动态影响图模型研究

部分可观察马尔可夫决策过程在策略空间和状态空间上的计算复杂性,使求解其一个最优策略成为NP-hard难题.为此,提出一种动态影响图模型来建模不确定环境下的Agent动态决策问题.动态影响图模型以有向无环图表示系统变量之间的复杂关系.首先,动态影响图利用动态贝叶斯网络表示转移模型和观察模型以简化系统的状态空间;其次,效用函数以效用结点的形式清晰地表示出来,从而简化系统效用函数的表示;最后,通过决策结点表示系统的行为来简化系统的策略空间.通过实例从3个方面和POMDP模型进行了比较,研究的结果表明,动态影响图模型为大型的POMDP问题提供了一种简明的表示方式,最后在Robocup环境初步验证了该模型.     

多Agent动态影响图及其一种近似推理算法研究

针对多Agent影响图不能建模动态环境和多Agent马尔可夫决策过程难以表示Agents之间结构关系的问题,提出一种新决策模型——多Agent动态影响图(MADIDs).为了能有效地对MADIDs进行推理,提出一种扩展的BK(EBK)近似推理算法,其扩展体现在三个方面:在BK算法中加入效用结点的边际化操作,加入分割团来减小BK算法的推理误差,使用MADIDs分层分解所生成的联合树来降低推理的复杂性.在模型实例上的实验结果显示了MADIDs模型和EBK算法的有效性.     

基于扩展影响图的超视距空战辅助决策方法

利用扩展影响图的表示特性和计算特性来解决辅助决策系统中知识表示与问题求解的一致性问题.采用条件弧和决策簇扩展影响图解决其在描述非对称性、不确定性问题中的局限,并根据该扩展影响图提出了基于条件分解的求解算法.基于扩展影响图方法对系统进行分析并描述系统结构,给出了基于扩展影响图进行辅助任务分析设计的框架和系统结构.仿真结果表明了所提出方法的有效性.     

多Agent动态影响图的近似计算方法

由于复杂系统具有高维性和不确定性常难以表示处理,因而知识表示和计算方法是复杂系统研究中的公开难题.当前,多Agent影响图不能建模动态环境和多Agent,马尔可夫决策过程难以表示Agents之间结构关系的问题,因而提出一种用局部概率因式表示动态环境中多Agent之间关系的新决策模型--多Agent动态影响图(MADIDs).针对MADIDs模型的联合概率分布和联合效用函数在计算上的高维问题,研究该模型的近似计算方法.给出MADIDs概率结构部分的一种分层分解的分布近似方法,并通过对该近似方法的误差和复杂性的分析,给出一个可对近似分布的精度和复杂性进行均衡的函数δ(k);给出一种BP神经网络通过局部效用的学习来近似计算MADIDs的联合效用.在模型实例上的实验结果显示了MADIDs模型近似计算方法的有效性.     

模糊认知图在物流中心选址中的应用

对于诸多的项目、设施的选址很多都是具有战略意义的决策问题,但由于涉及到的因素很多、同时往往涉及地理和社会经济的复杂问题,其决策支持系统的建立难度很大。论文在GIS的基础上,采用模糊认知图这种优秀的仿真工具,有效地运用在选址问题的建模、推理中,并通过实例,验证了系统的正确性和实用性。     

基于模糊认知图的情感Agent模型研究

人工情感是人工心理的一个主要研究内容。从研究人工情感出发,提出一种基于模糊认知图的情感Agent建模的方法。模糊认知图模型通过在传统认知图模型中引入模糊测度来量化概念间因果关系的影响程度。Agent的知识由内部组元的状态以及组元之间的关系权值进行描述,用简单数值运算代替了复杂的符号逻辑来实现Agent的智能推理和决策。通过实验表明,该模型设计简单、易于扩展、适用性好。     

电力系统控制与决策中的博弈问题 ――工程博弈论初探

由于在处理多主体、多目标与复杂决策时序等方面具有的独特优势,博弈论从其诞生至今半个多世纪以来,已经对经济学、社会学、军事学、政治学以及工程科学等诸多领域产生深远的影响,成为分析研究策略相互作用的主流理论和控制与决策领域不可或缺的辅助设计工具.由于存在多个决策主体以及竞争与合作等多种利益关系,工程系统优化决策问题往往可归结为某种特殊形式的博弈问题.本文从电力系统中的控制与决策问题出发,阐述了工程博弈论的建模思想和主要方法,并以笔者团队近年来在相关领域的科研工作为主线,对工程博弈论在电力系统中的应用进行总结与展望.     

