论文部分内容阅读
场景就是对某个系统未来状态的详细描述。运用传统筛选驱动力的场景分析方法构造出系统的决策场景集合S后,往往难以给出这些场景可信度以及它们之间相似程度的度量;另外,决策者给予何种规范的方法,从系统可能的未来状态空间Ω中选取少量场景作为预测结果,来构造相应的决策场景集合S;还有,当决策者获得的信息存在不一致的情况时,他该如何处理信息间存在的冲突并防止有效信息的丢失。本文的工作便围绕着如何解决这些问题而展开。
首先,我们给出一种基于概率直方图来进行场景预测的方法,即将场景转换为与之等价的场景向量,通过计算场景向量间的带权距离来描述场景间的相似程度,并把场景向量与概率期望μ之间的带权距离θ看作相应场景发生的标志,用一个概率直方图进行描述。根据概率在直方图上的分布情况构造出不同的概率区间,并分别计算出这些概率区间内的均值向量作为预测的结果。
其次,在Duong的研究基础上,我们提出将当前获得的系统状态信息进行转换,构造出相应的以期望π(ω)来进行界定的概率分布集合C,并利用场景的决定因素(主驱动力)在π(ω)上的博弈现象,把场景期望π(ω)通过场景获利J(ω)与博弈模型中混合策略下均衡点的求解联系起来,在C所描述的空间内寻找一个均衡场景(或近似均衡场景)作为预测的结果,加入到决策场景记和S中。
再次,根据不同的信息源Re1、Re2所提供的信息,运用不精确概率理论,在同一个系统未来状态空间Ω上构造出两个概率分布集合C1和C2,用它们表达我们在采纳不同信息源所提供的信息时,对系统未来状态持有的不同“信念”。最后,基于时间序列理论我们提出:在t1(1≤i≤n)时刻观察得到当时系统的状态Ri,并根据当时掌握的信息运用不精确概率理论,构造出相应的概率分布集合Ci。