基于证据理论和云模型的多属性决策算法研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1. 概述 | 第8-12页 |
| ·国内外的发展状况 | 第8-10页 |
| ·论文的主要工作 | 第10页 |
| ·论文的创新点和所研究的技术路线 | 第10-12页 |
| 2. D -S 证据理论 | 第12-17页 |
| ·信息融合 | 第12页 |
| ·D-S 证据理论基础知识 | 第12-13页 |
| ·D-S 证据理论 | 第12-13页 |
| ·证据理论的发展 | 第13页 |
| ·证据理论的应用 | 第13页 |
| ·D-S 证据理论的相关术语 | 第13-14页 |
| ·D-S 证据理论的数学模型 | 第14页 |
| ·D-S 证据理论相关函数 | 第14-17页 |
| 3. 云模型 | 第17-22页 |
| ·云理论的提出及研究意义 | 第17页 |
| ·云模型的研究现状 | 第17-18页 |
| ·云模型理论 | 第18页 |
| ·云模型的定义 | 第18-19页 |
| ·云模型的数字特征 | 第19-20页 |
| ·云发生器 | 第20-21页 |
| ·云模型的意义 | 第21-22页 |
| 4. 多属性群决策算法 | 第22-29页 |
| ·多属性决策概述 | 第22页 |
| ·多属性决策研究现状 | 第22页 |
| ·所属性评价的不确定性 | 第22-24页 |
| ·随机性 | 第23页 |
| ·模糊性 | 第23页 |
| ·随机性和模糊性的关联性 | 第23-24页 |
| ·多属性评价算法流程 | 第24-28页 |
| ·建立专家决策矩阵 | 第24-25页 |
| ·建立每个属性的云模型 | 第25-26页 |
| ·合成单个决策者的评估值 | 第26-27页 |
| ·用证据理论合成多个决策者的最终评估值 | 第27-28页 |
| ·群决策小结 | 第28-29页 |
| 5. 系统设计 | 第29-36页 |
| ·系统目标 | 第29页 |
| ·开发工具和运行环境 | 第29-30页 |
| ·系统的需求分析 | 第30-31页 |
| ·系统总体流程图 | 第31-32页 |
| ·系统模块说明 | 第32-36页 |
| ·输入模块 | 第32-33页 |
| ·策略选择模块 | 第33页 |
| ·效能评估模块 | 第33-34页 |
| ·Q 学习神经网络 | 第34-35页 |
| ·外层神经网络 | 第35-36页 |
| 6. 对抗系统仿真 | 第36-50页 |
| ·模拟概要 | 第36-37页 |
| ·系统总体算法流程 | 第37-38页 |
| ·模拟攻打步骤 | 第38-42页 |
| ·算例 | 第42-49页 |
| ·仿真结论 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