非对称博弈的表示和求解

非对称博弈是一种普遍存在的博奔现象,现实中大量的博弈都呈现出非对称的特性.但是非对称博弈的表示问题在多-Agent影响图中是一个难以解决的问题,存在表示复杂和求解效率低的情况.针对该问题,借鉴了单-Agent决策系统中非对称性表示的方法,提出了一种新的博弈模型,有效的解决了非对称博弈的表示问题.给出了该模型详细的求解算...     

一种新的结构化博弈模型的表示和求解

针对多-Agent影响图表示方法存在效率低、结构模糊、表示复杂等方面的问题,提出了一种新的结构化博弈模型-非对称多-Agent影响图.该模型借鉴了非对称影响图中的表示机制和方法,继承了多-α-gent影响图在表示博弈时所具有的优点同时又具备了有效的表示非对称博弈的特点.给出了求解的算法,并使用一个实例来说明该模型的表示和求解.     

基于Agent的城市废物计量收费方案仿真研究

提出一种基于Agent的城市废物计量收费仿真模型.由于城市废物计量收费仿真模型属于复杂适应性系统(CAS),传统的建模仿真方法无法完好地刻画城市废物计量收费仿真模型,而基于多Agent的建模仿真方法(ABS)是当前研究复杂适应性系统的最有利工具之一.有必要进行深入研究.在简单介绍复杂适应性系统、基于多Agent的建模方法的研究概况,以及多Agent建模工具--Repast仿真甲台以及它的结构、主要类库与建模步骤后,以城市废物计茸收费仿真模型为研究对象,进行基于多Agent的建模仿真实验,结果表明基于多Agent的建模仿真方法非常合适复杂适应性系统的研究,具有很大的发展空间.     

Practical modeling of Bayesian decision problems - exploitingdeterministic relations

The widespread use of influence diagrams to represent and solve Bayesian decision problems is still limited by the inflexibility and rather restrictive semantics of influence diagrams. We propose a number of extensions and adjustments to the definition of influence diagrams in order to make the practical use of influence diagrams more flexible and less restrictive. In particular, we describe how deterministic relations can be exploited to increase the flexibility and efficiency of representing and solving Bayesian decision problems. The issues addressed in the paper were motivated by the construction of a decision support system for mission management of unmanned underwater vehicles (UUVs).     

决策支持系统理论与方法研究综述

针对经典决策支持系统理论与实际决策问题之间存在鸿沟，难以对复杂环境和复杂问题进行有效的决策支持和求解的缺陷，指出当前实际决策支持理论和方法存在的一些问题和需要考虑的各种因素，列举了主要的决策支持系统的方法和典型应用，并指出各种方法的优缺点．在与综合集成型决策支持系统进行比较后，提出只有构建综合集成型决策支持系统才能有效地解决复杂问题的决策支持．最后，总结了决策支持系统今后的研究方向和工作建议．     

复杂环境下的平行决策研究

针对复杂环境下决策的不确定性、动态性以及面对大量信息决策不知所措等系列问题,提出了复杂环境下的平行决策研究方法,利用平行决策的分解原理,将复杂决策分解为流决策、平行决策和交叉决策,不仅简化了复杂环境下的决策问题研究,而且从某种程度上能将信息优势适时地转化为决策优势,从而为系统决策获取最终的系统竞争优势提供一定的帮助。     

