基于证据理论的多Agent智能决策支持系统研究

【摘要】：在互联网迅速发展的环境下,智能决策支持系统面临新的挑战。互联网给决策支持提供了丰富的信息资源,使得决策可更广泛地选择决策参与者,使群决策能更好地得到应用,同时增加了信息的不确定性,如何更好地建立群体决策的系统机制,对群体决策的意见进行有效的合成,成为网络环境下智能决策支持系统面临的新问题。本文将证据理论引入智能决策支持系统,作为解决上述问题的基本理论,探讨了基于证据理论的多Agent智能决策支持系统的基本框架与决策程序,将证据理论作为实现多Agent合作决策的工具,针对证据理论在应用于多Agent智能决策支持系统合作推理中可能产生的问题,研究了证据理论的证据合成方法;将证据理论与粗糙集理论及灰色理论相结合,获取证据的基本概率分配,解决了证据理论中证据获取困难这一“瓶颈”问题;同时还研究了基于证据理论的决策方法,从而使得决策更加科学。具体研究内容如下: (1) 证据理论的证据获取方法研究。首先对粗糙集理论作了进一步的研究,细化了其划分的粒度,在此基础上,对决策表的决策属性作了进一步的转换,结合粗糙集和证据理论之间的关系,实现证据信息的提取;随后结合灰色理论和证据理论的关系,提出了证据获取的另一种方法,从而解决了证据获取困难这一制约证据理论应用的“瓶颈”问题。 (2) 证据理论的合成方法研究。针对证据理论的D-S合成公式要求证据相互独立,且不能处理冲突证据,不能区分证据重要性等缺陷,研究了相应改进的方法,提高D-S公式的合成效果。 (3) 证据理论的决策方法研究。探讨基于焦元分析求解各状态的基本可信数的决策方法,将求解各状态的基本可信数与决策过程相联系,使基于证据理论的决策方法更加科学合理。 (4) 基于证据理论的多Agent智能决策支持系统框架模型研究。本文研究基于证据理论的多Agent智能决策支持系统框架模型系统,针对多个Agent之间如何进行组织协调与协作这一MAS的核心问题,提出了基于概念树结构的多Agent合作求解模型,并使用证据理论对概念树各层进行合成缩小求解的范围,针对证据理论在多Agent环境下的应用特点,从辨识空间、证据相关性和合成公式三个方面探讨了可能产生的问题,并提出了相应的解决方法。