第一章智能管理与智能管理系统

第一章智能管理与智能管理系统智能管理的基本概念智能管理系统的基本理论智能技术与方法概述第一部分智能管理的基本概念1.1智能管理的基本概念管理是管理主体作用于管理客体的活动过程，是以人类生活的社会化、现实社会的信息化为基础的。管理系统是现代管理科学与系统科学相结合的产物，是进行管理活动、实现管理目标和功能的系统。现代管理系统是管理科学、系统工程与系统科学、计算机科学、信息技术、自动化等高新科学技术的融合。管理信息系统是指基于计算机、通信网络等现代化的工具和手段，服务于管理领域的信息处理系统，是一种由人、计算机等组成的能进行管理信息的收集、传递、存储、加工、维护和使用的现代化管理系统。1.1智能管理的基本概念它是20世纪中叶信息科学、计算机科学、管理科学、决策科学、系统科学、认知科学、人工智能等学科相互渗透而发展起来的一门学科。近40年来，经过人们不断探索和实践，目前已形成了信息系统独具特色的理论和技术体系，其应用已深入到社会生活的各个方面。随着科学技术的发展，管理及管理系统的信息化、网络化、智能化已越来越受到人们的广泛关注。1.1.1管理与管理系统管理是一种有目的的社会运动或活动。通过管理，社会或组织能够有效地实现自己的目标。管理是一种高级的复杂过程，包含调查研究、运筹决策、协调控制、检查改进等环节。只要人类存在，就必然会有这些管理的过程存在。管理是一个有组织的集体在协调而高效的工作环境中，为了实现预期的目标而进行的活动。管理是运用信息对人力、物力、财力进行控制与调节的过程，是通过信息流对人才流、资金流、物料流、能量流进行引导和操纵的过程。1.1.1管理与管理系统有关管理的概念如下:管理目标及基本要素提高效益是管理目标的主要内容。所谓提高效益，是指消耗同样的时间、费用、人力、能量、物资等，而获得更大的收益和成果。管理的基本要素是：人员、资金、材料、物资、能源和信息。管理基本要素形成了人才流、资金流、物料流、能量流和信息流。1.1.1管理与管理系统管理功能管理功能主要包括：调查研究。在对内部状态、外部环境、历史背景、现实情况进行充分调查研究的基础上，进行系统分析，提出管理目标，明确管理任务。预测。根据管理目标，对人、财、物的需求和环境的变化进行预测。运筹。在预测的基础上，制定实现管理目标的总体规划和实施计划；根据目标需求和环境条件，对各种规划、计划进行优选。决策。在优化基础上进行决策分析，选取最优的或满意的决策方案。组织指挥。根据决策方案，组织好人力、物力、财力的运作进行指挥、调度、操纵、奖励、惩罚，将决策方案、规划、计划付诸实施。1.1.1管理与管理系统监控。对决策、规划、计划的执行过程和实施情况进行监督和控制。评审。对组织的行为所产生的效益进行评审。即评估与审查是否已实现管理目标。协调改进。为实现管理目标，进行协调和控制，统筹兼顾，相互配合，以求不断完善、整体协同、全局优化。1.1.1管理与管理系统3．管理的信息观从信息科学的观点来考察管理，它是一种十分典型的信息处理过程。管理过程实际上就是信息的获取、组织、加工和利用的过程。调查研究、运筹决策、协调控制、检查改进等环节都是信息管理过程的一些基本组成部分。任何形式的管理都必然是某种系统，都要具备若干要素，这些相互联系的要素作为一个整体必然具有某些整体性的功能。这种整体功能不是个别要素的功能的简单总和，而是它们相互联系、相互作用的有机产物。这是一切系统所共有的基本特征，管理系统也不例外。1.1.1管理与管理系统在管理系统中，管理者与管理对象之间的相互作用和相互联系主要是依靠信息作用和信息联系，从而形成一个系统整体，实现管理的目标。管理系统需要管理对象的初始信息、目标信息。根据所获得的对象和环境的初始信息，对照管理者的目标信息，管理者就可以利用相应的管理策略，指明所采用的途径和步骤，把对象的初始运动状态和运动方式转变为所期望的运动状态和

运动方式。1.1.1管理与管理系统这种管理策略通常称为管理系统的指令信息或管理信息。同目标信息类似，管理信息也是一种主观领域的信息。产生了管理信息之后，下一个任务就是要把管理信息反作用于管理对象，有时还必须反作用于环境，使对象和环境的运动状态和运动方式按照管理信息的规定来改变，实施具体的管理职能。这是管理过程的第一个阶段，完成的是调查研究(信息获取)、运筹决策(信息加工)、协调控制等环节。1.1.1管理与管理系统由于对象本身的复杂性和环境的干扰，管理者所得到的对象初始信息和环境信息不一定充分、完备，甚至在传递过程中还可能产生失真；并且由于管理者信息加工能力的限制，对象和环境的初始信息也可能利用得不充分。由于这些原因，管理者加工出来的管理信息不可能尽善尽美。因此，管理者还必须根据效果信息和目标信息来调整和修正原有的管理信息，形成新的管理信息，并将这种新的管理信息再反作用于对象和环境，以期改进管理的效果。这是管理过程的第二个阶段，完成的是检查改进(信息再加工)环节。这两个阶段包括四个环节，构成了一个完整的管理过程。由于管理对象和环境都会随着时间而变化，管理目标也可能有变动，因此管理过程是一个动态的过程，要不断地修正管理的策略，以适应不断变化的环境和其他因素。1.1.1管理与管理系统管理系统管理系统是现代管理科学与系统科学相结合的产物，是进行管理活动，实现管理目标和功能的系统。管理方法是实现管理功能、达到管理目标的手段和工具。现代管理系统，要应用管理科学、系统工程、系统科学、计算机科学、信息技术、自动化技术及人工智能等高新科学技术进行科学管理，提高管理现代化水平。管理系统是个综合性、系统性、边缘性的学科。它不仅是一个技术系统，也是一个社会系统，为决策科学化提供应用和基本工具，是为管理决策服务的系统。管理系统把管理过程数量化，用计算机、网络等现代化技术来解决问题以达到系统的目标。管理系统的应用说明管理已由艺术为主的阶段发展到科学为主的阶段。1.1.1管理与管理系统管理系统作为一门新兴的系统，其特征是面向管理的一个集成系统，是多用户共享的系统，直接为基层和各级管理部门服务。管理系统具有综合管理功能，可以满足各层次管理人员的不同需求。例如，高层领导者的决策支持，中层管理者的计划调度，基层人员的生产、控制、办公事务处理等。1.1.1管理与管理系统从管理者的角度看，一个管理系统总是有一个目标，具有多种功能，构成一个有机结合的整体。管理系统根据工作目标的不同，有自己独特的面向性。系统能够不断地为管理者提供所需要的信息，帮助管理者完成工作范围内的预测和决策事务，达到科学化管理的要求。管理系统除了一般系统所具备的特性外，其复杂性更突出地反映在以下几个方面：(1)面向管理支持决策。管理系统是管理学的思想方法、管理与决策的行为理论之后的一个重要发展。它是一个为管理决策服务的系统，它必须能根据管理的需要，及时提供所需要的信息，帮助决策者做出决策。1.1.1管理与管理系统信息的高度集中。将组织中的信息集中起来，进行快速处理，统一使用。随着Internet技术的发展，它不仅能把组织内部的各级管理联结起来，而且能够克服地理界限，把分散在不同地区的计算机网互联，形成跨地区的各种管理系统。有预测和控制能力。管理系统使用数学模型，如运筹学模型和数理统计模型等，来分析数据和信息，以便预测未来，提供决策支持。1.1.2信息系统由于经济全球化和知识经济时代的来临，企业管理从生产向创新转变，其经济效益越来越依赖于信息技术、知识和创新。一个企业要生存和发展，就必须依靠信息技术、管理系统的支持，用全面和动态的观点来研究和面对新环境新问题。管理的任务在于通过有效地管理好人、财、物等资源来实现企业的目标，而要管理这些资源，需要通过反映这些资源的信息来进行。1.1.2信息系统每个管理系统都首先要收集反映各种资源的有效数据，然后再进行加工处理，以便管理人员能有效地利用企业的各种资源来完成企业的管理任务。信息是管理上的一项极为重要的资源。现代社会的环境越来越复杂，变化更加快速，信息量激增，传统的手工系统已无法应对现代管理对信息的需要。对于一个企业来说，其生产经营过程贯穿了物流、资金流，伴随这些流动也就产生了信息流。为了处理这种信息流，需要建立信息系统。由此，可以把生产和流通过程中的巨大数据流收集、组织和控制起来，经过处理，转换为对各部门来说都是不可缺少的数据，经过分析，使它变成对各级管理人品具有重要意义的有用信息。•1.1.2信息系统信息系统是一个人造系统，它由人、硬件、软件和数据资源组成，目的是及时、正确地收集、加工、存储、传递和提供信息，实现组织中各项活动的管理、调节和控制。信息系统包括信息处理系统和信息传输系统两个方面。信息处理系统对数据进行处理，使它获得新的结构与形态或者产生新的数据。信息传输系统不改变信息本身的内容，作用是把信息从一处传到另一处。信息系统的基本功能：(1)信息采集。通过人工或在线设备的采集，经校对后将其转化为信息系统所规定的内部格式，它要求保证采集信息的准确度和精确度。1.1.2信息系统信息的存储。大批量信息必须进行合理的组织，以利于对信息的检索及处理，保证信息的一致性、完整性及安全性，同时又要尽可能减少信息存储的冗余，合理的逻辑组织及物理存储是通过文件组织及数据库技术来实现的。ACID

