智能决策技术原理及应用

1、智能决策技术原理及应用摘要 随着经济的快速发展，能 正确、快速地做出决策无疑是赢得市场获取 最大经济效益的保证。决策支持系统可以看 成是管理信息系统和运筹学相结合而发展 起来的，它要求有很强的数值计算能力，又 要有很强的数据处理能力，而目前的计算机 语言的支持能力不足，使得决策支持系统的 发展非常缓慢。关键词决策支持系统人工智能专 家系统一、智能决策技术概述决策支持系统的形成随着计算机技术和应用的发展，如科学 计算、数据处理、管理信息系统的发展以及 运筹学和管理科学的应用，为决策支持系统 的形成打下了基础。决策支持系统 (Decision Support SystemDDS)是 80 年 代迅

2、速发展起的新型计算机学科。70年代初 由美国Morton在管理决策系统一文中 首先提出决策支持系统的概念。DSS实质上是在管理信息系统和运筹学 的基础上发展起来的。管理信息系统重点在 对大量数据的处理。运筹学在运用模型辅助 决策体现在单模型辅助决策上。随着新技术 的发展，所需要不得不解决的问题会愈来愈 复杂，所涉及的模型会愈来愈多，模型类型 也由数学模型扩充数据处理模型。模型数量 也愈来愈多。这样，对多模型辅助决策问题， 在决策支持系统出现之前是靠人来实现模 型间的联合和协调。决策支持系统的出现就 是要解决由计算机自动组织和协调多模型 运行，对大量数据库中数据的存取和处理， 达到更高层次的辅助

3、决策能力。决策支持系 统的新特点就是增加了模型库和模型库管 理系统，它把众多的模型（数学模型和数据 处理模型以及更广泛的模型）有效地组织和 存储起来，并且建立了模型库和数据库的有 机结合。这种有机结合适应人机交互功能， 自然促使新型系统的出现，即DDS的出现。 它不同于MIS数据处理，也不同于模型的数 值计算，而是它们的有机集成。它既有数据处理功能又具有数值计算功能。决策支持系统概念及结构。决策支持系 统是综合利用大量数据，有机组合众多模型 (数学模型与数据处理模型等)，通过人机交 互，辅助各级决策者实现科学决策的系统。DSS使人机交互系统、模型库系统、数 据库系统三者有机结合起来。它大大扩充

4、了 数据库功能和模型库功能，即DSS的发展使 管理信息系统上升到决策支持系统的新台 阶上。DSS使那些原来不能用计算机解决的 问题逐步变成能用计算机解决。人工智能概念和研究范围人工智能定义。由计算机来表示和 执行人类的智能活动(如判断、识别、理解、 学习、规划和问题求解等)就是人工智能。 人工智能的研究在逐步扩大机器智能，使计 算机逐步向人的智能靠近。人工智能的研究范围。人工智能研 究的基本范围有：问题求解、逻辑推理和定 理证明、自然语言处理、自动程序设计、学 习、专家系统、机器人学、机器视觉、智能 检索系统、组合高度问题、系统与表达语言 等；其主要研究领域有：自然语言处理、机 器人学、知识工

5、程。自然语言处理：语音的识别与合成，自 然语言的理解和生成，机器翻译等。机器人学：从操纵型、自动型转向智能 型。在重、难、险、害等工作领域中推广使 用机器人。知识工程：研究和开发专家系统。目前 人工智能的研究中，最接近实用的成果是专 家系统。专家系统在符号推理、医疗诊断、 矿床勘探、化学分析、工程设计、军事决策、 案情分析等方面都取得明显的效果。决策支持新技术数据仓库的兴起和概念。数据仓库 (Data WarehouseDW)的概念是 Prism Solutions公司副总裁在1992年出版的书 建立数据仓库(Building the Data Warehouse)中提出的。数据仓库的提出是以

6、 关系数据库，并行处理和分布式技术的飞速 发展为基础，它是解决信息技术在发展中一 方面拥有大量数据，另一方面有用信息却很 贫乏(Data richInformation poor)这种 不正常现象的综合解决方案。在建立数据仓库一书中，对数据仓 库定义为：数据仓库是面向主题的、集成的、 稳定的、不同时间的数据集合，用于支持经 营管理中决策制定过程。传统数据库用于事务处理，也叫操作型 处理，是指对数据库联机进行日常操作，即 对一或一组记录的查询和修改，主要为企业 特定的应用服务的。用户关心的是响应时间， 数据的安全性和完整性。数据仓库用于决策 支持，也称分析型处理，用于决策分析，它 是建成立决策支

7、持系统的基础。数据仓库的特点。数据仓库是面向 主题的：主题是数据归类的标准，每一个主 题基本对应一个宏观的分析领域。数据仓库是集成的：数据进入数据仓库 之前，必须经过加工与集成。对不同的数据 来源进行统一数据结构和编码。统一原始数 据中的所有矛盾之处，如字段的同名异义， 异名同义，单位不统一，字长不一致等。总 之将原始数据结构作一个从面向应用到面 向主题的大转变。数据仓库是稳定的：数据仓库中包括了 大量的历史数据。数据经集成进入数据仓库 后是极少或根本不更新的。数据仓库是随时间变化的：数据仓库内 的数据时限在5-10年，故数据的键码包含 时间项，标明数据的历史时期，这适合DSS 进行时间趋势分

