Теория Демпстера-Шейфера — прототип практической реализации

---

RU

Статус

Прототип / активная исследовательская разработка.

О проекте

Этот репозиторий содержит исследовательский прототип консольного приложения по теории Демпстера‑Шейфера на основе примеров из книги Л.В. Уткина «Анализ риска и принятие решений при неполной информации».

Реализованы:

• базовые вероятностные назначения (BPA);
• функции доверия (Bel) и правдоподобия (Pl);
• правило комбинирования Демпстера;
• правило комбинирования Ягера;
• визуализация результатов.

Авторы и роли

• Основной разработчик: Егор Сергеевич Плеханов, студент магистратуры.
• Вторичный разработчик и научный руководитель: Владимир Андреевич Пархоменко, старший преподаватель.
• Аффилиация: Федеральное государственное автономное образовательное учреждение высшего образования «Санкт-Петербургский политехнический университет Петра Великого», Институт компьютерных наук и кибербезопасности, Санкт-Петербург, Россия.

Отказ от ответственности

Репозиторий содержит исследовательский прототип. Программное обеспечение предоставляется «как есть» ("as is") без каких-либо явных или подразумеваемых гарантий, включая, но не ограничиваясь, гарантиями коммерческой пригодности, пригодности для конкретной цели и отсутствия нарушений прав. Авторы не несут ответственности за любые претензии, ущерб или иные последствия, возникшие при использовании программного обеспечения.

Быстрый старт

1. Клонируйте репозиторий:

git clone https://github.com/your-username/DSha.git
cd DSha

2. Создайте виртуальное окружение:

python -m venv dsha_venv

3. Активируйте окружение:

• Windows:

dsha_venv\Scripts\Activate

• Linux/Mac:

source dsha_venv/bin/activate

4. Установите зависимости:

pip install -r requirements.txt

5. Запустите программу:

python main.py

Реализованные примеры

• Пример 2.1: кандидаты на должность (базовые BPA/Bel/Pl и визуализация интервалов неопределенности).
• Пример 2.2: прогноз цен акций (работа с интервальными данными и дискретизация непрерывной области).
• Пример 2.6: комбинирование свидетельств (правило Демпстера и коэффициент конфликта).
• Пример 2.8: правило Ягера (альтернативный подход к комбинированию).

Структура проекта

• main.py — главный файл приложения и консольное меню.
• dempster_core.py — ядро вычислений теории Демпстера‑Шейфера.
• examples.py — сценарии примеров из учебного материала.
• visualizer.py — построение графиков и визуализация результатов.
• data_adapters/ — адаптеры для загрузки входных данных (CSV/JSON и др.).
• data/ — данные примеров и конфигурации выбора источников.
• tests/ — тесты адаптеров данных и скрипт запуска тестов.
• document/ — сопроводительные материалы (текст и презентация).
• SETUP.md — дополнительная инструкция по настройке окружения.

Технологии

• Python 3.13.5
• Matplotlib
• NumPy
• Pandas
• Seaborn

Теоретическая основа

Проект основан на материалах главы 2 книги: Л.В. Уткин «Анализ риска и принятие решений при неполной информации».

Лицензия

Проект распространяется под лицензией MIT. Полный текст лицензии находится в файле LICENSE.

---

EN

Status

Prototype / In active research.

About

This repository contains a research prototype of a command-line application for Dempster–Shafer theory, based on examples from L.V. Utkin’s book on risk analysis and decision-making under incomplete information.

Implemented features:

• basic probability assignments (BPA);
• belief (Bel) and plausibility (Pl) functions;
• Dempster’s combination rule;
• Yager’s combination rule;
• result visualization.

Authors and roles

• Main developer: Egor Sergeevich Plekhanov, master’s student.
• Secondary developer and supervisor: Vladimir Andreevich Parkhomenko, senior lecturer.
• Affiliation: Peter the Great St. Petersburg Polytechnic University, Institute of Computer Science and Cybersecurity, Saint Petersburg, Russia.

Disclaimer

Disclaimer: This repository contains a research prototype. The software is provided "as is", without warranty of any kind, express or implied, including but not limited to the warranties of merchantability, fitness for a particular purpose, and noninfringement. The authors are not liable for any claim, damages, or other liability arising from the use of the software.

Quick start

1. Clone the repository:

git clone https://github.com/your-username/DSha.git
cd DSha

2. Create a virtual environment:

python -m venv dsha_venv

3. Activate the environment:

• Windows:

dsha_venv\Scripts\Activate

• Linux/Mac:

source dsha_venv/bin/activate

4. Install dependencies:

pip install -r requirements.txt

5. Run the application:

python main.py

Implemented examples

• Example 2.1: job candidates (basic BPA/Bel/Pl and uncertainty interval plots).
• Example 2.2: stock price forecast (interval data processing and discretization of a continuous domain).
• Example 2.6: evidence combination (Dempster’s rule and conflict coefficient).
• Example 2.8: Yager’s rule (alternative combination approach).

Project structure

• main.py — application entry point and console menu.
• dempster_core.py — core Dempster–Shafer computations.
• examples.py — runnable scenarios from the learning material.
• visualizer.py — plotting and visualization utilities.
• data_adapters/ — input adapters (CSV/JSON, etc.).
• data/ — example datasets and source selection configuration.
• tests/ — adapter tests and test runner.
• document/ — supporting documents (text and slides).
• SETUP.md — additional environment setup instructions.

Technologies

• Python 3.13.5
• Matplotlib
• NumPy
• Pandas
• Seaborn

Theoretical foundation

The project is based on Chapter 2 of: L.V. Utkin, “Risk Analysis and Decision Making under Incomplete Information.”

License

This project is distributed under the MIT License. See LICENSE for the full text.