带权定性影响图

定性影响图是具有精确概率和效用的影响图的定性抽象。在定性影响图中,节点之间的影响关系使用定性符号描述,这种符号描述简化了不确定知识的表示,降低了影响图建模的难度,加速了不确定知识的推理。但是,定性影响图在抽象过程中损失了部分信息,导致定性影响图在评价过程中会产生不确定结果,阻碍了定性影响图的广泛应用。以加权的思想扩展定性影响图,使扩展的定性影响图中每个定性影响都带有一个表示节点间影响强弱的数值权值,在评价过程中根据定性影响权值的比较来减少不确定结果的产生,从而扩大定性影响图的应用范围。

定性影响图及其决策算法改进研究

影响图这项图形决策技术是解决现实决策问题的有效手段之一。但是,需要获取大量概率和效用值成为了其应用的主要障碍。当事物的依赖关系或者相关参数值无法精确描述时,如何利用非精确的信息进行推理已成为提高影响图决策效率的关键问题。为了在一定程度上克服这种障碍,定性贝叶斯网络及其相关算法被提出并得到发展。本文在分析定性影响图相关理论的基础上,对定性影响图决策推理算法进行了有效改进。