8、析。数据仓库中数据很大：通常的数据仓库 的数据量为10GB级，大型的是一个TB级数 据量。数据中索引和综合数据占2/3，原始 数据占1/3。数据仓库软、硬件要求：需要一个巨大 的硬件平台和一个并行的数据库系统。数据开采的概念及方法。1995年在 加拿大召开了第一届知识发现(Knowledge Discovery in DatabaseKDD)和数据开采 (Data MiningDM)国际学术会议以后，“数 据开采”开始流行，它是“知识发现”概念 的深化，知识发现与数据开采是人工智能、 机器学习与数据库技术相结合的产物。KDD 一词是在1989年8月于美国底特律市召开 的第一届KDD国际学术会议

9、上正式形成的。知识发现被认为是从数据中发现有用 知识的整个过程。数据开采被认为是KDD过 程中的一个特定步骤，它用专门算法从数据 中抽取模式。数据开采的主要方法和技术有：信息论 方法、集合论方法、仿生物技术、公式发现、 统计分析方法及其它方法。二、智能决策技术原理要能做出智能决策需要在智能决策支 持系统的辅助下才能实现。因而要知道智能 决策技术的原理就须要知道智能决策支持 系统的原理及构造。智能决策支持系统(IDSS)是在决策支 持系统(DSS)的基础上集成人工智能专家系 统(ES)而形成的。决策支持系统主要是由问 题处理与人机交互系统(由语言系统和问题 处理系统组成)、模型库系统(由模型库管

10、理 系统和模型库组成)、数据库系统(由数据库 管理系统和数据库组成)等组成。专家系统 主要由知识库、推理机和知识库管理系统三 者组成。决策支持系统和专家系统集成为智 能决策支持系统。IDSS中DSS和ES的结合主要体现在两 个方面：DSS和ES的总体结合。由集成系统 把DSS和ES有机结合起来(将两者一体化)。KB和MB的结合。模型库中的数学模型 和数据处理模型作为知识的一种形式，即过 程性知识，加入到知识推理过程中去，或者 将知识库和推理机结合起来，形成知识推理 模型加入到模型库中去。DB和动态DB的结合。DSS中的DB 可以看成是相对静态的数据库，它为ES中 的动态数据库提供初始数据，ES

11、推理结束后， 动态DB中的结果再送回到DSS中的DB去。 由DSS和ES这三种结合形式，也说形成了 三种IDSS集成形式。智能决策支持系统是以大量的信息收 集和大量的知识为基础，将它们存储在数据 库和知识库中，为问题处理系统服务。将实 际问题转换成计算机能进行求解的过程，就 是通过对问题的分解和分析，建立问题求解 的总框架模型，根据这个总框架模型的各组 成部分的目标、功能、数据和求解的要求来决定各组成部分是建立新模型，还是选择已 有的成熟模型；多模型如何组合；需要利用 哪些数据；是采用数值计算模型还是采用知 识推理模型进行各种处理方法选择，然后对 其进行求解。将求解的结果或得到的支持决 策的信

12、息反回给决策用户。三、智能决策技术的应用决策支持系统自70年代初产生以来， 在这20年间逐步应用于各个领域和部门， 在发展中不断融入人工智能的技术使之成 为智能决策支持系统，并得到更加广泛的应 用。主要有以下部门：企业(包括工业、农业、商业等)(1)生产部门；(2)财务部门；(3)销售部门；(5)劳动人事部门;(2)卫生保健部门;教育文化部门，运输、后勤部门;(5)劳动人事部门;(2)卫生保健部门;教育文化部门，(6)外贸部门，等等。事业单位(1)城市管理部门；资源管理部门； 等等。国防军事领域研究开发领域在我国，目前已开发应用的有：全国宏 观经济发展决策支持系统，省区整体发展决 策支持系统，

13、县区发展战略研究决策支持系 统，各行业的发展决策支持系统，公司一级 的、厂一级生产经营决策支持系统，流域管 理决策支持系统，运输经营管理决策支持系 统，人口发展与控制决策支持系统，作战指 挥决策支持系统，后勤保障决策支持系统等 等。可见决策支持系统的应用已经深入到 生活的各个方面。由于人们在日常生活中， 随时都要作出选择和决定，这种选择和决定 就是决策。现代化的社会经济生活规模宏大， 变化和进展迅速，各种关系错综复杂，不论 是对个人、集体、地区、国家，决策的正确 与否，影响是巨大的；一念之差，影响到事 业的成败，组织的兴亡盛衰。而正确有效的 决策在于充分掌握信息和根据信息作出正 确判断，因此米集、整理和分析信息是决策 听