不确定环境下多阶段多目标决策模型
作者：蔡志强， 孙树栋， 司书宾， 王宁， CAI Zhi-qiang， SUN Shu-dong， SI Shu-bin，WANG Ning
作者单位：蔡志强,CAI Zhi-qiang(西北工业大学机电学院现代设计与集成制造技术教育部重点实验室,西安,710072;巴黎中央理工大学工业工程实验室,沙特乃玛拉布利,92290)， 孙树栋,司书
宾,王宁,SUN Shu-dong,SI Shu-bin,WANG Ning(西北工业大学机电学院现代设计与集成制造
技术教育部重点实验室,西安,710072)
刊名：
系统工程理论与实践
英文刊名：SYSTEMS ENGINEERING —THEORY & PRACTICE
年，卷(期)：2010，30(9)
被引用次数：0次
参考文献(12条)
1.Vincke P.Multicriteria Decision Aid[M].New York:Wiley,199
2.
2.Chang T H,Wang T https://www.doczj.com/doc/b99243959.html,ing the fuzzy multi-criteria decision making approach for measuring the possibility of successful knowledge management[J].Information Sciences,2009,179:355-370.
3.Lee A H I,Chen H H,Kang H Y.Multi-criteria decision making on strategic selection of wind
farms[J].Renewable Energy,2009,34:120-126.
4.Figueira J,Greco S,Ehrgott M.Multiple Criteria Decision Analysis:State of the ART
Surveys[M].London:Springer,2005.
5.Dekker R,Scarf P On the impact of optimization models in maintenance decision making:The state of the art[J].Reliability Engineering and System Safety,1998.60:111-119.
6.Jensen F.An Introduction to Bayesian Networks[M].London:UCL Press,1996.
7.张连文,郭海鹏.贝叶斯网引论[M].北京:科学出版社,2006.Zhang L W,Guo H P.Introduction to Bayesian Networks[M].Beijing:Science Press,2006.
8.Lee S,Abbott P.Bayesian networks for knowledge discovery in large datasets:Basics for nurse researchers[J].Journal of Biomedical Informatics,2003,36:389-399.
9.Fenton N,Neil M.Making decisions:Using Bayesian nets and MCDA[J].Knowledge-Based
Systems,2001,14(7):307-325.
10.Zhu J,Deshmukh A.Application of Bayesian decision networks to life cycle engineering in Green design and manufacturing[J].Engineering Applications of Artificial Intelligence,2003,16:91-103.
11.Sachon M,Pate-Corneli E.Delays and safety in airline maintenance[J].Reliability Engineering and System Safety,2000,67:301-309.
12.叶跃祥,糜仲春,王宏宇,等.基于贝叶斯网络的不确定环境下多属性决策方法[J].系统工程理论与实践
,2007,27(4):107-113.Ye Y X,Mi Z C,Wang H Y,et al.A Bayesian networks based method for multiple attributes decision making under uncertainty[J].Systems Engineering-Theory &
Practice,2007,27(4):107-113.
