63、模糊问题中的决策模型与偏好关系研究

模糊问题中的决策模型与偏好关系研究

在解决各类复杂问题时，决策模型和偏好关系的研究至关重要。本文将探讨两个方面的内容，一是在模糊的卡车和拖车路由问题（TTRP）中如何选择最佳的比较方法，二是在有限集的（条件）赌博中偏好关系如何通过特定的积分来表示。

模糊TTRP中的决策树模型

在模糊TTRP问题里，为了根据待解决问题的特征确定最佳的比较方法，我们构建了一个决策树模型。具体操作是使用工具KNIME的J48算法，基于231个元组（21个实例×11个α - 截集）的可挖掘视图得到该模型。

这个决策树模型包含了一系列规则，用于依据问题特征来确定最佳比较方法。例如，当卡车数量严格大于9，客户数量小于或等于120，且类型为VC的客户不超过30个，同时α - 截集等于0.0或0.1时，模型建议使用必要性优势等级（ND）方法。另外，研究还发现Yager的第一指标（Y1）和第二指标（Y2）方法不适用于解决任何实例。并且，决定最佳方法的最重要参数包括卡车数量、客户数量、VC类型客户数量以及α - 截集。

以下是决策树模型应用的关键参数总结表格：
| 参数 | 条件 | 推荐方法 |
| ---- | ---- | ---- |
| 卡车数量 | > 9 | ND（特定条件下） |
| 客户数量 | ≤ 120 | - |
| VC类型客户数量 | ≤ 30 | - |
| α - 截集 | 0.0 或 0.1 | - |

决策树模型的构建流程可以用mermaid流程图表示：

graph LR
    A[收集数据