초록 ▼

불확실성의 표현 방법에는 기본확률과 귀속도 함수에 의한 2가지 방법으로 크게 나눌 수 있다. 본 연구에서는 Demster-shafer가 독립적인 증거에 따라 이루어진 정보를 결합하는 방법을 제안한 바 이것이 퍼지성의 경우에 적용시킬 수 있음을 보이고 또한 우연성과 퍼지성의 결합으로 모든 불확실성 정보를 수리적으로 취급할 수 있도록 하였다. 일반적 의사결정의 문제에서 하한 기대값과 상한 기대값에 대하여 연구하고 이를 확장하여 퍼지 의사결정의 문제를 해결하려는 시도를 하였다. 일반적 퍼지의사 결정보다는 각 경우에 따른 연구가 계속

불확실성의 표현 방법에는 기본확률과 귀속도 함수에 의한 2가지 방법으로 크게 나눌 수 있다. 본 연구에서는 Demster-shafer가 독립적인 증거에 따라 이루어진 정보를 결합하는 방법을 제안한 바 이것이 퍼지성의 경우에 적용시킬 수 있음을 보이고 또한 우연성과 퍼지성의 결합으로 모든 불확실성 정보를 수리적으로 취급할 수 있도록 하였다. 일반적 의사결정의 문제에서 하한 기대값과 상한 기대값에 대하여 연구하고 이를 확장하여 퍼지 의사결정의 문제를 해결하려는 시도를 하였다. 일반적 퍼지의사 결정보다는 각 경우에 따른 연구가 계속되어야 할 것이다.

Abstract ▼

There are two main categories of uncertainty connected with the terms ｀fuzziness' and ｀randomness'. ｀Fuzziness' is characterized with grade of menbership, while randomness with the basic probability assignrnent. Evidence obtained in the same context from two independent sources by BPA m1 and m2 is

There are two main categories of uncertainty connected with the terms ｀fuzziness' and ｀randomness'. ｀Fuzziness' is characterized with grade of menbership, while randomness with the basic probability assignrnent. Evidence obtained in the same context from two independent sources by BPA m1 and m2 is combined by Dempster-shafer's rule of combination. Moreover the rule is applied to the inference engine and is extended to fuzzy subsets. Then, ｀randomness' and ｀fuzziness' can be combined and exchangeable. Decision problem which lower and upper expected utilities make a important role is suggested. This problem is extended to the fuzzy decision model. Also, Two models can be exchangeable by using the rule of combinations.

목차 Contents

• 1. 서 론...6
• 2. Dempster-Shafer의 결합법칙의 확장...9
• 3. 퍼지의사 결정...14
• 4. 결론...18