文档介绍：:1001—9081(2008)S1—0156—04带区间参数的影响图郑海英,刘惟一(云南大学信息学院,昆明650091)(******@;******@yahoo.)摘要:对传统影响图进行了扩充,提出了带区间参数的影响图(ID)概念,在此基础上,给出了基于遗传算法(GA)的带区间参数影响图的结构学****方法,采用Gibbs采样算法对该类影响图作了近似推理,并应用于具体实例。实验表明,带区间参数的影响图模型适用于求解模糊事件和值不确定事件的概率。关键词:影响图;区间概率;遗传算法;结构学****近似推理中图分类号:TP18文献标志码:AInfluencediagram、thintervalprobabilityparametersZHENGHai—ying,LIUWei—yi(SchoolofInformationScienceandEngineering,YunnanUn~ersity,K~,,m/ngYunnan650091,China)Abstract:BasedontraditionalInfluenceDiagram(ID),:InfluenceDiagram(ID);intervalprobability;icAlgorithm(GA);structurelearning;approximateinfe~nce0引言影响图(InfluenceDiagram,ID)作为一种决策分析和不确定性推理的有效工具正被广泛应用。实际问题中,样本数据多是不确定的,如原材料上涨的幅度为1%~2%,而这种不确定样本数据的确定概率是牵强的。针对这个问题,我们引入了不确定概率的影响图决策方法。Weichselberger提出了两种不同的区间条件概率的概念:直观概念和规范概念I2J。直观概念应用广泛,但它不满足联合概率分布的乘法规则。规范概念满足乘法规则,通过给定条件概率,能对一个联合概率分布进行重构。但规范概念其实是对直观概念的一种压缩,有可能压缩过强,出现产生的条件概率￡(AlB)>U(AlB)的情况,这显然不符合区问概率的定义。为解决这个问题,我们采用了文献[3]中的方法,对L(A)、L(AlB)、U(A)和U(Al分情况讨论,根据它们大小关系的不同而选取不同的计算规则,且对于经典概率的情况,同样能保证￡(AlB)=U(AlB)始终成立。此外,本文还给出了基于遗传算法的带区间参数影响图的结构搜索方法,并结合具体实例,对该类影响图模型做了近似推理,根据竞争对手决策行为反推其私人信息,以供决策