atomicityConsistency

isolation

durability信息的加工处理。输入的信息必须经过加工处理才能为人们所利用，加工能力包括数学计算、逻辑处理以及智能化处理等，它能支持人们对信息系统提出的各种要求。1.1.2信息系统信息的传输。在使用信息系统时，往往需要将信息从一个子系统传送到另一个子系统或从一个地区传送到另一个地区，当传输的是多媒体信息时，对传输网络有更高的技术指标要求，如实时传输及传输服务质量等要求。信息的输出。可以根据不同的需要，以不同的格式进行输出，如显示、打印，或形成计算机文件传输到其他子系统或另一个地区。人机交互。由于信息系统是人机系统，因此需要提供灵活的人机界面，使信息系统能够更好地与使用人员进行交互，充分发挥人机合作来完成信息的加工与处理。1.1.2信息系统按处理的对象及作用不同，可以将信息系统分成下述几种类型。

(1)批量数据处理系统。批量数据处理系统的特点是对大量的

数据按业务要求定时地进行批处理，如金融业务、气象预报、

地质勘探等数据处理系统均属这一类型，它要求用高速超级计

算机来进行处理。(2)查询检索系统。查询检索系统是支持人们对学习、工作及生活有关信息资源进行查询的系统，如情报检索系统、经济信息系统均属这一类型。1.1.2信息系统计算机辅助系统。计算机辅助设计、计算机模拟仿真、生产过程控制系统、办公自动化系统以及辅助教学系统均属这一类。管理信息系统(MIS)。管理信息系统主要是对政府及企、事业单位的事务信息进行辅助管理，以支持各级组织及领导完成相应的职能。办公自动化系统(OA)。办公自动化系统是利用先进办公设备以及网络、通信和软件等信息技术来进行管理和控制，用于办公事务处理，辅助人们日常工作的计算机辅助管理系统。1.1.2信息系统决策支持系统(DSS)。决策支持系统是能够综合运用各种数据、信息、知识、人工智能和模型技术，辅助高层管理者解决半结构化或非结构化决策问题的信息系统。知识管理系统(KMS)。知识管理系统是一个有助于知识的收集、组织和在公司内部员工之间传播的知识管理技术集合，它的核心是网络技术与知识仓库，能够对异质系统中的知识进行无缝检索，并通过浏览器向用户提供知识。由于数字化技术及其应用仍然在不断地发展，新型的信息系统还会出现，信息系统对人类的管理活动，乃至整个社会将产生重大的作用与影响。1.1.3人工智能人工智能是用人工的方法在机器上模拟或实现的人类的智能。人工智能学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。智能机器就是能够在各类环境中自主地或交互地执行各种拟人任务的机器。包括研究：如何设计和构造智能计算机或智能系统，使它能模拟、延伸、扩展人类智能；如何在这种智能机上来实现人类智能，使机器具有类似于人的智能；如何在实际中应用这种智能机器。人工智能是研究怎样使计算机来模仿人脑所从事的推理、证明、识别、理解、设计、学习、思考、规划以及问题求解等思维活动，来解决需要人类专家才能处理的复杂问题，如医疗诊断、石油勘探、气象预报、交通运输管理等决策难题。1.1.3人工智能近年来人工智能越来越受到众多学科和不同专业背景的学者们重视，成为一门广泛的交叉和前沿科学。新的智能技术不断出现，如人工神经网络、模糊系统、进化计算、群优化计算和人工生命等，且人工智能的传统领域也得以拓展，丰富了人工智能的研究内容。也可以把AI智看成计算机科学、哲学、社会学、生物学、信息学和计算数学等学科的综合。1.1.3人工智能对于人工智能的研究途径，主要分为以下三大分支，从而形成三大流派。符号主义符号主义认为人工智能源于数理逻辑，主张以知识为基础，通过推理来进行问题求解，认为知识与概念化是智能的核心。在研究方法上采用了计算机模拟人类认知系统功能的功能模拟方法，因为人和计算机都是物理符号系统，因此可以用计算机的符号演算来研究人的思维过程，模拟人类智能活动。符号主义曾长期一枝独秀，为AI智能的发展做出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。1.1.3人工智能联结主义联结主义认为人工智能源于仿生学，特别是对人脑模型的研究。该学派认为人的思维基元是神经元，而不是符号处理过程，主

张用联结主义的大脑工作模式取代符号操作的电脑工作模式。该学派的开创性工作是1943年由生理学家McCulloch和数理逻辑学家Pitts创立的脑模型，从神经元模型开始进而研究神经网络模型和脑模型，开辟智能的又一发展道路。在经历了一段低潮期后，直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，联结主义才又重新抬头。1986年，Rumelhart等人提出多层网络中的反向传播(BP)算法。此后，联结主义发展迅速，从模型到算法，从理论分析到工程

实现，为神经计算走向市场打下基础。1.1.3人工智能行为主义行为主义认为人工智能源于控制论，主张智能取决于感知和行动的观点，提出智能行为的“感知一动作”模式。行为主义对符号主义和联结主义采取批判的态度，认为智能不需要知识，不需要表示和推理，只需要在与周围环境的交互作用中表现出来。在研究方法上，采用行为模拟法。在20世纪60～70年代，由于控制论中自适应、自学习、自组织等理论和技术的研究取得一定进展，推动了此学派在机器智能领域中的发展，并在20世纪80年代诞生了智能控制和智能机器人系统。行为主义在20世纪末一经出现，就引起许多人的兴趣。这一学派的代表作首推布鲁克斯的六足行走机器人，它被看作是新一代的“控制论动物”，是一个基于感知-动作模式模拟昆虫行为的控制系统。1.1.3人工智能作为一种外向型的学科，对人工智能的研究还需要有扎实的数学基础、哲学和生物学基础。人工智能的研究更多的是结合具体领域进行的，主要研究领域有自动推理、机器学习、模式识别、知识系统、自然语言处理、计算机视觉、机器人学等。人工智能应用

