多粒度粗糙直觉模糊集的三支决策模型研究
三支决策是一种新的处理不确定性问题的数学工具。由于三支决策更符合人类的选择习惯，也可以更好的解释决策粗糙集的语义，因此成为近期的研究热点。此外，直觉模糊集作为处理模糊性信息的数学工具，用来处理不确定性问题，可以使决策者在“亦此亦彼”、“非此非彼”的模糊概念描述过程中，得到更加符合人类思维的决策行为。而多粒度粗糙集理论是一种处理粒计算的数学框架，如何进行最优粒度选择，得到信息粒中更加精确的信息，成为其重要的研究方向之一。而将直觉模糊集和三支决策理论结合，考虑各个粒度的内部模糊性，可以删除多粒度的外部冗余粒度和内部冗余对象，得到更加合理的最优粒度决策方案。因此，如何运用多粒度粗糙集、直觉模糊集等理论，对三支决策的模型拓展和最优粒度选择方案进行研究，具有一定的意义。 本文在多粒度粗糙集、直觉模糊集的基础上，结合三支决策的概念，对三支决策的理论拓展、模型构建进行了研究。首先，定义了新的粒度重要度度量公式，并设计了基于该方法的粒度约简算法，构造了一种新的三支决策模型，减少了粒度的外部冗余信息。然后，将约简集与直觉模糊集结合，构建了四种新的基于多粒度粗糙直觉模糊集的三支决策模型，减少了约简集中的内部冗余信息。本文的主要研究内容如下： (1)针对现有粒度重要度只考虑单个粒度对决策直接影响的问题，在多粒度粗糙集近似质量的基础上，综合考虑去掉某个粒度后其余粒度对决策的直接影响与间接影响，构造了新的粒度重要度度量方法，并给出了新的粒度约简算法。将约简集代入损失函数中，得到了新的基于粒度重要度的三支决策模型，减少了粒度的外部冗余信息，并给出了相应的对比实例。 (2)针对每个粒度约简集中的内部冗余对象的问题，将乐观和悲观多粒度的约简集与直觉模糊集结合，构建了四种新的多粒度粗糙直觉模糊集模型，并讨论了它们的相关性质。在此基础上，构建了四种新的基于多粒度粗糙直觉模糊集的三支决策模型，进一步减少了每个粒度约简集中的内部冗余对象。并构造了综合得分函数和综合精度函数，可获得最优粒度的决策方案。最后，通过一系列的算法和实例验证了所提模型的有效性。 本文主要通过研究多粒度粗糙集的最优粒度选择方式，进而拓展了三支决策模型。首先构建了一种新的基于粒度重要度的三支决策模型，并将其拓展到直觉模糊环境下，然后构造了四种新的基于多粒度粗糙直觉模糊集的三支决策模型，以此得到最优粒度选择结果。
三支决策模型;多粒度粗糙集;粒度重要度
河南师范大学
硕士
计算机科学与技术
薛占熬
2019
中文
O159;O225
2020-07-28（万方平台首次上网日期，不代表论文的发表时间）