对于知识管理时代的决策有重要作用。具体而言,将粗糙集理论引入综合评价中,会产生如下的优越性: (1)粗糙集所特有的属性约简特征,能为指标筛选提供思路和方法,从大量反映评价对象和评价目的的全面指标集中筛选出最简洁、精练的指标,构成指标体系,从而使评价工作更高效。(2)粗糙集所特有的属性重要度原理,能为指标权重的确定提供依据,从有限组指标数据中挖掘各指标的存在对于整个指标集的重要度,从而得到客观的指标权重值,使得指标权重的确定不再仅仅依赖于人的主观判断,得到数据挖掘型权重。(3)粗糙集用于综合评价方法,可以从少量几组评价指标与评价结果的对应关系中,挖掘出指标集与评价结果之间的隐含规则,得到知识,通过积累知识, 可以形成重要的评价资料库,为新系统或者缺少统计数据的系统的综合评价提供参考。(4)粗糙集能处理不确定、带有模糊特征的问题,可以通过构造上、下近似及粗糙度,刻画边界线含糊的问题,处理不确定性信息,这一特征可以用来处理主观、不确定性的指标。而模糊集虽然也能处理此类指标,但是需要先验性的模糊隶属函数,而且模糊数学没有给出对边界线区域的计算方法,即模糊数学无法计算出边界线上具体的含糊元素的个数,而粗糙集却能给出边界线上具体的模糊元素的个数计算,这对模糊方法的局限性是一个补充。(5)粗糙集可以与多种数学方法杂合,具有很强的兼容性和优势互补性。粗糙集方法与模糊集方法相结合,能更好地描述评价对象的不确定性和不精确性,对同一个评价问题可以同时使用模糊集和粗糙集,从而提高评价信息的使用价值。此外,粗糙集方法还可以与可拓综合评价方法杂合,共同用于综合评价, 优势互补,提高评价的科学性。(6)基于粗糙集的综合评价专家系统的构建,可以实现知识积累型的智能化综合评价,累积评价指标与评价结果之间的规则知识,累积评价过程中得到的专家知识和评价数据,运用信息和推理技术解决某个领域中需要专家知识才能解 5
全文预览