相似文献(10条)
1.学位论文蒋国萍软件项目风险管理的贝叶斯网络模型研究2005
软件项目已经成为现代信息化社会中越来越重要的一类研发项目。由于软件开发过程的需求、设计、编码和测试等各个环节都存在大量的不确定性和不完整性，因此软件项目管理的实质就是软件项目风险管理。贝叶斯网络作为一种处理不确定性的有效方法，本文旨在建立基于贝叶斯网络的软件项目风险管理框架，研究风险贝叶斯网络模型、结构以及推理方法，从而为软件项目风险管理提供了一种系统化的建模方法，为解决软件项目风险的迭代和动态特性问题，提供了新的技术途径和实现手段。论文的主要研究内容和贡献如下：
论文首先建立了基于贝叶斯网络的软件项目风险管理框架，定义了风险贝叶斯网络，给出了基于贝叶斯网络的软件项目风险管理过程与主要的管理活动。
论文在软件项目风险的静态贝叶斯网络两阶段建模研究中，为降低建模的复杂性和增加模型的重用性，给出了面向对象的风险贝叶斯网络建模方法。为提高风险模型的准确性，提出了基于网络度量的风险贝叶斯网络结构改进算法，给出了基于极大似然估计的风险贝叶斯网络概率参数更新算法。两阶段风险贝叶斯网络建模方法，充分考虑了软件项目风险管理与软件度量数据的特点，将专家经验等定性知识与软件度量、项目案例数据等定量知识紧密结合，提高了风险模型的准确性。
论文在软件项目迭代过程风险的贝叶斯网络模型研究中，定义了有环贝叶斯网络，证明了有环贝叶斯网络中有向环的概率收敛性质，给出了有环贝叶斯网络的概率推理方法。有环贝叶斯网络的研究，为管理软件项目迭代过程风险提供了建模方法和模型求解算法。
论文在软件项目时间相关风险的贝叶斯网络模型研究中，针对时间自身是否具有不确定性，分别定义了时间贝叶斯网络和进度贝叶斯网络。其中在时间贝叶斯网络研究中，分别提出了适用于非循环时间贝叶斯网络的基于模型化简的概率更新算法和一般概率更新算法。在进度贝叶斯网络的研究中
，给出了软件项目进度风险的建模方法、模型中的相关计算以及概率推理算法。时间贝叶斯网络和进度贝叶斯网络的研究，为管理软件项目时间相关风险提供了建模方法和模型求解算法。
最后，论文运用贝叶斯网络模型对电子印章系统项目的投标风险、进度风险、费用风险以及基于风险的测试计划等进行了分析评估，提供了有益的结论，验证了风险贝叶斯网络模型的正确性与合理性。
2.会议论文周海刚.沈怀荣一种改进贝叶斯网络不确定性的方法2008
在分析贝叶斯网络面临的计算复杂度高的难题和忽视模型之问的不确定性的基础上，从贝叶斯网络模型建造策略角度，引入了BMA方法．阐述了BMA方法和关键技术，并针对数据预测功能将其与Stepwise方法、Fleming and Harrington Model方法进行了对比，从仿真结果分析可知，BMA方法优于比其他单一模型选择策略，能有效改进贝叶斯网络模型不确定性，对研究贝叶斯网络模型建造策略方法进而探索解决故障诊断面临关键问题的途径有重要作用．
3.学位论文张德利基于贝叶斯网络的故障智能诊断方法研究2008
在故障诊断领域，不确定性问题占多数，主要是由诊断对象的复杂性、测试手段的局限性、知识的不精确等原因导致的。特别是汽轮发电机组这样大型复杂的机电设备，其构件之间以及构件内部都存在很多错综复杂、关联耦合的相互关系，不确定因素和不确定信息充斥其间，其故障可能是多故障、关联故障等多种复杂形式。因此，解决不确定性问题是目前汽轮发电机组故障诊断中的首要问题。
常用的解决不确定性问题的方法包括贝叶斯方法、粗糙集理论、证据理论等，经AgreG等多位专家的分析研究，发现基于贝叶斯理论的贝叶斯网络是目前解决不确定性问题的最有效的方法。
本文研究了贝叶斯网络的最新发展，包括贝叶斯网络的表示、学习和推理。就贝叶斯网络推理进行了深入研究，提出了贝叶斯网络的简化推理算法。为克服简化推理算法占用内存的问题，提出了应用深度优先分支定界法以很小的时间代价换取较大内存空间，解决了简化算法的内存分配问题，具有很强的实用价值。
