一、多目标模糊识别优化决策理论与应用研究（论文文献综述）
高磊[1]（2020）在《电网建设项目多主体协同决策模型及应用研究》文中认为随着电力体制改革逐步深化,电网建设投入在整个电力建设投入的比重逐年持续增加,电网建设管理模式、运营模式和投资比例的逐步转变也对电力工程项目管理思路和方法提出了新的要求。此外,根据电网建设项目的特点,项目建设过程中长期面临建设时序分配、资源均衡调配、风险合理规避、投资效益优化、电力稳定供应等诸多问题,需要综合考虑不同因素,电网建设则可视为多主体、多要素、多目标、多阶段的协同决策研究问题。然而,传统的电网项目建设管理模式普遍存在各利益主体自利性和信息断层情况,难以根据项目特点优选出满足多方需求的建设方案,同时,在实施过程中存在区域电网建设项目的工期、投资和资源调配不合理现状,并难以达到项目综合效益优化的目标。因此,本文开展电网建设项目多主体协同决策模型及应用的研究工作,基于电网建设项目多主体特征和协同决策目标研究,分别构建了面向电网建设项目方案优选及方案实施的协同决策模型,针对模型的特点分别引入多智能体技术、粒子群算法和非支配排序遗传算法进行求解,并通过模型应用系统提供了多主体协同决策的平台。主要研究内容如下:（1）梳理了电网建设项目多主体协同决策的研究背景及意义,开展了对国内外电网建设项目多主体协同决策模型及应用问题的研究综述,并概述了电网规划和建设基本概念、利益相关者理论、多智能体模型及方法、多目标优化模型及方法等相关概念和基础理论,为后续研究奠定了相应理论基础和研究范围。（2）研究了电网建设项目利益相关主体特征及协同决策目标。首先,运用电网建设项目流程WBS结构,分析并识别了电网建设项目8类主要利益相关主体;其次,研究各主体的利益偏好和主体的自利性、目标差异性,以此为基础引出多主体协同决策的理念,分析了电网建设项目多主体协同决策逻辑和内容;同时,运用文献综合分析法结合系统动力学的因果关系流图识别电网建设项目协同决策目标,归纳出协同决策应从不同角度合理满足电网项目的规划管理、建设条件、投资决策和建设运营这4类目标需求。该部分研究内容从协同决策目标方面为协同决策模型及应用提供了研究基础。（3）构建了基于MAS技术的方案优选协同决策模型。基于电网建设项目协同决策目标研究,将重要的目标抽象成为MAS中的Agent,构建了协同决策MAS模型的整体架构,以及其中各主要Agent的结构、功能以及通信模式;基于多Agent之间协商交互能力,利用Petri网和合同网协议描述方案优选的多Agent交互流程,并通过模糊Petri网的模糊规则对应可选择方案设置方案集,方案集由多Agent的模糊变量因素协同决策进行选择,最终,形成了基于FPN电网项目方案优选协同决策模型,进一步通过算例应用验证模型计算过程和有效性。该部分的研究内容可以结合不同区域电网项目特点,考虑多方主体需求,提供建设方案优选的决策依据和方法。（4）构建了基于多目标优化的方案实施协同决策模型。在方案优选的基础上,通过研究一定区域内电网项目规划阶段和建设阶段协同决策的目标,建立适宜的目标函数,结合目标函数和约束条件构建电网项目方案实施协同决策模型。本文一方面建立面向电网规划实施过程的协同决策模型,采用粒子群算法进行求解;另一方面,建立面向电网建设实施过程的协同决策模型,运用遗传算法进行求解;通过实例证明两阶段模型的合理性。模型和算法则纳入多智能体系统中,作为相应MAS的方法库和模型库一部分。该部分研究内容可以在工期、资金和资源约束条件下,考虑多方主体需求,提供满足建设方案实施中多目标优化的决策依据和方法。（5）构建了基于多主体需求的协同决策模型应用系统。基于两类协同决策模型研究,构建了一个基于B/S架构的电网项目协同决策模型应用系统,该系统属于信息公开的系统,确保各方主体信息畅通、数据准确和完备,具备提供各方主体交流和互动决策的多项功能,同时,协同决策支持平台能够充分结合MAS技术,并利用优化算法功能,解决电网建设协同决策过程中多元化、多层次的复杂问题。其功能包括多智能体管理、多主体方管理、方案优选管理、多目标优化管理、空间地图管理等,根据项目实际需求设计各类功能的子功能。该部分研究内容可以为电网建设项目多主体协同决策的规模化实践应用提供参考。本研究从工程项目管理视角将智能化、信息化方法应用于电网建设项目管理,为探索我国电网建设项目规划、设计、建设阶段的多主体协同决策及高效管理提供了理论依据和实践参考。
朵天林[2]（2020）在《居民地综合决策模型和方法研究》文中提出制图综合是地图制图绕不开的问题,制图学产生之时就有了综合问题,制图综合是制图学领域重要的、核心的研究主题。从人对地理环境认知结果到地图产生,是一个对客观事物和现象不断抽象和简化的过程,抽象和简化的过程中必然涉及化简和选优。实现制图综合的自动化、智能化是该领域不懈追求的目标,要使计算机“理解”高度依赖于抽象思维、视觉思维和灵感思维的制图综合规则绝非易事。这也是制图综合问题被称之为“世界性难题”、“最具挑战性问题”的关键原因,国内外学界长期以来对该问题给予了高度的关注。制图综合的过程,实质是决策的过程,制图综合中最常见、最关键的信息处理属于决策。本文把制图综合的问题放在“决策”的维度进行研究。从居民地选取原则、形状特征、化简原则中挖掘知识、构建决策模型、设计方法、提取特征、量化特征、开展实验,解决了居民地结构选取、街道网模式识别、居住区形状保持的部分难点问题。本文的主要贡献和创新工作如下:1.论述了决策分析在居民地综合中的关键作用。重点研究了居民地综合基本理论和决策分析基本理论。论述居民地综合涉及的关键问题属于决策问题,并提出决策分析在居民地综合中的关键作用。研究了决策理论及多属性决策理论发展概况,居民地综合决策的过程,主要决策方法。研究了基于信息熵的多属性决策方法,信息熵的原理和熵权法计算权重步骤。通过分析熵权法计算过程,得出了熵权法的重要性质。2.研究了基于知识的决策模型和方法。逻辑推理的关键在于丰富的领域知识,居民地综合中涉及大量的形象思维和灵感思维,这些问题用逻辑推理或算法解决难度较大,多准则（多属性）决策模型利用知识对空间中的每一个自然状态进行综合评价,“择优”选取,符合制图综合中处理模糊性问题的原则,使用多准则（多属性）决策模型解决问题具有明显的优势。本文研究为大量与形象思维和灵感思维相关的知识的运用提供了平台。充分发挥人的形象思维和灵感思维,挖掘居民地综合知识,设计综合决策模型,利用计算机高效的地图信息处理、地图图形处理能力,是人机融合模式的具体研究实践。3.研究了居民地结构选取中的决策问题及决策模型和方法。居民地选取研究的重点和难点问题在于结构选取,结构选取问题的实质是决策问题。决策过程中,要综合考虑居民地的层次关系、空间关系、拓扑关系,从而确定选取哪些居民地。本文充分考虑了居民地选取的一般原则和制图规范,运用基于信息熵的决策方法,结合系统聚类方法和Voronoi图空间分析方法,分别应用于点状居民地和面状居民地结构选取的决策问题,能有效克服现有方法的人工赋权和没有充分考虑制图规范现有明确规定的局限性,提高了居民地结构选取的科学性。4.研究了街道网结构模式识别中的决策问题及决策模型和方法。居民地综合的目标是既要保证地图的清晰度要求,又要客观反映原图居民地结构特征。街道网是居民地的骨架,决定了居民地的结构。因此,必须准确判断原图街道网的特征。街道网可以归类为格网状、放射状和不规则三种形状。其中,格网状的街道网是分布最为广泛,特征最为明显的类型之一。本文基于大量地图实测数据,统计分析了格网状街道网的特征,针对不同尺度的街道网,分别设计了决策模型。第一种是基于统计学的方法,即基于系统聚类和变异系数的街道网模式识别决策模型。第二种是基于机器学习的方法,即基于区域矩形度、直线率和矩形率的决策模型,运用了神经网络进行识别决策。就两种模型分别进行了实验验证,实验结果较理想。5.研究了居住区形状化简中的决策问题及决策模型和方法。本文围绕居住区形状化简中特征保持的难点问题,设计决策模型和方法,并进行实验验证。主要有三个方面:一是格网状居住区街道选取决策模型和方法。主要思路是提出长轴、短轴参考线,定量描述平行街道,尽可能保留平行街道线。二是有街道不规则状居住区街道选取决策模型和方法。该类居住区形状主要由较长的街道线和较大街道网眼决定。提出了“最大网眼周长属性”,即将其作为街道选取决策的重要指标,从而达到正确反映其贡献度的目的。三是无街道不规则状居住区建筑物选取决策模型和方法。该类居住区形状更加复杂,实际上也存在隐性的骨架线,即居住区的轮廓线,以轮廓为参照线,把离轮廓线的远近距离作为聚类参数,对建筑物进行聚类,从而区分了不同的层次,在各个层次内再按各建筑物质心欧氏距离进行二次聚类,各类内分别进行选取,达到了保留骨架和保持密度对比的目的,最终实现保持居住区形状的目标。
纪会争[3]（2020）在《风光储联合发电调度管理与效益评价研究》文中指出基于世界范围能源资源供给紧张的现状,以及我国风力发电和太阳能发电均具有地域性强、集中度高等特点,通过对相关理论观点的回顾和综述,介绍了风光储联合发电模式、功率预测方法。以及多目标决策理论的研究现状,提出对风、光、储能多模块机电功率预测研究、风光储联合发电调度管理、风光储联合发电综合效益评价的技术方法,寻求技术经济效益最优的解决策略,为风光储联合发电模式发展作出有益探索。本文主要研究成果和创新如下:（1）建立了基于模式分解（EMD）和粒子群优化支持向量机（PSO-SVM）的风电输出功率预测模型。风电功率的输出为非平稳时间序列,采用传统的回归算法、神经网络等预测模型往往得到的结果精度不高。针对这种非线性、非平稳的时间序列,首先,使用经验模式分解（EMD）将风电机组输出功率分解为多组具有不同尺度的时间序列;然后,分别对每组信号使用支持向量机（SVM）进行预测。（2）建立了基于聚类分析和熵权预测模型的光伏发电输出功率组合预测方法。对于光伏发电,由于其输出功率是非线性时间序列,其随机波动较强,而且具有明显的规律日重复性。针对这一特征,本文提出首先使用模糊聚类的方法,对光伏发电矩阵的输出功率进行日聚类,得到多组相似日的样本集合。然后使用基于熵权组合预测模型的预测方法对各组相似日进行训练。这种预测方法建立于对光伏发电矩阵的输出功率记性准确日聚类的基础之上,能够更好地捕捉不同气候条件下输出功率的规律特性,降低了预测模型的结构风险。（3）建立了风光储联合发电多目标跟踪计划出力调度模型。由于风光出力具有较强的随机性和模糊性,对风光储联合发电系统中出力调度优化是一种不确定性规划,本文从运行目标和经济性两个方面出发,建立了基于不确定规划的风光储联合发电多目标出力调度模型,结合蒙特卡罗模拟和灰色粒子群算法进行求解。最后,选取张北国家风光储输示范工程作为分析对象,分别建立了出力跟踪计划出力调度模型和计及经济性的多目标跟踪计划出力调度模型。在单目标调度模型中,提出了包含储能系统充放电功率控制系数和风光预测状态控制系数的出力系统控制策略,结果表明通过变化储能系统充放电控制系数不仅能够降低对储能系统的要求,还能将误差控制在合格范围内。在多目标调度模型中,通过对比单目标决策与多目标决策的结果可以发现,多目标优化调度模型能够在最大程度跟踪计划出力的基础上降低经济成本,实现经济利益的最大化。（4）建立了基于多维度效益的风光储联合发电综合效益评价模型。首先依据指标构建原则,开展多维度效益指标识别工作,确定了示范效益、电网效益、经济效益、社会效益四个层面的识别方向,构建了多维度多层级的风光储联合发电综合效益评价体系。最后,结合本文提出的基于多维度效益的风光储联合发电综合效益评价模型,利用张北国家风光储输示范工程项目数据,分别从实际数据和规划数据两个角度开展了测算工作,测算结果显示,张北国家风光储输示范工程综合效益达到了规划预期水平,整体水平良好,随着张北国家风光储输示范工程二期的陆续建设,风光储联合发电系统将进一步发展,在不断提高经济性的同时,增强系统友好型,不断促进新能源发电的发电比例,促进能源结构的不断优化发展。本文对风光储联合发电调度管理工作具有一定的参考作用。（5）对风光储联合发电系统的运行管理策略和产业发展政策建议进行了研究。从风光储系统并网与孤岛运行的角度介绍了风光储系统的运行管理策略,分析风光储联合发电产业的现存问题,结合能源互联网的发展理念,提出能源互联网下风光储联合发电系统的典型运行模式。最后,结合产业及政策要求,为风光储联合发电系统的未来发展提出了相关的政策建议。
