Ein Konzept zur automatischen Lösung von Entscheidungsproblemen bei Unsicherheit mittels der Theorie der unscharfen Mengen und der Evidenztheorie

Verschiedene Verfahren ermöglichen den automatischen Entwurf von Entscheidungssystemen unter Unsicherheit, einschließlich maschinellen Lernens, neuronalen Netzen und statistischen Methoden. Oft werden die unterschiedlichen Konsequenzen von Fehlentscheidungen nur unzureichend berücksichtigt, und die Delegation von Entscheidungen an Experten ist in vielen Verfahren nur rudimentär integriert. Diese Arbeit entwickelt Verfahren zur automatischen Generierung von Fuzzy-Entscheidungssystemen weiter, wobei die Bewertung auf der Entscheidungstheorie basiert. Fehlentscheidungen werden über eine Kostenmatrix modelliert, und die Kosten der verwendeten Merkmale können optional in die Bewertung einfließen. Für alle Entwurfsschritte werden entscheidungstheoretische Bewertungsmaße entwickelt und anhand anschaulicher Beispiele demonstriert. Ein neues Inferenzverfahren auf Basis der Evidenztheorie wird für die Delegation von Entscheidungen an Experten vorgestellt. Zudem wird die Methodik um ein Verfahren zur Reduktion der Merkmalskosten durch mehrstufige Regelbasen erweitert, bei denen nicht alle Merkmale für jede Entscheidung ausgewertet werden. Die Leistungsfähigkeit der entwickelten Maße und Verfahren wird durch Benchmark-Datensätze und ein realistisches Beispiel aus der Robotik belegt. Der Vorteil der Interpretierbarkeit von Fuzzy-Systemen wird ebenfalls anhand eines Beispiels verdeutlicht.