1、第一章 決策支持系統和智能決策支持系統1 智能決策支持系統IDSS是決策支持系統與人工智能技術相結合的產物。AI是研究如何使機器具有智能的科學與技術。2 DSS定義：是以（信息）為手段，應用決策科學及有關學科的理論和方法，針對某一類型的（半結構化）和（非結構化）的決策問題，通過提供背景材料、協助明確問題、修改完善模型、例舉可能方案、進行分析比較等方式，為管理者做出正確決策提供幫助的人機交互式的（信息系統）。3 決策定義：是人們為了達到某一目的而進行的有意識、有選擇的行動。4 決策化問題分類：（結構化）決策問題，（半結構）化決策問題；（非結構）化決策問題。5 Gorry和Scott Mortor

2、對DSS的定義：“一個在非結構或半結構環境下支持管理決策者的系統”。6 支持：（幫助）或（提高）決策者于決策過程之中而非替代決策者。7 組織結構中的管理活動可劃分為三個層次：戰略計劃，是面向決策的；管理控制，面向信息的；作業控制，是面向數據的。8 決策的基本要素：決策者和決策對象。9 決策的一般過程：（情報收集）、（方案設計）和（方案選擇）三個階段。10 科學的決策程序：(發現問題)、(確定目標)、(收集情報)、(探索方案)、(方案選定)和（決策執行）等。11 決策模式定義：是決策系統中以決策過程和客觀規律的表述，是決策者進行決策必須遵從的規律。12 決策模型是人們設計和實現的決策系統的同態系

3、統，是一個客觀的現實的系統。13 決策模式是為了獲得科學的決策，決策者應遵循的活動程序和行動原則，它指導決策者進行正確決策。14 四種決策模式 ：（1）R模式，即理性模式；（2）B模式，即有限理性模式；（3）F模式，又稱有效理性模式；（4）N模式，即非理性模式。15 DSS的基本模式：管理者處于核心位置，運用自己的知識，把他和DSS的響應輸出結合起來，對他所管理的“真實系統”進行決策。如下圖 真實系統決策問事與人的行為有關的信息處理數據MIS信息外部數據環境 管理者協助人員操作響應 對話系統數據庫系統模型庫系統DSS 16.DSS的基本結構： 兩庫結構和基于知識的結構兩庫結構 ：數據庫子系統

4、，模型庫子系統，對話子系統 。基于知識的結構：決策問題，語言子系統，問題處理子系統，知識庫子系統。模型庫子系統數據庫子系統對話子系統用戶基于知識的DSS結構知識庫子系統問題處理子系統語言子系統決策問題17.DSS的三個層次：（專用DSS）（DSS生成器）（DSS工具 ）。18.與DSS有關的五種人員：決策者、協助人員、DSS的構造者、技術支持者、工匠。19.IDSS的主要研究內容？ （1）IDSS的結構框架研究（2）知識表示的研究（3）模型操縱方法的研究（4）知識處理系統的研究（5）接口技術的研究（6）人機界面的研究20.IDSS系統結構的三種類型： (1)DSS+知識庫+文本庫（用戶接口，知

5、識庫，模型庫，數據庫，文本庫，信息詞典） (2)DSS+知識庫+問題求解單元（知識庫 模型庫 數據庫，問題求解單元，用戶接口） (3)LPK系統（用戶，語言子系統，問題處理子系統，知識系統）。21.知識表示的方法：數據庫、宏指令、一階謂詞演算，語義網絡、框架等。第二章 決策支持系統的基本體系結構1. 決策支持系統的體系結構（architecture）：指構成決策支持系統的各組成部分的（排列）、（組成）和（相互結合）的方式。2. DSS的兩類基本結構：（基于X庫的框架結構）、（基于知識的框架結構）。3. 兩庫結構：數據庫+數據庫管理系統+模型庫管理系統+模型庫 對話系統 決策制定者 4. 三庫結

6、構：數據庫+模型庫+知識庫5. 四庫結構：數據庫+模型庫+知識庫+方法庫6. 五庫結構：數據庫+模型庫+知識庫+方法庫+文本庫7. 六庫結構：數據庫+模型庫+知識庫+方法庫+文本庫+圖形語言屬性數據部件型模型方法零件型模型8. 模型類型的調用關系：數據零件型模型方法數據框架型模型方法零件型模型部件型模型9. 模型庫的分類：通用，專用，智能模型庫。10. 模型在計算機中存儲方式：作為子程序存儲和作為數據存儲,作為語句存儲。11. 請簡述模型庫系統的組成、功能和作用？（1）組成：傳統DSS的模型庫由模型庫、模型庫管理系統和模型字典組成。（2）功能：通過使用人機交互語言使決策者能方便地利用模型庫中各

