53、粗糙非确定性信息分析中的决策与多选择博弈价值研究

粗糙非确定性信息分析中的决策与多选择博弈价值研究

在信息分析与博弈论领域，粗糙非确定性信息分析（RNIA）以及多选择博弈的价值评估是重要的研究方向。本文将深入探讨这两个领域的相关内容，包括规则生成、决策制定以及博弈价值的计算等方面。

粗糙非确定性信息分析中的规则生成与决策

在粗糙非确定性信息分析中，规则生成是关键步骤。通过一系列计算和算法，可以从数据中提取出有价值的规则，这些规则能够帮助我们进行决策。

规则生成算法

我们采用基于Apriori算法的扩展算法来生成规则。Apriori算法原本用于事务数据，通过使用大项集来计算支持度和准确率，以区分规则和大量的蕴含关系。在RNIA中，我们为每个描述符使用两个集合DescInf和DescSup，并计算诸如最小支持度（minsupp）和最小准确率（minacc）等准则值。由于准则值的计算不依赖于所有派生确定性信息系统（DIS）的数量，因此扩展算法的复杂度与Apriori算法相近。

准则（α,β）基于的确定规则生成的步骤如下：
1. 对于条件minsupp(τ)=|SET|/|OB| ≥α，获取满足该条件的SET中的元素数量NUM。
2. 生成描述符的合取。
3. 对于每个描述符合取[CON,ζ] ∧[DEC,η]（τ : [CON,ζ] ⇒ [DEC,η]），如果minsupp(τ) ≥α且minacc(τ) ≥β，则τ是一个确定规则，移除这样的τ。否则，挑选出满足minsupp ≥α的合取候选，并重复步骤2和3，直到没有合取为止。

以下是准则（0.3,0.8）基于的确定规则生成的实际执行示例：