区间直觉模糊统计判决与决策

针对统计判决与决策中存在的模糊性, 给出了模糊性区间直觉模糊集的描述方法. 首先, 给出了区间直觉模糊事件概率的概念; 其次, 在定义区间直觉模糊$t$模及$s$ 模的基础之上, 给出了区间直觉模糊事件概率所满足的基本性质, 证明了区间直觉模糊乘法定理、全概率公式和贝叶斯公式; 再次, 根据给出的区间直觉模糊概率的性质, 依据信息源类型的不同, 详细分析区间直觉模糊统计判决与决策的方法; 最后, 验证了该方法的有效性.     

一个证据推理模型及其在专家意见综合中的应用

表达为概率分布的专家意见的综合是许多决策过程的基本问题 ,也是在贝叶斯概率框架内难以处理的问题 .本文基于 Depster-Shafer证据理论研究了这类问题的一种处理方法 .首先提出了一个特别的证据推理模型及相应的推理算法 ,然后基于该模型描述了专家意见综合问题的建模和求解方法.     

不确定供应链管理网络的概率图模型仿真研究

供应链管理网络是种有向无环图,在实际应用中不可避免的具有多种不确定性,这些不确定性可用概率进行表示.贝叶斯网是种应用较广的概率图模型,它也是有向无环图.对供应链管理网络中的不确定信息与贝叶斯网进行研究,对使用贝叶斯网络研究供应链管理的可行性进行了论证.由于贝叶斯网是概率分布与图表示的完美结合,根据供应链管理中的不确定信息,可建立合适的贝叶斯网,通过联合概率分布进行决策,使得供应链中的各方达到共同获利的目的.由于贝叶斯网在-般情况下的学习与推理问题都是NP难问题,对用于供应链管理贝叶斯网在仿真中可能遇到的情况进行了分析.研究表明,将贝叶斯网应用到供应链管理中的不确定信息仿真是切实可行的.     

基于模糊概率的多状态贝叶斯网络可靠性分析

利用贝叶斯网络对多状态系统进行可靠性分析时,各根节点不同状态的精确概率难以获得。因此提出了把模糊理论与贝叶斯网络方法相结合,将不同专家给出的根节点各状态发生概率的语言变量转化为三角模糊数,并经过均值化、解模糊和归一化得到不同状态的发生概率的精确值。将其代入多状态贝叶斯网络中,计算叶节点不同状态的发生概率,进而计算各根节点的后验概率及风险增加当量重要度。通过实例分析验证了该方法的可行性。应用该方法能够提高贝叶斯网络处理不确定性问题的能力,使其在解决多状态不确定性系统可靠性和安全性问题时发挥更大的作用。     

基于随机Petri网的乘积形式解存在的一个充分条件

目前,判定一类随机Petri网(SPN)是否具有乘积形式解还没有比较好的方法.在这篇文章里给出了一个基于随机Petri网的乘积形式解存在的判定定理,它对于判定一些SPN模型是非常有用的.利用这个定理,可以发现两部件自动组装生产线模型具有乘积形式解,然后画出该模型的状态空间图,根据局部平衡方程,就可以得到此模型任意状态的稳定概率.     

无理由退货政策下的概率销售策略

本文研究了无理由退货政策下,零售商是否应该提供概率产品,以及概率产品和传统产品应该如何定价的问题.由于消费者会根据对不同产品的期望满意度决定是否购买,零售商需要考虑如何提供最优的概率产品与传统产品的产品组合.本文同时考虑了零售商的销售策略和产品定价决策,发现消费者满意度对零售商的决策有十分重要的影响.特别地,随着消费者满意度的上升,零售商的利润反而有可能会降低.数值分析显示概率产品的随机性和消费者满意率对零售商的概率销售决策和利润有显著影响.     