7、種模型支持決策，引導決策者應用建模語言和自己熟悉的專業語言建立，修改和運行模型。（3）作用（應用模型獲得的輸出的作用）直接用于制訂決策。對決策的制訂提出建設。估計決策實施后可產生的后果。12. 數據析取：源數據庫的數據通過數據轉換而形成DSS數據庫數據，就是“數據析取”的過程。它往往是一系列復雜的轉換過程。第三章 智能決策支持系統的模型結構1. 結構化構模語言（SML） 包括六種實體：基本實體（PE），復合實體（CE），屬性實體（ATT），變量實體（VA），函數實體（FA），測試實體（TA）。2. SML通過引入依賴變量和索引變量，使各實體之間建立一一對應關系，SML語言是一種表達能力較強的構

8、模語言。3. 定義超市，工廠FACTORY_SUPPLY LINK MARKET_DEMANDT:SUPPLY TOTAL_COST T:DEMANDCOST QUANTITYFactory Market圖 3-1 運輸模型褓之間的依賴和調用關系PE實體 ：FACTORY和MARKET；ATT實體 ：FACTORY_SUPPLY、MARKET_DEMAND和COST；CE實體：LINK；VA實體：QUANTITYY；TA實體：T：SUPPLY和T：DEMAND；FA實體：TOTALL_COST。用SML語言來表示這個運輸模型：v define model transportv module f

9、actory beginv PE: factory;v ATT: factory_supply (factory );v End module factoryv module market beginv PE: market;v ATT: market_demand (market);v end module marketv module link beginv CE: link (factory, market);v ATT: cost (link);v VA: quantity (link):v end module linkv module function beginv T: x1(f

10、actory:quantity,factory_sypply)=v FORALL(market) sum(quantity(link(factory,market)<factory_supply(factory);v T: x2(market:quantity,market_demand)=v FORALL(factory) sum(quantity(link(factory,market)<market_demand;v F: total_cost(cost,quantity)=FORALL(market,factory) sum (cost (link (factory,v m

11、arket)*quantity(link(factory,market)v end module functionv enddfine4. 幾種常用的模型表示方法：模型表示的實體關系模型;結構化構模；面向對象的模型表示法；模型的數據表示法；模型的框架表示法；模型抽象表示法；構模語言表示模型。5. 模型的框架表示：用框架表示模型，并提出模型類、模型結構和模型實例三個從抽象到具體的繼承層次。模型結構是模型類的結構例化，將應用領域知識增加到模型類中就得到模型模板。模型類名表示該模型模板所對應的模型類，模型模板可繼承模型類的特性如輸入輸出變量類型和求解算法等。模型實例是模型模板的數據例化，即指明輸入端

12、口的數據來源。數據源可以是用戶自定義函數、數據庫名稱或其他模型實例。模型類是一個六元組：= (輸入表,輸出表,中間變量表,約束條件表,方法表,模型設定表)模型模板是一個六元組：= (模板名稱,模型類名,輸入表,輸出表,目標函數表,約束條件表)模型實例是一個二元組：=（模型模板，數據源）。6. 模型自動生成的一般方法：（1）基于類比推理的模型自動生成；（2）基于一階謂詞演算的模型自動生成；（3）模型語義繼承網；（4）模型管理系統中的機器學習。7. 機器學習：學習是一個有特定目的的知識獲取過程：其內部表現為新知識結構的建立和修改，外部表現為性能的改善。機器學習就是用計算機實現這一過程。8. 模型合

13、成：指兩個或兩個以上獨立的模型之間的互連。即一個或幾個模型的輸出可以作為其他模型的輸入。9. IDSS中的模型復合：在IDSS中，如果模型庫中不存在與目標匹配的單個模型，模型庫管理系統需要確定求解一系列問題的模型集合，并將這此模型元素組織起來。10. 自然語言難于理解的三個因素： （參第7章）（1）供匹配的目標表達的復雜性；（2）映射的類型的多樣性，有一對一、多對一、一對多和多對多映射；（3）源表達中各元素間的關聯程度。11. 對語句理解可以采用的三種手段為：關鍵字匹配、句法分析和語義分析。模型類模型結構模型例化的三個層次原子模型類復合模型類模型事件抽象具體第四章 基于面向對象方法的模型管理1

