不完备信息条件下基于证据理论的CGF行为决策方法

针对计算机生成兵力行为决策中遇到的战争迷雾问题, 特别是决策属性中出现的不完备信息情况, 提出基于证据理论的行为决策方法. 首先基于战场决策信息特点分析, 提出精确、模糊、不确定信息的决策属性可信度归一化表示, 然后提出表示备选方案不确定性的执行可信度, 最后根据DS合成法则对多属性可信度信息进行合成. 实验分析说明了该方法的可行性, 以及对于不完备信息处理的有效性.     

基于前景理论和证据推理的混合直觉模糊决策

针对不确定的混合多属性决策问题,提出基于前景理论和证据推理的直觉模糊决策方法.首先通过直觉模糊数描述决策信息,保留了决策数据的不确定性,并实现了精确数、区间数和语言变量3种混合型属性的信息统一.其次考虑人的有限理性,结合前景理论,以直觉模糊数的形式表示前景决策矩阵.再次,运用证据理论合成方案的综合前景值,减少了决策信息的丢失,并以此对方案进行排序和优选.最后,以航运企业竞争力综合评估为实例,通过分析表明了该方法具有合理性和可行性.     

D-S理论在不确定性多属性决策中的应用

针对一类具有不确定性主观判断信息的多人多属性决策问题,给出了一种基于Ｄｅｍ ｐｓｔｅｒＳｈａｆｅｒ证据组合理论的分析方法,通过对不确定性信息进行二次融合,可以将该问题转化为普通的确定性多属性决策问题。最后,针对一个实际投资决策问题,给出了计算结果。     

基于概率语言赋权交叉熵信度分配的应急决策

针对多部门协同应急决策带有不确定性和偏好性的多属性决策问题,提出了一种基于概率语言赋权交叉熵信度分配的应急决策方法。首先,采用能充分表达不确定决策信息的概率语言术语集(probabilistic linguistic term set, PLTS)刻画属性指标,并将其作为证据推理算法中的证据信息。同时,从认知科学的角度考虑由部门跨领域及专业偏好等特点造成的证据不确信问题,对证据折扣系数表达式进行改进,构建基于概率语言赋权交叉熵的Mass函数。然后,利用递归算法对多部门多指标形成的证据信息进行合成,得到各方案的综合评估信息。最后,通过算例分析验证了方法的有效性和实用性。     

基于概率犹豫-直觉模糊熵和证据推理的多属性决策方法

针对专家决策带有犹豫性和偏好性的多属性决策问题,提出一种基于概率犹豫-直觉模糊熵和证据推理的决策方法。在概率犹豫模糊集和犹豫直觉模糊集的基础上,考虑专家偏好,提出一种新的概率犹豫-直觉模糊集,对混合型属性的决策信息进行统一描述;基于犹豫熵和直觉模糊熵,提出概率犹豫-直觉模糊熵对决策信息的犹豫性和不确定性进行测度,并确定属性权重;采用证据推理算法进行属性信息的集结,并基于效用理论对方案进行排序。通过算例对比分析验证了所提方法得到的决策结果更为科学、准确。     

考虑专家可靠性与属性权重差异的不完备型多属性群决策方法

为了解决现有研究因尚未考虑专家可靠性与属性权重之间差异而容易造成不完备型多属性群决策失效的问题,首先遵循证据推理方法的建模架构描述了不完备型多属性群决策问题并界定了合取、析取等相关概念,然后从相对性和绝对性视角对属性权重和专家可靠性予以区分,提出了基于合取规则、采用非补偿性策略融合不同专家推断信息的命题和定理,以及基于析取规则、采用补偿性策略融合不同属性推断信息的命题和定理,在此基础上结合"先专家后属性"和"先属性后专家"两种融合策略构建了评价等级效用确定模型以及开展该类决策的方法步骤,最后通过数值对比分析验证了提出方法的科学性和可行性。     

基于证据理论的直觉梯形模糊IOWA算子及其应用

为解决信息不确定与信息不完全的不确定型决策问题,定义了基于证据理论的直觉梯形模糊诱导有序加权平均(DS-TrIFIOWA)算子.首先,介绍了直觉梯形模糊数及其相应的运算法则和集结算子.然后,基于证据理论和直觉梯形模糊数,并考虑到决策者观念特征,定义了DS-TrIFIOWA算子,分析并证明了该算子的性质,进而提出了一种基于DS-TrIFIOWA算子的不确定型决策方法.最后,利用算例对该方法的可行性和有效性进行了分析.     

一种语言评价信息不完全的多属性群决策方法

针对语言评价信息不完全的多属性群决策问题,以D-S(Dempster-Shafer)证据理论为基础,指出了已有研究在焦元识别的方法及相应焦元语言评价信息量化上存在的问题.同时提出了一种基于D-S证据理论的改进方法,该方法重新进行焦元识别、计算基本可信度分配,然后进行证据合成,并根据信度函数做出决策.该方法具有评价结论稳定、决策规则简单的特点.     

