多Agent交互式动态影响图的建模方法

交互式动态影响图是一种以动态影响图为基础,利用有向图构造Agent之间交互作用的决策概率模型,目前只能解决2个Agent的问题.根据概率图模型理论、交互式部分可观测马尔可夫决策过程性质、最大奖励期望值原理等以3个Agent为例建立多Agent交互式动态影响图(I-MADIDs)模型,探讨除建模Agent之外,其他非建模Agent之间存在稳定关系时,如何简化I-MADIDs模型.最后对老虎问题进行建模,利用HUGIN7.0对其进行求解,分别讨论了建模A-gent和其他Agent的决策情况,对比了精确方法和简化模型中贝叶斯参数学习近似方法中Agent的决策情况,证明了近似方法的有效性.     

一种基于影响图的决策方法及在RoboCup中的应用

影响图是贝叶斯网络的扩展,利用影响图可以有效解决智能Agent利用经验学习和行为选择2个基本问题。RoboCup是一个典型的多Agent系统,其中的球和球员都可以看成是Agent。文章给出一种基于影响图的决策方法,并将其应用到RoboCup中,从而实现了球员截球过程中行为的动态调整。     

基于多分片贝叶斯网络的多Agent系统模型表示

多Agent系统模型表示是系统实现推理、学习、自组织和Agent间通信的基础。由于多Agent系统结点较多的特性, 一般用单个贝叶斯网络作为模型表示是不现实的。本文提出用多分片的贝叶斯网络作为多Agent系统的表示语言,并详细讨论了将多分片贝叶斯网络转化为具有良好推理计算特性的联合树扩展形式的连接联合森林的具体过程。     

交互式动态影响图及其精确求解算法

为了表示部分可观察马尔可夫环境下,多Agent决策中各Agent之间的动态结构关系,对影响图(IDs)在结构和时间上进行扩展,形成一种能够对其他Agent建模的决策模型:交互式动态影响图(I-DIDs).I-DIDs是不确定环境下多Agent进行序贯决策的图模型.该模型的解是在对其Agent行为概率分布的预测下提供给该...     

基于案例推理的应急决策贝叶斯网建模方法

贝叶斯网络技术具有丰富的概率表达能力,不确定性问题的处理能力,以及多源信息的融合能力,其有利于辅助突发事件的应急决策,提高决策效率.突发事件应急决策具有较高的时间敏感性,因此要求能够尽可能缩短贝叶斯网络的建模时间,而从无到有的传统贝叶斯网络建模方法的效率显然无法较好地满足这一要求.因此,针对以上问题,提出了基于案例推理的应急决策贝叶斯网络建模方法.该方法基于历史案例库,通过相似度和偏离度两个指标对历史案例进行匹配并得到候选案例,最后通过案例合并和剪枝等方法对候选案例进行调整,最终得到新的案例模型.通过案例仿真对所述方法进行了验证,结果表明:基于案例推理的应急决策贝叶斯网络建模方法没有庞大的搜索空间,也不需要样本数据,只需要提前收集历史案例模型,与传统贝叶斯网络建模方法相比,该方法能够复用历史模型,从而缩短了建模时间,提高了建模效率.     

基于知识影响图的多Agent集成诊断与决策

建造一种包括应用Agent和系统Agent的2层多Agent诊断系统结构，提出应用Agent诊断与决策及系统Agent全局决策的集成方案；设计基于知识的诊断与决策影响图及推理方法，分别用于应用Agent内部的诊断与操作决策、局部的运行决策、以及系统Agent的全局运行决策；实例证明了方法的可行性。     

事件树、故障树、决策树与贝叶斯网络

在简要介绍贝叶斯网络技术的基础上,通过大坝失效事件树分析、导弹发动机故障树分析以及汽车销售决策树分析3个实例,分别将事件树、故障树及决策树3种分析方法与贝叶斯网络分析方法进行了比较,并给出了事件树、故障树和决策树向贝叶斯网络转化的一般规律:事件作为贝叶斯网络中的结点,根据事件之间的因果或影响关系将网络中的各结点用有向弧连接起来并由已知数据或专家经验确定各结点条件概率表.结果表明贝叶斯网络具有处理多状态复杂模型以及双向推理的优点.     

基于图像理解和意图识别的多Agent自主协同方法

研究了基于图像理解和意图识别的多Agent自主协同方法,研究对象是空中目标,估计跟踪关系,帮助观察者有效地做出决策.列出了两种跟踪模型:一是通过估计敌方飞机的飞行路径来调整自己的前进方向;二是一直向敌方方向跟踪.基于两种方向,提出了一种复合函数来估计跟踪趋势的概率,同时假设Agent之间正态分布的关系来估计概率以便决策合作策略.将贝叶斯网络有效地应用在这两种跟踪模型中.所提出的算法均被应用于仿真序列图实验,证实了所提方法的有效性.     