1)自动推理推理是指从一个或几个已知的判断逻辑地推论出一种新的判断的思维形式。自动推理所研究的就是如何在已有的知识基础上，运用人工智能的方法，通过推理得出结论。自动推理的推理原理和方法包括归结原理、不确定性推理和推理演绎等。它们在定性证明、程序推导、程序正确性证明、专家系统和智能机器人等方面有广泛的应用。1.1.3人工智能2)机器学习学习是获取知识、积累经验、改进性能、发现规律、适应环境的过程。机器学习研究范畴包括如何使机器具有自动获取知识、具有更多的智能，并以最终揭示人类思维规律和学习的奥秘为目标。各种学习的算法(如归纳学习、类比学习、分析学习、发现学习、遗传学习和连接学习等)，学习过程的认识模型，学习的计算理论和机器学习系统的建立等都是机器学习的研究方向和主要内涵。1.1.3人工智能3)模式识别“模式”一词的本意是指完美无缺的供模仿的一些标本。模式识别就是指识别出给定物体所模仿的标本。人工智能中的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。模式识别是一个不断发展的新学科，它的理论基础和研究范围也在不断发展。随着生物医学对人类大脑的初步认识，模拟人脑构造的计算机实验即人工神经网络方法

在20世纪50年代末、60年代初就已经开始。1.1.3人工智能在模式识别领域，神经网络方法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。目前模式识别学科正处于快速发展阶段，随着应用范围的不断扩大，随着计算机科学的不断进步，模式识别技术将会有更大的发展。4)知识系统知识系统包括专家系统、知识库系统和智能决策系统等。其核心技术是知识工程，即知识的获取、表达、推理过程的构成与解释。知识系统的共同特点是知识库的引入以及建立知识库管理与问题求解的推理机。知识系统是人工智能在信息处理系统中的具体应用。1.1.3人工智能5)自然语言处理自然语言处理(naturallanguageprocessing，NLP)是人工智能的早期研究领域之一，在语言翻译与语音理解程序方面已经取得不少成就，并发展为人类自然语言处理的新概念。自然语言处理是目前人工智能研究最活跃的领域之一。它研究的是如何用计算机模拟人的语言处理能力以及相关的语法、语义、推理及上下文关系等问题。从最初的机器翻译到自然语言的理解，语言知识、形式文法和语言理解的认知模型都发挥了重要的作用。1.1.3人工智能6)计算机视觉视觉是感知问题之一。在人工智能中研究的感知过程通常包含一组操作，即传感器编码、灰度数值表示、检测器处理(图像成分的检索、处理与三维特性信息的推断)以及景物的模型表示等。计算机视觉是指计算机对外界物体的识别和理解能力，研究内容包括视觉计算理论、积木世界景物分析及用于计算机视觉的知识表达方法等。1.1.3人工智能7)机器人学机器人学是人工智能研究日益受到重视的一个分支，其研究问题涉及机器人手臂的最佳移动、实现机器人目标的动作序列的规划方法、操作机器人装置程序、视觉信息的识别与处理以及复杂机器人的控制与问题求解等。1.1.4人工智能在管理系统中的应用人工智能是计算机科学技术发展的前沿领域，它已引起理论和工程界的日益重视，并具有越来越重要的实用意义。“智能化”是当前新技术、新产品、新产业的重要发展方向、开发策略和显著标志。例如，智能控制、智能自动化、智能管理、智能通信、智能

CAD、智能机器人、智能仪表、智能计算机、智能网络、智能

优化、智能玩具、智能家电、智能汽车、智能材料、智能软件、智能仿真、智能系统工程、商务智能和智能经济等。由此可见，人工智能具有极其广泛的用途。1.1.4人工智能在管理系统中的应用从软件工程的角度来看，以人工智能、智能管理、大系统控制论等为理论基础，不同系统的集成、智能理论和方法的结合、各个子领域之间的融合、探索和吸收其他学科的思想等趋势十分明显。1.1.4人工智能在管理系统中的应用在未来的十年中，软件复杂性将继续快速增长，数据和应用的动态性和分布性要求软件不仅仅满足响应要求，而且应该能主动地寻找解决问题的方法。管理信息系统的智能开发方法和决策支持系统中模型库系统、知识库系统和问题求解系统的建立就是很好的例子。智能决策系统、知识管理系统以及智能管理信息系统都属于管理信息系统的范畴或发展。1.1.4人工智能在管理系统中的应用1．专家系统与人工神经网络在管理信息系统中的应用1)专家系统在管理信息系统中的应用专家系统(expert

system)是人工智能领域中的一个重要分支，而且是最活跃的一个分支。专家系统是具有相当于专家的知识和经验水平，以及解决专门领域问题的计算机系统，通常主要指软件系统。专家系统作为人工智能中发展最快的一个分支，已广泛应用于工业、农业、医学、地质、气象、交通、军事、法律、空间技术、环境科学和信息管理等众多领域，并产生了巨大的经济效益和社会效益。专家系统是一类包含着知识和推理的智能计算机程序。但是，这种“智能程序”与传统的计算机“应用程序”已有本质上的不同。1.1.4人工智能在管理系统中的应用专家系统是一种基于知识的智能系统，它将领域专家的经验用知识表示方法表示出来，并存于知识库中，供推理机使用。在专家系统中求解问题的知识已不再隐含在程序和数据结构中，而是单独构成一个知识库。它已变成“知识+推理系统”应用程序模式，而非传统的“数据结构+算法 程序”模式，由于专家系统具有存储及应用大量专家知识能力，因此可以解决该领域中需要专家才能解决的问题。1.1.4人工智能在管理系统中的应用专家系统在管理信息系统中的应用主要表现在企业管理和生产管理中引入专家的知识以及利用专家推理方法协助管理专家来分析和处理复杂问题。例如，在制定生产计划、原材料与产品供销存、生产技术与工艺、设备资源使用、新产品研制、后勤补给、制定市场与价格策略等方面，都可以建立专家系统。以企业新产品投产制造工程的计划编制为例,这是一个复杂的过程，涉及一些需要协调的若干交互活动，计划编制的关键是怎样才能做到成本低、可靠性强、影响小(对现有产品的生产影响最小)和质量高。1.1.4人工智能在管理系统中的应用一个新产品的制造工程所面临的首要问题实际上就是选择生产技术和工艺。在分析中，既要充分利用现有设备资源，又要考虑设备加工的能力。专家系统在工艺过程的选择中可以起到帮助工艺工程师的作用。专家系统的知识库可由现有加工处理能力、相对成本和总产能力等知识构成。相关的推理知识和规则，例如，如何选择加工处理过程等，将从有经验的工艺工程师处获取。1.1.4人工智能在管理系统中的应用2)人工神经网络在管理信息系统中的应用传统的管理信息系统并未真正实现预测、决策及优化等方面的功能，尤其是对于复杂的非线性预测问题，传统的线性预测方法和统计分析对此无能为力，而人工神经网络可以有效地解决这类问题。这主要是由神经网络本身的特点所决定的，它主要表现在两个方面，一是神经网络具有自学习和训练能力，通过学习和训练，找出输入和输出之间的内在联系，从而求得问题的解答，而不是依靠对问题的先验知识和规则。1.1.4人工智能在管理系统中的应用神经网络预测器一般对输入模式的不完备性或特征的缺损不太敏感。和传统的线性预测方法相比，神经网络预测器在输入模式较复杂的情况下，能获得良好的预测效果。在传统管理信息系统的基础上，增加基于人工神经网络技术的预测分析模块，完成复杂的非线性预测以提高MIS智能化、自动化水平。选用BP模型来实现，通过网络的自适应学习和训练，找出输入和输出之间的内在联系，从而求得问题的解答。可以提高MIS中预测及辅助决策的能力，促进MIS向高智能化的方向发展。1.1.4人工智能在管理系统中的应用将神经网络与专家系统结合应用到管理信息系统中也是可行的。由于自身的局限性，专家系统只能模拟人脑的部分功能，不会具有很高的智能，且具有“知识获取困难”的瓶颈问题。如果将人工神经网络与专家系统结合起来构成神经网络专家系统，加入深层次知识，取长补短，充分发挥各自的特长，则有可能形成一个新型的高智能的系统，它既有专家系统的知识与人机交互功能，又有人工神经网络的并行分布式处理、非线性、模糊推理和自动知识获取等特点，这是智能发展的必由之路。1.1.4人工智能在管理系统中的应用例如，利用神经网络的高效性和方便的自学习功能，只需用领域专家解决问题的实例来训练神经网络，解决专家系统的