宋玮[4]（2019）在《考虑行为的绿色供应商多属性决策研究》文中研究说明“决策无处不在”,而最具代表性的多属性决策具有丰富的理论基础,在供应链管理、应急管理、交通管理、金融分析、工业工程等众多领域中具有广泛的应用背景。传统的多属性决策往往假定决策者所处的内外部环境是完全确定的、静止的,而且决策者在决策过程中完全理性,学者们更多地运用期望效用理论来进行分析和研究,但在实际决策过程中,决策者通常表现出有限理性,决策的内外部环境也并非静止不变,运用传统的理性决策理论和方法来解决相关问题可能并不适合。另一方面,理论界和企业界对供应链管理进行了深入的研究和运用,对于个体企业的生存发展和整个社会经济的高速增长都发挥了显着的促进作用,而供应商管理是供应链管理中需要研究和解决的关键内容,大致上历经了从传统供应商管理到供应链环境下的供应商管理再到绿色供应商管理的发展阶段,每个阶段都有不同的管理目标和管理模式,针对供应商的选择也有不同的内涵和研究方法。一些学者尝试从不同角度对绿色供应商的评价问题进行了分析和阐述,取得了一些研究成果,然而这些研究成果相对比较零散,尚未形成较为系统的研究体系;同时,缺乏特定背景下考虑决策者心理行为因素的绿色供应商动态选择与制造任务分配的集成研究。因此,在考虑行为的多属性决策理论框架下,对绿色供应商的选择进行系统研究具有重要的理论意义和现实价值。本文的研究围绕主题由浅入深展开,以绿色供应商的静态选择、绿色供应商的动态选择、考虑风险和柔性因素的绿色供应商动态选择和制造任务分配的集成研究为论文的主线,具体包括以下内容:（1）本文在全面阐述绿色供应商的概念、内涵、特征,明确绿色供应商与非绿色供应商区别的基础上,针对“考虑行为”、“有限理性”思想在绿色供应商选择中的应用进行了系统分析,构建了考虑行为的绿色供应商静态选择问题的研究框架。具体来讲,设计了包含环境效益在内的评价指标体系,针对不同类型指标属性值,基于前景理论的研究范式,构建了评价模型,并通过案例分析,验证了方法的有效性,解决了“有限理性”、“不同类型数据”情况下的指标值确定和比较问题,为解决考虑行为的绿色供应商静态选择提供了良好的研究方法。（2）本文研究了包含“缺陷信息”的绿色供应商动态选择方法。具体来讲,在与绿色供应商静态评价指标进行比较分析的基础上,构建了绿色供应商动态选择的指标体系,引入了符合动态决策特性的第三代前景理论（PT3）和广义优序法;再根据灰色关联分析法,计算不同时期各项评价指标的权重;同时,针对绿色供应商表现的一致性水平,为避免个别企业快速或恶意提升评价结果的情况,定义了时间衰减因子,采用指数变权法,引入惩罚函数,并通过定义认可程度和惩罚水平,对于广义优序数低于认可程度的候选绿色供应商进行惩罚,所计算的时序权重既反映了时间效用,也体现了对不稳定或刻意提高评价效果的候选绿色供应商的厌恶和排斥,为解决包含“缺陷信息”的绿色供应商动态选择问题提供了新的研究思路和框架。（3）本文研究了考虑风险和柔性因素的绿色供应商动态选择及制造任务分配问题。鉴于供应商风险和柔性因素对于评价结果具有显着影响,本文将绿色供应商风险和柔性因素引入绿色供应商评价指标体系和评价方法中,并在此基础上,基于第三代前景理论（PT3）、解释结构模型法（ISM）和网络层次分析法（ANP）,提出了一个综合评价模型;同时,考虑到绿色供应商动态评价的多周期、多因素和复杂性的特点,引入了变权重理论,明确了“制造任务分配”问题的研究背景和假设,构建了绿色供应商的动态选择与制造任务分配模型;最后,运用改进的粒子群算法（PSO）进行求解,为解决考虑风险和柔性因素的绿色供应商动态排序选择及制造任务分配问题的集成研究提供了新的思路和方法。综上所述,本文运用行为决策理论的思想,对绿色供应商的静态和动态选择方法进行了系统的研究,并集成研究了动态选择情况下制造任务的分配问题,进一步完善了绿色供应商选择问题的研究框架,特别为本领域在“考虑决策者心理行为因素”、“动态选择”、“模糊数据”、“缺陷信息”、“集成排序选择与制造任务分配”等背景下进一步深入研究奠定了较为坚实的理论和方法基础。
李海涛[5]（2019）在《不确定环境下旱灾风险调控群决策方法研究》文中指出21世纪以来,在全球气候变化和人类活动影响下,旱灾呈现进一步加剧趋势,已成为制约各国经济社会可持续发展的重要问题之一。我国受旱灾影响严重,但当前阶段抗旱减灾体系总体上仍较为滞后。在水资源-经济社会-生态环境协同发展、应对气候变化等国家重大战略部署下,我国抗旱减灾工作面临新的挑战和更高的要求,旱灾风险管理新理念、新思路已得到我国各界人士的关注与研究。本文立足旱灾风险调控决策理论与实践中存在的问题与不足,紧跟风险管理与群决策理论方法的研究前沿,按照理论分析、方法构建、案例实证的思路开展研究。提出多主体参与的旱灾风险调控群决策研究框架,构建群决策信息提取和集结的随机EMD方法;进而针对旱灾风险调控决策中的一般性问题,建立基于不确定语言信息、不确定混合信息以及不确定随机动态信息的旱灾风险调控群决策方法;选取河南省农业旱灾风险调控典型问题实证分析,形成方法应用模式。研究成果对揭示旱灾风险调控决策不确定性并构建量化分析模型具有理论意义,对丰富和发展群决策理论方法体系具有推动作用,对政府科学调控和综合应对旱灾风险具有实际应用价值。本文主要工作集中在以下六个方面:（1）提出多参与主体的旱灾风险调控群决策研究框架,分析了群决策中的不确定性特征。通过分析旱灾风险系统构成要素及其相互作用机理,指出风险的不确定性和系统的复杂性是旱灾风险调控面临的决策环境;基于水资源-经济社会-生态环境系统协同发展理念,提出了多主体协同参与的旱灾风险调控群决策研究框架,分析了开展旱灾风险调控群决策研究的可行性与必要性;从三个方面分析了旱灾风险调控群决策中的不确定性特征:一是反映旱灾风险系统内在本质的随机性等不确定性;二是反映由于人类认识不足、信息缺失或知识缺乏而导致群决策信息不确定性;三是反映群决策过程与方法的不确定性。（2）融合随机模拟与滤波分析方法,提出了群决策信息提取和集结的随机EMD（Empirical Mode Decomposition）方法。分析指出传统群决策方法大多须对专家赋权实现群决策信息集结,但赋权方法存在主观性大、无统一衡量标准等问题;分析了群决策信息的差异性、无序性、不确定性特征,基于群决策信息包含主观成分与客观成分、客观成分对决策起决定性作用的基本假设,融合Monte Carlo随机模拟与EMD方法优势设计MC-EMD算法,实现群决策信息的自适应提取与集结,提高群决策结果客观性和可靠性;运用大数定律讨论了方法的收敛性与物理意义;结合数值算例对比分析了方法的可行性与优越性。（3）提出了不确定语言信息下旱灾风险调控群决策方法。针对群决策信息为不确定语言变量的情形,运用群决策信息提取和集结的随机EMD方法,提出了基于不确定语言信息的旱灾风险调控群决策方法。梳理了现有的语言评估标度,设计了多粒度语言信息一致化处理规则;为充分利用群决策信息,基于LHA（Linguistic Hybrid Averaging）算子、数值覆盖与灰信息表征方法、模糊正态分布隶属函数,分别构建了不确定语言群决策信息融合的LHA法、三参数区间灰数法与正态分布随机变量法;应用示例对比分析验证了上述方法均可行有效,可为旱灾风险调控多领域专家方案论证提供支持。（4）提出了不确定混合信息下旱灾风险调控群决策方法。针对群决策信息呈现多元不确定表征方式混合特征,运用群决策信息提取和集结的随机EMD方法,提出了基于不确定混合信息的旱灾风险调控群决策方法。设计了基于社会调查的混合决策信息采集办法,总结了常用的不确定偏好信息表征方式,提出了一致化为归一化效用值的转换方法;基于云模型和Monte Carlo模拟思想,提出了不确定混合群决策信息的正态云融合方法,以弥补随机抽样决策信息不完全、信息处理中决策信息丢失以及多次决策结论非一致等不足;应用示例验证了方法的合理有效性,可为面向公众参与的旱灾风险调控方案决策提供支持。（5）提出了不确定随机动态旱灾风险调控群决策方法。针对旱灾风险发展演变的随机性与决策者心理行为复杂性,根据群决策信息提取和集结的随机EMD方法,构建了基于参照点依赖与不确定混合信息的不确定随机动态旱灾风险调控群决策方法。提出了该类群决策问题的一般框架;依据TRP（Tri-reference Point）基本思想,提出将群体理想点、预期点和临界点设置为风险型群决策参照点,综合利用了累积前景理论、Markov链以及Orness测度等理论优势,提出了风险型动态群决策信息融合方法;应用示例验证了方法的科学有效性,可为旱灾风险调控方案的多阶段动态群决策提供支持。（6）河南省农业旱灾风险调控群决策实证分析。构建了多元截面数据灰色变化率关联分析模型,识别河南省农业旱灾脆弱性关键驱动因子;针对河南省雨养农业区和灌溉农业区防控与化解农业旱灾风险中的突出问题,构建了政策性农业保险产品与小型农田水利设施管护模式的区域适用性评价指标体系,设计了群决策信息采集的评价问卷与调研提纲,分别以陕州区和滑县为例,运用本文理论成果解决了政策性农业保险产品择优投放和小型农田水利设施管护模式优选问题,形成方法应用模式,可为一般区域政府决策部门提高旱灾风险调控效率、增强公共决策的民主化与科学化水平提供支持。
