扩展粗糙集模型研究及其在供应商选择中的应用

《扩展粗糙集模型研究及其在供应商选择中的应用》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：C934论文编号：102870914-s056学科分类号：1201Z2硕士学位论文扩展粗糙集模型研究及其在供应商选择中的应用研究生姓名学科、专业研究方向指导教师冯丽姣管理科学与工程（工业工程）物流与供应链管理胡明礼讲师南京航空航天大学研究生院经济与管理学院二О一四年三月万方数据NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofeconomicsandmanagementThestudyofextendedroughsetmodelanditsapplicati

2、oninsupplierselectionAThesisinIndustrialEngineeringbyFengLi-jiaoAdvisedbyHuMing-liSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2014万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

3、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：万方数据日期：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

4、，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

5、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万方数据扩展粗糙集模型研究及其在供应商选择中的应用AbstractRoughsettheoryisanothermathematicaltooltodealwithuncertaindatabesidesprobabilitytheoryandfuzzysettheory.ItisproposedbyPawlakin1

6、982.Thecharacterofthetheoryisthatitdoesnotrequireanypriorknowledgeoradditionalinformation.Ithasagoodapplicationprospectinindexselectionsandprogramoptions.Classicalroughsetfocusoncompleteinformationsystem,butweareoftenfacedwithincompleteinformationtoaccessknowledgeduetodatameasureerror,

7、dataaccessrestrictionsandotherreasonsinreallife.Inotherwords,someattributevaluesoftheobjectsareunknown.Basedonfuzzydecisionvariableprecisionroughsetmodelundercompleteinformation,thisthesisproposedroughsetattributereductiontodealwithmulti-attributedecisionmakingproblemsunderincomplete