面向复杂数据的粗糙集多属性/多准则决策分析研究

在复杂的管理与决策环境下，决策者在解决问题时，已不再满足依赖于先验的模型假设和经验知识，希望从积累的各种数据中提取客观的管理规则和知识，并进行不确定性环境下的有效决策。本项目以复杂管理数据为对象，运用粗糙集理论与方法，系统地研究多属性/多准则决策分析问题。主要研究内容包括：（1）建立面向复杂数据的粗糙集多属性/多准则决策分析理论框架；（2）研究基于扩展优势关系的分类、分级、排序等多属性/多准则决策问题的有效求解方法；（3）构建面向复杂数据的粗糙集多属性/多准则群决策方法；（4）结合一至两个具有明确性管理意义的真实数据开展实证研究。本项目力图在粗糙集理论与多属性/多准则决策分析这一交叉领域取得研究进展，发展能应用于解决复杂决策问题的多属性/多准则决策分析方法，使之成为一种真正有效且便于实际应用的新的决策方法和技术。

在国家经济调控、企业运作管理等宏微观决策领域往往面临复杂数据分析问题。在现实的决策分析中，数据表示的符号值、区间值、缺省值等多种形式，数据呈现的高维性、混合性特征，使复杂数据建模与求解面临着极大的挑战。本项目面向国民经济与社会发展中的典型复杂数据决策分析问题，围绕粗糙集多属性/多准则决策分析方法开展了系统性研究，取得了系列成果。(1) 面向高维性决策分析问题，针对含符号数据、缺省值数据的决策信息系统，开展了属性约简算法与评价方法研究，为探寻决策分析的关键指标提供了科学的决策技术，为分类决策效果改善和预测精度提高提供了有效的决策支持；(2) 基于优势关系粗糙集理论，针对区间数据、符号数据，提出了排序决策、分级决策等多属性/多准则决策问题的求解方法，建立了多属性群决策的决策性能评价体系；(3) 面向混合性决策分析问题，给出了基于信息熵的混合数据聚类算法，提出了基于一致性分析的排序方法，为区域投资效率评价、供应商选择等典型管理决策问题提供了有效的混合数据决策支持；(4) 着眼于从多个层次、多维视角开展信息提取与集成，建立了多粒度粗糙集决策分析模型，对复杂数据求解的信息融合进行了探索性研究。总体来看，本项目以复杂数据的本质特征为切入，建立了面向复杂数据的粗糙集多属性/多准则决策分析方法体系，针对证券投资排序决策、风险投资项目群决策的实证研究也进一步验证了决策分析方法的有效性。值得提出的是，本项目的研究成果还将为高维复杂数据分析理论体系的构建奠定重要的研究基础。