基于证据理论和直觉模糊集的群决策信息集结方法

针对多属性群决策信息集结问题,利用D S证据理论和直觉模糊集的相关方法,提出基于直觉模糊熵的属性权重确定方法,并将专家对属性的直觉模糊评价信息转化为Mass函数形式,将专家关于方案集的多属性证据信息进行了修正和合成;为了便于度量任意两个专家之间评价证据的冲突程度,提出基于证据冲突度的专家权重确定方法,并将所有专家关于方案集的证据信息进行修正和综合集成。结合算例验证了方法的有效性和合理性。     

三种基于理想点的不确定多属性决策优化模型

针对属性权重信息完全未知或只有部分权重信息的不确定多属性决策问题,提出了3种基于理想点的最优化决策模型。通过对这3种模型的求解,可获得属性的权重,进而给出了相应的对方案进行择优的决策方法,从而为解决权重信息不完全的多属性决策问题提供了新途径。最后用实例对该方法进行了说明。理论分析和数据结果表明了方法的可行性和有效性。     

证据网络模型及其推理算法

本文在证据理论与图模型研究的基础上,针对不确定性与关联性相结合的系统建模问题,提出并建立了证据网络模型,定义了证据网络的参数,总结了证据网络的建模特点;分析了证据网络模型的推理问题,建立了其推理策略和推理过程,推导出其正向推理算法和反向推理算法,并通过示例进行了计算验证;证据网络模型将为管理决策分析、系统工程管理等领域的问题分析和求解提供一种有效的技术方法支持.     

不确定条件下的质量绩效测评方法

以ISO9004标准为基础,建立了质量绩效评价模型.根据评价模型的多层次多指标结构特征以及评价信息的不确定性特点,将D-S证据合成理论应用于质量绩效评价系统,利用模糊评判和群组决策方法处理评价过程中的不确定信息和未知信息,给出了D-S证据合成中mass函数的确定方法,并将一种改进的D-S证据合成方法应用于多专家、多指标的信息合成,从而建立了不确定条件下的质量绩效测量和评价方法.最后,通过实例应用对上述方法的实用性和有效性进行了说明.     

基于证据理论的群决策层次评价方法研究

运用证据理论对具有不确定信息的多属性群决策层次评价问题提出了一种新的解决方法。首先对专家的模糊评判语言作出了定量描述 ,对专家评判中由于主观认识的局限性使评判具有不准确性的问题进行了研究 ,构造了一种新的表示专家不确定意见的信任度方法 ,解决了在这种表示下的群体意见和多个指标的层次综合问题。算例表明 ,该方法评估结果客观、合理 ,对群决策层次评估问题很有效     

基于模糊证据推理的系统风险分析与评价

针对系统风险分析与评价中面临的模糊不确定风险信息建模问题,以及风险因素信息融合问题,在模糊集理论与证据理论研究的基础上,采用模糊证据推理技术, 提出了基于模糊证据推理的系统风险分析与评价方法的具体算法与处理操作流程.首先通过故障模式及影响分析进行风险识别,采用模糊信度结构模型建立风险不确定性的统一描述框架, 然后通过数据预处理算法、模糊证据推理信息融合算法以及模糊风险排序方法完成风险评价结果计算; 文末以某航天发射场火箭推进剂加注系统风险分析为例,验证了方法的可行性与有效性.该方法定量化分析系统部件的风险程度,为后续风险应对措施的制定提供辅助决策支持.     

基于模糊证据推理的突发事件风险分析模型

突发事件发生、发展和演化过程中的风险属性来源复杂,且相关信息具有不确定、不完备的特点.为准确分析这一特点下的突发事件运行风险问题,引入模糊证据推理构建分析模型.首先根据突发事件的结构化描述框架和故障模式影响危害分析(FMECA)方法构建突发事件风险属性识别框架,获取信息作为风险分析证据并对其进行规范化处理;然后以模糊证据推理构建突发事件风险分析的模型,通过计算,给出事件风险程度的合理判断;最后选取CRH某型动车组行车安全事件进行实例分析.分析结果表明,在分析突发事件风险时,针对信息不确定、不完备特点构建的模糊证据推理模型具有可行性与有效性,同时该模型能够为突发事件风险分析和风险应对决策的制定提供辅助参考.     

基于证据推理的信息不完全确定的MCDM方法

针对权系数为信息不完全确定、准则值不确定且不完全的多准则决策问题,提出了一种基于证据推理的方法。该方法先对决策者给出的权系数不完全确定信息进行分析,得到一组可利用的基数权重,然后将方案的准则值(不确定且不完全)用基于证据推理的算法进行集成,比较方案集在所有基数权重下的效用值的大小,从而确定方案集的排序。最后以实例表明该方法的有效性和可行性     

一种基于可传递置信模型的分布式决策方法

证据推理理论是研究在不确定情况下智能决策的有效方法之一。将证据推理引入到分布式决策系统，提出了一种基于可传递置信模型的分布式智能决策方法，从信息融合技术的角度构建了agent模型以及分布式决策系统的框架，并且分析了分布式决策系统的信息提取和合成算法以及决策制定算法。通过借鉴信息融合技术中证据推理的可传递置信模型和算法，使分布式决策的研究方法有进一步的发展。在仿真中采用机器人足球仿真比赛作为平台进行研究。     

基于证据推理的信息不完全的多准则排序方法

针对有训练集的准则权系数信息不完全确定且准则值信息不完全或缺失的多准则决策问题,提出了一种基于证据推理的决策方法.该方法首先通过证据推理算法将方案的准则值集成,然后将效用值集成,结合准则权系数和等级效用的不完全确定信息和训练集的排序等建立非线性规划模型,利用遗传算法来求解非线性规划模型,得到各准则的权系数和各等级效用值,进而得到整个方案集的排序.最后用实例说明该方法的有效性和可行性.