高宇璇[6]（2019）在《远程医疗中的优化决策问题研究》文中研究表明在时代不断变革的今天,人类对于健康的诉求已经成为追求美好生活的重要标志。随着网络技术的迅猛发展,“互联网+医疗”领域的发展已经得到国家政府的高度重视,各大医疗机构以及国内外企业也相竞开展医疗合作与网络研发。在互联网和大数据的战略背景下,远程医疗的技术手段对各类急慢性病的会诊及治疗显示出了较强优势,使广大患者在享受优质医疗资源的同时节省不必要的费用开支。由此发展出的医疗管理决策问题也成为国内外相关领域的专家和学者们普遍关注的研究课题。然而,目前已有的关于远程医疗的研究大多停留在远程技术开发及医疗及资源的优化分配,远程医疗中的多主体优化决策问题尚未形成系统的研究体系,并且缺乏与之对应的决策分析方法与技术支撑。鉴于此,本文立足于针对远程医疗中的优化决策理论及决策方法,重点通过对远程医疗背景下参与主体之间的偏好与行为策略,对远程医疗各环节的管理决策问题进行分阶段深入进行基础理论研究,并给出针对性的决策分析方法,具有一定的理论意义和实际意义。主要包括以下几部分内容:（1）提炼出面向远程医疗中的决策问题的描述及研究架构。为了明确远程医疗中的优化决策问题的研究体系,将面向远程医疗的优化决策问题分为四个部分:远程医疗决策中跨地区机构及患者协同决策问题、跨地区机构协同共享决策问题、医患远程在线匹配决策问题以及远程医疗协同服务质量评价问题。在此基础上,归纳了面向远程医疗的多主体决策问题的一般性描述,并构建了远程医疗中的优化决策问题的研究框架和概念模型,为相关问题的研究提供了理论指导和分析导向,并为研究问题的拓展及实践提供了理论基础。（2）对于远程医疗中的优化决策中跨地区医疗机构及患者协同决策问题进行基础理论研究。针对远程医疗协同服务的参与群体,明确群体间的博弈关系及其行为决策的策略选择方案,结合演化博弈方法,通过建立跨地区的两个医院和患者三方的策略选择演化模型,分析远程医疗协同服务中跨地区医院及患者行为选择的演化路径、演化均衡和相关指标,以三方各自收益最大化为原则,研究制约远程医疗协同服务发展的影响因素。并采用真实数据进行数值仿真,给出相应的激励政策及建议。（3）对于远程医疗中的优化决策中跨地区机构协同共享决策问题进行基础理论研究。针对参与远程医疗协同服务的医疗机构,明确群体间的博弈关系及其行为决策的策略选择方案,结合演化博弈方法,通过建立跨地区两个医院策略选择演化模型,分析远程医疗协同服务中跨地区医院行为选择的演化路径、演化均衡和相关指标,以各自收益最大化为原则,研究制约远程医疗协同服务中跨地区医院进行知识共享的影响因素。并进行数值仿真,给出相应的激励政策及建议。（4）对于远程医疗中的优化决策中医患远程在线匹配决策问题进行研究。针对参与远程医疗协同服务的医疗机构,确定患者与医生如何选择与自己最匹配的策略。在现实的匹配过程中,医患之间的熟悉程度、医生的专长,以及匹配方案的稳定性等都是非常重要的考虑因素,通过给出稳定、满意和熟悉匹配方案的相关定义,计算患者和医生的匹配满意度,构建兼具满意、稳定和熟悉的目标导向的匹配决策模型,通过模型求解获得相应的最优匹配方案,并给出数值算例来证明该方法的适用性。（5）对于远程医疗服务质量评价问题进行分类研究。针对考虑两维度均衡的大群体远程医疗协同服务质量评价问题。具体地,建立了基于随机MULTIMOORA的大群体决策方法,构建了多源决策者的不同决策视角。以我国现实为例,首先建立了医疗服务质量的差异化指标评价方法。在决策过程中,提出了一种多源决策者和标准化决策矩阵的信息聚合方法。在传统的距离测量方法基础上,提出了一种基于多源评价信息的综合评价方法。最后,通过数值算例分析,证明了该方法的可行性。针对考虑大群体与小群体的远程医疗协同服务质量评价问题。将群体决策作为大群体和小群体的共同决策,解决群体决策问题,然后构建与TOPSIS理论相结合的共识模型。通过对大群体和小群体对方案的评价,通过反馈和调整,对大群体和小群体达成共识的方案进行合理的综合评价,并通过反馈和调整来确定。确定了大群体和小群体的序列。对大群体和小群体序列的一致度量是为了最大限度地减少总群体和大群体和小群体的顺序偏差。在识别到大群体和小群体在不同情况下的决策行为的基础上,给出了相应的调整规则。综上,本文以远程医疗为背景,聚焦于多主体的决策问题的基础理论研究,除了对远程医疗管理决策问题的理论和方法研究提供了系统的研究框架外,也可以应用于解决现实中其他群体决策的各类决策问题,例如多部门联合参与的突发事件应急决策问题以及多方参与的产品开发项目选择以及网络在线信用评价等,为有效解决此类复杂的多阶段决策问题提供更有效的理论和方法支撑。
邵帅[7]（2018）在《基于三支决策的图像识别方法研究与应用》文中研究表明随着计算机网络技术的发展,数字化视频与图像信息越来越多地涌现,图像识别成为了当前智能信息处理的重大课题。传统的识别方式以图像的低层信息作为基础,识别重心偏向于图像中的典型特征,通过区域分割,达到识别的效果。由于一般的图像分割都是规则的矩形,存在相同目标划分到不同子块的问题;此外,一般的图像识别存在忽略图像特征模糊部分的问题,从而导致图像识别不完全,识别率不高。针对以上问题,本文开展了以下研究:1.构建了基于三支决策的图像识别分类器。针对传统的图像分割都是规则的矩形,相同子目标可能被划分到不同子模块的问题,对比常用的图像识别方法,本文根据上一步的构想和理论分析的结果设计并构建了基于三支决策的图像识别分类器。首先,对信息不明确的目标进行延迟决策和再次判断;然后,通过迭代的方式在决策时不断地加入已更新的判定条件,而判定条件的选取是对上次分类结果进行的再次训练所得到的;最后,通过有限次地迭代使图像分割把相同目标尽可能分割到同一子模块中,从而解决了图像分割产生误差的问题,使图像划分更加准确。2.提出了一种基于三支决策的多目标SVM图像识别方法。针对图像识别中图像分割导致分类误差的问题,综合已有文献,发现导致相同目标划分到不同子块的原因是普通SVM分类器在计算机分类时只有“是”和“非”两类选择,且图像分类条件的设定不可能满足存在的所有条件。为了解决以上问题,本文从改进分类算法开始思考,模拟人类思维方式,将三支决策思想和图像识别相结合,设计了一种基于三支决策的多目标SVM图像识别方法,然后通过实验验证了其可行性和准确性。3.提出了一个基于三支决策的CNN图像识别方法。针对传统图像识别存在忽略有用信息量的问题,本文采用了基于三支决策的图像识别模型,使用特有的三支决策思想,在分类的时候使用三支策略,加入延迟决策的理论,使模糊信息等待判定条件充分之后再次进行分类处理,高效地利用了图像中的有用信息,使图像识别在分割、识别环节中能够更加准确。为了使图像理解过程更加符合人类的思维模式,本文在构建图像识别模型的时候在图像识别的决策判断过程中加入了延迟决策概念,通过每次迭代增加判定条件直到图像不可再分,达到图像有用信息量使用最大化的目的。本文根据传统的CNN图像识别方法,设计了基于三支决策的CNN图像识别方法,并通过实验验证了其可行性和准确性。
张文凯[8]（2017）在《面向主体行为与偏好的应急决策方法研究》文中研究说明近年来,在世界范围内频发的各类突发事件尤其是非常规突发事件日益凸显出当代社会对应急管理的迫切需求。在面对复杂环境、信息高度不确定和可用资源有限的情况下,如何科学、及时、有效地决策以最大限度地保障人民生命财产安全,维持国民经济正常运行需要充分发挥决策主体的主观能动性,而决策主体行为和偏好作为其表达主观能动性的重要渠道有必要在应急决策中予以充分考虑。因此,本文针对突发事件应急决策问题复杂性、不确定性、时效性和多主体性的特点,在借鉴国内外相关研究成果的基础上,开展了面向决策主体行为与复杂偏好的应急决策方法的研究,主要研究内容从以下4个方面展开。（1）提出了基于多主体冲突信息集成的应急决策方法。针对多部门、多主体协同决策过程中决策主体偏好表达存在冲突且偏好冲突无法消解的情况,引入了几种冲突信息的表示工具,研究了不同类型的冲突偏好信息的集成技术。具体地,从指标相互独立或指标间存在交互作用关系的角度研究了多主体冲突偏好以对偶犹豫模糊集、区间对偶犹豫模糊集和区间犹豫模糊语言集等为工具表示的信息集成技术,并据此提出了针对性的多主体多目标应急决策方法。（2）提出了基于复杂偏好和不完全信息的应急决策方法。针对应急决策过程中决策主体复杂偏好与客体不完全信息间存在的兼容性问题,提出了刻画主体偏好与客体信息的兼容性测度,并以最优化兼容性测度为决策目标,以主体复杂偏好为约束条件,构建了面向复杂偏好和不完全信息的多主体多目标应急决策模型。该模型允许决策主体表达多样性的偏好:关于指标重要性的偏好、关于指标有序位置重要性的偏好、关于方案成对比较的不完全偏好关系等。此外,该模型在处理主体偏好和客体不完全信息的过程中充分考虑了指标和其有序位置的交互作用关系。（3）提出了考虑主体行为与复杂偏好的异质应急群决策方法。针对决策主体在面对不确定性决策环境时所表现出的参照依赖、损失规避等有限理性行为特征,以及由不同特性的信息源所产生的信息异质性问题,提出了适应不同主体偏好表达结构的几类单人决策模型,构建了带参数的混合整数非线性规划模型,并通过模型的求解导出群体观点。该模型能综合处理指标重要性信息、成对指标的交互作用信息和指标的期望信息等三类复杂偏好信息;此外,在多主体群决策过程中该模型综合考虑了多数派和少数派的意见。（4）提出了面向主体行为与复杂偏好的交互式鲁棒性应急决策分析框架。针对传统多准则决策方法在用来求解突发事件应急决策问题时可能遇到的所有输入信息的不确定性问题,本文以一个以累积前景理论为基础的TODIM方法为例,基于随机多目标可接受分析,分别从指标相互独立和层次结构中指标存在交互作用关系的角度构建了面向决策主体行为与复杂偏好的鲁棒性应急决策分析模型。提出的模型可以处理的不确定性信息主要包括指标评价值的不确定性（随机的不确定性和模糊的不确定性）和模型参数（指标权重、行为参数、指标集上的非可加测度）的不确定性。此外,提出的模型可以使决策主体在突发事件的不同演化阶段结合当前的情景态势不断更新自己的偏好并据此诱导出鲁棒性最优的方案。本文的研究成果不仅丰富了应急决策的研究视角,而且进一步发展了应急决策的相关理论与方法,对完善应急决策理论与方法体系具有重要意义,有助于决策主体提高决策效率和质量。此外,本文的研究也为其他研究者开展相关研究提供了历史借鉴与指导。
