论文部分内容阅读
规划问题遍布经济、政治、军事、医学等各种领域，是学术界长期以来的热点研究内容，已形成了诸多典型的理论和方法。由于现实问题中的决策环境和决策要求常常存在不同形式的不确定型（如随机性、模糊性、粗糙性等），决策结果没有绝对意义下最优性，因而，寻求某种意识下满意决策方案是当今学术领域广泛关注的研究内容，其中针对随机规划和模糊规划的研究已比较成熟，粗糙集的理论研究以及在数据挖掘方面的应用研究已日趋成熟，但关于粗糙规划的研究仍处于起步阶段。 本文首先对决策分析和粗糙集理论进行了概述，尤其详细地介绍了粗糙集理论的概念及性质。以此为基础，结合现实决策选择问题，全方位地研究了粗糙规划的核心问题并给出了粗糙规划的一般表达式，其中重点阐述了粗糙规划问题的求解策略。 1）针对划分作为关联对象的基本描述策略，本文以对象的基本性能以及关联对象的效应性能为依据，建立了基于效应关系类的粗糙规划模型（BERC-RPM）；进而，针对正向效应的BERC-RPM求解问题，引入了上（下）近似效应关系值的概念，给出了几种基于上（下）近似效应关系值的BERC-RPM求解方法；最后，结合具体案例步分析了BERC-RPM的特点。 2）针对覆盖作为关联对象的基本描述策略，本文以对象的基本性能以及关联对象的合作性能为依据，建立了基于合作效应的粗糙规划模型（BCE-RPM）；进而，针对正向效应的 BCE-RPM求解问题，引入了效应平均算子以及上（下）近似合作性能值的概念，给出了几种以上（下）近似合作性能值为基本目标因子的BCE-RPM求解方法；最后，结合具体案例分析了BCE-RPM的特点。 理论分析和实例计算表明，BERC-RPM和BCE-RPM具有良好的结构特征，可以简捷地将决策意识融入决策过程中，在人工智能、资源优化配置、任务选派等众多领域具有广泛的应用价值。