基于感知推理的 linguistic 优化问题求解方法
人工智能
2020-05-01 v1
摘要
现实场景中的决策通常可建模为优化问题。它需要考虑各种属性，如人类偏好与思维，这些约束了问题目标最优值的达成。目标的值可能被最大化或最小化，视情况而定。多次地，这些问题参数的值以语言形式存在，因为人类自然地使用词语来理解和表达自身。因此这些问题被称为语言优化问题（LOP），并有两类，即单目标语言优化问题（SOLOP）和多目标语言优化问题（MOLOP）。在这些 LOP 中，目标函数的值在决策空间的所有点上可能均未知，因此目标函数以及问题约束由 if-then 规则关联。Tsukamoto 推理方法已被用于求解这些 LOP；然而，它存在缺陷。由于语言信息的使用不可避免地要求利用基于词的计算（CWW），因此基于 2-tuple 语言模型的 LOP 求解方法被提出。然而，我们发现基于 2-tuple 语言模型的求解方法使用 type-1 模糊集与序数术语集的组合来表示语言信息的语义。由于语言信息的语义最好用区间 type-2 模糊集建模，因此我们本文提出基于感知计算 CWW 方法的 LOP 求解方法。该基于感知计算的求解方法使用了一种新颖的 CWW 引擎设计，称为感知推理（PR）。当前形式的 PR 适用于求解 SOLOP，因此我们将其扩展至 MOLOP。
引用
@article{arxiv.2004.14933,
title = {Perceptual reasoning based solution methodology for linguistic optimization problems},
author = {Prashant K Gupta and Pranab K. Muhuri},
journal= {arXiv preprint arXiv:2004.14933},
year = {2020}
}