项目名称: 基于有序语言术语集的决策方法研究

项目编号: No.71261001

项目类型: 地区科学基金项目

立项/批准年度: 2013

项目学科: 管理科学

项目作者: 兰继斌

作者单位: 广西大学

项目金额: 37万元

中文摘要: 随着社会的发展,政府和企业对决策分析的要求越来越高,传统的决策理论与方法已经不能满足现代社会的发展需求。在传统的决策理论与方法中,决策者通过(0-1)标度或(1-9)标度用一个精确的数字来描述他们的偏好。由于政府和企业的决策环境变得错综复杂,导致了决策者用精确的数字来描述他们的喜好程度变得不可能。但是,决策者能够通过自然语言表达他们的情感,例如:很好、好、一般、差、极差等等,在这种情况下,就要求我们对语言变量下的决策理论与方法进行深入的研究。然而,语言变量运算法则是分析和集成不确定性决策信息的基础和关键,目前有序语言术语集还没有一套比较完善的运算法则。为此,本项目致力于对有序语言术语的代数结构进行研究。并在此基础上,研究有序语言术语集环境下的群决策方法及多属性决策方法。通过本项目的研究以期丰富和完善模糊决策的理论和方法,为解决语言环境下的决策问题提供有力的支持。

中文关键词: 有序语言术语集;语言变量;运算法则;集结算子;多属性决策

英文摘要: With the development of society, the requirement of the quality of decision analysis becomes higher and higher in both the government and the enterprise. And the traditional decision theory and method can't meet the demand of the development of modern society. In the traditional decision theory, decision makers usually express their preference by a precise number in (0-1) scale or (1-9) scale. For the decision environment of government and enterprise becoming complex, and using exact number to describe decision makers' preference has become impossible. However, decision makers can naturally express their feelings by their words, for example: best, good, fair, bad, worst, and so on. In this case, it is necessary to study the decision theory and method in the environment of language variables, and the algorithm of language variable is the key to analyze and integrate uncertain decision information. Up to now, there is no perfect algorithm of the ordered language terms set. Therefore, the project is to explore the algebraic structure of the term, and generate group decision method and multi-attribute decision method in the environment of the ordered language terms set. Finally, the research of this project will enrich and perfect the fuzzy decision theory and method, and support the solving of decision problem in l

英文关键词: Ordered linguistic term set;linguistic variable;operator;aggregation;multiple attribute decision making

成为VIP会员查看完整内容
0

相关内容

《金融大数据术语》行业标准,24页pdf
专知会员服务
53+阅读 · 2022年2月28日
专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
113+阅读 · 2021年8月8日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
37+阅读 · 2021年5月29日
【经典书】机器学习导论,234页pdf
专知会员服务
75+阅读 · 2021年4月20日
【神经语言生成:形式化,方法与评价,70页pdf】
专知会员服务
35+阅读 · 2020年8月8日
【机器学习术语宝典】机器学习中英文术语表
专知会员服务
60+阅读 · 2020年7月12日
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
351+阅读 · 2020年6月24日
多智能体深度强化学习的若干关键科学问题
专知会员服务
188+阅读 · 2020年5月24日
NLP 与 NLU:从语言理解到语言处理
AI研习社
15+阅读 · 2019年5月29日
中文自然语言处理相关资料集合指南
专知
18+阅读 · 2019年3月10日
推荐系统资源(文献、工具、框架)整理
专知
17+阅读 · 2019年2月4日
一份超全的NLP语料资源集合及其构建现状
七月在线实验室
33+阅读 · 2019年1月16日
自然语言处理NLP快速入门
专知
20+阅读 · 2018年10月8日
中文NLP用什么?中文自然语言处理的完整机器处理流程
人工智能头条
61+阅读 · 2018年9月5日
自然语言处理(NLP)知识结构总结
AI100
51+阅读 · 2018年8月17日
综述 | 知识图谱发展概述
PaperWeekly
75+阅读 · 2017年11月3日
【知识图谱】中文知识图谱构建方法研究
产业智能官
99+阅读 · 2017年10月26日
Natural 自然语言处理(NLP)「全解析」
人工智能学家
14+阅读 · 2017年9月23日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
20+阅读 · 2021年2月28日
Arxiv
24+阅读 · 2021年1月25日
小贴士
相关VIP内容
《金融大数据术语》行业标准,24页pdf
专知会员服务
53+阅读 · 2022年2月28日
专知会员服务
117+阅读 · 2021年10月6日
专知会员服务
113+阅读 · 2021年8月8日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
37+阅读 · 2021年5月29日
【经典书】机器学习导论,234页pdf
专知会员服务
75+阅读 · 2021年4月20日
【神经语言生成:形式化,方法与评价,70页pdf】
专知会员服务
35+阅读 · 2020年8月8日
【机器学习术语宝典】机器学习中英文术语表
专知会员服务
60+阅读 · 2020年7月12日
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
351+阅读 · 2020年6月24日
多智能体深度强化学习的若干关键科学问题
专知会员服务
188+阅读 · 2020年5月24日
相关资讯
NLP 与 NLU:从语言理解到语言处理
AI研习社
15+阅读 · 2019年5月29日
中文自然语言处理相关资料集合指南
专知
18+阅读 · 2019年3月10日
推荐系统资源(文献、工具、框架)整理
专知
17+阅读 · 2019年2月4日
一份超全的NLP语料资源集合及其构建现状
七月在线实验室
33+阅读 · 2019年1月16日
自然语言处理NLP快速入门
专知
20+阅读 · 2018年10月8日
中文NLP用什么?中文自然语言处理的完整机器处理流程
人工智能头条
61+阅读 · 2018年9月5日
自然语言处理(NLP)知识结构总结
AI100
51+阅读 · 2018年8月17日
综述 | 知识图谱发展概述
PaperWeekly
75+阅读 · 2017年11月3日
【知识图谱】中文知识图谱构建方法研究
产业智能官
99+阅读 · 2017年10月26日
Natural 自然语言处理(NLP)「全解析」
人工智能学家
14+阅读 · 2017年9月23日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员