学位论文 > 优秀研究生学位论文题录展示

基于贝叶斯网络推理的双重信息集结决策模型研究

作　者: 张彩芬
导　师: 朱建军
学　校: 南京航空航天大学
专　业: 管理科学与工程
关键词: 贝叶斯网络多属性决策双重信息推理集结
分类号: C934
类　型: 硕士论文
年　份: 2013年
下　载: 11次
引　用: 0次
阅　读: 论文下载

内容摘要

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。

全文目录

摘要  4-5
ABSTRACT  5-12
第一章绪论  12-20
  1.1 研究背景及研究意义  12-13
    1.1.1 研究背景  12-13
    1.1.2 研究目的和意义  13
  1.2 决策理论与方法的国内外研究现状综述  13-17
    1.2.1 不确定性决策理论与方法研究现状综述  13-14
    1.2.2 群体决策的理论与方法研究综述  14-15
    1.2.3 决策群体权重确定方法研究综述  15-16
    1.2.4 贝叶斯网络研究现状综述  16
    1.2.5 现有文献研究特点  16-17
  1.3 研究内容  17-18
  1.4 研究特色及创新点  18
  1.5 研究思路与框架  18-20
第二章灰色绝对接近关联度测算模型  20-35
  2.1 引言  20
  2.2 灰色接近关联度的测算分析  20-24
    2.2.1 灰色接近关联度的基本思想  20-21
    2.2.2 灰色接近关联度的可改进之处分析  21-24
  2.3 新的灰色绝对接近关联度测算模型  24-29
    2.3.1 灰色绝对接近关联度的基本思想  24
    2.3.2 灰色绝对接近关联度的性质分析  24-25
    2.3.3 灰色绝对接近关联度的计算  25-29
  2.4. 灰色绝对接近关联度与灰色接近关联度的比较  29-30
  2.5 灰色绝对接近关联度在三角模糊决策方法中的应用  30-34
    2.5.1 问题描述  30-31
    2.5.2 决策方法及步骤  31-32
    2.5.3 算例分析  32-34
  2.6 本章小结  34-35
第三章基于灰色绝对接近关联度的贝叶斯网络结构生成方法  35-47
  3.1 引言  35
  3.2 基于直觉模糊信息的贝叶斯网络结构表达  35-38
    3.2.1 直觉模糊信息的性质  36
    3.2.2 贝叶斯推理网络及其结构形成  36-38
  3.3 基于灰色绝对接近关联度的直觉模糊关联度测算模型  38-41
    3.3.1 直觉模糊关联度测算模型  38-39
    3.3.2 直觉模糊集关联度的性质分析  39-41
  3.4 基于直觉模糊关联度的贝叶斯网络结构集结生成方法  41-42
    3.4.1 基于直觉模糊关联度的专家赋权方法分析  41
    3.4.2 贝叶斯网络结构的集结生成步骤  41-42
  3.5 算例分析  42-46
    3.5.1 背景及基础数据  42-44
    3.5.2 计算结果分析  44-46
  3.6 本章小结  46-47
第四章考虑双重决策信息的贝叶斯网络推理决策模型  47-55
  4.1 引言  47
  4.2 双重决策信息描述  47-48
    4.2.1 专家决策矩阵信息  47-48
    4.2.2 贝叶斯网络决策依据信息  48
  4.3 决策模型及步骤  48-49
  4.4 算例分析  49-54
    4.4.1 背景及基础数据  49-52
    4.4.2 计算结果及分析  52-54
  4.5 本章小结  54-55
第五章基于贝叶斯网络的双重不完全信息集结模型研究  55-64
  5.1 引言  55
  5.2 双重不完全决策信息描述  55-56
    5.2.1 决策矩阵信息  55-56
    5.2.2 不完全贝叶斯网络信息  56
  5.3 双重信息联动决策模型及步骤  56-58
    5.3.1 基于决策矩阵信息的方案综合评价值区间估算模型  56-57
    5.3.2 基于决策依据信息的方案综合评价值估算模型  57
    5.3.3 双重信息联动推理模型  57-58
  5.4 算例分析  58-63
    5.4.1 背景及基础数据  58-62
    5.4.2 计算结果及分析  62-63
  5.5 本章小结  63-64
第六章结论与展望  64-66
  6.1 研究总结  64
  6.2 研究展望  64-66
参考文献  66-70
致谢  70-71
在学期间的研究成果及发表的学术论文  71

基于贝叶斯网络推理的双重信息集结决策模型研究

内容摘要

全文目录

相似论文