项目名称: 群决策下模糊决策粗糙集的冲突分析及其应用方法研究

项目编号: No.71401026

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 管理科学

项目作者: 梁德翠

作者单位: 电子科技大学

项目金额: 22万元

中文摘要: 决策问题的模糊不确定性及其所带来的冲突,是当前人们普遍关注的问题,其核心内容之一是研究如何利用科学方法来满足现实需求。决策粗糙集作为一种新的处理不确定性决策问题的方法,由损失函数测度决策风险,已成功应用到多个管理领域。本项目以决策粗糙集为研究对象,由损失函数为研究切入点,将模糊数引入决策粗糙集中,系统研究群决策下模糊决策粗糙集的冲突分析及其应用方法。主要内容包括:1. 建立模糊环境下基于群决策的模糊决策粗糙集模型,解决群决策的不一致性并讨论模糊数的排序方法,为分析冲突规则和应用奠定基础;2. 研究两分类和多分类决策问题下模糊决策粗糙集的冲突规则,分析冲突机理并设计协调机制,使之在实际应用中保持决策依据的一致性;3. 考虑风险代价,进一步探索基于决策规则的排序、资源分配和属性约简等应用方法。本项目不仅使决策粗糙集适应模糊环境,还解决该模型中存在的冲突问题,具有重要的应用价值。

中文关键词: 决策粗糙集;冲突分析;群决策;粒计算;模糊数

英文摘要: The decision problem with fuzzy uncertainty and its conflict is becoming the centre of people’s attention. One of its core content is to study how to use scientific methods to accommodate the real decision-making needs. As a novel method, decision-theoret

英文关键词: decision-theoretic rough sets;conflict analysis;group decision-making;granular computing;fuzzy number

成为VIP会员查看完整内容
1

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
专知会员服务
121+阅读 · 2021年7月22日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
86+阅读 · 2020年8月2日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
126+阅读 · 2020年7月20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
186+阅读 · 2020年5月24日
【2022新书】强化学习工业应用
专知
17+阅读 · 2022年2月3日
超图学习综述: 算法分类与应用分析
专知
0+阅读 · 2022年2月1日
【新书】分布式强化学习,280页pdf
专知
21+阅读 · 2021年12月19日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013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 · 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
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011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
6+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
11+阅读 · 2021年3月25日
Arxiv
10+阅读 · 2021年2月18日
Arxiv
12+阅读 · 2020年6月20日
Arxiv
19+阅读 · 2018年6月27日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
专知会员服务
121+阅读 · 2021年7月22日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
86+阅读 · 2020年8月2日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
126+阅读 · 2020年7月20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
186+阅读 · 2020年5月24日
相关资讯
【2022新书】强化学习工业应用
专知
17+阅读 · 2022年2月3日
超图学习综述: 算法分类与应用分析
专知
0+阅读 · 2022年2月1日
【新书】分布式强化学习,280页pdf
专知
21+阅读 · 2021年12月19日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013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 · 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
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011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
6+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
11+阅读 · 2021年3月25日
Arxiv
10+阅读 · 2021年2月18日
Arxiv
12+阅读 · 2020年6月20日
Arxiv
19+阅读 · 2018年6月27日
微信扫码咨询专知VIP会员