“知识获取困难”这一“瓶颈”问题。利用神经网络的自学习功能，不断丰富知识库内容，知识更新的问题就可解决，避免了专家系统的“脆弱性”。神经网络的知识推理是通过神经元之间的作用实现的，由于采用并行推理因而具有较高的速度，可以解决专家系统推理的“匹配冲突”、“组合爆炸”及“无穷递归”等问题。1.1.4人工智能在管理系统中的应用人工智能在决策支持系统中的应用20世纪90年代以来，DSS与人工智能、计算机网络技术等结合形成了智能决策支持系统(intelligent

decision

supportsystems，IDSS)和群体决策支持系统(group

decisionsupport

system，GDSS)。可以将决策支持系统看作管理信息系统高级分支系统和高级阶段。传统的DSS使用数据模型和数值计算方法来辅助决策，具有无法表示复杂决策过程的局限性，将不同的人工智能技术与

DSS相结合，便形成不同形式的智能决策支持系统。•1.1.4人工智能在管理系统中的应用人工智能技术在智能决策支持系统中应用和主要研究成果如下：

1)专家系统技术在智能决策中的应用1981年Bonczek等人提出将DSS与专家系统相结合，分别发

挥DSS数值分析与专家系统符号处理的特点，将定性分析和定量分析有机结合，使其能够进行知识处理，以方便、准确地模拟客观世界，全面地反映决策过程，从而有效地解决半结构化和非结构化问题，形成最初的IDSS。1.1.4人工智能在管理系统中的应用DSS与专家系统的集成方式有三种：将专家系统并入DSS各组成部分中，将专家系统作为DSS的独立成分，以及DSS模型和数据存取作为专家系统的组成部分。将DSS和专家系统集成，把专家系统的知识处理融入DSS，使DSS具有一定的智能性，解决了很多领域的实际问题，如医学、教育、商务、设计和科学研究等。1.1.4人工智能在管理系统中的应用2)基于机器学习的IDSS机器学习是通过计算机模拟人类的学习来获得人类解决问题的知识。通过在数据中搜索统计模式和关系，把记录聚集到特定的分类中，产生规则或规则树。这种方法的优势在于不仅能提供关于预测和分类的模型，而且能从数据中产生明确的规则。1.1.4人工智能在管理系统中的应用例如，常用的递归分类算法，通过逐步减少数据子集的熵，把数据分离为更细的子集，从而产生决策树。决策树是对数据集的一种抽象描述，可以作为知识进行推理使用。机器学习由于能自动获取知识，在一定程度上能解决专家系统中知识获取的“瓶颈”问题。1.1.4人工智能在管理系统中的应用Holsapple等将机器学习作为一个新的元件加入到由问题处理子系统、语言子系统和知识子系统组成的传统决策支持系统框架中，对决策支持系统知识库进行求精，以加强决策支持系统适应问题的能力。该框架已被应用于生产调度问题，并使用遗传算法来实现机器学习的功能。哈尔滨工业大学的黄梯云教授将机器学习理论应用于IDSS的模型管理系统的研究中，提出一种以学习为核心的模型操纵知识的获取与求精方法，用自顶向下的启发式搜索控制策略来搜索决策问题的描述空间，目的在于更有效地辅助决策者参与建模、选模等一系列复杂的模型操纵任务。1.1.4人工智能在管理系统中的应用3)基于Agent的IDSSAgent是目前人工智能领域的研究热点，主要有智能型Agent研究、多Agent系统研究和面向Agent的程序设计研究三个方面。知识、目标和能力是Agent本身具有的三个要素。基于Agent的软集成方法来构建IDSS。在基于多Agent的智能决策支持系统中，界面Agent获取信息，向用户提供结论及解释机制，请求用户输入必要信息；移动Agent制定任务规划和调度，分解协调并完成任务；信息Agent将检索到的信息提交给用户，同时监视信息的变化。1.1.4人工智能在管理系统中的应用Agent技术是人工智能的最新研究领域，因此它的技术还不够成熟，还有许多问题需要进一步研究，如用Agent技术开发的系统的确定性问题，多Agent之间的有效协调等。1.1.4人工智能在管理系统中的应用智能管理信息系统带有知识库和引入推理机制的管理信息系统，就是智能管理信息系统(IMIS)。是在传统的管理信息系统的基础上，为了利用领域知识使某些管理功能(如计划、预测、查询、统计分析等)具有智能能力而提出来的。近年来，由于人工智能技术的普及，IMIS受到越来越多企业、特别是高层管理与决策机构的重视。在智能管理信息系统的整个设计过程中几乎都有人工智能技术的成功应用。1.1.4人工智能在管理系统中的应用从智能管理的系统结构来说明人工智能技术的应用情况：在系统建模中，智能信息系统常用的广义管理模型技术涉及人工智能多个研究领域。例如，基于人工神经网络的网络模型、基于知识工程的知识模型以及采用知识获取、知识推理和人工神经网络的自学习模型等。人工智能技术在广义化模型中的应用，使得智能管理系统可以拥有针对各种复杂问题的广义模型，可以适应和跟踪实际系统特性及环境条件的变化，从而满足各种用户不同的实际需要。1.1.4人工智能在管理系统中的应用作为智能管理方法关键技术之一的智能优化方法，则是人工智能的知识推理方法、学习方法与运筹学、最优控制理论的优化方法相结合的产物。例如，产生式规则匹配与求解线性规划的集成而形成的集成型智能优化方法、自学习与自适应优化方法以及利用Hopfield神经网络的白寻优方法等。这些基于人工智能技术的智能优化方法与传统的优化方法相比，具有应用范围广、求解效率高和缓解“组合爆炸”的优点。多库协同软件是智能系统的重要组成部分，在多库协同软件的设计中也有人工智能技术应用，如构建各个库时所用的知识工程以及专家系统技术的运用。1.1.4人工智能在管理系统中的应用多媒体人-机智能接口是智能管理信息系统中实现人机协调不可或缺的部件，为了实现人机的友好双向交互，系统需要对一些媒介数据，如文字、图像、动画、语言等进行处理和识别，这时就需要运用模式识别、自然语言理解等人工智能方法和技术。目前已有一些成功的应用案例，如语音识别系统、手写识别系统等。IMIS实际上可以认为是人工智能技术在传统MIS中应用的产物，一个IMIS的智能程度的高低，很大程度上取决于人工智能技术的应用。如何提高IMIS的智能化水平，将是今后管理信息系统与人工智能相关领域研究的热点方向之一。第二部分智能管理系统的基本理论1.2智能管理系统的基本理论计算机管理系统是计算机辅助管理系统的简称，主要是指计算机在管理领域中应用的各种计算机信息系统。智能管理是人工智能、管理科学、信息科学、知识系统工程、计算技术、通信技术、软件工程等新兴学科的相互交叉、相互渗透而产生的新技术、新学科。它研究如何提高管理系统的智能水平及智能管理系统的设计理论、方法与实现技术。1.2智能管理系统的基本理论智能管理系统是在管理信息系统、办公自动化系统、决策支持系统的功能集成、技术集成的基础上，引用人工智能中的技术与方法，进行集成化、协调化、智能化，设计和实现的新一代计算机管理系统。智能管理系统是在任何管理系统的基础上集成智能技术而形成的，因此又称为智能集成管理系统。智能管理系统以信息的闭环管理和控制为基础，实现管理的自动化和智能化。1.2.1智能管理系统的产生计算机管理系统的发展过程可以分为以下几个阶段：计算机管理的初级阶段：在此阶段，以电子数据处理和事

