傳統(tǒng)的序列決策方法旨在對(duì)決策過(guò)程與決策步驟進(jìn)行建模,以求解得到最優(yōu)的決策序列.然而,序列決策建模過(guò)程對(duì)目標(biāo)函數(shù)的確定性要求高,且序列搜索的算法多以深度優(yōu)先或廣度優(yōu)先等遍歷搜索為主,鮮有考慮搜索過(guò)程的隨機(jī)性.蒙特卡洛樹(shù)搜索算法(Monte Carlo tree search,MCTS)雖然適合求解隨機(jī)序列搜索問(wèn)題,但目前僅應(yīng)用于博弈型搜索過(guò)程,鮮有探討需要專家參與的知識(shí)約束序列決策的搜索策略,另外,傳統(tǒng)MCTS算法往往存在搜索范圍過(guò)大、收斂不及時(shí)等問(wèn)題.為此,提出一種融合群決策經(jīng)驗(yàn)型知識(shí)和部分確定型決策序列片段的混合知識(shí)約束的MCTS序列決策方法,并給出了詳細(xì)的求解流程.最后,將所提方法應(yīng)用于一類中風(fēng)后吞咽功能障礙針灸穴位排序方案制訂問(wèn)題,給出了融合混合知識(shí)與MCTS的針灸排序方案設(shè)定方法,并與其他方法進(jìn)行對(duì)比,驗(yàn)證了所提方法的可行性和有效性,為年輕醫(yī)師的針灸方案制訂技能的標(biāo)準(zhǔn)化培訓(xùn)工作奠定了方法基礎(chǔ).

【文章頁(yè)數(shù)】：15 頁(yè)

【文章目錄】：
1 基于混合知識(shí)的決策序列優(yōu)先度的評(píng)價(jià)方法
    1.1 基于混合知識(shí)的決策序列評(píng)價(jià)模塊
    1.2 混合知識(shí)萃取模塊
        1.2.1 基于群決策的經(jīng)驗(yàn)型知識(shí)
        1.2.2 經(jīng)驗(yàn)型和確定型知識(shí)的融合
        1.2.3 反饋矩陣
    1.3 基于混合知識(shí)的序列評(píng)價(jià)模塊
        1.3.1 子序列片段的分段機(jī)制
        1.3.2 完整序列的優(yōu)先度評(píng)價(jià)
2 基于混合知識(shí)的MCTS序列決策方法
    2.1 傳統(tǒng)MCTS算法
    2.2 改進(jìn)的MCTS-樹(shù)策略優(yōu)化方法
    2.3 基于混合知識(shí)UCT-max的序列決策
3 實(shí)例研究
    3.1 針灸穴位排序問(wèn)題
        3.1.1 構(gòu)建混合先驗(yàn)知識(shí)
            1)基于循證醫(yī)學(xué)的確定型知識(shí)獲取
            2)基于專家群決策的經(jīng)驗(yàn)型知識(shí)獲取
            3)反饋矩陣
            4)混合知識(shí)的作用
        3.1.2 針灸治療序列分割操作
        3.1.3 子序列片段的優(yōu)先度量化
        3.1.4 關(guān)于評(píng)價(jià)模塊正確性的研討
    3.2 融合混合知識(shí)與MCTS的針灸排序方案設(shè)定
        3.2.1 基于混合知識(shí)的MCTS序列決策算法流程
        3.2.2 實(shí)驗(yàn)結(jié)果與分析
        3.2.3 臨床醫(yī)學(xué)驗(yàn)證
    3.3 對(duì)比與討論
        1)收斂性對(duì)比
        2)算法復(fù)雜度比較
        3)對(duì)比匯總
    3.4 小結(jié)
4 總結(jié)與展望
    附錄A基于模糊互補(bǔ)矩陣的群決策方法
    附錄B基于循證醫(yī)學(xué)的吞咽障礙治療的有效穴位使用信息
    附錄C基于群決策方法的“多維”穴位子序列片段的優(yōu)先級(jí)
    附錄D基于附錄A和附錄B得到的部分子序列浦安端的評(píng)價(jià)值“字典”



本文編號(hào)：3868507