复杂数据多属性指标的估计模型

• 作 者: 王慧
• 机 构: 武汉理工大学
• 出 处: 武汉理工大学
• 发表日期: 2010年01期

复杂数据多属性问题是人们在工作中和日常生活中普遍常常遇到的一种现象，因此对复杂数据多属性问题的研究，一直以来都有着积极的意义。对于多属性问题的研究开始于1957年，当时Churchman.Ackoff.Arnof等首次正式采用简单加权法来处理‘选择企业投资方针’的多属性决策问题。但在当时对多属性决策问题的研究并没有引起人们的重视。直到20世纪60年代后，随着决策科学的发展和实际生产和生活的需要，对多属性决策问题的研究逐渐受到人们的关注，成为决策科学的研究热点。　　
本文从多属性指标出发，结合有关的统计学知识以及相关的理论对复杂数据对进行了分层抽样处理，简化了数据，在此基础之上对数据进行聚类发现研究对象之间的内在关系，并采用改进的元胞自动机、改进的遗传算法等智能算法建立估计模型，并把提出的模型应用到估计我国沪市A股股票的走势和我国高科技工作者的社会现状中，通过实证发现提出的估计模型提高了收敛速度，并有效估计了研究对象的走势。　　
本文的创新点如下：　　
(1)在权重系数的过程中，本文提出了客观赋权法与主观赋权法相结和的集成赋权法方法，该方法有效防止客观赋权法、主观赋权法的片面性，使结果更符合实际情况。　　
(2)在权重系数的过程中，本文对股票进行聚类，得出聚类系数、吸引率，为了主观赋权提供了依据，且采用改进的遗传算法得出权重系数，这为客观赋权提供了依据。　　
(3)本文针对多属性问题，改进了遗传算法的适应度，变异概率和交叉概率等，实证证明结论不仅更符合多属性的客观实际，而且有效地避免了“早熟”的出现，同时使搜索过程能够跳出局部最优，加快收敛速度。