王书齐[9]（2011）在《可变模糊集多属性决策理论在大型编队防空决策中的应用研究》文中研究表明论文以陈守煜教授可变模糊集决策理论为基础,借鉴可变模糊集决策理论在水文学及水资源领域成功运用的经验与方法,将其应用于大型编队防空决策研究中。论文综述了选题背景及国内外研究状况、研究了空中威胁环境,梳理了大型编队防空军事物理过程、对比研究分析了相关模糊决策理论与方法,建立了防空决策相关准则和指标体系,研究解决大型编队防空中的编队编成、威胁判断、兵力配置及火力分配方法中的重点问题,佐证了可变模糊集决策理论在军事决策领域应用的适用性和有效性。研究表明：大型编队面临的空中威胁十分严峻,其防空军事物理过程涉及编队编成、威胁判断、火力资源分配、攻防效能评估等诸多辅助决策研究问题,具有典型的多层次、多任务、多属性、多目标、非结构等决策特征,是一项复杂的系统工程。目前关于决策理论方面的研究成果不少,但真正应用到实际工程上的很有限,主要原因在于理论与实践的适用性和滞后性上,特别是军事领域的特殊性所致。作者通过研究可变模糊集决策理论及在水文学及水资源领域的运用实践,将可变模糊集决策理论及最新成果研究应用到军事领域。针对大型编队编成方法及方案优选问题,论文提出了基于可变模糊优选规划理论的大型编队编成与优选,研究解决军事决策中难以综合考虑定量与定性因素相结合的不足,处理了大型编队编成方案的制定及方案优选过程中的相关决策指标问题,所建模型以非线性相对优属度作为决策变量（编队待选舰艇）权重系数,理论上更为严谨合理,目标函数物理意义更为明晰。对参与优选方案的决策人员,采用非等权重的处理方法。对比分析了直接采用优选模型与采用定级处理优选模型的优选方法,给出了对比结论。针对大型编队的对空威胁判断问题,基于可变模糊聚类优选理论与方法,从目标威胁判断研究现状、目标类型聚类识别、目标威胁程度可变模糊评估、目标攻击方向区分四个方面对目标威胁判断问题进行了研究,对目标威胁等级评估方法采用二元语义进行了拓展。大型编队的兵力配置与火力分配是防空作战核心问题。论文运用基于多目标可变模糊优选及对策理论,从国内外研究现状、护航舰艇防空优化配置、防空舰载机防空优化配置、大型编队火力分配优化四个方面进行了研究。建立了兵力配置与火力分配相应准则,系统构建了相应的数学模型,进行了实例计算和分析比较,给出了分析结论。
朱佳俊[10]（2010）在《不确定可拓群决策优化方法及应用》文中指出群决策理论研究始于20世纪70年代,而后经过多学科的交叉组合,逐步形成了系统的理论体系,使得群决策的研究成果被广泛应用于经济管理、系统科学等。由于群决策问题存在偏好、权重等内在的复杂性,引入可拓理论方法进行相关的不确定性分析,认识其内在机理,以辅助管理决策。本文以物元分析、群决策理论为基础,提高群决策的效率与效果为目的,对可拓群决策的理论作了全面系统的分析与研究,运用管理科学与信息技术等方法,对不确定条件下可拓群决策过程的优化进行了深入的探讨,并结合具体实例进行仿真研究。论文研究工作主要包括以下几个方面：首先,针对可拓群决策数据缺失的特点及数据处理的要求,通过分析关联函数的距、位值,提出了可拓对应性的含义、性质,阐述了其在可拓群决策中数据缺失处理的优越性,建立了基于对应性的可拓群决策区间分析的模型与步骤,不仅减少了由于主观估计而产生的决策偏差,而且可以提高数据预测与分析的效果,为不确定条件下方案的识别、判断和选择提供依据。其次,针对可拓群决策的有效性和系统性的问题,把可拓集与群决策优化相结合,从决策的可靠性与敏感性、关联性与可变性出发,研究了不确定条件下多维可拓群决策的权重优化与可拓关联、矛盾问题的描述与可拓变换、决策偏好下多目标可拓群决策优度与可拓区间,以实现决策对象在群体交互和个体偏好集结基础上的比较与选择,拓宽了可拓群决策的研究范围和应用领域。第三,针对用物元可拓集描述的群决策数据挖掘问题,把关联函数与决策函数相结合、可拓变换与等价关系相结合,研究了不确定条件下可拓群决策的分类与聚类、规则提取与数据分析,构建了不确定条件下的可拓数据挖掘模型,解决了多方案可拓分类识别的系统决策问题,以提高不确定条件下群决策分析的系统最后,通过对金融危机下国内玩具业的发展现状、趋势的描述,将可拓群决策定量与定性分析的方法引入到世纪友谊玩具有限公司的“小鲁班”系列玩具的改进与创新中。在市场调研、创意比赛及区域销售业绩等统计资料的基础上,运用可拓群决策方法,对不确定条件下“小鲁班”产品研发、改造、组合销售三个环节进行分类与决策,以辅助企业制定产品发展战略。
二、多目标模糊识别优化决策理论与应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多目标模糊识别优化决策理论与应用研究（论文提纲范文）
（1）电网建设项目多主体协同决策模型及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 电网建设多主体协同决策影响因素研究 |
| 1.2.2 多智能体系统应用及协同决策的模拟 |
| 1.2.3 电网项目决策常用的优化模型和算法 |
| 1.2.4 协同决策支持平台系统应用研究 |
| 1.2.5 相关文献研究述评 |
| 1.3 研究内容、研究思路和研究创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究思路和技术路线 |
| 1.3.3 研究的主要创新点 |
| 第2章 相关概念和理论基础 |
| 2.1 电网项目规划与建设管理概述 |
| 2.1.1 电网规划概念和电网类型划分 |
| 2.1.2 电网项目规划与建设管理的重点内容 |
| 2.1.3 电网规划与建设管理信息化、智能化发展优势 |
| 2.2 利益相关者理论 |
| 2.2.1 利益相关者内涵 |
| 2.2.2 利益相关者识别方法 |
| 2.2.3 利益相关者理论的应用 |
| 2.3 多智能体系统(Multi-Agent System)相关理论 |
| 2.3.1 智能体(Agent)概念及分类 |
| 2.3.2 多智能体系统(MAS)概念及特征 |
| 2.3.3 Agent之间交互行为构成与协作模式 |
| 2.3.4 MAS交互行为的描述方法 |
| 2.4 多目标优化相关理论 |
| 2.4.1 多目标优化理论和解集特征 |
| 2.4.2 多目标优化智能算法 |
| 2.5 本章小结 |
| 第3章 电网项目多主体特征与协同决策目标研究 |
| 3.1 电网项目建设流程分析 |
| 3.2 电网建设项目利益相关主体识别与特征分析 |
| 3.2.1 利益相关主体界定因素 |
| 3.2.2 利益相关主体的识别 |
| 3.2.3 利益相关主体的特征和利益偏好 |
| 3.3 电网项目多主体决策面临的典型问题 |
| 3.3.1 电网建设项目多主体动态变化特征 |
| 3.3.2 电网建设项目多主体协同程度较差 |
| 3.4 电网项目多主体协同决策目标研究 |
| 3.4.1 多主体协同决策逻辑和内容分析 |
| 3.4.2 多主体协同决策目标研究 |
| 3.5 本章小结 |
| 第4章 基于MAS技术的方案优选协同决策模型 |
| 4.1 电网项目方案优选协同决策的MAS应用基础 |
| 4.1.1 MAS技术应用的基本逻辑分析 |
| 4.1.2 MAS模型基本架构及模块分类 |
| 4.1.3 系统功能型Agent结构及功能设计 |
| 4.1.4 业务功能型Agent结构及功能设计 |
| 4.1.5 Agent之间通信设计 |
| 4.2 基于MAS技术的电网项目方案优选流程 |
| 4.2.1 Agent之间交互行为分析 |
| 4.2.2 MAS的协同决策交互过程 |
| 4.2.3 基于MAS技术的方案优选流程分析 |
| 4.3 电网项目方案优选的协同决策模型及应用 |
| 4.3.1 模糊Petri网基本原理 |
| 4.3.2 电网建设项目协同决策的策略集分析 |
| 4.3.3 基于FPN的电网项目方案优选协同决策模型 |
| 4.3.4 算例分析 |
| 4.4 本章小结 |
| 第5章 基于多目标优化的方案实施协同决策模型 |
| 5.1 电网项目规划和建设实施阶段的目标侧重点 |
| 5.2 电网项目方案实施协同决策的目标函数构建 |
| 5.2.1 建设周期目标函数 |
| 5.2.2 建设选址目标函数 |
| 5.2.3 投资决策目标函数 |
| 5.2.4 资源调配目标函数 |
| 5.3 基于多目标优化的协同决策算法模型 |
| 5.3.1 多目标优化函数 |
| 5.3.2 约束条件 |
| 5.4 面向电网规划的MOPSO模型及应用 |
| 5.4.1 模型的基本假设 |
| 5.4.2 MOPSO模型求解流程 |
| 5.4.3 算例分析 |
| 5.5 面向电网建设的NSGA-Ⅱ模型及应用 |
| 5.5.1 模型的基本假设 |
| 5.5.2 NSGA-Ⅱ模型求解流程 |
| 5.5.3 算例分析 |
| 5.6 本章小结 |
| 第6章 面向多主体协同决策模型的应用系统构建 |
| 6.1 应用系统构建的意义及原则 |
| 6.2 多主体需求分析 |
| 6.2.1 用户主体类型划分 |
| 6.2.2 用户主体需求分析 |
| 6.3 系统开发和结构设计 |
| 6.3.1 系统开发技术 |
| 6.3.2 系统结构设计 |
| 6.4 协同决策应用系统功能 |
| 6.4.1 系统功能树分析 |
| 6.4.2 系统功能应用研究 |
| 6.4.3 功能应用效果分析 |
| 6.5 本章小结 |
| 第7章 研究成果与结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其他成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）居民地综合决策模型和方法研究（论文提纲范文）
| 学位论文创新点与发表学术论文对应情况表 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 居民地综合研究范式呈现数据密集型计算的特点 |
| 1.2.2 居民地综合方法研究呈现多学科融合的趋势 |
| 1.2.3 居民地综合的地图背景向多元化发展 |
| 1.2.4 多属性决策方法研究现状 |
| 1.2.5 居民地综合研究现状分析 |
| 1.3 本文研究思路、内容和技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 研究技术路线 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第二章 居民地综合决策的基础理论 |
| 2.1 居民地综合问题与决策分析的关系 |
| 2.1.1 居民地综合涉及的关键问题 |
| 2.1.2 决策分析在居民地综合中的重要作用 |
| 2.2 决策理论与方法 |
| 2.2.1 决策科学的产生与发展 |
| 2.2.2 居民地综合决策类型界定 |
