智能决策支持系统我总结doc.docx

智能决策支持系统我总结doc.docx

《智能决策支持系统我总结doc.docx》由会员分享，可在线阅读，更多相关《智能决策支持系统我总结doc.docx（5页珍藏版）》请在冰豆网上搜索。

智能决策支持系统我总结doc

智能决策支持系统我总结

第一章决策支持系统和智能决策支持系统1．智能决策支持系统IDSS是决策支持系统与人工智能技术相结合的产物。

AI是研究如何使机器具有智能的科学与技术。

2．DSS定义是以（信息）为手段，应用决策科学及有关学科的理论和方法，针对某一类型的（半结构化）和（非结构化）的决策问题，通过提供背景材料、协助明确问题、修改完善模型、例举可能方案、进行分析比较等方式，为管理者做出正确决策提供帮助的人机交互式的（信息系统）。

3．决策定义是人们为了达到某一目的而进行的有意识、有选择的行动。

4．决策化问题分类（结构化）决策问题，（半结构）化决策问题；（非结构）化决策问题。

5．Gorry和ScottMortor对DSS的定义“一个在非结构或半结构环境下支持管理决策者的系统”。

6．支持（帮助）或（提高）决策者于决策过程之中而非替代决策者。

7．组织结构中的管理活动可划分为三个层次①战略计划，是面向决策的；②管理控制，面向信息的；③作业控制，是面向数据的。

8．决策的基本要素决策者和决策对象。

9．决策的一般过程（情报收集）、（方案设计）和（方案选择）三个阶段。

10．科学的决策程序发现问题、确定目标、收集情报、探索方案、方案选定和（决策执行）等。

11．决策模式定义是决策系统中以决策过程和客观规律的表述，是决策者进行决策必须遵从的规律。

12．决策模型是人们设计和实现的决策系统的同态系统，是一个客观的现实的系统。

13．决策模式是为了获得科学的决策，决策者应遵循的活动程序和行动原则，它指导决策者进行正确决策。

14．四种决策模式

（1）R模式，即理性模式；

（2）B模式，即有限理性模式；（3）F模式，又称有效理性模式；（4）N模式，即非理性模式。

15．DSS的基本模式管理者处于核心位置，运用自己的知识，把他和DSS的响应输出结合起来，对他所管理的“真实系统”进行决策。

如下图真实系统决策问事与人的行为有关的信息处理数据MIS信息外部数据环境管理者协助人员操作响应对话系统数据库系统模型库系统DSS16.DSS的基本结构两库结构和基于知识的结构两库结构数据库子系统，模型库子系统，对话子系统。

基于知识的结构决策问题，语言子系统，问题处理子系统，知识库子系统。

模型库子系统数据库子系统对话子系统用户基于知识的DSS结构知识库子系统问题处理子系统语言子系统决策问题17.DSS的三个层次（专用DSS）（DSS生成器）（DSS工具）。

18.与DSS有关的五种人员决策者、协助人员、DSS的构造者、技术支持者、工匠。

19.IDSS的主要研究内容

（1）IDSS的结构框架研究

（2）知识表示的研究（3）模型操纵方法的研究（4）知识处理系统的研究（5）接口技术的研究（6）人机界面的研究20.IDSS系统结构的三种类型1DSS知识库文本库（用户接口，知识库，模型库，数据库，文本库，信息词典）2DSS知识库问题求解单元（知识库模型库数据库，问题求解单元，用户接口）3LPK系统（用户，语言子系统，问题处理子系统，知识系统）。