务处理系统为代表，主要进行数据统计、账目计算、报表登记、财务管理等工作。计算机管理的发展阶段：以管理信息系统和办公自动化系统为代表。计算机管理的提高阶段：以决策支持系统为代表，主要面向高层次、战略性、大范围的管理决策，应用决策分析方法、数据库、模型库等技术，求解非结构化、半结构化的信息处理问题，以弥补管理信息系统和办公自动化系统的不足，进一步提高计算机管理的水平。1.2.1智能管理系统的产生30多年来，虽然计算机管理技术有了很大进展，但仍然存在许多问题，如不满足多层次用户的管理需要；不具备多方面的管理功能；不适应多阶段的管理过程；人机不够协调；智能化水平不够高。由此，逐步形成和诞生了新的研究方向——智能管理系统

(intelligent

management

system,IMS)。1.2.2智能管理系统的框架作为现代计算机辅助管理系统，智能管理系统具有管理科学化、现代化的特点，智能管理系统总体设计方案应当既能适应用户当前需要，又能对管理机制的革新起到促进作用。因此，智能管理系统的总体方案设计应当借鉴现代社会组织机构的管理体制来进行。下面将分结构总体框架和软件总体框架对智能管理系统的结构进行说明。1．结构总体框架从大系统控制论观点出发，智能管理系统的结构总体框架，采用适应于现代用户管理体制的开放式、集中与分散相结合的进化式多级递阶结构。例如，公司经营模式的组织架构为：总公司一分公司一子公司一经营部。1.2.2智能管理系统的框架图1．1为典型三级递阶结构，其中（图很重要）高层——宏观智能管理系统；中层——递阶智能管理系统；基层——微观智能管理系统。1.2.2智能管理系统的框架系统的结构具有开放性、机动性，是可以进化的，以适应和跟踪管理科学化、现代化的要求。根据用户的实际需要和管理体制、组织机构以及信息流程，对系统结构进行扩展或压缩，为企业量身设计系统结构总体方案。1.2.2智能管理系统的框架智能管理系统的特征和功能具有下列特点：人-机协调特性。这是计算机辅助管理系统成败的关键。管理人员与计算机合理分工，通过友好交互、自然对话实现人一机智能结合。一方面，设计具有双向的人机友好交互功能；另一方面，系统性能设计注意人机合理分工，实现人机智能结合。在保持人的主导地位的基础上，充分发挥人的智能，进而提高系统的智能水平。(2)综合管理功能。具有决策支持、信息管理、事务处理等多种功能，是决策支持系统、管理信息系统、办公自动化系统的功能集成。1.2.2智能管理系统的框架多维应用模式。具有综合管理功能的IMS为用户的现代化管理提供多维应用服务，具有多层次、多方面、多阶段应用模式。其中，多层次(空间维)是指为不同档次的用户提供不同范畴的辅助管理；多阶段(时间维)是指提供不同时间、不同阶段的辅助管理服务；多方面(任务维)是指为不同的任务提供管理服务。智能水平高度集成。为了提高管理系统的智能水平，对系统进行全面智能化，即从管理模型、管理技术与方法、管理软件到人机界面，对管理系统进行全面的智能化。1.2.2智能管理系统的框架2．软件总体框架在进行软件设计时，智能管理系统的软件总体方案的设计是在结构总体方案的基础上，采用面向对象设计方法，进行软件设计和程序实现，其总体框架见图1．2。1.2.2智能管理系统的框架1.2.2智能管理系统的框架智能管理系统的软件总体方案包括如下的关键技术：多库协同软件：具有多种协同方式的、多库一体化的软件环境。广义管理模型：包括集成化广义模型、智能化广义模型。(3)智能优化方法：用于管理过程、规划、调度、决策等各种智能优化方法。人-机智能接口：提供文、图、声并茂的多媒体信息人-机交互方法。多数据源下的数据挖掘：采用基于数据库、知识库、模型库、方法库、图形库、案例库、语音库等多数据源下的数据挖掘技术。多种推理方式的集成：集成多种推理方式，如案例推理、规则推理、约束推理、定性推理、模型推理等，提高集成推理和求解问题的效率。1.2.3智能管理系统的设计方法与技术在管理过程的每一个环节、每一个阶段，无论是信息的提取、传递、加工或施用，都需要相应的物质和能量来支持，否则这一切就都不可能在物理上实现。管理的功能正是通过信息的获取、加工和利用实现的。物质、能量、信息是相互有机地联系在一起的“三位一体”。在如此复杂的管理系统中往往有比较多的层次，有大量的因素，有很复杂的功能，有多方面的目标，有很广阔的时间和空间的跨度等。可以用信息分析和综合的方法，建立管理系统的信息模型，然后用适当的技术手段来实现信息模型，建立一个能够满足用户要求的管理系统。智能管理信息系统的开发方法与设计技术，可以归结为“智能化、集成化、协调化、网络化”。1.2.3智能管理系统的设计方法与技术智能化应用人工智能的理论、方法和技术，在人一机智能结合的基础上，实现人的智能与机器智能的集成，提高系统的智能水平。这里主要是指人工智能向管理领域的渗透和应用，促进了管理信息系统、决策支持系统和办公信息系统的智能化。智能管理信息系统其逻辑表达式为：MIS(管理信息系统)+AI(人工智能) IMIS(智能管理信息系统)。为了解决传统管理信息系统低智能问题，如问题描述的低智能、问题求解的低智能、信息处理的低智能、人-机交互的低智能等问题，需要将管理信息系统与人工智能相结合，将专家系统、

知识工程、模式识别、图像处理等人工智能技术应用到管理信

息系统，向智能管理信息系统发展。1.2.3智能管理系统的设计方法与技术(2)智能决策支持系统其逻辑表达式为：DSS(决策支持系统)+AI(人工智能)IDSS(智能决策支持系统)。为了对非公式化、非结构化的高层次决策问题提供有力的支持，需要将决策支持系统与人工智能相结合，采用知识模型和逻辑

模型，建立专家系统或神经网络等智能化部件，提高决策支持

系统的问题描述和求解的智能水平，进而进化为智能决策支持

系统。1.2.3智能管理系统的设计方法与技术(3)办公信息系统的智能化其逻辑表达式为：OIS(办公信息系统)+AI(人工智能)能办公信息系统)。IOIS(智随着人工智能的发展和应用领域的扩展，在办公信息系统向全方位扩展的同时，OIS也逐步进化成为智能办公信息系统

