Q-学习算法在CGF系统中的应用

CGF中的战场决策仿真十分复杂,要求CGF实体应能根据知识库做出类似人类的决策行为。目前,CGF系统中的决策模块大多是硬编码的,不能满足军用仿真发展的需求,这就要求CGF系统具有学习和自适应能力。Q-学习方法是一种特殊的增强学习方法,可以通过多次迭代计算正/负效益进行主动学习。本文介绍了Q-学习及其在CGF系统中的应用。这种较新的机器学习方法,在CGF中有着良好的应用前景。     

一种基于语言评价信息的多指标群决策方法

针对一类带有自然语言评价信息的多指标群决策问题，给出一种新的群集结和方案优选方法。首先采用近年来最新发展的LWD算子和LOWA算子直接集结每个决策者给出的自然语言评价信息，以得到群的方案评价值，然后根据语言短语集的自身顺序进行方案优选。利用该方法不仅可以确定最优方案，而且还可得到群决策结果的可信程度。最后给出了一个算例。     

群决策中模糊偏好关系矩阵一致性的调整方法

针对模糊偏好关系矩阵本身是否一致,使得原矩阵渐进逼近目标矩阵的问题,提出了群决策中模糊偏好关系矩阵一致性调整的新方法。该方法基于目标矩阵的最优选择,提出了一种新的目标矩阵R,使得计算得来的调和矩阵较之原矩阵在一定条件下保留了更多的偏好信息,即在很大程度上保留着群决策中决策者的意愿。最后给出了算例进行比较,说明了该方法的优势。     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

ICU应急辅助决策系统的开发研究

分析了我国危重病医学的现状,阐明了研制ＩＣＵ（ｉｎｔｅｎｓｉｖｅ ｃａｒｅ ｕｎｉｔ）应急辅助决策系统的意义。结合ＩＣＵ的特点,说明了ＩＣＵ应急辅助决策系统的特点和实现方法,在此基础上,讨论了系统的主要功能模块,在知识库的设计国,用面向对象技术建立了一种多元知识库模型;而在推理机的设计中,从人类认知的角度出发,突出了应急的实时诊断,提出了一种由基于规则推理、证据推理和案例推理的集成推理机制,最后在     

基于结构自适应模糊神经网络的前列腺癌诊断方法

前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.     

从数据中挖掘模糊规则及其系统实现

针对一类多输入单输出模糊逻辑系统，提出一种简单而有效的方法从数据库中挖掘模糊规则．该方法产生的模糊规则库具有良好的完备性和鲁棒性，从仿真实验可以看出利用数据挖掘方法建立的模糊系统具有更好的逼近能力．为了使该方法在应用上具有良好的通用性，设计和实现了基于组件技术的数据挖掘系统．     

以目标类型为主的一种威胁评估方法

结合现代防空作战的特点和指挥自动化系统的工作要求，对影响目标威胁评估的属性进行了分析，根据多属性决策理论和方法，提出了一种目标威胁评估方法。首先对目标类型进行分类；然后对影响目标威胁评估的各个属性进行划分；最后依据多属性决策方法，建立了目标威胁评估的数学模型，并通过示例介绍了威胁评估的求解过程。仿真结果表明，该模型能够有效目标威胁评估问题，能够有助于指挥员进行目标分配和提高防空武器系统性能。     

"奖优罚劣"的动态多指标灰色关联度模型研究

针对动态多指标系统决策特点 ,利用灰色关联分析方法提出了一种新的“奖优罚劣”的动态多指标决策模型。该模型不仅对指标进行初始化处理时使用了“奖优罚劣”原则 ,而且通过构造相关矩阵 ,利用特征根、特征向量的性质 ,构造最优指标体系 ,并由此确定最优指标体系中各指标的权重。通过计算决策对象与理想矩阵、负理想矩阵的关联度 ,进而得到决策对象的排序结果。模型中充分考虑了指标的成长特性 ,将其整个系统的成长特性进行比较 ,作为关联度的一部分。在经济决策的实际问题中应用该模型 ,取得较好的效果     

一种基于逆动力学模糊规则的自适应控制方法

将模糊控制规则归结为控制对象的逆动力学过程模糊辨识问题,提出了一种基于逆动力学过程模糊规则模型的控制算法,通过控制对象逆动力学过程模糊规则模型离线辨识,直接产生形成与控制对象运动规律相适应的初始控制规则,并根据对象逆动力学过程模糊规则模型在线辨识结果,对控制规则进行在线调整.仿真结果表明,所设计的模糊控制器具有良好的控制效果与适应性.