| 2.2.3 居民地综合决策过程 |
| 2.2.4 主要决策方法 |
| 2.3 多属性决策理论与方法 |
| 2.3.1 多属性决策基本概念、研究重点和要素 |
| 2.3.2 多属性决策指标体系的确定 |
| 2.3.3 指标权重确定方法研究 |
| 2.3.4 指标值规范化方法 |
| 2.3.5 指标正向化方法 |
| 2.3.6 多属性决策综合排序方法 |
| 2.4 基于信息熵的多属性决策方法 |
| 2.4.1 信息熵的原理 |
| 2.4.2 熵权法计算权重步骤 |
| 2.4.3 信息熵的性质 |
| 2.5 本章小结 |
| 第三章 居民地结构选取的决策模型和方法 |
| 3.1 居民地选取难点分析 |
| 3.1.1 居民地的选取及定额选取 |
| 3.1.2 居民地的结构选取 |
| 3.2 居民地结构选取的现有方法及模型评价 |
| 3.2.1 模糊综合评判方法 |
| 3.2.2 基于人工神经元网络的居民地选取方法 |
| 3.2.3 基于主成分分析和层次分析的居民地选取方法 |
| 3.3 点状居民地结构选取的决策问题及模型和方法 |
| 3.3.1 点状居民地结构选取决策模型设计 |
| 3.3.2 点状居民地结构选取决策模型实验验证 |
| 3.3.3 实验分析 |
| 3.4 面状居民地结构选取的决策问题及模型和方法 |
| 3.4.1 面状居民地结构选取决策模型设计 |
| 3.4.2 面状居民地结构选取决策模型实验验证 |
| 3.4.3 实验分析 |
| 3.5 本章小结 |
| 第四章 街道网结构模式识别的决策模型和方法 |
| 4.1 街道网结构模式研究 |
| 4.1.1 居民地组成及街道网结构类型 |
| 4.1.2 格网模式街道网结构特征分析 |
| 4.1.3 格网模式识别现有研究方法及其评价 |
| 4.2 街道网格网模式关键指标的提取 |
| 4.2.1 街道网骨架的构建 |
| 4.2.2 平行街道的定量分析 |
| 4.2.3 街道网格网模式的度量指标 |
| 4.3 基于变异系数和聚类分析的街道网结构模式识别决策模型和方法 |
| 4.3.1 基于变异系数和聚类分析的街道网结构模式识别决策模型设计 |
| 4.3.2 基于变异系数和聚类分析的街道网结构模式识别决策模型实验验证 |
| 4.3.3 实验分析 |
| 4.4 基于区域矩形度、直线率和矩形率的街道网结构模式识别决策模型和方法 |
| 4.4.1 基于区域矩形度、直线率和矩形率的街道网结构模式识别决策模型设计 |
| 4.4.2 运用前馈神经网络实验验证决策模型 |
| 4.4.3 运用聚类分析实验验证决策模型 |
| 4.4.4 实验分析 |
| 4.5 本章小结 |
| 第五章 居住区形状化简的决策模型和方法 |
| 5.1 居住区形状化简涉及的关键问题及现有模型和方法 |
| 5.1.1 居住区形状化简的目的 |
| 5.1.2 居住区的主要类型 |
| 5.1.3 居民地形状化简的现有模型和方法 |
| 5.2 格网状居住区街道选取的决策模型和方法 |
| 5.2.1 格网状居住区特征分析 |
| 5.2.2 格网状居住区街道选取决策模型设计 |
| 5.2.3 格网状居住区街道选取决策模型实验验证 |
| 5.2.4 实验分析 |
| 5.3 有街道不规则状居住区街道选取决策模型和方法 |
| 5.3.1 有街道不规则状居住区特征分析 |
| 5.3.2 有街道不规则状居住区街道选取决策模型设计 |
| 5.3.3 有街道不规则状居住区街道选取决策模型实验验证 |
| 5.3.4 实验分析 |
| 5.4 无街道不规则状居住区建筑物选取决策模型和方法 |
| 5.4.1 无街道不规则状居住区形状化简的规定和原则 |
| 5.4.2 无街道不规则状居住区建筑物选取决策模型设计 |
| 5.4.3 无街道不规则状居住区建筑物选取决策模型实验验证 |
| 5.4.4 实验分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（3）风光储联合发电调度管理与效益评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 新能源研究现状 |
| 1.2.2 风光储联合发电模式研究现状 |
| 1.2.3 新能源发电功率预测研究现状 |
| 1.2.4 多目标决策理论研究现状 |
| 1.2.5 风光储联合发电系统优化研究 |
| 1.2.6 含风光储发电的电力系统综合评价研究 |
| 1.3 主要研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究技术路线 |
| 1.3.3 主要创新点 |
| 1.4 本章小结 |
| 第2章 风光储联合发电调度管理与效益评价基础理论 |
| 2.1 新能源联合发电系统 |
| 2.1.1 新能源联合发电形式 |
| 2.1.2 系统设计和分析方法 |
| 2.2 新能源发电功率预测理论 |
| 2.3 多目标决策理论 |
| 2.4 效益评价理论 |
| 2.4.1 评价概念及流程 |
| 2.4.2 指标体系构建原则 |
| 2.4.3 评价指标预处理 |
| 2.4.4 指标权重确定方法 |
| 2.5 本章小结 |
| 第3章 风力与光伏发电功率预测 |
| 3.1 基于经验模式分解和支持向量机的风电功率预测模型研究 |
| 3.1.1 经验模式分解 |
| 3.1.2 粒子群优化的支持向量机模型 |
| 3.1.3 基于EMD-PSO-SVM的风电功率预测模型 |
| 3.1.4 算例分析 |
| 3.2 基于相似日模糊聚类的光伏发电功率组合预测模型研究 |
| 3.2.1 改进模糊聚类算法 |
| 3.2.2 熵权组合预测模型 |
| 3.2.3 基于模糊聚类的光伏发电功率熵权组合预测模型 |
| 3.2.4 算例分析 |
| 3.3 本章小结 |
| 第4章 计及经济性的风光储联合发电系统出力优化调度模型 |
| 4.1 不确定规划理论 |
| 4.1.1 不确定规划基础理论 |
| 4.1.2 不确定规划模型 |
| 4.1.3 不确定规划智能算法 |
| 4.2 风光储联合发电系统运行特性分析 |
| 4.2.1 风光出力特性分析 |
| 4.2.2 出力优化控制的目标 |
| 4.2.3 风光出力预测偏差的处理 |
| 4.3 风光储联合发电系统经济性分析 |
| 4.4 计及经济性的风光储联合发电多目标出力调度模型 |
| 4.4.1 目标函数 |
| 4.4.2 约束条件 |
| 4.4.3 模型求解 |
| 4.5 算例分析 |
| 4.5.1 跟踪计划出力调度模型 |
| 4.5.2 计及经济性的多目标跟踪计划出力调度模型计算 |
| 4.5.3 结果分析 |
| 4.6 本章小结 |
| 第5章 风光储联合发电综合效益评价 |
| 5.1 评价指标构建原则 |
| 5.1.1 结合风光储自身特点的指标构建准则 |
| 5.1.2 评价指标筛选办法 |
| 5.2 风光储联合发电系统评价指标体系 |
| 5.2.1 示范效益 |
| 5.2.2 电网效益 |
| 5.2.3 经济效益 |
| 5.2.4 社会效益 |
| 5.2.5 评价指标体系层次结构 |
| 5.3 基于价值权重和影响权重的组合权重确定 |
| 5.4 综合效益评价 |
| 5.4.1 风光储联合发电综合效益模糊评价模型 |
| 5.4.2 实例测算结果分析 |
| 5.5 本章小结 |
| 第6章 风光储调度管理对策研究 |
| 6.1 风光储并网运行管理研究 |
| 6.1.1 运行方式分析 |
| 6.1.2 风光储并网运行管理策略 |
| 6.1.3 风光储孤岛运行管理策略 |
| 6.1.4 运行模式切换策略研究 |
| 6.2 储能产业发展的管理建议 |
| 6.2.1 产业发展问题分析 |
| 6.2.2 能源互联网发展下风光储联合系统典型应用模式 |
| 6.2.3 风光储联合系统未来发展的政策建议 |
| 6.3 本章小结 |
| 第7章 研究成果与结论 |
| 7.1 研究成果 |
| 7.2 结论 |
| 第8章 附表 |
| 8.1 附表1 风光储联合发电综合效益评价指标体系 |
| 8.2 附表2 基于价值权重和影响权重的组合权重确定表 |
| 8.3 附表3 指标评价体系的级别划分规则与相关标准 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）考虑行为的绿色供应商多属性决策研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 优选绿色供应商的重要性 |
| 1.1.2 面向绿色供应商选择的管理决策问题 |
| 1.2 研究目标与研究意义 |
| 1.2.1 研究目标 |
| 1.2.2 研究意义 |
| 1.3 研究内容和研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 研究思路和结构安排 |
| 1.4.1 研究思路 |
| 1.4.2 结构安排 |
| 1.5 主要创新点 |
| 第二章 相关文献研究综述 |
| 2.1 文献检索情况概述 |
| 2.1.1 文献检索范围分析 |
| 2.1.2 文献情况分析 |
| 2.1.3 学术趋势分析 |
| 2.2 多属性决策研究现状 |
| 2.2.1 不确定性多属性决策 |
| 2.2.2 考虑行为的多属性决策 |
| 2.3 绿色供应商选择研究现状 |
| 2.3.1 绿色供应商评价指标体系 |
| 2.3.2 绿色供应链风险和绿色供应商风险 |
| 2.3.3 绿色供应链柔性和绿色供应商柔性 |
| 2.3.4 绿色供应商选择方法 |
| 2.4 现有研究的贡献、不足及研究启示 |
| 2.4.1 主要贡献 |
| 2.4.2 不足之处 |
| 2.4.3 对本文研究的启示 |
| 第三章 基础理论 |
| 3.1 考虑行为的多属性决策理论 |
| 3.1.1 期望效用理论与前景理论 |
| 3.1.2 累积前景理论 |
| 3.1.3 第三代前景理论 |
| 3.2 绿色供应商选择的基础理论 |
| 3.2.1 绿色供应链与绿色供应商的界定 |
| 3.2.2 绿色供应商选择的作用 |
| 3.2.3 绿色供应商风险 |
| 3.2.4 绿色供应商柔性 |
| 3.2.5 考虑行为的绿色供应商选择的概念模型 |
| 3.3 多属性决策方法 |
| 3.3.1 广义优序法 |
| 3.3.2 灰色关联分析法 |
| 3.3.3 解释结构模型法 |
| 3.3.4 网络层次分析法 |
