Reconciliation of Decision-Making Heuristics Based on Decision Trees Topologies and Incomplete Fuzzy Probabilities Sets
Loading...
Date
2015-07-09
Authors
ORCID
Advisor
Referee
Mark
Journal Title
Journal ISSN
Volume Title
Publisher
PLOS
Altmetrics
Abstract
Complex decision making tasks of different natures, e.g. economics, safety engineering, ecology and biology, are based on vague, sparse, partially inconsistent and subjective knowledge. Moreover, decision making economists / engineers are usually not willing to invest too much time into study of complex formal theories. They require such decisions which can be (re)checked by human like common sense reasoning. One important problem related to realistic decision making tasks are incomplete data sets required by the chosen decision making algorithm. This paper presents a relatively simple algorithm how some missing III (input information items) can be generated using mainly decision tree topologies and integrated into incomplete data sets. The algorithm is based on an easy to understand heuristics, e.g. a longer decision tree sub-path is less probable. This heuristic can solve decision problems under total ignorance, i.e. the decision tree topology is the only information available. But in a practice, isolated information items e.g. some vaguely known probabilities (e.g. fuzzy probabilities) are usually available. It means that a realistic problem is analysed under partial ignorance. The proposed algorithm reconciles topology related heuristics and additional fuzzy sets using fuzzy linear programming. The case study, represented by a tree with six lotteries and one fuzzy probability, is presented in details.
Komplexní rozhodovací úlohy, např. v ekonomii, bezpečnostním inženýrství, ekologii a biologii, jsou založeny na vágních, řídkých, částečně nekonzistentních a subjektivních znalostech. Navíc, rozhodovatelé (ekonomové / inženýři) nejsou obvykle ochotni investovat příliš mnoho času studiu komplexních formálních teorií a vyžadují taková rozhodnutí, které mohou být kontrolovana na základě zdravého rozumu. Důležitým problémem, který souvisí s realistickými rozhodovacími úlohami, je neúplnost soubory vstupních údajů požadovaných zvoleným rozhodovacím algoritmem. Tento článek představuje relativně jednoduchý algoritmus, jak lze lze některé chybějící vstupní informace (III) vygenerovat pomocí topologie rozhodovacího stromu a integrovat je do množina neúplných vstupních dat. Algoritmus je založen na snadno pochopitelné heuristice, např. delší cesta / větev v rozhodovacím stromu je méně pravděpodobná. Tato heuristika může řešit rozhodovací problémy v rámci celkového nevědomosti, tj. topologie rozhodovacího stromu je jedinou dostupnou vstupní informací. Avšak v praxi jsou většinou k dispozici dodatečné infomace, např. jsou známa některé pravděpodobnosti. To znamená, že reálný rozhodovací problém je řešen v rámci částečného nevědomosti. Navržený algoritmus umožňuje pomocí fuzzy lineárního programování najít usmíření (kompromis) mezi vstupními informacemi, které jsou získány pomocí popisované heuristiky, a dodatečných informací, které jsou vyjádřeny pomocí fuzzy množiny. Ukázkový příklad je založen na rozhodovacím stromu, který se skládá z šesti loterií a jedné dodatečné fuzzy pravděpodobnosti.
Komplexní rozhodovací úlohy, např. v ekonomii, bezpečnostním inženýrství, ekologii a biologii, jsou založeny na vágních, řídkých, částečně nekonzistentních a subjektivních znalostech. Navíc, rozhodovatelé (ekonomové / inženýři) nejsou obvykle ochotni investovat příliš mnoho času studiu komplexních formálních teorií a vyžadují taková rozhodnutí, které mohou být kontrolovana na základě zdravého rozumu. Důležitým problémem, který souvisí s realistickými rozhodovacími úlohami, je neúplnost soubory vstupních údajů požadovaných zvoleným rozhodovacím algoritmem. Tento článek představuje relativně jednoduchý algoritmus, jak lze lze některé chybějící vstupní informace (III) vygenerovat pomocí topologie rozhodovacího stromu a integrovat je do množina neúplných vstupních dat. Algoritmus je založen na snadno pochopitelné heuristice, např. delší cesta / větev v rozhodovacím stromu je méně pravděpodobná. Tato heuristika může řešit rozhodovací problémy v rámci celkového nevědomosti, tj. topologie rozhodovacího stromu je jedinou dostupnou vstupní informací. Avšak v praxi jsou většinou k dispozici dodatečné infomace, např. jsou známa některé pravděpodobnosti. To znamená, že reálný rozhodovací problém je řešen v rámci částečného nevědomosti. Navržený algoritmus umožňuje pomocí fuzzy lineárního programování najít usmíření (kompromis) mezi vstupními informacemi, které jsou získány pomocí popisované heuristiky, a dodatečných informací, které jsou vyjádřeny pomocí fuzzy množiny. Ukázkový příklad je založen na rozhodovacím stromu, který se skládá z šesti loterií a jedné dodatečné fuzzy pravděpodobnosti.
Description
Citation
Document type
Peer-reviewed
Document version
Published version
Date of access to the full text
Language of document
en