利用一组标志性的虚拟参考方案，通过备选方案与这些虚拟参考方案相比较而将方案划分进合适的分组中。适用于备选方案较多、不便于方案间两两比较时对方案进行初步评价的决策环境。本文将其用以处理城市绿化树种选择问

5、题，取得了较好的效果。(4)提出了语义占优技术，并证明了五种典型的语义结构下所对应的语义占优规则，研究了不同语义占优的性质。利用这一组规则，提出了基于语义占优的双语言多准则决策步骤，从而挑选出“非劣”方案的集合。(5)为了尽可能多获得的方案间偏好关系，并减少对语言变量的语义设定施加过多人为影响，通过建立语义规划模型对语言变量的语义加以设定，语言变量中包含的不完全偏好通过模型的限制条件表示，并提出了两种利用语义规划技术的双语言多准则决策方法。(6)针对权重信息不完全的双语言多准则决策问题进行了研究，提出了基于扩展语言运算的两种决策

6、方法。其中一种方法将决策过程看作是决策者与自然间的博弈，利用矩阵博弈理论对准则权重加以设定；而另外一种方法则通过最大化模型离差来设定权重。(7)提出了直觉正态云模型来处理双语言多准则决策问题，决策者给出的决策信息被看作是方案的综合评价云中部分云滴的集合，通过这些云滴可估计出该评价云的相关参数，随后，利用所设计的云发生算法运用蒙特卡洛技术产生云滴并对云滴计分加以统计，进而对不同方案的综合评价云加以比较排序。(8)将所提出的双语言多准则决策技术应用于新能源公交车选型决策案例中，通过综合运用上述方法，可以揭示蕴含在双语言决策信息之内的

7、决策者偏好，帮助决策者更好的理解问题和影响方案间偏好的具体因素，从而帮助其得到更加理性的决策结果，提高决策质量。本文包括图28幅，表50个，参考文献268篇。关键词：语言模型；决策分析；多准则；多属性；语义分类号：C934IVMulti—criteriaDecision·-makingMethodsBasedonDuplexLinguisticInformationAbstract：Linguisticmulti-criteriadecision—making(MCDM)problemisanimportantresearcht

8、opicinthenowadaysMCDMtheory．Ithaswidelyapplicatiorbackground。Yfields．AlthoughthelinguisticMCDMpllcatlonbackgroundinmanyfieldsAItUth