浅析基于粗糙集与遗传算法群体决策模型-

论文导读：数据预处理的基本历程24-254.2群体决策模型数据准备25-274.3初始决策表的数据补齐27-294.3.1ROUSTIDAD算法描述27-284.3.2ROUSTIDAD算法劣势浅析284.3.3ROUSTIDAD算法改善28-294.4初始决策表的离散化29-314.4.1基于属性重要量的数据并行离散算法29-31第5章基于遗传算法的属性约简模型31-34

5.1遗传算法属性约简的基本

摘要：决策在管理活动中普遍有着,是为解决当前或未来可能发生的不足,选择最佳案例的一种历程,是管理活动的核心。群体决策会产生大量的数据,而且这些数据为不精确非量化值。传统的群体决策在确定决策结果时,往往采取决策者的经验来选择,降低了决策的效率和质量。在实际群体决策历程中,由于参与决策历程的决策者不止一位,由此会产生大量决策因素数据。本论文融合了粗糙集论述和遗传算法论述,发挥二者所长。粗糙集论述善于处理不精确的知识,通过粗糙集论述对数据进行预处理,挖掘大量影响决策结果数据中隐含的决策方式。遗传算法进行属性约简,产生判别库,通过量化的方式,能够科学、合理的提升决策的质量。本论文提出一种基于粗糙集与遗传算法集成的群体决策模型来解决群体决策结果选择的不足。该模型的基本思想是：1)进行群体决策,产生原始数据。2)运用粗糙集论述对群体决策产生的相关信息进行离散化处理。3)对评价指标运用遗传算法进行约简。4)提取满意决策结果。在该模型中针对群体决策的三个阶段在浅析数据时首先运用粗糙集论述进行离散化处理,其次运用遗传算法进行约简,提取判别规则即需要考虑的主要决策因素,最后根据判别规则结合实际情况作出及时、高效的决策。在群体决策开始后,首先对不足的诊断进行群体决策,产生原始数据,对数据进行粗糙集和遗传算法集成处理,得出结果数据,即不足的明确；其次针对明确的不足,进行群体决策讨论案例,产生原始数据,对数据进行粗糙集和遗传算法集成处理,得出结果数据,即明确案例；最后在众多案例中进行抉择,对数据进行粗糙集和遗传算法集成处理,得出判别规则,再结合实际作出高效的决策,群体决策历程完成。本论文主要探讨工作如下：1.将粗糙集论述和遗传算法论述融入群体决策的每一个历程中,构建了一种基于粗糙集与遗传算法集成的群体决策模型。2.采取粗糙集论述对群体决策产生的信息进行预处理,提出了群体决策历程中四种决策因素特点提取案例。3.运用遗传算法进行群体决策模型的属性简约。4.引入某公司在信息化建设中的一个群体决策案例进行试验验证该模型。关键词：粗糙集论文遗传算法论文群体决策论文
本论文由www.7ctime.com,需要论文可以联系人员哦。中文摘要4-5
Abstract5-8
第1章 绪论8-12

1.1 探讨目的与作用8

1.2 国内外相关论述探讨近况浅析8-10

1.3 论文主要结构与探讨内容10-12

第2章 相关论述基础12-19

2.1 粗糙集论述基础12-13

2.

1.1 粗糙集的基本概念12-13

2.

1.2 数据预处理13

2.2 遗传算法论述基础13-17

2.1 遗传算法的基本步骤14-15

2.2 遗传算法属性约简的基本操作15-17

2.3 群体决策论述基础17-19

第3章 构建基于粗糙集与遗传算法的群体决策模型19-24

3.1 基于粗糙集与遗传算法的群体决策模型的基本架构19

3.2 基于粗糙集与遗传算法的群体决策的历程19-24

第4章 基于粗糙集的数据预处理算法探讨24-31

4.1 基于粗糙集的数据预处理的基本历程24-25

4.2 群体决策模型数据准备25-27

4.3 初始决策表的数据补齐27-29

4.

3.1 ROUSTIDAD算法描述27-28

4.

3.2 ROUSTIDAD算法劣势浅析28

4.

3.3 ROUSTIDAD算法改善28-29

4.4 初始决策表的离散化29-31

4.1 基于属性重要量的数据并行离散算法29-31

第5章 基于遗传算法的属性约简模型31-34

5.1 遗传算法属性约简的基本历程31-33

5.2 群体决策模型属性重要量的评判33-34

第6章 基于粗糙集与遗传算法集成的群体决策模型的实证浅析34-48

6.1 案例介绍34-35

6.2 基于粗糙集与遗传算法集成的群体决策模型的运用35-47

6.

2.1 数据预处理35-45

6.

2.2 属性约简45-47

6.3 评价结果浅析47-48
第7章 结论与展望48-49

7.1 全文总结48

7.2 探讨展望48-49

致谢49-50
参考文献50-52