| 3.4 本章小结 |
| 第四章 基于前景理论的绿色供应商静态选择 |
| 4.1 问题的提出 |
| 4.2 评价指标体系及参数分析 |
| 4.2.1 评价指标选取及定义 |
| 4.2.2 参数定义及指标值分析 |
| 4.3 基于前景理论的绿色供应商选择模型 |
| 4.3.1 收益和损失确定 |
| 4.3.2 综合前景值确定 |
| 4.4 案例分析 |
| 4.4.1 案例背景描述 |
| 4.4.2 案例计算过程 |
| 4.4.3 结果分析与讨论 |
| 4.5 本章小结 |
| 第五章 基于第三代前景理论和广义优序法的绿色供应商动态选择 |
| 5.1 考虑时间因素的绿色供应商动态选择问题 |
| 5.1.1 问题描述 |
| 5.1.2 动态环境的内涵 |
| 5.1.3 绿色供应商动态评价指标体系的构建 |
| 5.2 基于PT3和广义优序法的绿色供应商动态选择模型构建与分析 |
| 5.2.1 总体描述和模型假定 |
| 5.2.2 候选绿色供应商的权重确定 |
| 5.2.3 绿色供应商动态选择步骤及说明 |
| 5.3 案例分析 |
| 5.3.1 案例背景描述 |
| 5.3.2 案例计算过程 |
| 5.3.3 结果讨论与对比分析 |
| 5.4 本章小结 |
| 第六章 考虑风险和柔性因素的绿色供应商动态选择和制造任务分配 |
| 6.1 问题的提出 |
| 6.2 绿色供应商风险来源分析 |
| 6.3 绿色供应商柔性的量化研究 |
| 6.4 绿色供应商选择过程分析及参数定义 |
| 6.4.1 绿色供应商选择的描述 |
| 6.4.2 参数定义与假设 |
| 6.5 绿色供应商动态选择及任务分配模型 |
| 6.5.1 绿色供应商动态选择模型的构建 |
| 6.5.2 绿色供应商动态选择与制造任务分配模型 |
| 6.5.3 改进的粒子群算法 |
| 6.6 案例分析 |
| 6.6.1 案例背景描述 |
| 6.6.2 案例计算过程 |
| 6.6.3 结果分析与讨论 |
| 6.7 本章小结 |
| 第七章 研究总结与展望 |
| 7.1 主要研究工作 |
| 7.2 管理启示 |
| 7.3 研究局限及研究展望 |
| 7.3.1 研究局限 |
| 7.3.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）不确定环境下旱灾风险调控群决策方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 相关研究与评述 |
| 1.2.1 旱灾风险调控相关研究 |
| 1.2.2 群决策理论与方法相关研究 |
| 1.2.3 经验模态分解方法相关研究 |
| 1.2.4 文献评述 |
| 1.3 主要内容与论文结构 |
| 1.3.1 主要内容 |
| 1.3.2 论文结构 |
| 1.4 主要创新点 |
| 第2章 旱灾风险调控群决策中的不确定性特征分析 |
| 2.1 旱灾与旱灾风险 |
| 2.1.1 旱灾 |
| 2.1.2 旱灾风险 |
| 2.2 旱灾风险调控群决策 |
| 2.2.1 旱灾风险调控 |
| 2.2.2 旱灾风险调控决策 |
| 2.2.3 多参与主体的旱灾风险调控群决策 |
| 2.3 旱灾风险调控群决策中的不确定性特征 |
| 2.3.1 旱灾风险系统自身的不确定性 |
| 2.3.2 群决策信息的不确定性 |
| 2.3.3 决策过程与方法的不确定性 |
| 2.4 本章小结 |
| 第3章 群决策信息提取和集结的随机EMD方法 |
| 3.1 传统群决策方法存在的问题 |
| 3.2 经验模态分解方法基本原理 |
| 3.2.1 方法概述 |
| 3.2.2 基本原理 |
| 3.3 基于随机EMD的群决策基本思想 |
| 3.3.1 群决策信息序列的成分分析 |
| 3.3.2 群决策信息序列的无序性分析 |
| 3.3.3 基于随机EMD的群决策算法设计 |
| 3.4 数值算例分析 |
| 3.5 本章小结 |
| 第4章 不确定语言信息下旱灾风险调控群决策方法 |
| 4.1 决策问题与方法基础 |
| 4.1.1 决策问题描述 |
| 4.1.2 语言评估标度及相关概念 |
| 4.2 决策方法原理 |
| 4.2.1 多粒度语言信息一致化处理 |
| 4.2.2 群决策语言信息LHA集结 |
| 4.2.3 三参数区间灰数信息集结 |
| 4.2.4 正态分布随机变量信息集结 |
| 4.2.5 一般决策过程 |
| 4.3 应用示例 |
| 4.4 本章小结 |
| 第5章 不确定混合信息下旱灾风险调控群决策方法 |
| 5.1 决策问题与信息预处理 |
| 5.1.1 决策问题描述 |
| 5.1.2 信息获取与预处理 |
| 5.2 决策方法原理 |
| 5.2.1 常用不确定决策信息表征 |
| 5.2.2 不确定混合信息一致化处理 |
| 5.2.3 不确定混合信息随机EMD集结 |
| 5.2.4 不确定混合信息正态云集结 |
| 5.2.5 一般决策过程 |
| 5.3 应用示例 |
| 5.4 本章小结 |
| 第6章 不确定随机动态旱灾风险调控群决策方法 |
| 6.1 决策问题与方法基础 |
| 6.1.1 决策问题描述 |
| 6.1.2 决策方法基础 |
| 6.2 决策方法原理 |
| 6.2.1 群决策信息采集规则 |
| 6.2.2 阶段群决策信息集结 |
| 6.2.3 动态群决策信息集结 |
| 6.2.4 一般决策过程 |
| 6.3 应用示例 |
| 6.4 本章小结 |
| 第7章 河南省农业旱灾风险调控群决策实证分析 |
| 7.1 河南省农业干旱特点及灾害概况 |
| 7.2 河南省农业旱灾脆弱性关键驱动因子识别 |
| 7.2.1 河南省农业旱灾脆弱性驱动因子识别原理 |
| 7.2.2 多元截面数据变化率灰色关联分析模型 |
| 7.2.3 关键驱动因子识别结果与成因分析 |
| 7.3 雨养农业区政策性农业保险产品择优投放群决策实证 |
| 7.3.1 河南省农业保险与雨养农业区概况 |
| 7.3.2 政策性农业保险产品择优投放群决策—以陕州区为例 |
| 7.3.3 河南省雨养农业区加快发展农业保险的建议 |
| 7.4 灌区小型农田水利设施管护模式优选群决策实证 |
| 7.4.1 河南省灌区小型农田水利设施管理现状 |
| 7.4.2 小型农田水利设施管护模式优选群决策—以滑县为例 |
| 7.4.3 河南省灌区完善小型农田水利设施管理模式的建议 |
| 7.5 本章小结 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 附件 |
| 个人简历、在学期间取得的科研成果 |
（6）远程医疗中的优化决策问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 远程医疗的必要性 |
| 1.1.2 我国远程医疗服务的发展 |
| 1.1.3 面向远程医疗的管理决策问题 |
| 1.2 研究意义 |
| 1.3 研究目标、研究内容和研究方法 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.4 研究思路和结构安排 |
| 1.4.1 研究思路 |
| 1.4.2 结构安排 |
| 1.5 主要创新点 |
| 第二章 国内外研究综述 |
| 2.1 远程医疗协同服务 |
| 2.1.1 远程医疗协同服务概念及特点 |
| 2.1.2 关于远程医疗决策理论的研究 |
| 2.1.3 关于远程医疗决策方法的研究 |
| 2.2 关于决策理论的研究综述 |
| 2.2.1 关于决策的研究 |
| 2.2.2 关于群体决策的研究 |
| 2.2.3 关于共识决策的研究 |
| 2.3 关于服务质量评价理论与方法的研究 |
| 2.3.1 关于全面质量管理的研究 |
| 2.3.2 关于服务质量评价模型的研究 |
| 2.3.3 关于医疗服务质量管理的研究 |
| 第三章 理论、方法与概念模型 |
| 3.1 演化博弈理论 |
| 3.1.1 博弈论与演化博弈理论 |
| 3.1.2 演化稳定策略(ESS) |
| 3.1.3 演化博弈论与经典博弈论的区别 |
| 3.2 知识共享理论 |
| 3.2.1 知识的概念及分类 |
| 3.2.2 知识共享的内涵 |
| 3.2.3 知识共享的模式 |
| 3.2.4 阻碍知识共享的因素 |
| 3.3 双边匹配理论 |
| 3.3.1 双边匹配与决策 |
| 3.3.2 双边匹配决策的特征 |
| 3.4 TOPSIS方法 |
| 3.4.1 TOPSIS涵义 |
| 3.4.2 TOPSIS计算步骤 |
| 3.5 MULTIMOORA方法 |
| 3.5.1 MOORA计算步骤 |
| 3.5.2 MULTIMOORA计算步骤 |
| 3.6 远程医疗中的优化决策研究的概念模型 |
| 3.6.1 远程医疗协同服务的全周期概述 |
| 3.6.2 基于全周期过程的关键决策问题与研究的概念模型 |
| 第四章 远程医疗中跨地区机构与患者协同决策 |
| 4.1 主要思路与基本假设 |
| 4.2 模型建立与推导 |
| 4.3 模型分析 |
| 4.4 数值分析 |
| 4.5 小结 |
| 第五章 远程医疗中跨地区机构知识协同共享决策 |
| 5.1 主要思路和基本假设 |
| 5.2 模型建立与推导 |
| 5.3 模型分析 |
| 5.4 数值分析 |
| 5.5 本章小结 |
| 第六章 远程医疗中患者与医生匹配决策 |
| 6.1 主要思路 |
| 6.2 相关概念定义 |
| 6.3 模型建立与推导 |
| 6.4 模型求解方法 |
| 6.5 数值分析 |
| 第七章 远程医疗协同服务质量评价 |
| 7.1 两维度均衡的大群体远程医疗协同服务质量评价 |
| 7.1.1 主要思路 |
| 7.1.2 两维度均衡的大群体远程医疗协同服务质量评价方法 |
| 7.1.3 算例分析 |
| 7.2 大群体与小群体的远程医疗协同服务质量评价 |
| 7.2.1 主要思路 |
| 7.2.2 大群体与小群体的远程医疗协同服务质量评价方法 |
| 7.2.3 数值分析 |
| 7.3 本章小结 |
| 第八章 结论与展望 |
| 8.1 研究总结 |
| 8.2 研究启示 |
| 8.3 研究局限 |
| 8.4 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1.基本情况 |
| 2.教育背景 |
| 3.攻读硕士学位期间的研究成果 |
| 3.1 发表学术论文 |