以汽轮发电机组故障诊断中的不确定性问题为研究背景，系统地回顾了故障诊断的常用方法，阐述了汽轮发电机组常见的异常振动并对振动信号的频域特征进行了分析。提出了用于解决不确定性问题的故障诊断网络模型，并对模型的知识表达、建造方法进行了深入研究。
提出了基于主成分分析方法与贝叶斯网络的汽轮发电机组故障诊断方法，采用主成分分析方法对易于提取的故障特征进行处理，从而获得初步的故障模式倾向，然后将获得的故障模式倾向作为贝叶斯网络模型的故障征兆节点，进一步进行诊断分析。该方法既避免了单独使用主成分分析法指标体系确定难的问题，又可以通过贝叶斯网络模型更好的把各种特征结合起来进行诊断分析，从而提高了诊断结果的可靠性。
基于智能互补融合的思想将粗糙集理论与贝叶斯网络有机结合在一起，提出了一种汽轮发电机组故障诊断的新方法。利用粗糙集理论的知识约简技术对专家知识和故障特征进行压缩，去除冗余信息，获得最小诊断规则。同时利用贝叶斯网络来发现节点间的潜在关系，建立汽轮发电机组故障诊断的贝叶斯网络模型，在保证诊断结果准确率的基础上，缩减了冗余信息，从而提高了诊断效率。
4.期刊论文宫义山.高媛媛.GONG Yi-shan.GAO Yuan-yuan基于故障树和贝叶斯网络的故障诊断模型-沈阳工业大
学学报2009,31(4)
针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特点,提出了一种融合于故障树和传统贝叶斯网络的新方法一诊断贝叶斯网络法,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法.通过综合分析故障树和贝叶斯网络在诊断推理和模型表达方面的特点得出,新方法可使二者充分发挥优势,有效解决故障诊断中存在的不确定性问题,提高了诊断的准确率,在故障诊断领域中具有一定的实际应用价值.
5.学位论文张晓丹汽车发动机故障诊断中不确定性问题的贝叶斯网络解法2005
在故障诊断领域，不确定性问题占多数，主要是由诊断对象的复杂性、测试手段的局限性、知识的不精确等原因导致的。特别是汽车发动机这种大型复杂的机电设备，其构件之间及构件内部都存在很多错综复杂、关联耦合的相互关系，不确定性因素和不确定性信息充斥其间，其故障可能是多故障、关联故障等多种复杂形式。因此，解决不确定性问题是目前汽车发动机故障诊断中的首要问题。
常用的解决不确定性问题的方法包括贝叶斯方法、模糊集理论、证据理论等，经AgreG等多位专家的分析研究，基于贝叶斯理论的贝叶斯网络是目前解决不确定性问题的最有效的方法。
本文以发动机故障诊断中不确定问题为研究背景，以AudiA61.8L型发动机为应用研究对象，提出了用于解决不确定性问题的故障诊断结构模型和功能模型，并对模型的知识表达、建造方法进行了深入研究，提出了贝叶斯网络融合算法。为了获得更高准确率的故障诊断结果，针对故障诊断中传感器传输数据的时序性特点，采用在线学习的思想，对贝叶斯网络结构进行改进。以MLE方法进行参数学习。并通过图搜索算法，推理得出产生故障的节点，获得高效、准确的诊断结果。
在应用中，将故障诊断融合模型及融合算法应用在汽车发动机故障诊断实际过程中。通过多个实验表明，在发动机运行工况下，故障诊断融合模型的诊断准确率优于传统的专家系统方法和学习前的贝叶斯网络方法，有效地解决了故障诊断中存在的不确定性问题，提高了诊断的准确率。从而验证了故障诊断融合模型及算法的有效性和应用价值。
6.期刊论文王鹏.周厚顺.王树宗.WANG Peng.ZHOU Hou-shun.WANG Shu-zong物元贝叶斯网络模型研究-国防科技
大学学报2009,31(1)
分析了贝叶斯网络建模过程中的缺陷,结合物元理论,提出了物元贝叶斯网络理论.该理论能够融合二者的优点,既可处理复杂系统中的不确定性,又能充分利用系统中的所有信息,因此能够更好地进行复杂系统评价.
