[论文解读] Decision Support Systems Using Intelligent Paradigms

Cong Tran, Ajith Abraham+1 more|ArXiv.org|May 16, 2004

Fuzzy Logic and Control Systems参考文献 18被引用 3

一句话总结

本文提出了一种基于软计算范式的战术空战智能决策支持系统（DSS），包括采用缩放共轭梯度训练的神经网络、通过进化算法优化的神经模糊推理系统以及回归树。该系统在复杂空战条件下展现出卓越的多准则决策能力，实证比较验证了混合智能方法在真实战术环境中的有效性。

ABSTRACT

Decision-making is a process of choosing among alternative courses of action for solving complicated problems where multi-criteria objectives are involved. The past few years have witnessed a growing recognition of Soft Computing (SC) technologies that underlie the conception, design and utilization of intelligent systems. In this paper, we present different SC paradigms involving an artificial neural network trained using the scaled conjugate gradient algorithm, two different fuzzy inference methods optimised using neural network learning/evolutionary algorithms and regression trees for developing intelligent decision support systems. We demonstrate the efficiency of the different algorithms by developing a decision support system for a Tactical Air Combat Environment (TACE). Some empirical comparisons between the different algorithms are also provided.

研究动机与目标

• 解决战术空战环境中多准则决策的复杂性问题。
• 将多种软计算范式整合到统一的决策支持框架中。
• 在真实世界空战模拟环境中评估并比较混合智能模型的性能。
• 通过神经网络学习和进化算法优化模糊推理系统，以提高决策准确性。
• 证明智能范式在复杂、动态决策环境中可行且高效。

提出的方法

• 采用缩放共轭梯度算法训练的人工神经网络，用于自适应决策建模。
• 整合两种不同的模糊推理系统，分别通过神经网络学习和进化算法优化，以增强规则自适应性和准确性。
• 应用回归树作为非参数方法，用于学习战术场景中的决策边界和分类。
• 将上述范式整合为一种专用于战术空战环境（TACE）的混合决策支持系统。
• 通过实证评估比较各模型在决策准确性和鲁棒性方面的表现。
• 使用真实世界空战模拟数据集评估系统性能，以反映动态且多目标的决策挑战。

实验结果

研究问题

• RQ1 混合智能范式在战术空战环境中支持复杂多准则决策的有效性如何？
• RQ2 通过学习和进化算法优化的神经模糊系统相较于独立模型具有哪些性能优势？
• RQ3 神经网络、模糊逻辑与回归树的集成如何提升高风险空战场景中的决策准确性？
• RQ4 在战术决策支持中应用时，各智能范式各自的优缺点是什么？
• RQ5 软计算技术能否有效建模并支持在不确定性和复杂性条件下的实时决策？

主要发现

• 采用缩放共轭梯度算法训练的神经网络在建模战术决策方面表现出快速收敛和高准确性。
• 通过进化算法优化的神经模糊系统相比传统模糊逻辑，实现了更优的规则库自适应和更高的决策精度。
• 回归树提供了清晰、可解释的决策规则，并在基于输入参数分类战术场景方面表现良好。
• 实证比较表明，结合多种范式的混合模型在决策准确性和鲁棒性方面优于单一模型。
• 集成的决策支持系统有效应对了战术空战环境中的多准则目标和复杂交互。
• 本研究证实了软计算技术在动态、高风险环境中实现实际可行的决策支持的潜力。