| 3.2 参与科研项目及获奖 |
（7）基于三支决策的图像识别方法研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景和意义 |
| 1.2 研究综述 |
| 1.2.1 国内外当前的研究现状 |
| 1.2.2 当前存在的主要问题 |
| 1.3 研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文的组织结构 |
| 第2章 相关理论基础 |
| 2.1 图像识别基础理论 |
| 2.2 图像识别的关键步骤 |
| 2.2.1 图像分割 |
| 2.2.2 图像的特征抽取 |
| 2.2.3 图像匹配 |
| 2.3 三支决策理论的基本概念 |
| 2.4 图像识别中的三支决策概述 |
| 2.5 本章小结 |
| 第3章 基于三支决策的多目标SVM图像识别 |
| 3.1 多目标SVM图像识别 |
| 3.2 基于三支决策的多目标SVM图像识别分类器 |
| 3.3 基于三支决策的多目标SVM图像识别方法 |
| 3.4 本章小结 |
| 第4章 基于三支决策的CNN图像识别 |
| 4.1 CNN图像识别 |
| 4.2 基于三支决策的CNN分类器模型 |
| 4.3 基于三支决策的CNN图像识别方法 |
| 4.4 本章小结 |
| 第5章 实验设计与分析 |
| 5.1 实验设计及实验结果 |
| 5.1.1 基于三支决策的多目标SVM图像识别方法 |
| 5.1.2 基于三支决策的CNN图像识别方法 |
| 5.2 实验分析 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究工作总结与创新 |
| 6.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（8）面向主体行为与偏好的应急决策方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 对应急决策的研究符合国家重大战略需求 |
| 1.1.2 在应急决策中考虑决策主体行为与偏好的必要性 |
| 1.1.3 现有的应急决策方法面临新的挑战 |
| 1.1.4 深入研究考虑主体行为与偏好的应急决策方法的必要性 |
| 1.2 研究目标与研究意义 |
| 1.2.1 研究目标 |
| 1.2.2 研究意义 |
| 1.3 研究内容、研究方法和研究思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究思路 |
| 1.4 本文创新性工作说明 |
| 第2章 文献综述及相关理论基础 |
| 2.1 应急决策简介 |
| 2.1.1 应急决策的相关概念 |
| 2.1.2 应急决策的发展 |
| 2.2 应急决策方法的相关研究 |
| 2.2.1 基于“情景—应对”的应急决策方法 |
| 2.2.2 基于案例推理的应急决策方法 |
| 2.2.3 考虑多主体协同的应急决策方法 |
| 2.2.4 考虑主体行为的应急决策方法 |
| 2.3 不确定多准则决策理论与方法的相关研究 |
| 2.3.1 不确定性信息的表示技术 |
| 2.3.2 不确定性信息的集成技术 |
| 2.3.3 指标参数的识别技术 |
| 2.3.4 不确定多准则决策方法 |
| 2.4 对已有研究的贡献与不足的总结 |
| 2.4.1 主要贡献 |
| 2.4.2 现有研究的不足 |
| 2.4.3 对本研究的启示 |
| 2.5 非可加测度和积分的相关理论 |
| 2.5.1 非可加测度和积分 |
| 2.5.2 默比乌斯表示的非可加测度和积分 |
| 2.5.3 2序可加测度和积分 |
| 2.5.4 Shapley交互作用指数 |
| 2.6 行为决策理论 |
| 2.6.1 原始前景理论 |
| 2.6.2 累积前景理论 |
| 2.6.3 累积前景理论与Choquet积分的关系 |
| 2.7 本章小结 |
| 第3章 基于多主体冲突信息集成的应急决策方法 |
| 3.1 基于对偶犹豫模糊型冲突信息集成的应急决策方法 |
| 3.1.1 对偶犹豫模糊型冲突信息元的运算法则 |
| 3.1.2 对偶犹豫模糊型冲突信息的集成算子 |
| 3.1.3 基于对偶犹豫模糊型冲突信息集成的应急决策方法 |
| 3.1.4 算例分析 |
| 3.2 基于区间对偶犹豫模糊型冲突信息集成的应急决策方法 |
| 3.2.1 区间对偶犹豫模糊型冲突信息元的运算法则 |
| 3.2.2 区间对偶犹豫模糊型冲突信息的集成算子 |
| 3.2.3 基于区间对偶犹豫模糊型冲突信息集成的应急决策方法 |
| 3.2.4 算例分析 |
| 3.3 基于区间犹豫模糊语言型冲突信息集成的应急决策方法 |
| 3.3.1 基础知识 |
| 3.3.2 改进的区间犹豫模糊语言型冲突信息元的运算法则 |
| 3.3.3 区间犹豫模糊语言型冲突信息的非可加积分 |
| 3.3.4 区间犹豫模糊语言型冲突信息的Shapley非可加积分 |
| 3.3.5 基于区间犹豫模糊语言型冲突信息集成的应急决策方法 |
| 3.3.6 算例分析 |
| 3.4 本章小结 |
| 第4章 基于复杂偏好和不完全信息的应急决策方法 |
| 4.1 基础知识 |
| 4.2 问题框架描述及标准化处理 |
| 4.2.1 问题框架描述 |
| 4.2.2 标准化处理 |
| 4.3 复杂偏好建模及求解 |
| 4.3.1 应急决策群体一致性测度和非一致性测度 |
| 4.3.2 构建参数学习模型 |
| 4.3.3 模型的进一步讨论 |
| 4.3.4 模型的求解 |
| 4.3.5 基于复杂偏好和不完全信息的应急决策方法 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 考虑主体行为与复杂偏好的异质应急群决策方法 |
| 5.1 基础知识 |
| 5.2 问题框架描述及标准化处理 |
| 5.2.1 问题框架描述 |
| 5.2.2 标准化处理 |
| 5.3 单人决策模型构建及求解 |
| 5.3.1 收益和损失的计算 |
| 5.3.2 考虑指标交互作用的综合前景值 |
| 5.3.3 基于决策主体行为的一致性指数和非一致性指数 |
| 5.3.4 双目标直觉模糊规划模型 |
| 5.3.5 双目标直觉模糊规划的求解 |
| 5.4 单人决策模型的进一步讨论 |
| 5.5 群体共识达成的决策方法 |
| 5.5.1 群决策方法 |
| 5.5.2 考虑决策主体行为与复杂偏好的异质应急群决策方法 |
| 5.6 算例分析 |
| 5.7 本章小结 |
| 第6章 面向主体行为与复杂偏好的鲁棒性决策分析框架 |
| 6.1 指标独立视角下的鲁棒性决策分析 |
| 6.1.1 传统的TODIM模型 |
| 6.1.2 SMAA-TODIM |
| 6.1.3 决策主体的偏好信息表达 |
| 6.1.4 蒙特卡洛模拟 |
| 6.1.5 鲁棒性分析框架 |
| 6.1.6 算例分析 |
| 6.2 层次结构中指标交互作用视角下的鲁棒性决策分析 |
| 6.2.1 SC-TODIM:考虑指标交互作用的TODIM模型 |
| 6.2.2 HSC-TODIM:指标层次结构视角下的SC-TODIM模型 |
| 6.2.3 SMAA-HSC-TODIM |
| 6.2.4 层次结构下决策主体的偏好信息表达 |
| 6.2.5 层次结构视角下的鲁棒性决策分析 |
| 6.2.6 算例分析 |
| 6.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
| 作者简介 |
（9）可变模糊集多属性决策理论在大型编队防空决策中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 军事决策研究方面 |
| 1.2.2 技术支撑研究方面 |
| 1.3 选题依据、目的及研究内容 |
| 1.3.1 选题依据 |
| 1.3.2 选题目的 |
| 1.3.3 研究内容 |
| 1.4 本章小结 |
| 2 模糊决策理论与方法综述 |
| 2.1 模糊决策理论与方法的发展 |
| 2.2 模糊决策理论与方法主要内容 |
| 2.2.1 模糊性与模糊集合概念 |
| 2.2.2 模糊数的排序 |
| 2.2.3 模糊决策指标的规范 |
| 2.2.4 属性权重的确定 |
| 2.3 模糊规划理论与方法 |
| 2.3.1 单目标模糊规划 |
| 2.3.2 多目标模糊规划 |
| 2.4 可变模糊集决策理论 |
| 2.4.1 几个重要概念 |
| 2.4.2 相对优属度 |
| 2.4.3 最大隶属原则的不适用性及级别特征值 |
| 2.4.4 可变模糊聚类循环迭代模型 |
| 2.4.5 可变模糊模式识别模型 |
| 2.4.6 可变模糊模式优选模型 |
| 2.4.7 可变模糊评价模型 |
| 2.5 本章小结 |
| 3 大型编队防空与防空能力需求 |
| 3.1 空中威胁环境问题 |
| 3.1.1 反舰导弹武器 |
| 3.1.2 空袭战术特征 |
| 3.2 大型编队防空规则 |
| 3.2.1 及早发现,力争先机 |
| 3.2.2 优化部署,梯次配置 |
| 3.2.3 密切协调,主动配合 |
| 3.2.4 加强控制,避免误击 |
| 3.3 大型编队防空区域划分 |
| 3.3.1 防空预警区 |
| 3.3.2 防空作战区 |
| 3.4 大型编队防空指挥控制 |
| 3.4.1 防空作战指挥控制关系 |
| 3.4.2 防空指挥控制过程 |
| 3.4.3 防空指挥控制内容 |
| 3.5 大型编队防空能力需求 |
| 3.5.1 编队观察警戒能力 |
| 3.5.2 舰载机拦截能力 |
| 3.5.3 编队中远程防空拦截能力 |
| 3.5.4 编队近程防空拦截能力 |
| 3.5.5 编队防空作战电子对抗能力 |
| 3.6 本章小结 |
| 4 基于可变模糊优选规划理论的大型编队编成与优选 |
| 4.1 编队编成优选指标体系的构建 |
| 4.1.1 编队对空探测能力 |
| 4.1.2 编队武器防空能力 |
| 4.1.3 编队空情信息处理能力 |
| 4.1.4 编队人员素质与训练水平 |
| 4.2 大型编队编成方案生成 |
| 4.2.1 护航舰艇编成模型构建 |
| 4.2.2 目标相对优属度的确定 |
| 4.2.3 定量目标的处理 |
| 4.2.4 定性目标的处理 |
| 4.2.5 权重的处理 |
| 4.2.6 模型的解算 |
| 4.3 大型编队编成方案优选 |