7.学位论文杨小冬基于贝叶斯网络的语义地理信息服务组合方法研究2008
地理信息服务已经前所未有的走进人们的生活，影响着人们生活的方方面面，甚至改变着人们的生活方式，但如果经常使用这些服务，就会发现它们或多或少还不能很好的满足人们的个性化和人性化的需求，因为它们还不能很好的理解人们的自然语言，人们的需求也是千变万化，纷繁复杂的，可能需要组合不同服务提供商的服务才能完成人们的一个请求。因此，对于语义信息的理解与处理和对地理信息服务的自动发现与组合成为目前地理信息服务研究的热点方向。
Goodchild曾指出“地理信息系统的发展是被需求牵引的”，这个需求包括科学上的需求和应用上的需求，地理信息科学的发展，日积月累的遥感影像和海量空间数据使人们逐渐被淹没在空间信息的浩渺烟波之中，更多的数据并没有为人们带来更多的信息和知识，越来越多的数据自从被接收或者生产出来以后，就没有被发现或使用，成了信息垃圾，因此空间数据的知识发现和应用是人们目前面临的重要问题，而如何来发现和挖掘空间信息，则牵引了地理信息服务的发展，地理信息服务使空间数据的发现和应用从研究机构走向社会大众，这无疑大大促进了空间信息的应用。
语义地理信息服务是地理信息服务和语义Web两大先进技术发展趋势的融合，语义地理信息服务一方面保留和发展了地理信息服务的功能，同时又吸收了语义Web的特点，引入本体来标记地理信息服务的语义信息，促进地理信息服务发现和组合的自动化，进一步促进了地理信息服务走向普通社会大众
，进一步服务社会和企业。
本文针对某烟草企业面临的地理信息服务与业务流程整合的实际需求，同时又希望基本保留现有的系统架构，因此，本文提出以SOA架构为基础的整合思路，以建立地理信息服务为基础，结合语义Web技术和贝叶斯网络技术，构建企业内部的地理信息服务整合框架，基本实现了企业所面临的地理信息服务与业务逻辑进行无缝整合的要求。完成的主要工作有：
1、提出了建立企业地理信息服务库，实现与企业业务流程逻辑的无缝整合的解决方案。
数字烟草项目在原有业务系统与地理信息系统整合的过程中，提出融为一体、无缝整合的目标，因此本文作者在设计之初，就决定采用地理信息服务的方式，来整合地理信息服务。本文作者在项目实践中，以ESRI公司的ArcGIS Engine和ArcIMS软件为基础，建立了企业业务流程中所需求的包括地理地图服务、地理数据服务、地理编码服务和地理处理服务等完整的地理信息服务库，很好的满足了项目提出的地理信息无缝整合到业务流程中的需求。
2、建立了地理信息服务的OWL-S本体。
由于企业在调用地理信息处理的过程中，经常会需要组合不同的包括地理信息服务和普通Web服务在内的各种服务来形成服务链，已完成某项复杂的业务流程，因此需要考虑到服务自动组合的需求，因此本文作者在实践中采用OWL-S服务本体描述语言建立了地理信息服务的语义描述。为实现地理信息服务的自动组合打下良好的基础。
3、建立了地理本体、地理信息服务质量和地理信息服务的贝叶斯网络推理框架。
烟草企业采用了农业、国土和水利等多个行业的分类体系，形成了对烟草体系内各种地物的不同描述，因此建立的地理本体之间存在着概念上和范围上的重叠、包含、泛化、部分相交等复杂的关系，而这些关系如果采用基于逻辑推理的本体映射方式，就不能描述这种不确定关系的定量信息。本文在实验中采用贝叶斯网络工具来对这种不确定性进行概率推理，取得了较好的效果。