(intelligent

office

information

system，IOIS)。例如，专家系统为管理者提供咨询服务，声音、视频、图像的模式识别系统的应用及email、可视电话会议等。1.2.3智能管理系统的设计方法与技术集成化计算机管理系统的开发和应用除了保证满足新的功能需求外，很重要的一个方面是应当具有能集成多个异种系统环境并可访问旧有系统与数据的能力，这样不仅可以充分利用已有系统资源，而且能够保护现有底层基础结构的投资，因而必须在智能管理系统的设计开发中引入集成化方法。通过技术集成，进行功能集成实现系统集成，并最终实现“人一机”智能集成系统。1.2.3智能管理系统的设计方法与技术技术集成化技术集成化是实现功能集成化的基础，主要有模型集成化、方法集成化和软件集成化。其中模型集成化指的是智能管理系统常用广义管理模型所采用的集成方法，即将数学模型、知识模型和网络模型等进行集成，以适应各种实际问题；方法集成化指的是智能管理系统的管理方法，采取法规、制度与技术相结合的集成方法，如行政方法、经济方法、法纪方法与基于信息技术的优化、决策方法的集成；1.2.3智能管理系统的设计方法与技术软件集成化则是指智能管理系统在计算机软件实现技术上，采取多库协同技术，在数据库、知识库、模型库、方法库、媒体库软件技术集成的基础上，开发智能管理系统的多库协同软件。在人机智能接口技术上，采用多媒体接口集成技术，利用文字、图像、声音等多种通信媒体，多种输入、输出通信设备，开发

多媒体人机智能接口。1.2.3智能管理系统的设计方法与技术(2)功能集成化。为了适应用户的多层次、多方位和多阶段的功能需求，智能管理系统应具有智能办公系统和智能决策支持系统等系统的功能，因此需要进行功能综合，即将事件处理系统TPS(事件层)、MIS(事务层)、DSS(战略层)的功能集成，取长补短，构成具有高、中、低层的全方位综合管理功能的智能管理系统。1.2.3智能管理系统的设计方法与技术功能集成的逻辑表达式为：(TPS+IMIS+IDSS) IMS。①事件层——智能事件处理系统(TPS)，其功能是为智能管理系统提供事件处理服务。②事务层——智能管理信息系统(IMIS)，其功能是为智能管理系统提供信息管理服务和查询。③IDSS——智能决策支持系统，其功能为智能管理系统的高层决策提供支持和咨询。每层可以是一个或几个智能子系统，共同组成多层次、多功能的综合性智能管理系统，可用于复杂任务和资源的智能管理。1.2.3智能管理系统的设计方法与技术协调化协调化起源于大系统论的“分解一协调”方法和多变量协调控制理论，是组织管理、调度指挥的重要方法。在智能管理系统中，各部分协作完成一项任务和资源共享，不能彼此完全独立地运行。存在着相互依赖和相互制约关系，必须合理分工、协同运作。要实现网络环境中人一机的协调，同时，应用多媒体技术、自然语言理解技术、三维动画与虚拟现实技术等，设计多媒体人机智能界面，实现人机合理分工，达到用户和计算机间的人机协调。1.2.3智能管理系统的设计方法与技术对于智能管理系统所采用的广义模型，需要根据用户需要，对知识模型、数学模型和网络模型等多种模型进行协调，进而构建适应各种管理活动的集成模型。对于智能管理系统所采用的多库协同软件，在实际运行中，则需要进行各个库之间的相互协调，使它们既能独立运作也可以协同运行。1.2.3智能管理系统的设计方法与技术网络化随着经济全球化、科学技术的迅猛发展，企业的外部经营环境正在发生巨大变化。企业在制定经营战略时所面临的问题越来越复杂，传统的战略决策方式显得越来越烦琐和低效，已不能应对迅速变化的市场环境。企业经营者需要定量问题或定量和定性相结合问题的决策方法，需要企业内部的技术、管理、市场、销售和财务人员、多领域的专家或咨询机构等相关个人或部门参与决策过程。为使决策者能迅速、灵活地根据需要对企业经营状况进行多方面的综合评估，从而科学地制定发展战略，促进经营决策的科学化，有必要开发一个灵活、高效、适应性强的企业战略级协作型智能管理系统。1.2.3智能管理系统的设计方法与技术Internet的发展为智能管理系统的研究、开发和应用注入了新的活力。采用Internet／Intranet／Extranet技术，设计和实现于网络的智能管理系统，为协同管理、群体决策提供先进、高

效的支持环境和快捷、方便的操作手段。在“分布式人工智能”(distributed

artificial

intelligence发展中出现了“多智能体系统”(multi—agent

system)与“软

件人”(softman)，为网络化系统问题的求解，提供了计算机科学方法和不依赖传统数学模型的新技术。各智能体、软件人之间的协同工作、协调策略、协商方法的研究，为网络化系统中各子系统的协同运行、协调控制、通信协议提供了新方法和新技术。1.2.3智能管理系统的设计方法与技术2003年，北京科技大学涂序彦教授、曾广平教授从广义人工生命的观点出发，提出了能够模拟、延伸、扩展人的行为和功能的软件实体——软件人。软件人融合了分布式人工智能、迁移计算、并行分布式系

统、移动智体和人工生命等理论与方法，是基于软件技术、

活动于计算机网络、具有拟人活性与行为、能代理人们进入

软件世界从事信息采集、传输、处理和加工的自动软件工具。软件人是智体、数字生命、虚拟人、网络化身、游戏角色等概念共性集成基础上的升华，但在内涵和外延上又与它们有着本质区别。1.2.3智能管理系统的设计方法与技术软件人不仅具有更加全面的拟人智能、拟人结构、拟人功能、拟人情感、拟人遗传、拟人进化等“拟人化”的内在属性和外部行为，而且由于其本体原型嵌入在重构的Linux内核之中，与宿主操作系统共济共生，因而软件人计算模式能有效降低分布式计算中的网络负载，提高通信效率，支持无缝迁移和离线计算，支持异步自主交互，具有安全性和容错能力，更加适合开放、动态的网络环境，更是人体模糊建模与仿真计算的有效软工具。1.2.3智能管理系统的设计方法与技术广义的软件人是具有类似于人的形态、结构、性能、活动或行为的软件模型，是具有拟人形态、拟人结构、拟人智能、拟人情感、拟人活性、拟人行为的软件人工生命，是人的自然生命（Natural

Life，NL）在软件世界中的模拟、延伸或扩展。广义的软件人既有软件人个体，也有软件人群体，由多个软件人个体相互联系，相互通信，可以组成各种类似于人群组织的软件人群体，即：“多软件人系统”（Multi-SoftMan

