傳統(tǒng)的序列決策方法旨在對決策過程與決策步驟進行建模,以求解得到最優(yōu)的決策序列.然而,序列決策建模過程對目標函數(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,鮮有考慮搜索過程的隨機性.蒙特卡洛樹搜索算法(Monte Carlo tree search,MCTS)雖然適合求解隨機序列搜索問題,但目前僅應用于博弈型搜索過程,鮮有探討需要專家參與的知識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大、收斂不及時等問題.為此,提出一種融合群決策經(jīng)驗型知識和部分確定型決策序列片段的混合知識約束的MCTS序列決策方法,并給出了詳細的求解流程.最后,將所提方法應用于一類中風后吞咽功能障礙針灸穴位排序方案制訂問題,給出了融合混合知識與MCTS的針灸排序方案設定方法,并與其他方法進行對比,驗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準化培訓工作奠定了方法基礎.

【文章頁數(shù)】：15 頁

【文章目錄】：
1 基于混合知識的決策序列優(yōu)先度的評價方法
    1.1 基于混合知識的決策序列評價模塊
    1.2 混合知識萃取模塊
        1.2.1 基于群決策的經(jīng)驗型知識
        1.2.2 經(jīng)驗型和確定型知識的融合
        1.2.3 反饋矩陣
    1.3 基于混合知識的序列評價模塊
        1.3.1 子序列片段的分段機制
        1.3.2 完整序列的優(yōu)先度評價
2 基于混合知識的MCTS序列決策方法
    2.1 傳統(tǒng)MCTS算法
    2.2 改進的MCTS-樹策略優(yōu)化方法
    2.3 基于混合知識UCT-max的序列決策
3 實例研究
    3.1 針灸穴位排序問題
        3.1.1 構建混合先驗知識
            1)基于循證醫(yī)學的確定型知識獲取
            2)基于專家群決策的經(jīng)驗型知識獲取
            3)反饋矩陣
            4)混合知識的作用
        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 關于評價模塊正確性的研討
    3.2 融合混合知識與MCTS的針灸排序方案設定
        3.2.1 基于混合知識的MCTS序列決策算法流程
        3.2.2 實驗結果與分析
        3.2.3 臨床醫(yī)學驗證
    3.3 對比與討論
        1)收斂性對比
        2)算法復雜度比較
        3)對比匯總
    3.4 小結
4 總結與展望
    附錄A基于模糊互補矩陣的群決策方法
    附錄B基于循證醫(yī)學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
    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價值“字典”



本文編號：3868507