14、.模型例化的三個層次: 2. SML語言的六種實體符號表示。3. 模型結構是一個四元組，它以元組的形式存于數據庫中，表示為：模型結構=<結構名，類名，方法，結構定義表>結構定義=<塊名，實體名稱，實體類型，依賴實體，數據類型，輸入輸出，類端口映射，意義>4. 模型實例含義：是向模型結構中增加數據源，是模型結構的數據例化，模型實例的生成過程就是模型的數據例化過程，即把數據源中的數據傳到模型輸入端口。模型實例的結構：模型實例是一個三元組。其結構如下：模型實例:=<實例名，模型結構名，數據源表>數據源:=<實體名稱，依賴褓，關系名稱，實體字段，依賴字段名，約

15、束條件>5. 基本數據類、模型類、模型結構、模型實例之間的繼承與調用關系基本數據類型類模型實例模型結構模型類原子模型類復合模型類第五章 人工神經網絡與智能決策支持系統1.人工神經網絡是由大量的、很簡單的處理單元（或稱神經元）廣泛地互相連接而形成的復雜網絡系統，它反映了人腦功能的許多基本特性，是一個高度復雜的非線性動力學系統。2.神經網絡模型的四大類：（1） 反饋網絡模型（2）前向網絡模型（3）隨機網絡模型（4）自組織網絡模型。3.神經網絡學習算法：有導師學習和無導師學習。有導師學習例如模擬退火算法，BP算法；無導師學習例如競爭學習，相互激勵學習算法。4. 神經網絡分為前向網絡和反饋網絡。

16、前向網絡包括感知機和多層前向神經網絡。5. 神經網路的基本結構：輸入層，一個或多個隱層，輸出層。神經元和權值 6. 監督學習算法原理：將訓練樣本的數據加到網絡輸入端，同時將相應的期望輸出與網絡輸出相比較，得到誤差信號，以此控制權值連接強度的調整，經多次訓練后收斂到一個確定的權值w。BP算法就是一種監督學習算法。7. BP算法的學習過程原理？由兩個階段組成：信息的前向傳播和誤差的反向傳播。前向傳播：輸入信息從輸入層經隱層單元逐層處理，并傳向輸出層，每一層神經元的狀態只影響下一層神經元的狀態。誤差的反向傳播：如果在輸出層不能得到期望的輸出，則轉入反向傳播，將誤差信號沿原來的連接通路返回，通過修改各

17、層神經元的權值，使得誤差信號最小。BP算法的學習過程原理如下圖：BP算法框圖如下：圖5-4 BP算法框圖YesYesNoNo8. DSS模型選擇的三個層次：（1）模型的類型選擇；（2）模型的結構選擇;（3）模型的實例確定.9. 常用的趨勢外推預測模型結構（六種） 10. 第6章 機器學習與智能決策支持系統1. 基本的學習形式有兩種：即知識獲取和技能求精。2. 機器學習：是一門研究怎樣用計算機來模擬或實現人類學習活動的學科。它是人工智能中最具有智能特征的前沿研究領域之一。3. 機器學習方法的分類 主要的分類方法有四種：（1） 按基本學習策略分類；（2） 按知識表示或學習的技能分類；（3） 按應用

18、領域分類；（4） 按系統性分類。系統性分類是綜合了學習策略、知識表示和應用領域等各項指標的分類。4. 產生式規則的獲取和改進有四個基本操作：（1）創建（2）一般化（3）特殊化（4）合成5. 學習系統有兩個主要部分：即環境和知識庫，分別代表外界信息來源和學習成果，并通過執行環節與學習環節對知識進行處理而發生相互作用。環境、知識庫、學習環節和執行環節構成了學習系統的必要組成部分。執行環節與學習環節間存在著一定的反饋，反映了學習系統的重要特征不斷反復的過程。此外，還可以包括對學習過程進行控制的監督環節（supervisor）以及選取樣本或實例的選例環節（instance selection）。6. IDSS的基本結構是決策支持系統和專家系統兩部分的集成。DSS由三部分組成：（1）問題處理與人機交互系統；（2）模型庫系統；（3）數據庫系統。專家庫也由三部分組成：（1）知識庫；（2）推理機；（3）知識庫管理系統。 7. 基于機器學習的智能決策支持系統的體系結構組成：對話系統，問題求解系統，數據系統，模型系統和知識系統等五個部分。 數據系統由內部數據庫、外部數據庫和數據庫管理系統組成；模型系統由方法庫、模型庫、模型字典（文本庫）和相應的管理系統組成；知識系統由多屬性知識庫（事實，規則），、