证据理论悖论新解：专家焦元一致化方法

本文主要探讨了证据理论在Dempster-Shafer合成法则中的应用，并针对该法则所存在的悖论提出了一个创新的解决方案。Dempster-Shafer证据理论是一种处理不确定信息的数学框架，它通过基于专家的可信度分配来表达和融合多个来源的信息。然而，Dempster合成法则在某些情况下可能会导致不合理的结论，即所谓的"合成悖论"。 作者们首先对Dempster-Shafer理论进行了深入分析，揭示了悖论产生的原因，主要在于专家们的焦点（焦元）选择和不确定性分布的不同可能导致合成结果违反了基本的概率规则。为了解决这个问题，他们提出了一种通用方法，即要求所有专家在合成过程中统一他们的焦点集合。这意味着专家们需要基于相同的或一致的基础进行判断，这样可以避免因焦点选择差异导致的悖论。 该方法的核心是通过对专家提供的原始概率进行修正，确保这些概率与统一的焦点一致。通过具体实例，论文展示了这种修正策略的有效性和可靠性，证明了它能够有效地消除悖论，使得证据合成更为合理。作者们不仅提供了理论上的解释，还设计了一个计算机仿真算法，这个算法能够自动执行修正过程并模拟消除悖论的过程，从而提高了证据理论在实际问题中的应用效率。 这篇论文对于Dempster-Shafer证据理论的悖论问题进行了系统的研究，提供了一种实用且通用的方法来解决这一问题，这对于提升证据理论在决策支持系统、人工智能等领域中的可信度具有重要意义。通过这种方法，研究者和实践者可以更好地利用证据理论进行决策分析，避免悖论带来的困扰。