【摘要】 多属性决策方法已经成功地应用于工程、经济、市场分析、管理等实际问题中。人们时常要面对众多指标,从许多可供选择的方案中做出决策,也就是要对所有的方案进行比较、排序或择优。对多属性决策方法进行系统深入的研究对于解决实际问题具有重要的意义。本文在深入分析主成分分析、理想解法等经典决策方法的基础上,引入灰色系统理论,基于灰色关联分析提出了几种决策模型,为贫信息环境下的决策问题提供了几点新思路。 基于灰色关联分析系数矩阵和理想解法,提出了一种新的理想解法。该方法以原始数据样本与理想方案之间的灰色关联系数矩阵为新的决策矩阵,利用理想解法对方案进行排序。克服了传统理想解法仅仅基于原始数据,难以挖掘数据内在规律的缺点,为有限样本条件下的决策问题提供了一种新思路。 将主成分分析和灰色关联聚类分析相结合提出了基于灰色关联聚类分析和主成分分析的决策方法,在进行多指标分析和评价的过程中,首先对指标进行灰色关联聚类分析,将指标分成若干可以定义的类,每个聚类代表同一类指标;其次对每个聚类进行主成分分析,提取主成分,获得该类指标的主成分集合;最后基于权重思想综合所有聚类的主成分集合,形成既反映全体指标信息又体现指标聚类差异性的综合指标。通过一个算例说明该方法计算方便,客观合理。 引入灰色系统理论对传统理想解法(TOPSIS)进行了拓展,提出了一种基于组合权重的灰色关联理想解法(GC-TOPSIS)。首先利用AHP和熵值法对决策指标进行组合赋权,其次依据灰色关联分析理论,以灰色关联度为决策单元构造GC-TOPSIS模型,最后通过一个供应商选择的实例验证了方法的有效性和可行性。 建立了基于灰色关联度和理想解法的决策方法。该方法将欧氏距离

【关键词】 灰色关联分析； 灰色关联度； 灰色关联聚类分析； 理想解法； 主成分分析；





第一章 绪论 8-16
    1.1 研究的意义 8-9
    1.2 灰色系统理论概述 9-11
        1.2.1 灰信息 9-10
        1.2.2 灰色系统理论的提出和应用 10-11
    1.3 灰色关联分析的原理 11-14
    1.4 论文研究的主要内容 14-16
第二章 基于灰色关联聚类分析和 PCA的决策方法 16-29
    2.1 引言 16
    2.2 灰色关联聚类分析的原理 16-18
    2.3 主成分分析的基本原理 18-20
    2.4 决策模型的构造 20-21
    2.5 决策方法的应用 21-28
    2.6 小结 28-29
第三章 基于灰色关联系数矩阵的理想解法 29-37
    3.1 引言 29
    3.2 理想解法(TOPSIS)的基本原理 29-31
    3.3 灰色关联系数矩阵的确定 31-32
    3.4 基于灰色关联系数矩阵的理想解法 32-33
    3.5 决策方法在供应商选择中的应用 33-36
    3.6 小结 36-37
第四章 基于组合权重的灰色关联理想解法(GC-TOPSIS) 37-46
    4.1 引言 37-38
    4.2 指标的组合赋权法 38-40
        4.2.1 基于熵值法的客观权重确定方法 38-39
        4.2.2 指标的组合赋权 39-40
    4.3 基于组合权重的灰色关联理想解法 40-42
    4.4 GC-TOPSIS方法的应用 42-45
    4.5 小结 45-46
第五章 基于灰色关联度和理想解法的决策方法 46-56
    5.1 引言 46-47
    5.2 灰色关联相对贴近度的构造 47-48
    5.3 基于灰色关联度和理想解法的决策方法 48-51
    5.4 决策方法的应用 51-54
    5.5 小结 54-56
结论 56-59
参考文献 59-64
攻读硕士期间发表的学术论文 64-65
致谢 65-66
论文独创性声明 66-67
论文知识产权权属声明 67