优势关系粗糙集在偏好排序中的应用研究

优势关系粗糙集在偏好排序中的应用研究(8800字)
摘  要： 本文先分析了优势关系粗糙集理论及它的排序方法，侧重分析了其在偏好排序中的优越性，然后着重研究了其在偏好排序中的理论和方法，再以驾驶轨迹决策问题对这些方法进行检验。在这个问题中，经过排序、计算等确定各预期轨迹点的偏好排序，验证了优势关系粗糙集的偏好排序方法。
关键词：粗糙集；多属性决策；优势关系；驾驶行为

Study on the Partiality Ordering based on Dominance-based Rough Set Approach
Abstract：The paper first analyzes the advantages of rough set theory and its ranking method, focusing on analysis of its superiority in the preference ranking, and then focuses on the preferences of its sort in the theory and methods, and then to drive decision making on these methods track Tested. On this issue, after sorting, calculation of the expected trajectory points determine the preference ranking to verify the advantages of rough set the preference ranking methods.
Key words：rough sets; multi—attribute decision; dominance relation; driving behavior

1.2  优势关系粗糙集与粗糙集的关系
多标准问题中决策类也具有偏好信息的问题称为多标准决策问题，经典粗糙集方法在多标准决策问题中的最早应用是利用其来描述属性之问的依赖度、计算属性的重要度和处理不一致数据信息。由于经典粗糙集中只考虑属性值的是否可区分性，而不考虑其偏好关系，因此并不能很好地在决策过程中表达其原有的偏好信息。Greco等提出的基于优势关系的粗糙集方法却很好地解决了该问题[12]，弥补了经典粗糙集在解决该类问题时的缺陷。所以优势关系的粗糙集方法相比经典粗糙集方法在偏好排序问题上有其优越性。
2  优势关系的粗糙集
2.1  优势关系粗糙集理论
DRSA用优势关系取代了经典粗糙集中的等价关系，考虑标准下的对象之间的优劣信息，而就决策规则“if…then”形式的条件和决策部分也由原来的单一确定性取值变成“至少”。至多”等多选择性取值，这更符合现实生活中决策者需求，方便决策者对对象进行排序或比较等。值得注意的是不仅能够处理标准属性和非标准属性共存问题、缺失值问题，而且在取值单调变化标准问题上比Sugeno模糊积分更具有普适性。
 

目    录
摘  要    1
关键词    1
1  前言    1
1.1  粗糙集的发展    1
1.2  优势关系粗糙集与粗糙集的关系    2
2  优势关系的粗糙集    2
2.3  优势关系粗糙集在个领域的应用    4
2.3.1  人工神经网络训练样本集化简    4
2.3.2  控制算法获取    4
2.3.3  决策支持系统    4
2.3.4  从数据库中知识发现    4
3  优势关系下的粗糙集排序方法    5
4  基于优势粗糙集排序在驾驶轨迹决策中的应用    6
4.1  驾驶行为涉及的因素    6
4.2  有偏好信息决策属性的多属性决策系统    7
4.3  两两比较表    8
4.4  优势属性集    9
4.5  利用优势属性集推理决策规则    9
4.6  方案排序或选优    10
5  结论    11
参考文献    12
致    谢    13