论文部分内容阅读
伴随20世纪“数学：确定性的终结”，诞生了后来称之为“软计算”的新兴学科。自60年代中期模糊逻辑(FL)启其端后，神经元算法(NN)、遗传算法(GA)和概率推理(PR)相继问世，构成软计算方法群的核心部分。后来纳入其中的有置信网络(BN)、混沌理论(CT)、粗糙集(RS)、部分地还包括学习理论(LT)等。上述方法皆以语言表达代替数的表达，旨在通过不精确性和不确定性计算来解决常规(硬)计算难以处理的复杂问题，故亦名“计算智能”或“不确定性计算”。
“软计算”是相对于“硬计算”(传统计算)而言的，所谓的软计算是指对研究对象只求近似而非精确解释的有效计算方法。传统计算的主要特征是严格、确定和精确。但是它并不适合处理现实生活中的许多问题。
在自然科学，社会科学和工程技术的很多领域中，都不同程度地涉及到对不确定因素和对不完备(imperfect)信息的处理。从实际系统中采集到的数据常常包含着噪声，不够精确甚至不完整。采用纯数学上的假设来消除或回避这种不确定性，效果往往不理想，反之，如果正视它，对这些信息进行合适地处理，常常有助于相关实际系统问题的解决。多年来，研究人员一直在努力寻找科学地处理不完整性和不确定性的有效途径。模糊集和基于概率方法的证据理论是处理不确定信息的两种方法，已应用于一些实际领域。但这些方法有时需要一些数据的附加信息或先验知识，如模糊隶属函数，基本概率指派函数和有关统计概率分布等，而这些信息有时并不容易得到。1982年，波兰学者Z.Pawlak提出了粗糙集理论，它是一种刻画不完整性和不确定性的数学工具，能有效地分析不精确，不一致(ineonsistent)，不完整(incomlete)等各种不完备的信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示潜在的规律。粗糙集理论与其他处理不确定和不精确问题理论的最显著的区别是它无需提供问题所需处理的数据集合之外的任何先验信息，所以对问题的不确定性的描述或处理可以说是比较客观的。
投资环境是一个结构复杂的有机系统，涉及到诸多因素，如经济环境、政治环境、法制环境、社会环境、资源环境、基础设施环境等，衡量这些因素的数据具有多种类型，且这些因素相互制约、相互依赖。目前，国内外学术界对投资环境评价已基本形成一套成型的评价方法和模型。但是这些评价方法几乎都不同程度地受到评价者主观因素的影响，评价过程中指标权重的确立大多依赖人为的赋值和评分，主观性较强。
可是，运用粗糙集理论对投资环境进行评价可以在一定程度上有效地避免人的主观因素。它通过数据对影响投资环境的各个因素进行评价，并综合得出评价结论。这可能是一种恰当与合理的方法。
本文借助粗糙集的正域理论，对影响投资环境诸因素的重要性程度进行刻画，将粗糙集理论应用于投资环境分析。为此，本文对以下问题展开研究：
(1)基于粗糙集理论的信息系统知识约简理论与方法。信息系统知识约简理论与方法研究是粗糙集约简的经典的方法。
(2)基于粗糙集理论属性客观权重确定方法的有效性，将基于代数观和信息观的权重进行有机集成，建立两者结合的属性权重最优化数学模型，从而得到综合权重的最优解。
(3)将粗糙集理论应用于投资环境评价研究，通过粗糙集正域，对影响投资环境的各个因素进行分析，给出量化的分析结果。
通过对以上问题的研究，本文主要取得了下述的成果：
以中国(大陆)2000年到2006年投资环境为例，将粗糙集理论应用于投资环境分析研究。借助粗糙集理论以及信息系统正域约简理论，通过对相关数据离散化，对影响投资环境诸因素的重要性程度给出了一种刻划。这种方法，既可以为其他评价方法提供一种多因素的客观权重确定方法，还可以对投资环境变化情况进行评估和预测。
本文的工作可以为投资环境评价，以及更广泛意义上的不确定性的问题决策，提供一种新的可借鉴的思路与方法。