- •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