基于偏好的多属性群知识系统

提出了基于偏好的多属性群知识系统模型,定义了封闭的处理偏好值的运算法则,得到具有偏好的多属性知识系统,并采用基于优势关系的粗集理论来处理给定问题中具有偏好属性间的冗余及依赖,由约简后的偏好属性决策表导出偏好决策规则。通过实证分析表明,该方法可获得认可的知识规则,能取得有实际意义的结果。

基于模糊多属性决策的射孔方案选择模型研究

射孔是油气井的主要完井方式之一,不同的射孔参数对井的产能有不同的影响。射孔方案涉及产能比、相位角、孔密、穿深、孔径、套管强度降低系数等因素,各因素之间互相影响,互相制约,射孔方案的选择中存在一定的模糊性。探讨将模糊多属性决策方法应用于油气井射孔作业,建立射孔方案模糊多属性决策模型,讨论了无偏好及有偏好情况下的射孔决策模型。仿真实例验证了模型的有效性,为射孔作业提供了一种决策依据。

基于用户心理行为的云制造知识服务优选决策

为提高云制造环境下知识服务的选择质量,提出一种基于用户心理行为的云制造知识服务优选决策方法。基于云制造知识服务的特性分析,建立云制造知识服务优选评价指标体系;运用粗糙集理论,对各评价指标进行初始权重分配,并根据用户多属性偏好对初始权重进行调整,以确保权重分配的合理性;在此基础上,结合用户在决策过程中的心理行为分析和后悔理论,构建云制造知识服务的感知价值矩阵,并计算各知识服务的综合感知价值,以获得最优云制造知识服务。通过一个应用实例,验证此方法的有效性和实用性。

CP-nets及其表达能力研究

偏好处理是人工智能中的一个重要研究内容,它的4个研究热点是偏好的表示、提取、聚合和推理.条件偏好网(Conditional preference networks,CP-nets)是一种简单直观的偏好表示的图形工具,但很少有工作研究CP-nets的表达能力.本文研究CP-nets的表达能力,详细研究了CP-nets表达偏好的完备性,其上构造的运算复杂度以及适用的场合.首先给出了CP-nets模型上的几个运算,利用改进的Warshall算法求出了二值网的强占优测试在最坏情况下的复杂度为O(4n).其次通过构造CP-nets导出图及其性质的研究,得出CP-nets特别适合不完全信息下的多属性定性偏好决策.当需要处理更完全信息时,可借助于与Agent的交互来完成.虽然我们给出了CP-nets的强占优测试的理论解,但其理论上可解,实际上不可解.为了解决强占优测试的指数级复杂度问题,本文最后给出了一种带有软约束的满足问题(Soft constraint satisfactionproblem,SCSP)的求解方法.它把CP-nets中的定性运算转为约束半环中的定量运算,从而将指数级的复杂度转化为多项式的复杂度,间接提高了部分CP-nets的表达能力.本文所做的工作是对Boutilier和Bistarelli工作的改进和提高.