21.知识表示的方法数据库、宏指令、一阶谓词演算，语义网络、框架等。

第二章决策支持系统的基本体系结构1.决策支持系统的体系结构（architecture）指构成决策支持系统的各组成部分的（排列）、（组成）和（相互结合）的方式。

2.DSS的两类基本结构（基于X库的框架结构）、（基于知识的框架结构）。

3.两库结构数据库数据库管理系统模型库管理系统模型库对话系统决策制定者4.三库结构数据库模型库知识库5.四库结构数据库模型库知识库方法库6.五库结构数据库模型库知识库方法库文本库7.六库结构数据库模型库知识库方法库文本库图形语言属性数据部件型模型方法零件型模型8.模型类型的调用关系数据零件型模型方法数据框架型模型方法零件型模型部件型模型9.模型库的分类通用，专用，智能模型库。

10.模型在计算机中存储方式作为子程序存储和作为数据存储,作为语句存储。

11.请简述模型库系统的组成、功能和作用

（1）组成传统DSS的模型库由模型库、模型库管理系统和模型字典组成。

（2）功能通过使用人机交互语言使决策者能方便地利用模型库中各种模型支持决策，引导决策者应用建模语言和自己熟悉的专业语言建立，修改和运行模型。

（3）作用（应用模型获得的输出的作用）①直接用于制订决策。

②对决策的制订提出建设。

③估计决策实施后可产生的后果。

12.数据析取源数据库的数据通过数据转换而形成DSS数据库数据，就是“数据析取”的过程。

它往往是一系列复杂的转换过程。

第三章智能决策支持系统的模型结构1.结构化构模语言（SML）包括六种实体基本实体（PE），复合实体（CE），属性实体（ATT），变量实体（VA），函数实体（FA），测试实体（TA）。

2.SML通过引入依赖变量和索引变量，使各实体之间建立一一对应关系，SML语言是一种表达能力较强的构模语言。

3.定义超市，工厂FACTORY_SUPPLYLINKMARKET_DEMANDTSUPPLYTOTAL_COSTTDEMANDCOSTQUANTITYFactoryMarket图3-1运输模型褓之间的依赖和调用关系PE实体FACTORY和MARKET；ATT实体FACTORY_SUPPLY、MARKET_DEMAND和COST；CE实体LINK；VA实体QUANTITYY；TA实体TSUPPLY和TDEMAND；FA实体TOTALL_COST。

用SML语言来表示这个运输模型vdefinemodeltransportvmodulefactorybeginvPEfactory;vATTfactory_supplyfactory;vEndmodulefactoryvmodulemarketbeginvPEmarket;vATTmarket_demandmarket;vendmodulemarketvmodulelinkbeginvCElinkfactory,market;vATTcostlink;vVAquantitylinkvendmodulelinkvmodulefunctionbeginvTx1factoryquantity,factory_sypplyvFORALLmarketsumquantitylinkfactory,market结构定义4.模型实例含义是向模型结构中增加数据源，是模型结构的数据例化，模型实例的生成过程就是模型的数据例化过程，即把数据源中的数据传到模型输入端口。

模型实例的结构模型实例是一个三元组。

其结构如下模型实例数据源5.基本数据类、模型类、模型结构、模型实例之间的继承与调用关系基本数据类型类模型实例模型结构模型类原子模型类复合模型类第五章人工神经网络与智能决策支持系统1.人工神经网络是由大量的、很简单的处理单元（或称神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特性，是一个高度复杂的非线性动力学系统。

2.神经网络模型的四大类

（1）反馈网络模型

（2）前向网络模型（3）随机网络模型（4）自组织网络模型。

3.神经网络学习算法有导师学习和无导师学习。

有导师学习例如模拟退火算法，BP算法；无导师学习例如竞争学习，相互激励学习算法。

4.神经网络分为前向网络和反馈网络。

前向网络包括感知机和多层前向神经网络。

5.神经网路的基本结构输入层，一个或多个隐层，输出层。

神经元和权值6.监督学习算法原理将训练样本的数据加到网络输入端，同时将相应的期望输出与网络输出相比较，得到误差信号，以此控制权值连接强度的调整，经多次训练后收敛到一个确定的权值w。