System，MSMS）。由多种软件人群体可组成“软件人社会”（SoftMan

Society，

SMS），是模拟人类社会（Human

Society，简称HS）的“人工社会”（Artificial

Society，简称AS）的软件模型。1.2.3智能管理系统的设计方法与技术狭义的软件人基本构想是：以人工智能、人工生命和分布式系统为理论基础，结合智能机器人、智能网络和多智体技术，研制出一类网上自动智能工具—软件人。软件人能够在网上自由迁移，采用信息推拉技术自动处理某些指定的任务，充当某类职员角色。如网上安全警察、网上垃圾清洁工、网上信息服务员等。软件人在Internet上给人们的工作、生活和娱乐提供新的巨大空间和便利，同时对解决网络安全隐患引入新的思路。1.2.4智能管理系统的常用技术智能管理系统的常用技术包括：数据挖掘技术、数据仓库技术、广义管理模型、多库协同软件、智能优化方法、多媒体智能接口、启发对象程序、智能仿真技术等。数据挖掘技术数据挖掘是按照既定的业务目标，对大量的数据进行探索，揭示其中隐藏的规律性，并进一步将其模型化的先进、有效的大量数据处理与分析方法。数据挖掘技术使数据仓库成为决策支持的最好工具，能够帮助决策者从海量数据中挖掘出隐藏着的规律性，以支持管理者及时做出正确而科学的经营管理决策。1.2.4智能管理系统的常用技术数据仓库技术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的制定过程，数据仓库技术将分布在商业网络中不同信息岛上的数据集成到一起，存储在一个单一的集成关系型数据库中。利用这种集成信息，可以方便用户对信息的访问，可使决策者对一段时间内的历史数据进行分析，研究事物的发展趋势。1.2.4智能管理系统的常用技术广义管理模型技术广义模型实际上是为了突破单传的数学模型，而采用多种建模方法，从而使模型能够更好地反映真实系统，同时也能够比较容易地处理。采用广义管理模型，通过相应的优化分析、知识推理和图表处理方法，可以为定性、定量的、结构化、半结构化及非结构化的管理决策问题，提供求解的辅助手段。与多库系统系统相配合，可为多方面、多阶段管理服务。建立广义管理模型，可以为用户解决复杂的问题，满足各种用户不同的实际需要。1.2.4智能管理系统的常用技术广义管理模型的基本建模原则是输入输出的因果性、因素的主次性、实际系统的时空性和对象的分离性。在建立广大管理模型之前，要对系统进行细致的因果关系分析，注意可能出现的一因多果和一果多因的关系。要根据系统的实际需要和可能条件，从大量因素中，分清主次、把握影响系统的主要因素和关键问题；要对实际系统的时空特性进行分析研究，以选取和确定广义模型的格式、类型，对模型粒度、步长及智能水平的要求。要注意系统模型的相对独立性，正确合理的划分子系统、子系统边界，明确模型的描述对象和应用范围。建模的方法包括“演绎一归纳”、“分解一联合”、“人一机结合”等。1.2.4智能管理系统的常用技术4．多库协同软件技术现有的大量应用软件，通常是基于面向数值信息的传统数据库技术，但是，在计算机应用实践中，特别是专家系统、模式识别、语言理解、多媒体技术的发展和应用，需要大量非数据信息，如文字、图形、图像、声音、语言等，需要对各种模型、方法进行存储、查询和管理。因此，要求应用软件向多库一体化方向发展。为了实现智能管理系统的软件设计，对数据挖掘、广义模型、智能优化及多媒体人机智能接口提供软件支持，需要应用和开发多库协同软件(multi-based

cooperation

software，MCS)的方法和技术。1.2.4智能管理系统的常用技术多库协同软件系统是智能管理系统的软件实现常用技术，是协同运行的、多库一体化的软件环境，一般将数据库、知识库、案例库、模型库和方法库等系统协同工作，达到系统资源共享、协调运行，不仅可为智能管理提供所需的大量数据信息，而且可以提供有关知识信息咨询服务，还可以为各种管理模型、优化方法的查询、调用、组装、构造提供支持，以及为人-机智能接口提供主动的、多媒体的图形、图像、声音信息的服务。1.2.4智能管理系统的常用技术典型的多库协同软件主要包括“四库”(数据库、知识库、模型库和方法库)、多库协同器、媒体库(包括图形库、图像库、音素库、语料库、文件库、动画库等)及各库相应的管理系统。一般根据用户需求、环境条件的不同，可采用不同的设计方案，如多库并列型、知识主导型和数据基础型等。其中多库协同器在多库协同软件系统中具有重要的地位和重要的作用，一般来说应具有下列功能：协同规划。根据用户需求，通过人一机交互，制定协同的多库调度规划方案，即面向用户实际问题的多库协同问题的操作步骤和应用程序。总控调度。按照协同规划，通过各库的管理系统，进行多库系统的总体控制和分级调度。1.2.4智能管理系统的常用技术(3)人一机协调。接受用户输入的启发信息，对多库协同解题过程进行动态指挥，帮助用户正确使用和访问多库协同系统，实现人一机智能结合。(4)资源共享。多用户、多任务共享多库协同系统的各库资源。(5)冲突仲裁。协调和处理多库资源共享，协同运行中的时间和空间的冲突仲裁。(6)通信联络。包括各库之间的横向通信，用户与各库之间的纵向通信。1.2.4智能管理系统的常用技术5．智能优化技术在智能管理系统中，为了具备综合管理功能，扩大应用服务领域，可以描述诸如优化规划、优化决策、优化调度等优化管理问题，因此，需要基于广义管理模型的智能优化方法来求解各种优化管理的问题。所谓智能优化方法，是在传统的数学意义上的优化方法基础上，将人工智能的知识推理方法、机器学习方法与运筹学、控制理

论的静态、动态优化方法以及最新出现的各种优化算法相结合

的优化方法。1.2.4智能管理系统的常用技术智能优化方法的类型取决于所采用的广义管理模型，一般分为两种：当智能管理系统的广义管理模型为集成模型(如产生式规则与线性规划模型)，相应的智能优化方法为集成型启发线性规划方法，我们称为集成型智能优化方法；如果智能管理系统的广义管理模型为智能模型(如自学习模型或自组织模型等)，则相应的智能优化方法为自学习或自组织类优化方法。1.2.4智能管理系统的常用技术在实际工程系统的优化中，基于数学模型的最优化方法往往难以实际应用，主要困难在于仅用数学模型难以描述实际的复杂系统，而且实际数据可能不准确、信息不充足。相比较而言，智能优化方法具有明显的优势，它的主要特点是：

