抽象空间上的粗糙变量及粗糙规划

论文摘要

粗糙集理论是是由波兰学者Pawlak在1982年提出的,到目前,已经运用到决策分析、数据发掘、模式识别、电力系统等领域。2002年,刘宝碇建立了信赖性理论（TrustTheory）,信赖性理论是以公理化方法研究粗糙变量性质及其应用的理论。随着粗糙集研究对象的扩大,在Trust Theory中,只是研究了实值粗糙变量,远远不能满足科学与技术的需要。在实际中,粗糙变量不一定是实值,他们的值有可能是连续函数、有界变差函数等等。因此有必要对粗糙变量进行扩充,因此本文引进了X-值粗糙变量这个概念,讨论了X-值粗糙变量的一些性质。引进了x-收敛的概念,强收敛与弱收敛都是特殊的x-收敛,讨论了X-值粗糙变量序列的x-收敛。 刘宝碇等研究了不确定规划理论,在随机、模糊、粗糙等不确定环境下用模拟、神经元网络、遗传算法组成的混合智能算法解决了设备选址、并行机排序等问题的期望值模型、机会约束规划模型、相关机会规划模型。在本文中,对此算法进行了改进,用粗糙模拟、神经元网络、模拟退火算法组成新的混合智能算法对在粗糙环境下的生产储存问题的机会约束规划模型进行了求解。

论文目录

• 1.引言
• 2.信赖性理论的基本概念
• 2.1 粗糙集
• 2.2 四个公理
• 2.3 粗糙变量的有关定义
• 3.X-值粗糙变量
• 3.1 X-值粗糙变量的定义及性质
• 3.2 X-值粗糙变量序列的χ-收敛
• 4.粗糙规划
• 4.1 粗糙模拟
• 4.2 神经元网络
• 4.2.1 多层前向神经元网络
• 4.2.2 反向传播算法
• 4.3 模拟退火算法及模型
• 4.4 生产储存模型
• 4.5 混合智能算法
• 4.5.1 实例：
• 总结
• 致谢
• 参考文献