A case-based reasoning approach for building a decision model

A methodology based on case-based reasoning is proposed to build a topological-level influence diagram. It is then applied to a project proposal review process. The formulation of decision problems requires much time and effort, and the resulting model, such as an influence diagram, is applicable only to one specific problem. However, some prior knowledge from the experience in modeling influence diagrams can be utilized to resolve other similar decision problems. The basic idea of case-based reasoning is that humans reuse the problem-solving experience to solve new problems.
In this paper, we suggest case-based decision class analysis (CB-DCA), a methodology based on case-based reasoning, to build an influence diagram. CB-DCA is composed of a case retrieval procedure and an adaptation procedure. Two measures are suggested for the retrieval procedure, one a fitting ratio and the other a garbage ratio. The adaptation procedure is based on decision-analytic knowledge and decision participants' domain-specific knowledge. Our proposed methodology has been applied to an environmental review process in which decision-makers need decision models to decide whether a project proposal is accepted or not. Experimental results show that our methodology for decision class analysis provides decision-makers with robust knowledge-based support.     

混合非结构MAGDM的决策导向一致性检验方法

为有效应对现有群决策一致性检验方法的系列弊端,针对群决策的决策导向多元、决策方案众多、决策属性异构、决策信息多样等特征,在引入票权概念解析群决策一致性判定复杂性、刻画非结构多属性群决策合意信息表征假设情景的基础上,通过对常规混合非结构多属性群决策（MAGDM）问题进行公理化描述,并依据从方案层面到属性层面的整体决策信息判定策略,给出决策导向层面的整体判断信息一致性检验方法、多轮次非一致性决策信息调整策略及信息集结方法。案例应用结果表明提出的方法有效、可行。     

Sensitivity analysis in influence diagrams

The influence diagram framework serves as a powerful modeling tool for symmetric decision problems with a single decision maker. However, one of the main difficulties when representing decision problems using influence diagrams is eliciting the utilities and the probabilities. This makes it desirable to be able to investigate: 1) how sensitive the solution is to variations in some utility or probability parameter, and 2) how robust the solution is to joint variations over a set of parameters. In this paper, we propose a general algorithm for performing these types of analysis.     

动态故障树的边值多值决策图分析

动态故障树分析对于复杂系统来说是一种重要的可靠性分析技术,但是二叉决策图等传统模块化方法存在严重的状态空间爆炸问题.本文系统介绍了边值决策图的动态故障树分析方法,其中边值多值决策图相对于其它现有的决策图具有更紧凑的表示函数,通过状态数的缩减,缩短了计算时间,有效缓解状态空间爆炸问题.实例证明了边值多值决策图在多状态系统和多功能系统中使用的方法和优势.     

MDD propagators with explanation

Multi-valued decision diagrams (MDDs) are a convenient approach to representing many kinds of constraints including table constraints, regular constraints, complex set and multiset constraints, as well as ad-hoc problem specific constraints. This paper introduces an incremental propagation algorithm for MDDs, and explores several methods for incorporating explanations with MDD-based propagators. We demonstrate that these techniques can provide significantly improved performance when solving a variety of problems.     

模糊智能决策树模型与应用研究

决策问题是计算智能最核心的问题之一.基于模糊数学理论建立了一个普适的模糊决策树模型;用节点刻画决策前提和控制信息,用树上的边形式化推理规则;并在节点和边上定义合理的模糊决策算子,进行多级综合决策.工程决策考虑不同方案的成本、可行性和收益,将这些信息进行融合作为决策方案优劣的测度;建立加权模糊智能决策模型,并给出了基于该...     

A distance-based group decision-making methodology for multi-person multi-criteria emergency decision support

In this paper, a distance-based group decision-making (GDM) methodology is proposed to solve unconventional multi-person multi-criteria emergency decision-making problems. In this model, some decision-makers are first identified to formulate a group decision-making framework. Then a standard multi-criteria decision-making (MCDM) process is performed on specific decision-making problems and different decision results are obtained from different decision-makers. Finally, these different decision results are aggregated into a group consensus to support the final decision-making. For illustration and verification purposes, a numerical example and a practical unconventional emergency decision case are presented. Experimental results obtained demonstrate that the proposed distance-based multi-criteria GDM methodology can improve decision-making objectivity and emergency management effectiveness.