(1)应用范围大。随着广义管理模型的应用范围的逐渐扩大，智能优化方法睁应用范围将远大于传统的最优化方法。(2)解题效率高。利用启发式知识进行逻辑推理，缩小可行解的空间，从而减少了搜索时间，加快了解题速度，提高了优化问题的求解效率。1.2.4智能管理系统的常用技术组合爆炸的缓解。对子复杂的优化问题，利用智能优化方法与“分解-协调”多级优化方法相结合，可缓解求解过程的组合爆炸问题的产生。求解满意的结果。对于多目标、多约束条件的最优化问题，利用智能优化方法，可以有效地求得满意解或次优解。1.2.4智能管理系统的常用技术6·多媒体智能接口技术在软件设计中，人机接口设计技术是常用的技术之一，对于智能管理软件，为了实现人-机合理分工、人-机智能结合、人-机自然对话、人-机友好交互、人机协调功能，常常采用多媒体智能接口技术。其中人机协调是智能管理系统设计和运行的关键问题。为了实现人机协调，在系统设计中要做到人机合理分工，而在实现中则要提供多媒体的人机智能接口，以便在系统运行中能够进行人机的友好交互，实现人机智能结合，人机协同工作。1.2.4智能管理系统的常用技术在多库协同软件支持下，可以为智能管理系统设计和实现可视化的多媒体人机智能界面，建立人机协调的智能管理系统。多媒体人-机智能接口的设计和开发，需要应用人工智能、模式识别、自然语言理解、计算机视觉和听觉、电视、录像、传真等多种技术有机结合，以形成多媒体智能化的人-机接口。1.2.4智能管理系统的常用技术启发对象程序技术启发式面向对象的程序设计方法是在进行智能管理系统的应用程序设计中常用的技术，这是一种将启发式程序设计与面向对象程序设计相结合起来的方法，简称“启发对象程序”。“启发式程序设计”是人工智能系统的应用程序设计的有效方法。启发式程序设计在专家系统开发中的成功应用，是对该方法作用的最好证明。对于作为人工智能在管理领域中的应用软件的智能管理系统的设计来说，应用启发式程序设计技术是可行的。在进行智能管理系统的程序设计时，要注意既要反映人们进行问题求解的一般思维规律，又要运用有关的专业知识和专家经验；既要使用演绎方法，也要用归纳方法。面向用户需求，灵活使用启发式程序设计方法。1.2.4智能管理系统的常用技术面向对象程序设计是现代软件工程中先进的程序设计思想和方法，现在已经普遍应用于各种软件的设计开发中，与传统的基于过程的程序开发方法相比，它具有显著的优点，如通用、灵活、可靠等。在启发式程序设计与面向对象程序相结合、人工智能与软件工程相结合的基础上，可以发展“启发式面向对象程序设计”。其主要设计思想包括有：面向对象的广义模型、基于知识的对象识别、关系联想知识推理、分级启发问题求解、消息传递、多库协同以及人一机智能软件界面。启发式面向对象的程序设计思想和方法与智能管理系统的设计思想方法是一致的、协调的，是设计各种智能管理系统的常用技术之一。1.2.4智能管理系统的常用技术8．智能仿真技术根据实际情况，采用大系统控制理论，设计不同的系统构建方案仿真技术是现代计算机管理领域中的重要方法和手段，仿真技术是指用计算机技术模拟现实系统的实现过程，分析系统在整个过程中的状态。传统的仿真系统求解过程通常对用户是不透明的，一般不提供关于结果的解释，不评估仿真结果的可信度。这样便存在许多问题，如模型局限性、建模艰巨性、方法局限性、界面单调性以及结果费解性等。因此需要在人工智能与仿真技术相结合的基础上，开发智能仿真技术。1.2.4智能管理系统的常用技术智能仿真技术的开发途径是人工智能(如专家系统、知识工程、模式识别、神经网络等)与仿真技术(如仿真模型、仿真算法、仿真语言、仿真软件等)的集成化。按照智能仿真技术的开发途径，人工智能与仿真技术的集成，可以在不同的层次，以不同的方式，进行组装和结合，从而构成不同类型的智能仿真系统。第三部分 智能技术与方法概述1.3智能技术与方法概述智能是入在认识世界与实践活动中，由思维和脑力活动所体现的能力，即系统能灵活地、有效地、创造性地获取信息、处理信息、利用信息的能力。智能的核心在于知识，包括感性知识和理性知识、经验知识和理论知识。智能技术是基于人工智能和计算智能基础上发展起来的技术，其在管理领域中的应用形成了智能管理相关的技术。随着学科领域研究范围的不断扩大和研究的深入，智能技术包括的内容也不断扩大。1.3智能技术与方法概述智能技术在网络中的应用形成智能网技术，如在通信网络中的应用；智能技术在计算机中的应用形成智能计算机技术，包括体系结构和人机接口的智能化，在系统结构上试图打破冯·诺依曼的体系，实现类似人脑的结构；在智能接口上则依赖于计算机对自然语言理解；智能技术在控制领域中的应用形成智能控制技术，可以用来解决传统方法难以解决的复杂系统的控制问题。智能管理系统是在管理信息系统、办公自动化系统、决策支持系统的功能集成、技术集成的基础上，引用人工智能中的技术与方法的新一代计算机管理系统。主要研究能够应用于智能管理系统的智能技术和方法以及智能管理系统所涉及的一些先进和新颖的技术。1.3智能技术与方法概述智能优化技术和计算智能优化技术所研究的问题是在众多的方案中找出最优方案以及如何形成最优方案，它是一门应用广泛、实用性强的学科。优化技术可以分为两大方面，其一是最优化。其二是智能优化。智能优化是最优化理论的集成与发展，它是以算法为基础，综合运用了人工智能、运筹学、控制理论、大系统理论等内容而形成的。1.3智能技术与方法概述20世纪80年代以来，一些新颖的优化算法，如人工神经网络、遗传算法、进化规划、模拟退火、禁忌搜索、蚁群搜索、粒子群算法及其混合优化策略等，通过模拟或揭示某些自然现象或过程而得到发展，其思想和内容涉及数学、物理学、生物学、人工智能、神经科学和统计力学等方面，为解决复杂问题提供了新的思路和手段。这些算法独特的优点和机制，引起了国内外学者的广泛重视并掀起了该领域的研究热潮，且在诸多领域得到了成功应用。在优化领域，由于这些算法构造的直观性与自然机理，因而通常称作智能优化算法。1.3智能技术与方法概述计算智能是智能优化技术所借鉴的一类重要的方法和技术。经典人工智能是基于知识的，而知识是通过符号进行表示和运用，并被具体化为规则。但是，知识并不能都用符号表示为规则，智能在一定程度上也不都是基于知识的。人们相信，自然智能的物质机构——神经网络的智能是基于结构演化的。因此，20世纪80年代在经典人工智能理论发展出现停顿，而人工神经网络理论出现新的突破时，基于结构演化的人工智能理论——计算智能理论迅速成为人工智能研究的主流方向之一。1.3智能技术与方法概述计算智能是以生物进化的观点认识和模拟智能。按照这一观点，智能是在生物的遗传、变异、生长以及外部环境的自然选择中

产生的。在优胜劣汰的过程中，适应度高的结构被保存下来，智能水平也随之提高。计算智能就是基于结构演化的智能。计算智能系统是在神经网络、模糊系统、进化计算三个分支发展相对成熟的基础上，通过相互之间的有机融合而形成的新的科学方法，也是智能理论和技术发展的崭新阶段。1.3智能技术与方法概述这些不同的方法从表面上看各不相同，但实际上它们是紧密相关、互为补充和促进的。近年来的研究发现：神经网络反映大脑思维的高层次结构；模糊系统模仿低层次的人脑结构；进化系统则与一个生物体种群的进化过程有若干相似的特征。1.3智能技术与方法概述这些研究方法各自可以在某些特定方面起到特殊的作用，但是也存在一些固有的局限。例如神经网络着重智能的微观特征，但研究微观特征并不一定能获得其宏观特征，正如量子力学并不能代替牛顿力学一样。将这些智能方法有机地融合起来进行研究，就能为建立一种统一的智能系统设计和优化方法提供基础。基于这种考虑，将二者结合起来研究已经成为了一种发展趋势。1994年起，IEEE的神经网络、模糊系统、进化计算三大会议合在一起召开，则反映了这种趋势。1.3智能技术与方法概述计算智能的主要方法有人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火、禁忌搜索、蚁群搜索等。这些方法具有以下共同要素：自适应的结构、随机产生的或指定的初始状态、适应度的评测函数、修改结构的操作、系统状态存储器、终止计算的条件、指示结果的方法、控制过程的参数。计算智能的这些方法具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行处理的优点。计算智能在并行搜索、联想记忆、模式识别、知识自动获取等方面得到了广泛的应用。智能优化技术在资源分配、生产计划安排、工程设计、规划、运输、调度等领域都得到了广泛的应用，取得了巨大的经济效益。1.3智能技术与方法概述智能体以智能体(Agent)概念为核心的分布式人工智能理论的研究是当前的另一热点。智能体是代表一切具有智能(无论是自然智能，还是人工智能)为实体的一个抽象名词。它可以描述人，也可以描述机器人、智能设备和智能软件等。智能体置身于某种环境之中，通过传感器感知环境，通过效应器施效于环境。智能体不能在环境中单独存在，而要与多个智能体在同一环境中协同工作，协同的手段是相互通信。但每个智能体都是主动地、自治地工作。1.3智能技术与方法概述分布式人工智能理论在并行程序设计、计算机通信、网络管理与控制等方面有很高的应用价值。Agent的概念源于20世纪70年代，其标志为Hewitt的Agent模型。到了80年代后期，随着计算机网络技术的发展，Agent引起了科学界和企业界的广泛兴趣，Agent也成为人工智能研究乃至整个计算研究中的研究主题和挑战性课题。所谓Agent，它是一种处于一定环境下包装的计算机系统，为了实现设计目的，它能在那种环境下灵活而自主地活动。Wooldridge教授提出了Agent的弱定义，强调一个Agent具

有以下四条基本性质，即自治性、反应性、社交性、主动性。1.3智能技术与方法概述Agent系统(multi—agent

system，MAS)是一个松散耦合的Agent网络，这些Agent通过交互解决超过单个Agent的能力。多Agent系统是通过Agent之间的合作来完成任务