动态贝叶斯网络与黑板机制结合的协同决策方法

针对信息化战争中重大复杂决策问题,提出动态贝叶斯网络与黑板机制相结合的协同决策方法。以协同防空预警雷达目标识别问题为背景,针对复杂问题协同决策的特点,将动态贝叶斯网络的定量推理能力与黑板机制灵活集成多领域决策者智慧定性推理的能力相结合,提出动态贝叶斯黑板协同决策机制。在概率意义下证明了该方法的有效性,并用仿真试验验证该方法可以较显著地提高协同决策的正确性。     

评估STAR网络可靠性的新方法

针对具有故障部件的STAR互联网络的可靠性问题,在有条件的容错模型和概率模型的基础上,提出了一种新的评估STAR网络可靠性的方法。该方法通过网络的二连通率来进行评估。首先提出了一个自适应的容错并行路由算法,通过该算法的多次执行,得到用于计算网络二连通率的相关条件参数,在此基础上建立了用于推断网络二连通率的贝叶斯网模型。然后通过基于贝叶斯网的概率推理,可得到反映网络可靠性的网络二连通率。研究结果表明,该方法拓展了人们在网络可靠性评价方面的视野,具有一定的理论和实际意义。     

基于粗糙集理论与贝叶斯网络的超视距空战战术决策

基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种超视距空战战术决策的新方法.利用粗糙集理论实现对专家知识的约简和空战态势信息集的压缩,提取了超视距空战战术的最小决策信息集,基于最小决策信息集的贝叶斯网络模型可以降低网络结构的复杂性;同时利用贝叶斯网络实现了超视距空战战术的概率决策推理.最后,进行了实例分析,决策推理结果表明该方法的正确性以及在不确定环境下的有效性.     

基于概率神经网络的故障诊断方法及应用

针对智能大厦空调系统中发生的各种传感器故障问题 ,提出了一种基于概率神经网络 (PNN)的传感器故障诊断改进方法。该方法采用贝叶斯分类决策理论建立系统的数学模型 ,以高斯函数作为激励函数 ,具有非线性处理和抗干扰能力强等特点 ,可获得对空调系统中各种传感器硬故障和软故障的有效识别和诊断。给出了该方法的理论分析 ,故障特征量的选取 ,神经网络设置和训练的具体步骤。通过仿真和空调系统模型试验证明了该方法在网络训练速度 ,抗干扰能力及各种传感器故障识别准确率等方面的有效性。     

变结构离散动态贝叶斯网络及其推理算法

目前的动态贝叶斯网络的研究,是定义在每一个时间片的静态贝叶斯网络结构和参数都一致的基础上,对于过程突变,参数变化等情况就难以适应.为了解决这个问题,提出变结构离散动态贝叶斯网络的概念,并根据概率和动态贝叶斯网络的理论,推导出变结构离散动态贝叶斯网络的推理方法,对算法进行了验证并结合环境变化时的路径选择问题,进行了计算仿真.计算和仿真结果证明了文章提出的变结构离散动态贝叶斯网络的概念和推理算法的正确性.     

财务困境概率贝叶斯估计

通过财务困境概率估计模型建立一套企业财务风险预测系统,具有降低企业经营风险、投资风险以及防范金融危机的重要意义。现有的预测模型主要有:多元识别分析模型、Logit和Probit等统计回归模型以及人工神经网络预测模型。但以上模型均忽略了决策者个人经验、智慧以及信息优势对财务困境预测的重要作用。本文利用贝叶斯分析方法建立的概率估计模型,可以较好地解决这个问题,提高预测的针对性和准确性。     

一种DEA效率概率占优方法研究

决策单元间的效率关系研究是效率研究中的重要领域.传统DEA模型通过计算决策单元各自最优权重情景下的效率最大值,来判断决策单元间的效率排序关系.而这种最优权重往往是极端权重,没有考虑其它权重情景.采用其它权重时,决策单元的效率值和排序往往会发生较大的变化.本文考虑了所有权重情景,提出了DEA效率概率占优模型,定义了决策单元的占优效率概率和被占优效率概率.该模型能够判断任意两个决策单元的效率概率占优关系;并将效率概率占优关系从两个决策单元扩展到决策单元与决策单元集.最后将其应用于决策单元效率排序.通过实证分析发现了两条重要结论:1)考虑所有权重情景的排序与采用极端权重的CCR效率值排序不一致;2)考虑所有权重情景时,一些无效单元的效率排序比有效单元的效率排序更高.     

