基于贝叶斯网络推理的双重信息集结决策模型研究

发布时间：2020-09-16 14:56

【摘要】：随着管理决策任务的愈加困难和人们的信息交流愈加便利，越来越多的决策倾向于集思广益的方式，群体决策逐渐成为决策问题中的焦点。在决策过程中，由于问题的复杂性和人们对问题认知的不确定性，往往导致决策专家无法准确的给出决策信息，因此就形成了不确定性决策问题。本文针对不确定性多属性决策问题，给出了一种基于贝叶斯网络推理的双重信息决策方法。 为了贝叶斯网络结构的构建，本文首先基于现有的接近关联度模型的不足之处提出了一种新的绝对接近关联度模型，分析了其计算公式和性质，并用算例证明了其有效性和实用性，为贝叶斯网络结构图构建中确定专家权重提供了基础。 针对由专家知识确定贝叶斯网络结构时，当专家所给信息是直觉模糊数形式的网络结构生成问题，为了确定各专家的权重，基于新的绝对接近关联度模型定义了一种新的直觉模糊集关联测度模型，研究了新关联度的性质，给出了确定专家权重的方法从而集结专家信息确定网络结构，介绍了该网络生成方法的详细步骤。 网络生成之后，针对一类不确定多属性决策问题，即专家所给决策信息中有部分属性的值不是唯一确定的，而是以一定的概率分布的。此时由于问题的复杂性和专家信息的不完全性，导致专家无法给出一些属性值的概率分布。针对这类问题，提出了考虑双重信息的基于贝叶斯网络推理的决策方法。首先根据实际问题的贝叶斯网络图，推理出未知概率分布的属性的概率分布，进而结合专家决策信息得到各专家下的方案的评价值，通过建立集结各专家对方案的评价值模型进而得到方案综合评价值，从而得出决策结果。 最后，考虑了双重不完全信息的多属性决策问题，即当专家对不确定的属性值概率分布有一定的偏好时，专家以不确定形式区间数形式给出了对属性值概率分布的偏好，而贝叶斯网络中部分节点的条件概率分布也是区间数形式时，提出了集结双重不确定信息的贝叶斯网络推理决策模型。首先根据专家决策信息计算了方案评价值所在范围，再利用贝叶斯网络推理出属性值概率分布的数学表达式，进而得出方案评价值表达式，最后建立使得二者偏差最小的集结模型，最终得出方案的综合评价信息，得到各方案间的优劣排序。
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：C934
【图文】：

比如，在某重大突发事件应急策略制定过程中，图 1.1 说明由于涉及繁杂的推理分析、拥有的决策信息具有复杂性特点，决策问题要素（如方案及属性，事件及发生概率等）的准确确定并非易事。若单纯集结决策者偏好信息而不追究本源差异（如考虑因素是否全面，决策参数是否一致，推理是否合理等），重大决策问题情景下群体就很难达成共识，难以保证决策结果可靠性。从这个角度来看，群体信息集结与决策过程不单是决策者偏好信息的集结，更体现在推理基础上的集结。

【参考文献】

中国期刊全文数据库 前10条

1 樊治平,张全;具有区间数的多属性决策问题的分析方法[J];东北大学学报;1998年04期

2 徐泽水,达庆利;区间型多属性决策的一种新方法[J];东南大学学报(自然科学版);2003年04期

3 刘智勇;陈晓红;;群决策冲突过程中的均衡分析[J];系统工程;2009年02期

4 冀俊忠;胡仁兵;张鸿勋;刘椿年;;一种混合的贝叶斯网结构学习算法[J];计算机研究与发展;2009年09期

5 赵曰利;郭依礼;孙桂芝;王彬彬;张温泽;;灰色接近关联度在指纹图谱模式识别中的应用[J];计量与测试技术;2010年11期

6 徐鑫华;王亚春;吕小峰;王香香;;基于灰色关联的进口棉花HVI与纱线质量的关联度研究[J];中国制造业信息化;2011年13期

7 陈英武;高妍方;;贝叶斯网络扩展研究综述[J];控制与决策;2008年10期

8 毕文杰;陈晓红;;群决策中随机信息的贝叶斯集结与统计模拟方法[J];控制与决策;2009年02期

9 姜广田;樊治平;刘洋;张晓;;一种具有正态随机变量的多属性决策方法[J];控制与决策;2009年08期

10 姚爽;郭亚军;黄玮强;;基于证据距离的改进DS/AHP多属性群决策方法[J];控制与决策;2010年06期

本文编号：2819994