粗糙集作为一种处理不确定性问题的方法,在理论和应用研究方面都取得了重要成果。粗糙集将论域划分为正域、负域和边界域,划分的过程完全基于数据集本身,不需要预处理过程或提供先验信息。2010年加拿大里贾纳大学的Yao等人,通过整合基于Bayes风险决策的决策粗糙集,提出了三支决策理论。三支决策理论是在传统二支决策(接受和拒绝两种决策)的基础上,引入了不承诺决策(延迟决策)。正域中获取的事件对象表示接受,负域中获取的事件对象表示拒绝,边界域中的事件对象表示延迟处理。延迟对事件决策,可以避免强制选择接受或者拒绝带来的损失。由于三支决策更符合人类对于事件决策的一般认知,因此很快成为国内外学者的研究热点。目前三支决策的研究主要有4个方向:理论模型、方法、决策规则获取,以及应用研究,而这些研究仍集中在决策粗糙集框架内,对于三支决策理论的基础研究还不完善。因此,本选题在直觉模糊集和Kleene 3-值逻辑系统K3的理论基础上,结合三叉树、条件属性等概念,构造了基于三支决策的逻辑真值表,提出了三支决策命题逻辑和三支决策推理、基于直觉模糊的三支决策静态和动态模型,研究了基于三支决策理论的条件属性权重构造方法,并通过实例验证了模型和方法的有效性。本研究丰富和完善了三支决策理论及其应用。主要创新点内容如下:(1)在决策粗糙集三支决策理论和三值逻辑理论基础上,将三支决策模式与Kleene三值逻辑系统K3相结合,分别考虑决策的事件对象处于竞争、合作、既不竞争又不合作三种状态下的决策逻辑真值情况,并结合三叉树概念,将三支决策理论逻辑推理过程通过三支决策树的遍历过程进行刻画,提出了三支决策的推理过程。(2)在直觉模糊集、决策粗糙集和三支决策的理论基础上,提出了基于直觉模糊集的三支决策两描述模型、三描述模型,然后将其拓展为一般静态模型。该模型使用犹豫度重新设计了阈值参数,用隶属度函数对事件对象进行评估,最后通过实例来验证该模型的有效性。(3)在基于直觉模糊的三支决策静态模型的基础上,结合模糊综合评价的方法,建立了其可能度矩阵,构造了基于直觉模糊的三支决策的动态模型,将三支决策转化为二支决策,实现了模型对于元素对象的动态分类,并用实例来验证模型的有效性。(4)通过重新定义属性确定度和属性约简度,提出了一种基于三支决策的属性权重构造方法,将该方法通过实例与其它条件属性权重构造方法分析比较,说明其有效性。