证据网络推理、学习方法及应用研究

In order to solve problems with uncertainty and complex correlation in the research field of management science, the Evidential Network model is proposed in this proposal, which follows the methodology of qualitative and quantitative information integration and research road of Bayesian network, on the basis of Dempster-Shafer theory of evidence and graph theory. For completing the theoretic and technical framework of Evidential Network for modeling, reasoning, learning and application, this proposal focuses on the research works of initialization modeling theory, forward causal and backward diagnosis reasoning algorithms, evidential network inference approach with knowledge rules as parameter, structure and parameters learning methods. Among these works, there are needed to conquer the key techniques about constructing the topology from tree model and causal network, proving conditional belief inference and computing algorithms for forward and backward reasoning, obtaining nodes priority under incomplete information, giving the inference approach with belief rules based on ER algorithm, proposing structure learning methods based on valuation-searching scheme and parameters learning methods based on objective optimization. Then, the solution process and approaches to evidential network are applied to military project management, for dealing with risk analysis and decision problem. The application is examined to illustrate and show the feasibility and validity of the Evidential Network model, and to indicate the research and application value in the risk analysis and management, and uncertainty decision making. The Evidential Network has the capability to deal uncertain information, especially the epistemic uncertainty. It also has advantages of describing problems and analyzing relationship. In theoretical prospect, this research will develop the Dempster-Shafer theory of evidence, build and complete the evidential network theory and technique, develop research ideas and methods for modeling and analyzing uncertainty, and develop technology and tools which build a uniform treatment framework for aggregating quantitative data and qualitative knowledge. In application prospect, it will provide technology and methods for analyzing, modeling, inference, assessment, and decision making in uncertainty management problems.

本项目针对不确定性与关联性并存的管理决策问题，在D-S证据理论和图模型的研究基础上，借鉴贝叶斯网络的研究思路，提出一套证据网络模型，并建立证据网络模型建模、推理、学习以及应用的研究框架和研究思路。项目着重对证据网络模型的基本建模理论、正向因果推理和反向诊断推理算法、参数以知识规则表示的证据网络推理方法、证据网络模型的结构学习方法及参数学习方法展开求解策略和计算方法研究，攻克其中的关键技术；在技术方法研究的支撑下，对军事领域某大型项目风险决策分析展开应用研究，验证并不断完善证据网络模型的理论与方法。本项目的研究，在理论上，将丰富证据理论的基础研究，建立和完善证据网络的相关技术和方法，为定性经验知识与定量数据的统一建模和综合处理提供技术手段；在实践上，解决不确定性和关联性并存的决策分析问题，为管理科学领域的研究提供一种定性定量相结合的系统分析方法与技术。

本项目针对不确定性与关联性并存的管理决策问题，在D-S证据理论和图模型的研究基础上，借鉴贝叶斯网络的研究思路，提出一套证据网络模型，并建立证据网络模型建模、推理、学习以及应用的研究框架和研究思路。整个项目按照“证据网络模型与推理方法——证据网络结构与参数学习——证据网络及在管理决策中的应用”的思路和过程完成研究计划。项目提出了证据网络模型的建模理论，突破了证据网络模型的前向因果推理和后项诊断推理算法；提出了新的证据冲突度量方法，给出了基于ER算法的证据网络知识规则参数推理方法。应用多种维度约简、主成分分析等技术手段开展了证据网络信度规则结构学习方法研究，对置信规则库的前提属性进行筛选，以达到约简置信规则库规模的目的；建立了考虑前提属性结点的证据网络参数学习模型，并采用多种优化算法设计实现了证据网络参数的快速学习；并且考虑结构和参数的联合学习问题，建立了双层优化模型，提出了新的信度规则激活和权重计算方法。在应用研究方面，主要围绕军事装备体系研究和军事系统风险分析展开，将证据网络方法应用于解决武器装备体系发展论证中的能力评估、需求满足度评估、装备技术体系分析与评价，以及复杂系统风险分析、风险评估与管理等军事应用问题，并扩展于分析评估基础上的装备规划、决策、优化与配置问题，取得一系列的研究成果。本项目的研究为定性定量相结合的不确定性决策分析提供了一种建模与计算方法，研究成功解决了装备发展论证和复杂系统风险分析等军事领域中的不确定性决策问题，取得了重大的实际应用效果。.本项目资助研究共出版专著1部，发表论文40篇，其中SCI检索12篇，EI检索19篇，形成软件著作权1项；共培养博士后1名，博士研究生10名，硕士研究生8名；组织学术会议2次，参加国内外学术会议7次。研究成果成功用于解决装备体系能力评估与发展规划论证、某航天系统工程风险分析与评估等军事领域问题，获军队科技进步二等奖1项，总装备部咨询建议报告1份，应用成果证明1份，取得了重要的军事效益。