基于粗集理论的偏好关系新近似方法及其决策规则

"偏好关系粗近似的一种新方法.pdf" 这篇论文的研究主要集中在多准则决策分析（MCDA）领域，提出了一个新颖的方法来处理偏好关系的粗近似。论文的作者是花文健和刘作良，他们来自空军工程大学电讯工程学院。该研究受到了国家“863”计划资助项目的支持，项目编号为863-306-04-02-1。 在多准则决策分析中，决策者通常需要根据多个标准或准则来评估和比较不同的方案。传统的MCDA方法可能难以充分表达决策者的主观偏好，并可能导致决策规则的不一致性。为了解决这些问题，论文提出了一种新的方法，通过构建分级优先关系来量化和近似偏好程度。 具体来说，这种方法首先从参考方案集中提取偏好规则，这些规则用于对所有方案进行排序和优选。关键创新点在于将参考方案对之间的偏好关系用一组区间定量地表示，而不是简单地使用二元（偏好/不偏好）关系。这样做的好处是可以更细致地捕捉到决策者对不同方案的相对偏好的细微差异。 接着，论文应用了粗糙集理论的近似原理。粗糙集理论是一种处理不完全或不确定信息的数学工具，它允许在数据不精确的情况下进行知识挖掘和决策。通过对综合偏好关系进行粗近似，可以得到基于偏好信息的决策规则。这个过程能够有效地去除噪声和冗余信息，从而避免决策规则的不一致性。 在实际的计算实例中，这种方法被证明能够有效地表达决策者的偏好，提供了一种更加一致和可靠的决策支持。通过使用这种新方法，决策者可以更好地理解复杂环境下的偏好结构，减少由于偏好信息模糊或不完全而导致的决策错误。 论文的关键词包括“分级优先关系”，“粗近似”和“决策规则”，表明其主要研究内容涉及这三个方面。根据中图法分类号TP301.6，我们可以推断这篇论文属于计算机科学与信息技术领域的决策支持系统部分。文献标识码A表示这是一篇学术研究型文章，而文章编号1001-3695(2004)12-0023-03则标识了其在特定期刊的发表信息。 这篇论文为多准则决策分析提供了一个有效的新工具，利用粗糙集理论改进了偏好关系的表示和处理，有助于提高决策的准确性和一致性。这种方法对于处理涉及复杂偏好信息的问题具有很高的实用价值。