在互联网上提供相同功能的地理信息服务已经越来越多，因此服务质量就在服务选择中起着越来越重要的作用，企业内部更加重视服务质量，因为优质高效的服务能够给企业带来时间和效益上的提升，通常基于服务质量的服务选择模型，都是根据服务质量各个要素的描述、根据不同的权重来计算一个服务质量的归一化值来表示服务质量的高低。本文在两个方面提出了改进的方案：一是通过服务监测代理来周期性的监测服务质量的部分要素，这样可以形成非常可靠的，并且是针对用户的、个性化的服务质量数据库；二是根据监测代理得到的数据，采用贝叶斯网络推理工具来推理未知的部分要素
，并进一步得出服务质量的总体评价。并且可以通过记录服务执行过程中的结果和过程数据，来影响和更新服务质量数据库。
互联网的Web2.0正进行的如火如荼，各种面向用户的个性化服务扑面而来，而企业信息化领域还处于传统的Web1.0时代，所有的信息查询和业务流程都是统一的和明确层次化的，而较少考虑到用户的个性化需求。本文在充分调研用户需求的基础上，提出根据用户的身份和历史习惯，来提供给用户个性化的服务方案，同样本文作者也采用了贝叶斯网络的推理方式，来给用户推荐最接近和最可能的下一步服务链接。
本文的主要创新点有：
1、初步分析了地理信息服务在组合过程中存在的一系列不确定和不完全问题。
地理概念之间各种复杂的关系对于地理本体集成造成了非常大的困难，引起了很多研究者的注意，但如何处理这类问题，却一直是从事地理本体研究的学者还没有彻底解决的问题。而地理本体是语义地理信息服务在组合过程中的语义基础，而同时地理信息服务本身也存在着服务质量、服务能力、服务组合等方面的不确定性和不稳定性。本文在这些方面进行了初步的探讨。
2、建立了基于贝叶斯网络的地理信息服务组合的框架与模型。
本文提出了根据贝叶斯网络来进行地理本体概念分类映射的基本方法和思路。
在地理信息服务组合过程中，面临着需要根据服务质量来选择服务，本文采用服务监测代理来测量和统计部分服务质量要素的准确数据，然后通过贝叶斯网络工具来推理其他要素的质量和服务质量的总体优劣程度，以使服务组合代理在根据服务质量选择服务时，可以更快的做出选择，这在服务数量日趋膨胀的今天，具有非常重要的意义。同时贝叶斯网络还具有学习和自动更新的能力，这可以促进服务选择的准确率的进一步提高。
企业信息系统中传统的层次模式，限制了用户在所需要的服务之间进行个性化选择的需求，并可能造成用户效率的降低，本文在采用贝叶斯网络工具分析用户上下文信息和服务使用历史记录的基础上，给用户列出他可能感兴趣的服务链接，实现服务的动态交互组合，避免了用户在业务操作中的反复转向，可以使用户的思路保持连贯从而提高工作效率。
3、实现对地理信息服务的高效整合，促进企业应用个性化服务的发展，提高了服务质量。
本文在项目实践的需求引导下，将贝叶斯网络工具在多个层面应用到地理信息服务与企业业务流程的整合过程中，以不确定性理论支持地理信息服务的企业融合，不仅可以促进企业业务系统在面临复杂的不完全信息和不确定信息时，实现对地理信息服务的高效整合，还可以通过对用户上下文信息和服务调用历史记录的分析和推理，促进企业地理信息服务的个性化发展，有效提高服务质量，改善用户体验。对于企业地理信息整合，具有一定的参考价值。
8.期刊论文曹文钊.蒋国萍.CAO Wen-zhao.JIANG Guo-ping软件项目进度风险的贝叶斯网络模型研究-科学技术
与工程2007,7(24)
为研究软件项目进度风险,给出了进度贝叶斯网络的定义,引入工作节点、时间节点和资源节点等,并在工作节点之间的弧上添加时距;同时为进度安排中的工作不确定性、时间资源不确定性以及资源不确定性等建模.给出了进度贝叶斯网络中的相关计算,提出采用进度贝叶斯网络评估,控制软件项目的进度风险,并就一个简单示例说明了进度贝叶斯网络的应用.
