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(wèn)題往往具有一定的不確定性，其根源主要來(lái)自問(wèn)題本身的模糊性、隨機(jī)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(shí)和客觀實(shí)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(lái)，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(wèn)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(dá)能力和強(qiáng)大的知識(shí)推理能力等諸多優(yōu)越性，在不確定推理方面具有較強(qiáng)的優(yōu)勢(shì)，因此成為不確定理論研究的熱點(diǎn)。 本文針對(duì)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(diǎn)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(wèn)題的分類，貝葉斯網(wǎng)的誕生發(fā)展過(guò)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(diǎn)，常用的推理方法，以及貝葉斯網(wǎng)的各種擴(kuò)

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(shí)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(duì)網(wǎng)絡(luò)結(jié)構(gòu)的信度分配，采用證據(jù)理論進(jìn)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(jī)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(gè)。這種方法利用專家知識(shí)剔除了大量無(wú)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(shí)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(kù)中，設(shè)計(jì)了相似度和偏離度兩個(gè)指標(biāo)，當(dāng)面臨新的問(wèn)題時(shí)，利用案例推理進(jìn)行模型匹配，得到相同或相似的案例，并進(jìn)行案例修正。如果案例推理沒(méi)有結(jié)果，系統(tǒng)轉(zhuǎn)向規(guī)則推理繼續(xù)建模過(guò)程。這種方法將貝葉斯網(wǎng)作為整體進(jìn)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(wèn)題的貝葉斯網(wǎng)建模流程。分為問(wèn)題分析、模型設(shè)計(jì)和模型測(cè)試三個(gè)階段。問(wèn)題分析階段通過(guò)對(duì)問(wèn)題的分析，選擇領(lǐng)域?qū)＜遥瑢?duì)復(fù)雜的問(wèn)題進(jìn)

5、行任務(wù)分解。模型設(shè)計(jì)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(diǎn)的概率分布。最后用測(cè)試方法測(cè)試模型，修正錯(cuò)誤，直到模型較為準(zhǔn)確為止。同時(shí)還討論了簡(jiǎn)化模型的方法。 （5）研究了定性貝葉斯網(wǎng)的特點(diǎn)，針對(duì)其推理過(guò)程不精確的缺點(diǎn)，提出了帶權(quán)重的定性貝葉斯網(wǎng)，使用一個(gè)數(shù)值權(quán)重描述節(jié)點(diǎn)之間影響力的強(qiáng)弱，在推理時(shí)可以通過(guò)權(quán)重之間的運(yùn)算進(jìn)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(wèn)題，分析了貝