貝葉斯網(wǎng)建模技術(shù)及其在決策中的應(yīng)用.pdf

1、決策問題往往具有一定的不確定性，其根源主要來自問題本身的模糊性、隨機性，決策信息的不完備性、不精確性，人類認(rèn)知能力的有限性以及主觀認(rèn)識和客觀實際之間存在的差異性。這些不確定性使得決策的難度大大增加，因此，不確定環(huán)境下的決策理論與決策方法成為決策科學(xué)研究的重要內(nèi)容之一。 近年來，隨著數(shù)學(xué)理論與人工智能技術(shù)的發(fā)展，出現(xiàn)了多種不確定性問題的處理方法，如證據(jù)理論、貝葉斯網(wǎng)、模糊集和粗糙集等。在這些方法中，貝葉斯網(wǎng)絡(luò)是以概率論為數(shù)學(xué)基礎(chǔ)的

2、圖形模式，具有直觀的表達能力和強大的知識推理能力等諸多優(yōu)越性，在不確定推理方面具有較強的優(yōu)勢，因此成為不確定理論研究的熱點。 本文針對貝葉斯網(wǎng)絡(luò)存在學(xué)習(xí)效率不高、建模困難的缺陷，重點研究了貝葉斯網(wǎng)建模技術(shù)及其在管理決策中的應(yīng)用，具體內(nèi)容如下： （1）綜述了不確定性問題的分類，貝葉斯網(wǎng)的誕生發(fā)展過程和研究現(xiàn)狀，貝葉斯網(wǎng)在管理決策及智能決策支持系統(tǒng)中的應(yīng)用前景。闡述了貝葉斯網(wǎng)的結(jié)構(gòu)和特點，常用的推理方法，以及貝葉斯網(wǎng)的各種擴

3、展模型。 （2）研究了貝葉斯網(wǎng)的結(jié)構(gòu)學(xué)習(xí)，提出了一種知識和數(shù)據(jù)融合的貝葉斯網(wǎng)結(jié)構(gòu)學(xué)習(xí)方法。首先由專家給出對網(wǎng)絡(luò)結(jié)構(gòu)的信度分配，采用證據(jù)理論進行證據(jù)合成，合成后具有最高信度的結(jié)構(gòu)被認(rèn)為是正確的，然后再使用機器學(xué)習(xí)算法從專家選出的結(jié)構(gòu)中求出最優(yōu)的一個。這種方法利用專家知識剔除了大量無意義的網(wǎng)絡(luò)結(jié)構(gòu)，避免了學(xué)習(xí)算法的窮舉搜索，加快了學(xué)習(xí)速度。 （3）研究了基于知識的建模理論，提出了基于案例和規(guī)則推理的貝葉斯網(wǎng)建模方法。將歷史貝

4、葉斯網(wǎng)模型作為案例保存到案例庫中，設(shè)計了相似度和偏離度兩個指標(biāo)，當(dāng)面臨新的問題時，利用案例推理進行模型匹配，得到相同或相似的案例，并進行案例修正。如果案例推理沒有結(jié)果，系統(tǒng)轉(zhuǎn)向規(guī)則推理繼續(xù)建模過程。這種方法將貝葉斯網(wǎng)作為整體進行復(fù)用，提高了貝葉斯網(wǎng)的建模效率。 （4）闡述了貝葉斯網(wǎng)的建模原則，建立了面向復(fù)雜問題的貝葉斯網(wǎng)建模流程。分為問題分析、模型設(shè)計和模型測試三個階段。問題分析階段通過對問題的分析，選擇領(lǐng)域?qū)＜?，對?fù)雜的問題進

5、行任務(wù)分解。模型設(shè)計階段首先確定相關(guān)的變量，然后分別建模網(wǎng)絡(luò)結(jié)構(gòu)，確定節(jié)點的概率分布。最后用測試方法測試模型，修正錯誤，直到模型較為準(zhǔn)確為止。同時還討論了簡化模型的方法。 （5）研究了定性貝葉斯網(wǎng)的特點，針對其推理過程不精確的缺點，提出了帶權(quán)重的定性貝葉斯網(wǎng)，使用一個數(shù)值權(quán)重描述節(jié)點之間影響力的強弱，在推理時可以通過權(quán)重之間的運算進行影響力的綜合，使得推理結(jié)果更為精確。 （6）闡述了供應(yīng)鏈管理中常見的不確定問題，分析了貝