| 4.3.1 待选方案的确定 |
| 4.3.2 权重的确定 |
| 4.3.3 相对优属度的确定 |
| 4.3.4 方案优选 |
| 4.4 本章小结 |
| 5 基于可变模糊聚类优选理论的目标威胁判断 |
| 5.1 目标威胁判断研究 |
| 5.1.1 国外威胁判断研究 |
| 5.1.2 国内威胁判断研究 |
| 5.2 目标类型聚类识别研究 |
| 5.2.1 目标类型聚类依据 |
| 5.2.2 目标类型聚类方法 |
| 5.2.3 目标类型证据特征 |
| 5.2.4 实例运用 |
| 5.3 目标威胁程度可变模糊评估 |
| 5.3.1 目标威胁程度评估的悲观原则 |
| 5.3.2 目标威胁程度评估的模糊聚类法 |
| 5.3.3 目标威胁程度评估的可变模糊评价法 |
| 5.3.4 目标威胁等级评估的二元语义模型与方法 |
| 5.4 目标攻击方向区分 |
| 5.4.1 攻击方向区分依据 |
| 5.4.2 攻击方向区分方法 |
| 5.4.3 实例检验 |
| 5.5 本章小结 |
| 6 基于多目标可变模糊优选及对策理论的兵力配置与火力分配 |
| 6.1 护航舰艇防空优化配置 |
| 6.1.1 优化配置原则 |
| 6.1.2 防空哨舰优化配置 |
| 6.1.3 综合作战区防空舰艇优化配置 |
| 6.2 防空舰载机防空优化配置 |
| 6.2.1 舰载预警机优化配置 |
| 6.2.2 舰载歼击机优化配置 |
| 6.3 大型编队火力分配优化 |
| 6.3.1 火力分配优化准则 |
| 6.3.2 火力分配条件设定 |
| 6.3.3 火力分配模型构建 |
| 6.3.4 火力分配模型求解 |
| 6.3.5 应用实例 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 创新点摘要 |
| 攻读博士学位期间发表学术论文情况 |
| 致谢 |
| 作者简介 |
（10）不确定可拓群决策优化方法及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 表目录 |
| 图目录 |
| 第1章 绪论 |
| 1.1 研究背景与目的 |
| 1.1.1 群决策研究存在的问题 |
| 1.1.2 可拓学的特点与优势 |
| 1.1.3 可拓群决策的可行性 |
| 1.1.4 研究目的和意义 |
| 1.2 国内外群决策和可拓决策理论研究进展 |
| 1.2.1 国内外群决策的研究现状 |
| 1.2.2 可拓学与可拓决策 |
| 1.3 本文的主要研究方法、内容及创新点 |
| 1.3.1 研究思路与方法 |
| 1.3.2 本文的主要研究内容 |
| 1.3.3 本文的主要创新点 |
| 第2章 物元可拓与可拓群决策理论体系 |
| 2.1 物元可拓 |
| 2.1.1 基元 |
| 2.1.2 可拓变换 |
| 2.1.3 可拓集 |
| 2.1.4 关联函数 |
| 2.2 可拓决策 |
| 2.2.1 矛盾问题及其求解 |
| 2.2.2 决策系统的相容性 |
| 2.2.3 可拓决策 |
| 2.3 可拓群决策 |
| 2.3.1 可拓群决策的含义与假设 |
| 2.3.2 可拓群决策的内容与功能 |
| 2.3.3 可拓群决策的物元可拓集 |
| 2.3.4 可拓群决策的关联函数 |
| 2.3.5 可拓群决策的可拓变换 |
| 2.4 本章小结 |
| 第3章 不确定条件下可拓群决策可靠性与敏感性分析研究 |
| 3.1 相对熵与群决策优化 |
| 3.1.1 熵及熵优化 |
| 3.1.2 群决策的相对熵权重 |
| 3.2 基于相对熵的可拓群决策可靠性分析 |
| 3.2.1 基于相对熵的可拓群决策可靠性分析的含义与作用 |
| 3.2.2 权重不确定条件下的可拓群决策可靠性分析的理论依据 |
| 3.2.3 权重不确定条件下的可拓群决策可靠性分析的步骤 |
| 3.3 基于权重优化的可拓群决策的敏感性分析 |
| 3.3.1 可拓群决策敏感性分析的含义与作用 |
| 3.3.2 可拓群决策单因素敏感性分析法 |
| 3.3.3 可拓群决策多因素敏感性分析法 |
| 3.3.4 可拓群决策敏感性分析法的步骤 |
| 3.4 本章小结 |
| 第4章 不确定数据下可拓群决策优化 |
| 4.1 可拓群决策数据不确定的描述及其处理的要求 |
| 4.1.1 可拓群决策数据不确定的表现 |
| 4.1.2 可拓群决策数据不确定的处理要求 |
| 4.1.3 不确定条件下可拓群决策数据处理的思路 |
| 4.2 区间值条件下的可拓群决策优化 |
| 4.2.1 区间可拓集 |
| 4.2.2 区间距与区间位值 |
| 4.2.3 区间关联度 |
| 4.2.4 区间值条件下的可拓群决策 |
| 4.3 数据缺失条件下的可拓群决策优化 |
| 4.3.1 基于可拓变换的数据缺失处理方法 |
| 4.3.2 基于平均指标的数据缺失处理方法 |
| 4.3.3 极值条件下基于鲍达数的数据缺失处理方法 |
| 4.4 数据不确定条件下基于对应性的可拓群决策优化 |
| 4.4.1 可拓关联对应性 |
| 4.4.2 数据不确定条件下基于对应性的可拓群决策区间 |
| 4.4.3 数据不确定条件下基于对应性的可拓群决策模型研究 |
| 4.5 本章小结 |
| 第5章 不确定条件下多目标可拓群决策的优化方法及模型研究 |
| 5.1 基于可拓变换的多目标可拓群决策 |
| 5.1.1 多维物元群决策下多目标转换与规范化 |
| 5.1.2 多目标可拓群决策矛盾问题的描述与可拓变换 |
| 5.2 决策偏好下多目标可拓群决策优度分析 |
| 5.2.1 偏好条件下多目标可拓群决策的关联函数 |
| 5.2.2 偏好条件下多目标可拓群决策的关联优化 |
| 5.2.3 偏好条件下多目标可拓群决策的优度 |
| 5.3 基于可拓集的多目标可拓群决策物元可拓区间划分 |
| 5.3.1 多目标可拓群决策物元可拓集 |
| 5.3.2 偏好条件下多目标可拓群决策物元可拓区间的划分 |
| 5.3.3 无偏好条件下多目标可拓群决策物元可拓区间分析 |
| 5.4 基于可拓关联的多目标可拓群决策方案排序及评价区间估计 |
| 5.4.1 偏好条件下多目标可拓群决策方案排序 |
| 5.4.2 偏好条件下多目标可拓群决策评价区间估计 |
| 5.4.3 无偏好条件下多目标可拓群决策评价区间估计 |
| 5.5 不确定条件下多目标可拓群决策优化模型研究 |
| 5.5.1 思路 |
| 5.5.2 步骤 |
| 5.6 本章小结 |
| 第6章 不确定条件下可拓群决策数据挖掘 |
| 6.1 基于可拓集的可拓分类 |
| 6.1.1 可拓分类的目的与意义 |
| 6.1.2 可拓分类形式 |
| 6.1.3 可拓分类的优点与不足 |
| 6.2 不确定条件下可拓群决策粗糙分类 |
| 6.2.1 可拓群决策的可拓变换与分类 |
| 6.2.2 不确定条件下可拓群决策的属性约简与分类 |
| 6.2.3 不确定条件下可拓群决策的粗糙分类模型 |
| 6.3 不确定条件下可拓群决策关联聚类 |
| 6.3.1 模糊关系与相似关系矩阵 |
| 6.3.2 不确定条件下可拓群决策的关联聚类 |
| 6.3.3 不确定条件下可拓群决策关联聚类模型 |
| 6.4 不确定条件下可拓群决策的规则提取与方案识别 |
| 6.4.1 不确定条件下可拓群决策的规则提取 |
| 6.4.2 不确定条件下可拓群决策规则的数据区间分析 |
| 6.4.3 不确定条件下可拓群决策的方案识别 |
| 6.5 本章小结 |
| 第7章 不确定条件下产品创新的可拓群决策实例研究 |
| 7.1 金融危机下"小鲁班"玩具的发展现状 |
| 7.1.1 金融危机下国内玩具业的现状及其发展趋势 |
| 7.1.2 益智拼插玩具的发展现状 |
| 7.1.3 "小鲁班"玩具的发展现状 |
| 7.2 不确定条件下产品研发的可拓群决策可靠性与敏感性分析 |
| 7.2.1 "小鲁班"产品研发的必要性 |
| 7.2.2 "小鲁班"新产品研发的可拓群决策可靠性分析 |
| 7.2.3 "小鲁班"新产品开发的可拓群决策敏感性分析 |
| 7.2.4 不确定条件下可拓权重分析方法与其他方法的比较 |
| 7.3 不确定条件下产品改造的多目标可拓群决策 |
| 7.3.1 "小鲁班"产品改造的必要性 |
| 7.3.2 "小鲁班"产品改造的多目标相容性分析 |
| 7.3.3 偏好条件下"小鲁班"产品改造的多目标权重优化及方案评价 |
| 7.3.4 无偏好条件下"小鲁班"产品改造的多目标可拓群决策 |
| 7.4 不确定条件下产品组合的可拓群决策数据挖掘 |
| 7.4.1 "小鲁班"产品组合的必要性 |
| 7.4.2 不确定条件下"小鲁班"产品组合的可拓群决策粗糙分类 |
| 7.4.3 不确定条件下"小鲁班"产品组合的可拓群决策关联聚类 |
| 7.4.4 不确定条件下"小鲁班"产品组合方案的规则提取与方案识别 |
| 7.4.5 不确定条件下可拓数据挖掘方法与其他方法的比较 |
| 7.5 本章小结 |
| 第8章 结论和展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 附录A 攻读博士学位期间主持、参加的项目 |
| 附录B 攻读博士学位期间发表或投稿的论文 |
四、多目标模糊识别优化决策理论与应用研究（论文参考文献）
- [1]电网建设项目多主体协同决策模型及应用研究[D]. 高磊. 华北电力大学(北京), 2020(06)
- [2]居民地综合决策模型和方法研究[D]. 朵天林. 战略支援部队信息工程大学, 2020(01)
- [3]风光储联合发电调度管理与效益评价研究[D]. 纪会争. 华北电力大学(北京), 2020(06)
- [4]考虑行为的绿色供应商多属性决策研究[D]. 宋玮. 西安电子科技大学, 2019(05)
- [5]不确定环境下旱灾风险调控群决策方法研究[D]. 李海涛. 华北水利水电大学, 2019
- [6]远程医疗中的优化决策问题研究[D]. 高宇璇. 西安电子科技大学, 2019(02)
- [7]基于三支决策的图像识别方法研究与应用[D]. 邵帅. 重庆邮电大学, 2018(01)
- [8]面向主体行为与偏好的应急决策方法研究[D]. 张文凯. 北京理工大学, 2017(06)
- [9]可变模糊集多属性决策理论在大型编队防空决策中的应用研究[D]. 王书齐. 大连理工大学, 2011(09)
- [10]不确定可拓群决策优化方法及应用[D]. 朱佳俊. 东华大学, 2010(08)