基于时序数列的动态多属性决策方法分析及应用

《基于时序数列的动态多属性决策方法分析及应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、摘要决策是从所有选择的方案中找出决策者最满意的一种方法，作为实现预定目标的策略，应用广泛。实际问题研究系统的复杂，需要从多个角度（属性、目标、指标、吋间）进行分析，导致多属性决策在决策过程中的不足。本文根据现实中存在的问题，引入吋间因素偏好概念，提出动态多属性决策问题，系统地将历史数据、现实状态和将来预测的结果综合集成，并且对决策结果提出证据理论的决策研究。本文研究的主要创新成果如下：（1）在多屈性决策问题中，引入时间偏好序列概念，构建一个基于OWA的动态多属性决策模型，从属性、指标和时间三维空间的角

2、度综合考虑决策结果；（2）将原來对历史数据、现在时间点的决策延伸至对历史数据、现在时间点和将来数据的综合考虑，具有一定的创新性，对很多现实中存在的复杂问题的决策具有重要的理论指导意义；（3）对将來数据的引入，构建了一个基于精度优化的预测模型，在整体决策中将预测结果的精度有效地映射到最终综合评价结果中；（4）整体将历史数据、现在节点和将来数据集成，构建证据推理的精度优化模型，将决策结果给出信任区间，得到最可能的方案。对上述几类问题的研究，均给出了算例，验证了模型的有效性，为今后进一步研究打下基础。关键词

3、：多属性决策，时序数列，OWA,动态多属性决策，证据理论基于时序数列的动态多属性决策方法研究及应用ABSTRACTDecision-makingasastrategytoachievetheintendedgoals,fromalltheiroptionstofindthemostsatisfactorymethodofdecision-makers,isappliedofthewiderange.Thepracticalproblemsofthecomplexityofthesystemneedto

4、beanalyzedfromvariousangles(attributes,critcrias.targcts,time),resultinginthelackofMultipleCriteriaDecisioninthedecisionmakingprocess・Accordingtothereality,thisarticleintroducesthetimefactorpreference,putsforwardMultiple-Criteriaproblems,systematically

5、consideringhistoricaldata,realstateandthecomprehensivestudyofthefuturepredictingresults,anddiscussestheevidencetothetheoryofdecision-makingresults・Themaininnovativepointsarcasfollows:(1)IntheMultipleCriteriaDecisionAnalysisproblems,introducetheconceptof

6、time,tobuildaOWA-baseddynamicMultipleCriteriaDecisionAnalysismodel,consideringthedecisionresultsfromthepointofviewofthethree-dimensionalspaceoftheattributes,indicatorsandtime;(2)Extendsthedecisioakingoforiginalhistoricaldataandthetimepointtothecomprehen

7、siveconsideringofthehistoricaldata,thepoint-in-timeandflituredata,whichhasacertainsenseofinnovation,andhasimportanttheoreticalguidingsignificanceinthedecision-makingofmanycomplexissuesofreality;(3)Introducethefuturedatatoconstructapredictivemodelbasedon

8、accuracyoptimization,andtheaccuracyofthepredictedresultsintheoveralldecision-makingwillbemappedtothefinalresultsofthecomprehensiveevaluation;(4)Integratehistoricaldata,nownodesandfuturedatatobuildtheaccuracyoptimizationmodelofthe