| 第一章 绪论 | 第1-22页 |
| ·选题背景及来源 | 第7-9页 |
| ·选题背景 | 第7-9页 |
| ·选题来源 | 第9页 |
| ·选题的研究必要性及意义 | 第9-11页 |
| ·研究的必要性 | 第9-10页 |
| ·研究的意义 | 第10-11页 |
| ·相关研究现状及最新进展分析 | 第11-20页 |
| ·AHP 原理概述 | 第11-12页 |
| ·现有AHP 群体判断矩阵的处理方法及其局限性 | 第12-18页 |
| ·目前的研究热点及难点 | 第18-20页 |
| ·论文结构安排 | 第20-22页 |
| 第二章 AHP 群体判断矩阵处理新方法构造的支持理论 | 第22-46页 |
| ·复杂系统理论与其启示 | 第22-29页 |
| ·复杂系统的概念 | 第22-23页 |
| ·复杂系统的特点 | 第23-24页 |
| ·从定性到定量的综合集成法 | 第24-28页 |
| ·复杂系统理论对AHP 群体判断矩阵处理新方法构造的启示 | 第28-29页 |
| ·智能结构控制理论与其启示 | 第29-38页 |
| ·智能控制的概念及特点 | 第29-34页 |
| ·智能控制系统 | 第34-37页 |
| ·智能控制理论对AHP 群体判断矩阵处理新方法构造的基本启示 | 第37-38页 |
| ·AHP 群体判断矩阵处理新方法构造的人工智能结构控制的概念与理论架构 | 第38-45页 |
| ·现有群体判断矩阵处理方法的缺陷 | 第39-41页 |
| ·AHP 群体判断矩阵处理新方法构造的人工智能结构控制概念 | 第41-42页 |
| ·AHP 群体判断矩阵处理新方法构造的人工智能结构控制理论架构 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第三章 基于智能结构控制的 AHP 群体判断矩阵处理新方法 | 第46-66页 |
| ·AHP 群体判断矩阵处理新方法构造的原理技术 | 第46-53页 |
| ·人工神经网络的概念 | 第46-48页 |
| ·人工神经元模型 | 第48-49页 |
| ·神经网络的拓扑结构 | 第49-51页 |
| ·神经网络控制 | 第51-53页 |
| ·基于AHP 群体判断矩阵的层次单排序权重计算方法 | 第53-56页 |
| ·处理方法的基本假定 | 第54页 |
| ·具体处理方法步骤 | 第54-56页 |
| ·基于AHP 群体判断矩阵的层次复合权重计算方法 | 第56-58页 |
| ·AHP 群体判断矩阵处理新方法的数值分析 | 第58-64页 |
| ·AHP 群体判断矩阵处理新方法的主要优点 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 AHP 群体判断矩阵处理新方法的案例应用研究 | 第66-82页 |
| ·案例的层次结构与指标体系 | 第66-69页 |
| ·案例计算的基础数据 | 第69-70页 |
| ·案例的各层次单排序权重计算 | 第70-80页 |
| ·案例的层次复合权重计算 | 第80页 |
| ·案例的结果分析 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第五章 结论与展望 | 第82-85页 |
| 参考文献 | 第85-89页 |
| 附录一：数值分析中的虚拟判断矩阵 | 第89-93页 |
| 附录二：案例应用中专家给出的判断矩阵及其一致性检验 | 第93-109页 |
| 摘要 | 第109-112页 |
| Abstract | 第112-116页 |
| 致谢 | 第116页 |