9.学位论文宫义山大型电机故障诊断中的贝叶斯网络原理2006
在故障诊断领域，不确定性问题占多数，主要是由诊断对象的结构复杂性、检测手段及方法的局限性、知识的运用和精确程度等诸多因素造成的。特别是电机这种型号和种类齐全的机电设备，其构件之间及构件内部都存在很多错综复杂、关联耦合的相互关系，不确定因素和不确定信息充斥其间
，其故障可能是多故障、关联故障等多种复杂形式。因此，解决不确定性问题成为故障诊断中的首要问题。常用的解决不确定性问题的方法包括贝叶斯方法、模糊集理论、证据理论等，经Agre G等多位专家的分析研究，基于贝叶斯理论的贝叶斯网络是目前解决不确定性问题的最有效的方法。
贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一，适用于不确定性和概率性的知识表达和推理，特别适用于有条件地依赖多种控制因素的决策。贝叶斯网络是一种基于网络结构的有向图解描述，具有多源信息一致表达与信息融合能力，能进行双向并行推理，并能综合先验信息和样本信息，使推理结果更为准确可信。因此，贝叶斯网络在故障诊断领域中的应用具有重要意义。
本文针对电机故障诊断技术中存在的固有的不确定性，从信息融合的一般化问题入手，在综合现有信息融合相关的研究结论的基础上，对相关的不确定性理论及其相互关系作了综合研究，详细分析了适合于信息融合领域的几种不确定性测度以及相关的不确定度。对电机故障诊断过程中存在的各种不确定性以及这些不确定性的解决办法和特点作了详细分析。原有的电机故障诊断方法基本上都是用单参数方法实现诊断，由于存在不确定性因素，故障诊断的准确性难以保证，而贝叶斯网络融合方法可大大提高电机故障诊断的准确性。
电机故障诊断中信息融合主要是决策融合，可以把诊断问题看成是一个多源不确定性信息条件下的决策问题。本文以感应电动机为应用研究对象
，提出了用于解决不确定性问题的故障诊断结构模型和功能模型，并对模型的知识表达、建造方法进行了深入研究，提出了贝叶斯网络融合算法。为了获得更高准确率的故障诊断结果，针对故障诊断中传感器传输数据的时序性特点，采用在线学习的思想，对贝叶斯网络结构进行改进。以最大似然估计(Maximum Likelihood Estimation-MLE)方法进行参数学习。并通过图搜索算法，推理得出产生故障的原因节点，获得高效、准确的诊断结果。
在应用中，将故障诊断融合模型及融合算法应用在感应电动机故障诊断过程中。通过多个实验表明，在电动机运行工况下，故障诊断融合模型的诊断准确率优于传统的专家系统方法和学习前的贝叶斯网络方法，有效地解决了故障诊断中存在的问题，提高了诊断的准确率。从而验证了故障诊断融合模型及算法的有效性和具体的应用价值。
10.期刊论文王朔.周少平.黄教民.WANG Shuo.ZHOU Shao-ping.HUANG Jiao-min基于贝叶斯网络的威胁识别-计
算机工程与设计2006,27(18)
对威胁进行准确识别是威胁评估的重要内容之一,它涉及到许多不确定性因素.贝叶斯网络是处理不确定性知识的有效工具.根据威胁识别与贝叶斯网络的特点,提出了基于贝叶斯网络的威胁识别方法.首先简单介绍了贝叶斯网络及其优点,然后根据一个具体的实例,建立了威胁识别的贝叶斯网络模型,并阐述了贝叶斯网络用于威胁识别的推理流程.通过对实例的计算结果表明,利用贝叶斯网络能够准确识别威胁,并能有效地处理不确定性信息.
本文链接：https://www.doczj.com/doc/b99243959.html,/Periodical_xtgcllysj201009011.aspx
授权使用：国防科技大学(gfkjdx)，授权号：619b9a84-8f22-4d51-ba7f-9e550119e518
下载时间：2010年12月23日