基于貝葉斯網(wǎng)絡的動態(tài)預測模型研究及其應用.pdf

1、博弈是與現(xiàn)實中的競爭相對應的數(shù)學理論，近年來在人工智能方面有廣泛的應用，非完全信息博弈是其中不確定性最大的情況，也是最值得研究的內容，像機器人足球賽，和計算機對弈，模擬現(xiàn)實場景等等，在這方面的應用對現(xiàn)實的指導意義是明顯重要的。
　　 貝葉斯推理是一種以概率分布為基礎的推理方法，它結合了貝葉斯理論的圖模型，通過進行一些條件獨立性假設，將復雜的問題進行簡化處理，進而把事件之間的相互影響關系用圖的形式表達出來，然后利用概率理論中的先驗

2、概率和后驗概率進行推理求解。貝葉斯方法的多種特點和優(yōu)點都使得其不僅為應用其理論解決概率相關問題(如分類聚類)，還可以用其圖模型解決策略選擇的問題(如推理和識別)。
　　 然而貝葉斯推理方法應用到博弈中時還存在著一些問題和可擴展之處，為了彌補這些問題、補充可擴展之處，我們將引入一個在模擬現(xiàn)實方面有良好前景的領域，即多智能體系統(tǒng)(MAS，Multi-Agent System)。這樣我就可以把動態(tài)預測模型與代表具有智能實體的agent

3、相結合，同時把MAS系統(tǒng)中的調度算法與貝葉斯方法相結合，使其預測能力充分發(fā)揮。
　　 本文就是綜合考慮了模擬現(xiàn)實博弈的良好應用前景和貝葉斯推斷理論的良好性能，旨在設計一個應用于非完全信息博弈狀態(tài)下的動態(tài)預測模型，并且使其更具普適性，更好的與現(xiàn)實相映射。
　　 本文的主要工作：
　　 (1)提出了動態(tài)預測的模型架構。針對貝葉斯方法缺乏對周圍環(huán)境中常變因素的考慮，將其應用到非完全信息博弈的MAS中，運用感知agent

4、的構造理論，與agent相結合構成總體框架。
　　 (2)運用了改進的學習算法。通過對貝葉斯方法的深入研究，發(fā)現(xiàn)由于貝葉斯方法構成的學習網(wǎng)基本是固定的，即使是動態(tài)貝葉斯方法也只是在最初建立好學習網(wǎng)后，隨時間推移，前一時刻的因素對后一時刻的本學習網(wǎng)中已經(jīng)形成制約關系的因素的影響，就很難考慮到博弈的對象的變化及其變化給貝葉斯學習網(wǎng)帶來的影響，不能及時更新學習網(wǎng)。于是將K2算法和相關性算法相結合，構成一種準確的學習算法。該算法簡單可行

5、，而且準確性高。充分考慮了條件獨立假設，增強學習準確性的同時也不至于在時間上有很大消耗。
　　 (3)提出了對預測準確性的判斷方法。在預測過程中沒有對預測結果的評價，也就是說沒有辦法知道預測結果是否準確，并且根據(jù)結果是否準確做出調整。貝葉斯方法不管是靜態(tài)的方法還是動態(tài)的方法，都沒有一個很好的反饋，使其在動態(tài)變化的環(huán)境中表現(xiàn)不是很出色，所以在預測的結果后要對結果進行一個判斷，引入預測誤差的概念來做為判斷的依據(jù)。
　　 (4