Система поддержки принятия решений в диагностических проблемных ситуациях на основе нечеткой логики

• Автор: Шашков, Алексей Николаевич
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Уфа
• Количество страниц: 180 с. : ил

Разработка методики согласования экспертных оценок на основе функции принадлежности нечеткого множества. Окончание табл. В х х годах для решения 1Р в условиях неопределенности использовались математические методы таких дисциплин, как теория статистических решений ,1, теория игр ,, теория минимакса 1, теория иерархических 0 1. Обзор этих методов приведен в 0. Однако для решения плохо формализованных ЗПР указанный математический аппарат является достаточно грубым и иногда дает даже качественно неверные предсказания. Эго связано как с большой сложностью решаемых задач, гак и с их зависимостью от множества субъективных факторов. Решение этой проблемы может быть найдено, если использовать маземагические модели и методы для генерирования и оценки возможных решении, которые воспринимаются как рекомендации для последующего обдумывания и, возможно, неформального анализа. Рассмотрим некоторые часто встречающиеся современные подходы. I байесовский подход на основе субъективной вероятности. Суть данного подхода заключается в следующем .


Эго связано как с большой сложностью решаемых задач, гак и с их зависимостью от множества субъективных факторов. Решение этой проблемы может быть найдено, если использовать маземагические модели и методы для генерирования и оценки возможных решении, которые воспринимаются как рекомендации для последующего обдумывания и, возможно, неформального анализа. Рассмотрим некоторые часто встречающиеся современные подходы. I байесовский подход на основе субъективной вероятности. Суть данного подхода заключается в следующем . ЛПР должен выбрать одно действие аеА из множества А возможных действий. Последствие этого решения са,НеС, принадлежащее к множеству последствий, зависит от действия а и состояния окружающей среды вIV. Перед выбором действия ЛР может наблюдать результатХх эксперимента, зависящий от неизвестного состояния п которое рассматривается не как постоянная, а как случайная величина с распределением Р,х и, определяющая априорное представление ЛПР о величине X при условии, что истинное значение Жесть и. Результат действий ЛР можно оценить функцией потерь а,тяиф,м, 1. И решения, принятою ЛПР. Статистическое решение задачи заключается в наблюдении Хх и затем в выборе действия сЦхо. X в определенном смысле минимизирует величину . Байесовское решение определяется априорным знанием ЛПР о иеЖ, выраженным посредством субъективных вероятностей через априорное распределение . Знание ЛР обновляется посредством наблюдений Хх с использованием теоремы Байеса для получения апостериорного распределения ,. Р1Р,1иР. И 1.