管理信息系统第五版黄梯云第11章-智能决策支持系统课件

第十一章

智能决策支持系统本章内容第一节决策和决策科学第二节决策支持系统的定义、分类与系统结构第三节智能决策支持系统第四节Agent和Multi-Agent系统2022/12/202第十一章智能决策支持系统1.1决策和决策科学智能决策支持系统(IDSS)是决策支持系统(DSS)与人工智能(AI)技术相结合的产物,它将人工智能中的知识表示与知识处理的思想引入到DSS，其独特的研究方法和广泛的发展前途引起了国内外学术界和企业界的极大重视。决策是人们为达到一定目的而进行的有意识、有选择的活动。在一定的人力、设备、材料、技术、资金和时间因素的制约下，人们为了实现特定目标，可从多种可供选择的策略中做出决断，以求得最优或较好效果的过程就是决策过程。决策科学先驱西蒙（H.A.Simon）教授在著名的决策过程模型论著中指出：以决策者为主体的管理决策过程经历情报（intelligence）、设计（design）和抉择（choice）三个阶段。2022/12/203第十一章智能决策支持系统1.2决策的科学化传统的决策依靠决策者个人经验，凭直觉判断，因而决策被认为是一种艺术和技巧。决策的科学化是现实管理提出的要求，而信息技术、管理科学和数学的发展，为它提供了实现的可能性。目前，决策科学化正在向以下一些方向发展：2022/12/205第十一章智能决策支持系统1.3决策问题的类型西蒙教授提出按问题的结构化程度不同可将决策划分为三种类型：结构化决策、半结构化决策和非结构化决策。2022/12/206第十一章智能决策支持系统1.3决策问题的类型不同结构化程度的决策问题：