BP算法就是一种监督学习算法。

7.BP算法的学习过程原理由两个阶段组成信息的前向传播和误差的反向传播。

前向传播输入信息从输入层经隐层单元逐层处理，并传向输出层，每一层神经元的状态只影响下一层神经元的状态。

误差的反向传播如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，使得误差信号最小。

BP算法的学习过程原理如下图BP算法框图如下图5-4BP算法框图YesYesNoNo8.DSS模型选择的三个层次

（1）模型的类型选择；

（2）模型的结构选择;（3）模型的实例确定.9.常用的趋势外推预测模型结构（六种）10.第6章机器学习与智能决策支持系统1.基本的学习形式有两种即知识获取和技能求精。

2.机器学习是一门研究怎样用计算机来模拟或实现人类学习活动的学科。

它是人工智能中最具有智能特征的前沿研究领域之一。

3.机器学习方法的分类主要的分类方法有四种

（1）按基本学习策略分类；

（2）按知识表示或学习的技能分类；（3）按应用领域分类；（4）按系统性分类。

系统性分类是综合了学习策略、知识表示和应用领域等各项指标的分类。

4.产生式规则的获取和改进有四个基本操作

（1）创建

（2）一般化（3）特殊化（4）合成5.学习系统有两个主要部分即环境和知识库，分别代表外界信息来源和学习成果，并通过执行环节与学习环节对知识进行处理而发生相互作用。

环境、知识库、学习环节和执行环节构成了学习系统的必要组成部分。

执行环节与学习环节间存在着一定的反馈，反映了学习系统的重要特征不断反复的过程。

此外，还可以包括对学习过程进行控制的监督环节（supervisor）以及选取样本或实例的选例环节（instanceselection）。

6.IDSS的基本结构是决策支持系统和专家系统两部分的集成。

DSS由三部分组成

（1）问题处理与人机交互系统；

（2）模型库系统；（3）数据库系统。

专家库也由三部分组成

（1）知识库；

（2）推理机；（3）知识库管理系统。

7.基于机器学习的智能决策支持系统的体系结构组成对话系统，问题求解系统，数据系统，模型系统和知识系统等五个部分。

数据系统由内部数据库、外部数据库和数据库管理系统组成；模型系统由方法库、模型库、模型字典（文本库）和相应的管理系统组成；知识系统由多属性知识库（事实，规则），、知识库管理系统和推理部件组成。

第7章基于自然语言理解的模型自动选择1.自然语言的分析和理解过程的5个层次化过程答语音分析、词法分析、句法分析、语义分析、语用分析。

语音分析是根据音位规则，从语音流中区分出一个个独立的音素，再根据音位形态规则找出一个个音节及其对应的词素或词。

词法分析主要任务是找出词汇的各个词素，从中获得语言学信息。

句法分析是对句子和短语的结构进行分析。

语义分析是通过对句子的分析得出它所表达的实际含义。

语用分析研究语言所在的外界环境对语言使用所产生的影响。

它描述语言的环境知识、语言与语言使用者在某个给定语言环境中的关系。

2.自然语言理解的基本模式分析器组成可以由不同的子分析器组成，或自顶向下，或自底向上，分别对词汇、句法、语义进行逐层分析。

作用对输入字符串的词汇、句法特征做出描述，并用结构表达式给以记录，同时将语义赋给这些结构式。

词典是一个词汇的集合，一般由词根和词缀组成，按一定规则与输入的词汇匹配，并将其携带的句法、语义或语用信息赋给输入词。

这些信息在确定词汇在句中的句法和语义功能方面起着重要作用。

分析器是自然语言理解的核心。

3.自然语言理解分析的关键技术答模式匹配；关键词匹配；句法模式匹配技术；句法分析；自动语句分析法。

4.自然语言理解的含义微观上自然语言理解是一种从自然语言到计算机系统内部形式的一种映射。

宏观上自然语言理解是指计算机能够执行人类所期望的某些语言功能。

第8章遗传算法