Random Graph Set and Evidence Pattern Reasoning Model

要約

証拠理論は、意思決定および推論システムで広く使用されています。
これまでの研究では、Transferable Belief Model (TBM) が証拠に基づく意思決定モデルとして一般的に使用されていましたが、TBM は非選好モデルです。
意思決定の目標をより適切に適合させるために、証拠パターン推論モデル (EPRM) が提案されています。
パターン演算子と意思決定演算子を定義することにより、さまざまなタスクに対応する環境設定を設定できます。
Random Permutation Set (RPS) は、証拠理論の順序情報を拡張します。
RPS では、循環関係や並列関係など、サンプル間の複雑な関係を特徴付けるのは困難です。
したがって、複雑な関係をモデル化し、より多くのイベント タイプを表現するために、ランダム グラフ セット (RGS) が提案されました。
RGS と EPRM の重要性を説明するために、航空機の速度ランキングの実験が設計され、10,000 件のケースがシミュレートされました。
競合解決決定と呼ばれる EPRM の実装により、平均速度決定と比較して 18.17% のケースが最適化され、航空機の速度ランキングが効果的に向上しました。
EPRM は、証拠に基づいた意思決定のための統合ソリューションを提供します。

要約(オリジナル)

Evidence theory is widely used in decision-making and reasoning systems. In previous research, Transferable Belief Model (TBM) is a commonly used evidential decision making model, but TBM is a non-preference model. In order to better fit the decision making goals, the Evidence Pattern Reasoning Model (EPRM) is proposed. By defining pattern operators and decision making operators, corresponding preferences can be set for different tasks. Random Permutation Set (RPS) expands order information for evidence theory. It is hard for RPS to characterize the complex relationship between samples such as cycling, paralleling relationships. Therefore, Random Graph Set (RGS) were proposed to model complex relationships and represent more event types. In order to illustrate the significance of RGS and EPRM, an experiment of aircraft velocity ranking was designed and 10,000 cases were simulated. The implementation of EPRM called Conflict Resolution Decision optimized 18.17\% of the cases compared to Mean Velocity Decision, effectively improving the aircraft velocity ranking. EPRM provides a unified solution for evidence-based decision making.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google