结构化

非结构化战略性决策问题厂址选择资金分配计划管理体制确定战术性决策问题作业计划作业调度广告部署业务性决策问题库存补充奖金分配选择销售对象决策问题的结构化程度并不是一成不变的，当人们掌握了足够的信息和知识时，非结构化问题有可能转化为半结构化问题，半结构化问题也有可能向结构化转化，这是人们对客观事物认识不断提高的过程。通常认为，管理信息系统主要解决结构化的决策问题，而决策支持系统则以支持半结构化和非结构化问题为目标。灰色理论，灰度2022/12/207第十一章智能决策支持系统本章内容第一节决策和决策科学第二节决策支持系统的定义、分类与系统结构第三节智能决策支持系统第四节Agent和Multi-Agent系统2022/12/208第十一章智能决策支持系统2决策支持系统的定义、分类与系统结构基于知识的DSS结构是一种以自然语言、问题处理、知识库等子系统为基本部件构成的系统结构。如下图所示：DSS的决策支持过程是一个人机交互的启发式过程，该过程往往要分解成若干阶段，一个阶段完成后用户获得阶段的结果及某些启示，然后进入下一阶段的人机会话，如此反复，直至用户形成决策意见，确定问题的解。DSS部件之间不同的关系构成了各异的系统结构，但对话子系统的位置及其与用户之间的关系总体上是一致的。在三库结构基础上，再引入基于知识管理的功能就构成了四库结构的智能决策支持系统。2022/12/2010第十一章智能决策支持系统3.1智能决策支持系统的基本概念人工智能有多个分支领域，其中专家系统（ExpertSystems，简称ES）和人工神经网络（ArtificialNeuralNetwork，简称ANN）是两个较主要的分支。专家系统是以计算机为工具，利用专家知识及知识推理等技术来理解与求解问题的知识系统。将ES和传统DSS结合而形成的IDSS,在结构上增设了知识库、推理机与问题处理系统，人机对话部分还加入了自然语言处理功能。人工神经网络采用物理可实现的器件或计算机来模拟生物体中神经网络的某些结构与功能，就其性质看，神经网络属于基于案例学习的模型，它模拟人的神经元结构，构造人工神经元，吸取了生物神经网络的部分优点。人工神经网络在结构上由许多很小的处理单元相互联接而成，局部或部分的神经元损坏后不影响全局的活动，其联接权值和联接结构都可以通过对样本数据的学习而得到。2022/12/2012第十一章智能决策支持系统3.2智能决策支持系统的结构（一）智能人机接口决策者可以使用自然语言来提出决策问题，由自然语言处理功能通过语法、语义结构分析等方法转换成系统能理解的形式。人机交互过程中和运行后，系统则以决策者能清晰理解的或指定的方式输出求解进程与结果。（二）问题处理系统问题处理系统处于IDSS的中心位置，是联系人与机器及所存储的求解资源的桥梁，主要由问题分析器与问题求解器两部分组成。其工作流程如图所示。2022/12/2014第十一章智能决策支持系统3.2智能决策支持系统的结构（三）知识库子系统与推理机知识库子系统是有关规则、因果关系及经验等知识的获取、解释、表示、推理以及管理与维护的系统，在DSS中引进知识库子系统提高了系统的智能化程度。2022/12/2015第十一章智能决策支持系统3.3人工智能及其应用人工智能是机器模仿人类而获得智能。其最为主要的应用领域有专家系统、机器学习、人工神经网络、智能代理，以及比较新的数据挖掘和知识发现等。IDSS中结合应用比较多的要数专家系统和人工神经网络。专家系统是利用专家的某些领域知识求解特定问题的计算机信息系统。专家思考、表示和处理问题主要使用符号方式，专家系统也同样使用符号方式求解问题。所谓符号方式是相对于数字方式而言的，即分析和求解问题不是依靠数值的计算而是依靠符号的判断。例：计算机打印故障诊断帮助系统2022/12/2016第十一章智能决策支持系统3.3人工智能及其应用专家系统有很多优点，但同样也有其不足之处。与专家系统相比，人工神经网络具有良好的自组织、自学习和自适应能力，因而特别适用于处理复杂问题或开放系统，这正好可以能弥补专家系统的不足。人工神经元模仿自然神经元，用一个加权和处理单元表示，多个输入乘上不同的权值再求和，然后经过传递函数转换产生一个输出。将一群人工神经元的输入输出联接起来，通过一定量案例数据的学习训练即构成了人工神经网络。知识获取困难，人工地获取人类专家头脑中的领域知识并转移到知识库中，费时、低效；对于动态和复杂的系统，由于其推理规则是固定的，难以适应变化的情况；专家系统不能从过去处理过的事例中继续地学习。1232022/12/2017第十一章智能决策支持系统3.3人工智能及其应用人工神经网络的应用应用领域问题解决办法产品评价和选择方面由人来分析评价股票和债券需要相当丰富的金融知识和经验，由于涉及的因素多且关系复杂，不可能为个人全面掌握。利用已经充分学习了股票涨落走势因果对应关系的人工神经网络模型，输入一个被分析评价证券的现状和相关因素，就能得到关于该股票今后走势的评价结果输出。同样，用人工神经网络做扫描式的分析和评价，发现有看好迹象和走坏征兆的股票，为证券管理和投资决策提供支持。客户关系管理和交易服务方面一些客户众多的企业，有浩瀚的客户基本信息和交易信息，加之客户分析评估问题的结构化程度较低，处理工作量非常大且颇有难度。这些企业面临的客户抱怨和信用风险成为突出的问题，仅靠人力难以解决。将客户基本属性和贡献记录转换出客户优质度的人工神经网络可以用来划分客户，找出优质客户；人工神经网络通过客户基本信息和信用记录的处理能发现风险前兆，为防范措施的确定提供依据，能得出贷款与否的结论，为减少不良贷款提供事前的支持。人工神经网络除上述优点外，还具有开发时间短，只需案例的输入和输出就能学会处理问题等有利条件。同样，人工神经网络也有其弱点，如知识分布在整个系统内部，对用户而言是个黑箱；对于自己得出的结论不能做出合理的解释。因此，将人工神经网络技术与专家系统集成，取长补短，是IDSS发展的一个有利方向。2022/12/2018第十一章智能决策支持系统3.4知识库知识的逻辑表示方法决定知识库如何在物理上储存知识，例如，产生式规则法表示的知识可以转化为前提、条件、结论、行动等数据项，以及规则函数的符号数据项，然后再设计若干关联的两维数据表写入这些数据项，采用关系型数据库来存储。知识库中的知识是相互关联的知识单元的集合，这些知识单元既有层次关系也有嵌套关系。为了便于储存、管理和应用知识，知识库还要设计和存储描述知识单元及其相互关系的数据——元数据，一些复杂的知识库还包括所储存知识的来源线索、应用语境和使用记录等相关信息。知识库不能单独产生作用，它必须与IDSS的其他构件相互配合一起工作。这其中主要是知识的存取、知识的维护、知识的推理等。知识的存取和维护是知识库管理系统的任务，知识推理由知识推理机实现。2022/12/2020第十一章智能决策支持系统本章内容第一节决策和决策科学第二节决策支持系统的定义、分类与系统结构第三节智能决策支持系统第四节Agent和Multi-Agent系统2022/12/2021第十一章智能决策支持系统4.2Multi-Agent系统Multi-Agent系统的概念Multi-Agent系统是由多个Agent组成的集合，其中每个Agent可作用于自身和环境，并与其他Agent通信。各个Agent之间的活动是自治和独立的，其行为和意图不受其他Agent限制，它们之间通过竞争、协商、协作等手段来共同完成系统设定的目标。2022/12/2023第十一章智能决策支持系统4.2Multi-Agent系统Multi-Agent中多个Agent通过协调各自的行为来完成共同的协作