摘要
我们提出了一种混合智能方法，用于预测具有不确定性且依赖专家知识的复杂以人为中心的系统中的结果。该框架整合了模糊认知图、一种用于估算因果关系权重的新颖最小影响法，以及用于模型调优的遗传算法。所提出的影响比较方法通过降低直接权重估算的认知负荷，简化了专家意见的收集过程，而遗传算法则确保预测结果与观测数据或专家提供的数据保持一致。基于概念层面渐进变化的预测算法提高了输出变量对各种因素变化的敏感度。为展示该框架的适用性，我们构建了一个决策支持模型，用于预测在不同的心理、行为和环境条件下减肥是否成功。仿真结果表明，因素排序、情景建模和配对影响分析能为决策提供实用的见解。除了减肥领域外，该方法还可应用于需要将专家判断、模糊推理和进化优化有效结合的各类基于知识的系统。