基于前景理论和概率语言术语的突发事件应急响应决策方法

针对突发事件应急响应决策中决策信息存在不确定性以及决策者很难完全理性的问题，提出一种新的基于前景理论和概率语言术语的应急响应决策方法。首先，将决策者的评估表示为概率语言术语，提出了基于Jensen-Shannon散度的概率语言术语相似性度量。其次，将描述决策者心理行为的前景理论运用到概率语言环境中，并结合提出的概率语言术语相似性度量构建前景决策矩阵；进一步，借鉴偏差最小化的思想构建了决策标准权重模型，用以计算决策标准权重。在此基础上，结合前景决策矩阵及决策标准权重求得各个方案的综合前景值，并以此排序。最后，通过一个海上事故案例说明了提出方法的有效性和优越性。     

基于关联度的决策概率转换方法

针对基本概率赋值转换为决策概率的问题,提出一种新的基于关联度的决策概率转换方法.该方法将单子集命题的基本概率赋值和转换后的决策概率之间的关联度作为评价转换方法的标准,并用其对比例信度转换方法和比例似然度转换方法进行线性组合,得出命题的决策概率.通过算例对比新方法与已有方法,结果表明新方法更加合理有效.     

基于贝叶斯网络的出行者目的地选择行为建模与应用

以居民出行目的地选择为研究对象,确定影响居民出行目的地选择影响因素集合,分析居民出行目的地选择规律及影响因素特征。运用贝叶斯理论,设计居民出行目的地选择流程。对居民出行决策数据进行数据整理分析和离散化处理,采用K2算法对居民出行目的地选择决策数据进行贝叶斯网络结构学习和参数估计。构造居民出行目的地选择的贝叶斯网络模型,分析了模型父节点与子节点之间的概率依赖关系。对构建的贝叶斯网络模型进行了有效性验证,检验数据分析表明,贝叶斯网络对居民实际出行目的地选择的预测分析具有较高的精度。     

一种基于单向变异S-概率粗集的动态决策方法

针对因决策因素个数的减少而导致的决策精度降低的情况,提出了一种基于单向变异S-概率粗集的动态决策方法。利用单向变异S-概率粗集的属性动态迁移特性,结合知识库中的统计信息,讨论了单向变异S-概率粗集模型的属性概率性质。利用上述性质的讨论,给出了一个具体的军事动态决策实例,从而证明该方法可以有效地提高决策精度。     

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。     

理性群体决策的概率集结研究

探讨如何集结多个专家的不确定性信息,以获得群体一致判断．首先分析群体理性存在的可能性;在此基础上,给出了几种集结个体概率的模型及算式,讨论了这些模型的特点,实际应用的可能性;最后,评述了Ｄａｌｋｅｙ个体概率集结不可能性定理中潜在的问题。得出几个研究的结论,并且提出了需要进一步研究的问题。     

融合位置和姿态信息的模型概率估计

为了利用目标的姿态信息来提高机动目标跟踪的精度,提出一种融合位置和姿态信息的模型概率估计算法。该算法采用模糊关联的方法,实现了基于姿态信息的模型概率估计;根据离散点过程滤波的基本理论,对其进行滤波;采用贝叶斯推理方法,对来自姿态的模型概率和来自位置的模型概率进行了信息融合,并将融合后的模型概率应用到IMM算法。仿真表明,改进的IMM在保持传统IMM实时性的基础上提高了跟踪精度,从而验证了姿态信息对目标跟踪的辅助作用。