基于认知程度的双论域粗糙集理论及在动态决策中的应用研究

In uncertainty decision-making process, decision alternatives should be adjusted to adapt environment. Rough set over dual-universes based on cognitive degree (RSDU-CD for short)is built from cognitive degree to confirm the timeliness and effectiveness of dynamic decision-making. (1) Approximation operators of rough set over dual-universes based on cognitive degree are proposed by constructive and axiomatic method. Properties of RSDU-CD are researched. New concepts of RSDU-CD, such as attribute significance, matching degree, granularity, rough entropy and so on, are presented. Properties, uncertainty measure, attribute reduction and rule extraction are researched further to develop rough set over dual-universes theory system, which provides a theoretic guide for dynamic decision-making. (2) Incremental algorithm of approximation operators, attribute reduction algorithm and dynamic rule extraction methodology are designed based on cognitive degree, which provide support to dynamic decision-making for timeliness. (3) General knowledge and describe languages of decision problem can be obtained based on the ontology theory. Then, rough set over dual-universes based on cognitive degree is utilized to reason and generate decision rules automatically. A dynamic decision-making model is built, which can analysis dynamic environment and provide decision alternatives. (4) This model is utilized to emergency management of urban rail transit.

针对不确定性决策过程中决策者会随决策环境的变化调整决策方案的现象，本课题提出基于认知程度的双论域粗糙集理论以提高决策的时效性：(1)利用构造性与公理化方法构造基于认知程度的双论域粗糙集近似算子并研究其基本性质，提出基于认知程度的双论域粗糙集的属性重要度、匹配度、粒度和粗糙熵等概念，进一步研究基于认知程度的双论域粗糙集属性约简、规则提取和不确定性度量等理论和方法，发展双论域粗糙集理论体系，为制定动态决策方案提供理论指导。(2)设计基于认知程度的双论域粗糙集近似算子、属性约简的增量求解算法和决策规则的动态提取方法，为提高决策速度提供方法支持。(3)结合本体理论获取决策领域的基本知识和描述语言，利用基于认知程度的双论域粗糙集模型推理、获取动态决策规则，构建基于认知程度的双论域粗糙集动态决策模型。(4)将该模型应用于轨道交通应急管理中，对轨道交通突发事件的变化及环境变化进行动态分析，提供应急方案。

由于社会的政治、经济、自然等条件的不确定性，决策问题常常面临着复杂多变的决策环境。在很多情况下，事件的发生是突然的，而一旦发生，就必须马上采取应对措施，此时制定的决策方案是基于当前情况和当前掌握的资料。随着时间的推移，决策者掌握的资料大都会经历由少到多、由模糊到精确的变化。因此，决策者需要根据不断完整和清晰的信息及时对决策方案进行调整，才能保证取得最佳的效果。.本课题将决策者对决策问题所涉及属性的了解多少记为认知范围，决策者对求解决策问题所涉及属性的了解程度记为认知精度，综合考虑认知范围和认知精度构建双论域粗糙集模型。.本课题在理论上做了三方面工作。（1）利用决策问题属性集的变化表示认知范围的变动，从增删单个属性到增删属性集构建了基于认知范围的双论域粗糙集近似算子，研究了近似算子的集合性质和代数性质，发现基于认知范围变化的双论域粗糙集近似算子满足经典Pawlak粗糙集近似算子的基本性质。（2）在研究中进一步发现，基于认知范围变化的双论域粗糙集与经典Pawlak粗糙集属性约简在思想上具有一致性，因此，进一步研究了粗糙集属性约简方法，通过对条件属性细分提出一种基于置信度的增量式属性约简方法，并通过实例说明了其有效性。（3）经过研究发现决策认知精度的变化主要体现在决策过程中属性值由模糊或缺失或区间值到清晰具体的变化，本课题通过加入时间因素构建基于认知精度的双论域粗糙集近似算子，将直觉模糊关系引入双论域粗糙集中，提出了基于双论域直觉模糊粗糙集的知识推理方法。.本课题在应用上做了两方面工作。（1）因为知识库的构建是决策推理的前提，本课题进一步研究了知识库的构建。借鉴案例推理的思想搜集成功案例，结合关联规则思想构建知识库；通过计算属性相关度，提出基于置信度的知识库构建方法，研究表明该知识库构建方法可信度高并且易于利用SQL语言实现。（2）为了更好地利用双论域粗糙集求解现实问题，研究了利用本体理论将现实问题转化为决策模型的输入。本课题以七步法为基础，使用LESSM的本体建模方法并将本体概念和本体知识推理技术引入到决策情境建模方法中，研究了决策情境和领域本体的构建，给出了具体实例模型构建过程。