一种朴素贝叶斯学习辅助的接触图路由算法

接触图路由(CGR)是星际网络路由协议中的一个重要组成部分，星际网络中节点易受电磁干扰或自身资源不足影响而失效，高度依赖先验知识的接触图路由在节点意外失效时通信性能会急剧恶化。针对上述问题，提出了在接触图路由中引入朴素贝叶斯学习模型来预测节点可靠性的方法。首先根据接触图路由的特点建立节点快照；然后基于节点快照进行朴素贝叶斯建模，预测节点间的不可靠性概率；最后在路由决策时考虑不可靠性概率，选择不可靠性小的节点转发数据。实验结果表明，引入朴素贝叶斯学习可以有效提高接触图路由在恶劣的太空环境中应对节点意外失效的能力，实现对数据的高效传输。     

贝叶斯网络发展及其应用综述

贝叶斯网络（BN）是一种用于描述变量间不确定性因果关系的图形网络模型,用于不确定性系统建模和推理,处理涉及到预测智能推理、诊断、决策风险及可靠性分析的问题. 本文首先对贝叶斯网络做了一个简略的介绍,随后综述了贝叶斯网络近30 年的发展及功能扩展,对其在工程技术领域的应用包括故障诊断及可靠性分析等方面做了一个回顾,最后对BN现有的不足和未来的研究趋势做了总结和展望.      

评价网络理论在电力公司反应堆建设决策中的应用

电力公司反应堆建设中的一个决策问题,是如何依据过去经验和试验结果来选取最优的建设方案。评价网络理论（valuation networks）是贝叶斯决策问题表示和求解的新方法。以某电力公司为例,应用评价网络理论,以反应堆建设的决策问题进行分析,给出了决策问题的具体表示和求解的详细过程。     

贝叶斯网络在信息检索中的应用

贝叶斯网络是当今人工智能领域用于处理不确定性问题的主要方法之一,在过去十几年中已经以各种方式应用于信息检索领域.本文以信念网络模型为基础,介绍了该理论在信息检索中应用的基本方法,探讨了利用贝叶斯网络组合不同证据进行信息检索问题,最后分析了今后的研究热点.     

带区间参数的贝叶斯网的近似推理

 用区间概率代替贝叶斯网中的点概率,将贝叶斯网扩展为带区间参数的贝叶斯网,使得贝叶斯网更具一般性.用规范概念的计算规则进行区间概率的计算,用Gibbs采样的近似推理法对带区间参数的贝叶斯网进行近似推理,计算后验概率.并给出近似推理的算法和实验,实验结果表明该方法是有效的.     

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

针对高速铁路突发事故应急决策初期信息不足且不确定的问题以及救援部门应急决策能力的局限性,本文提出了一种基于直觉模糊理论与贝叶斯网络推理相结合的应急决策方法。首先分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程,然后利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了直觉模糊贝叶斯网络(IFBN)应急决策模型。最后本文以动车组在高架桥突发火灾事故时进行应急决策为例分别用BN和IFBN进行推理。经过多组推理结果表明,当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,验证了利用IFBN推理模型进行应急决策的优越性。     

最小熵风险决策

本文分析了传统风险决策方法所存在的缺陷,把信息熵准则引入风险决策,提出了最小熵决策方法,并在几种不同的情况下作了推广。     

贝叶斯决策方法及其应用

风险决策存在于诸多的生产和经济活动中，在制定一项决策之前，应注重其风险分析，合理地将风险中的信息加以利用。根据贝叶斯理论的基本原理，通过一个具体实例，给出了应用贝叶斯理论的步骤和方法。     

深基坑工程风险评估的决策支持系统

对深基坑工程风险评估进行了讨论，分析决策支持系统的逻辑结构，认为将决策支持技术应用于深基坑工程风险评估，可以解决决策方案模糊性、决策目标冲突性以及结构不良等问题，提高科学决策水平。     

贝叶斯网络在高职英语应用能力考试中的应用研究

通过K2算法,利用贝叶斯网络构建了一个高职英语应用能力考试的预测模型,用基于贝叶斯网络的分类器来对影响英语应用能力考试通过的因素进行分析,并利用真实数据做了分析验证,验证结果基本符合实际情况.通过该模型的应用,可以为高职学生今后的英语学习指明方向,为高职学院的教育教学管理和改革提供决策支持.     

影响图的数据结构研究

影响图(InfluenceDiagram -ID)是复杂的不确定性决策问题的一种新颖有效的图形表征语言 ,数学概念完整 ,关于概率估计、备选方案、决策者偏好和信息状态说明完备 ,具有决策树不可比拟的优点。作为不确定性问题的辅助构模手段、表征和推理的工具以及概率计算的有效数据结构 ,广泛适用于许多领域的决策分析和不确定性推理问题。     

Adaptive Electric Load Forecaster

In this paper, a methodology, Self-Developing and Self-Adaptive Fuzzy Neural Networks using Type-2Fuzzy Bayesian Ying-Yang Learning(SDSA-FNN-T2FBYYL) algorithm and multi-objective optimization is proposed.The features of this methodology are as follows:(1) A Bayesian Ying-Yang Learning(BYYL) algorithm is used to construct a compact but high-performance system automatically.(2) A novel multi-objective T2 FBYYL is presented that integrates the T2 fuzzy theory with BYYL to automatically construct its best structure and better tackle various data uncertainty problems simultaneously.(3) The weighted sum multi-objective optimization technique with combinations of different weightings is implemented to achieve the best trade-off among multiple objectives in the T2 FBYYL. The proposed methods are applied to electric load forecast using a real operational dataset collected from Macao electric utility. The test results reveal that the proposed method is superior to other existing relevant techniques.