决策是企业管理中经常发生的一种活动,它是企业管理者、经营者和政府为了实现特定的目标,根据客观的可能性,在占有一定信息和经验的基础上,借助一定的工具、技巧和方法,对影响目标实现的诸因素进行分析、计算和判断选优后,对未来行动做出决定的过程。复杂多变的社会环境,激烈的市场竞争,使企业管理者、经营者和政府面对着越来越复杂的决策问题。其中,如何对各种备选方案进行比较和排序是企业智能决策中需要解决的核心问题。一般来说,在对各种备选方案进行评估的过程中,不会出现某一个方案在各个方面全部占优的情况,通常是在某几个方面相对较优,同时又在其他方面相对较弱。与此同时,企业决策者往往也难以对这些备选方案给出精确的评价,只能采用诸如“很好、好、一般、差、很差”等不确定的数值来衡量评价信息。传统的决策方法只能处理精确的数值,因此,在面对这类包含不确定信息的决策问题时,往往会显得力不从心。为此,人们试图依靠决策者的经验、智慧和风格来处理不确定信息下的多属性决策问题,但这么做经常会导致企业决策出现偏差,进而影响企业生产经营效率。客观世界中,事件中包含的不确定性称为模糊性。人类智能的一个重要特点是其思维和行动伴随着模糊性。为了解决模糊条件下的智能决策问题,基于模糊集理论的智能决策方法应运而生,目的是使计算机对人类思维的模拟更接近于人类的真实思维过程。在智能决策的过程中,如果决策者的评价信息用模糊数来描述,那么对决策方案的比较和选优则归结为模糊数的比较和排序。虽然许多学者对模糊数的排序进行了深入研究,且取得了许多研究成果,但由于模糊数是半序结构,现有的排序方法或多或少都存在一些缺陷。因此,模糊数的比较和排序问题的研究一直是模糊集理论和方法研究中的重要问题。由于模糊数排序方法的研究是智能决策科学中的重要研究内容,而企业的决策过程可以看作是对各个备选方案进行排序的过程,因此本文将模糊数排序方法引入企业智能决策过程之中,拟提出基于孔多塞陪审团定理及Page Rank算法的模糊数排序方法。该排序方法首先将各备选方案映射为模糊数,然后通过孔多塞陪审团定理将若干模糊数排序方法以多数类投票的方式加以整合,进而形成一种框架式的排序方法来对模糊数进行两两之间的大小比较,最后运用机器学习领域的经典算法—Page Rank算法来计算模糊数的最终排序结果作为各备选方案的最终排序结果,以帮助企业做出科学决策。本文的主要创新点在于:首次将社会科学领域的孔多塞陪审团定理、机器学习领域的Page Rank算法以及模糊数学领域的模糊数排序方法三者有机结合起来,提出一种新的模糊数排序方法。在这一框架式的排序方法中,任何有助于提高排序准确率的排序方法都可以添加进来,同时,任何不合适的排序方法都可以排除出去,通过调优,该排序方法的排序准确率还有着巨大的提升空间。同时,由于Page Rank算法的引入,在面临对海量数据进行排序的极端环境时也能够有卓越的运算效率。通过本文第4章的5个模糊数排序应用实例显示:本文排序方法不仅能够有效地弥补单个模糊数排序方法的不足,而且还能够极大地提高模糊数排序的准确率。第5章列举了两个供应商选择案例和一个物业服务项目评价案例,展示了本文提出的排序方法在企业智能决策领域的应用。