基于贝叶斯网络的权重自学习方法研究

为了解决多层次、多属性、多目标复杂系统决策的权重确定问题,提出了一种首先对属性进行主观赋权,然后通过贝叶斯网络进行自学习的权重确定方法。贝叶斯网络的构造由决策目标之间的相互关系来确定,其条件概率表是属性相对于目标的初始权重和属性值所组成的二元结构体,其权重自学习梯度下降策略采用贪心爬山法。由于贝叶斯网络没有对输入层的结构要求,可以解决两层以上多目标决策权重的确定问题。用该方法来确定权重是通过网络对样本学习而获得的,学习过程不受人为因素的干扰,减少了复杂系统决策过程中的不确定性因素的影响,保证了多目标决策的可靠性和准确性。