
- •Глава 9. Стратегия вывода с использованием байесовского подхода
- •9.1. Обработка свидетельств в условий неуверенности и нечеткости
- •9.2. Меры неопределенности в иис
- •Правила остановки
- •9.3. Модель Шортлифа и Бьюкенена
- •9.4. Теория Демпстера—Шейфера Обобщение байесовских выводов
- •Комбинация функций веры
- •Эффективное вычисление функции уверенности
- •Распространение уверенности в качественных марковских деревьях.
- •Применение метода Демпстера—Шейфера для выбора оптимального варианта инвестиционного проекта
- •Результаты расчетов показателей эффективности инвестиционных проектов
Распространение уверенности в качественных марковских деревьях.
Наша
общая вычислительная схема применима
к любому марковскому дереву.
В результате комбинирования каждая
функция уверенности может
поддерживаться одним из разбиений
дерева. Эффективность этой схемы
будет зависеть от результатов разбиений,
так как объем вычислений
по правилу Демпстера увеличивается
экспоненциально с ростом объема
выборочного пространства, и сущность
предлагаемого метода заключается в
том, чтобы заменить многократное
применение правила для каждого
разбиения единственным применением
для множества Θ. Мы предположим,
что процессор расположен в каждом узле.
Процессоры работают параллельно без
синхронизации. Существует непосредственное
взаимодействие
только между процессорами в соседних
узлах. Процессор в
узле Ф, комбинирует функции уверенности,
использующие Фi
как фрейм
и также проецирует функции уверенности
с Фi
на соседние узлы. Предположим,
что вначале все функции уверенности
являются входами и что процессор в Фi
вначале комбинирует функции уверенности
на входе, чтобы получить функцию
уверенности Bel;.
В этом случае конечный результат в
Фi
мог быть ([Beli
I
I
j])
Фi
комбинация всех Beli
огрубленных
до Фi
.
На рис.9.10 показан типичный процессор, каждый узел которого, совместно с соседями использует оперативную память с произвольным доступом. Память совместно используется двумя смежными узлами, например, i и j и делится на две части: узел i имеет возможность доступа только к одной части для чтения (ROA), только для записи (WOA) к другой. ROA часть находится только для узла i там, где узел j (WOA) пишет сообщения для передачи в узел i. WOA часть для узла i находится там, где узел j имеет
ROA и там, где узел i пишет информацию, которую он хочет передать в узел j.
Функция уверенности, вычисленная процессором в i обозначается (Ве1т) Фi, α BelT, у(Ве1т)Фi_ функция уверенности для Фi, вычисленная по всей совокупности свидетельств, полученных i до сего времени. Beli,у — функция уверенности, только что переданная от i к у.
Пусть
NT
(i)
— представляет множество соседей узла
i
в дереве Т. Вначале
Beli
поступает в каждый узел дерева. Процессор
в i
затем проецирует
Beli
на каждый из соседних узлов; для каждого
х
NT
(i)
он пишет
Beli,
х <—
(Beli)
Фх
в той части WOA
памяти, которую он делит с х. Через
постоянные или случайные интервалы
времени каждый процессор сканирует
все ROA
секции своей памяти. Если i
читает что-то новое, он (1)
вычисляет (ВеlT)
Фi
<-[Ве1х,
i,
|
X
NT
(i))
]
Beli)
и запоминает эту информацию
в своем регистре кумулятивной функции
уверенности и (2) вычисляет
(Beli
у)
<— (
[Belx
i
׀
x
NT
(i)
\ [у])
Beli)
Фу
для каждого у
NT
(i)
и пишет информацию в ту часть памяти
WOA,
которую он делит с узлом у. Часть 2
вычислений включает как проекцию, так
и комбинацию
по правилу Демпстера. Процесс повторяется
до тех пор, пока ничего нового
не читается никаким узлом в любой из
ROA
секций памяти, которую
узел делит с соседями. Когда такое
условие достигается, мы говорим,
что сеть находится в равновесии. Можно
показать, что в точке равновесия
функция уверенности в кумулятивной
функции уверенности регистра узла
i
будет:
что представляет полную уверенность, суженную до разбиения в узле i. Время, необходимое, чтобы достичь равновесия пропорционально максимальному диаметру дерева (длине самого длинного маршрута между узлами дерева).
На рис.9.10 имеются процессоры в каждом узле качественного марковского дерева, процессор в узле А в причинном дереве связан с ФA в качественном марковском дереве и процессор связи между А и В связан с ФА & Фв в качественном марковском дереве. Начальный вход в причинное байесовское дерево состоит из распределения вероятностей в начальной точке и матрицы переходных вероятностей между узлами. Априорное распределение вероятности есть функции уверенности.
Матрица
М
переходных
вероятностей от А
к
В
не
является функцией уверенности,
но может быть представлена как функция
уверенности Ве1м
на
ФA
ФB,
такая, что (Ве1м)
ФА
и
(Ве1м)
Фв
—
пусты, но (Ве1м
Bela
i)
[bj]
= Мij,
где
Bela
i
—
функция уверенности, которая имеет А
- [ai]
в качестве единственных
фокальных элементов.
Рис.9.10. Типичный процессор узла