第04讲智能决策理论与方法-1(1)解析
决策理论与方法
决策理论与方法决策是人们在面对问题时进行思考、选择和行动的过程。
决策问题的复杂性和多样性使得理论与方法对于决策过程的指导和支持至关重要。
本文将介绍决策理论与方法的基本概念，以及几种常用的决策方法，并通过案例分析来说明其应用。
一、决策理论与方法的基本概念决策理论是研究人们在面对有限信息和不确定性时如何进行决策的学科。
在决策理论中，人们被视为理性的决策者，希望通过决策获得最大的效益或最小的风险。
决策方法是指在决策过程中使用的一种系统的工具或技术。
不同的决策方法适用于不同的决策问题。
常用的决策方法包括定性决策分析、定量决策分析、决策树分析、模糊综合评价等。
二、定性决策分析定性决策分析是一种基于主观判断和经验的决策方法。
在定性决策分析中，决策者主要依靠自身的判断和知识进行决策。
定性决策分析的基本步骤包括：问题定义、准则制定、方案评估和决策选择。
决策者首先明确决策问题，并确定评价准则。
然后，针对每个方案进行评估，将评估结果进行综合分析，并最终选择最优方案。
案例分析：某公司要推出一款新产品，决策者根据市场调研和竞争对手分析，制定了几个评价准则，包括市场需求、竞争优势、技术可行性和经济效益。
决策者根据对每个方案的评估，综合各个准则的权重，最终选择了能够满足市场需求、具有竞争优势、技术可行且经济效益较高的方案。
三、定量决策分析定量决策分析是一种基于数学模型和数据分析的决策方法。
在定量决策分析中，决策者通过收集和分析相关数据，运用数学模型计算和优化方案。
定量决策分析的基本步骤包括：问题定义、数据收集、模型建立、计算求解和方案选择。
决策者首先明确决策问题，并确定需要的数据。
然后，根据问题的特点和约束条件，建立相应的数学模型，并利用计算机进行求解。
最后，根据模型的结果，选择最优方案。
案例分析：某公司需要选择供应商，决策者根据历史数据和市场价格，建立了一个供应商评估模型。
模型考虑了供应商的价格、交货时间、产品质量和服务水平等因素，并赋予了各个因素的权重。
决策理论和方法知识讲解
决策理论和方法知识讲解决策理论和方法是指通过对决策过程、决策者和决策环境的研究来指导和改进决策的学科。
决策理论和方法主要包括决策过程的描述、决策树和概率分析、决策分析和模型、群决策、风险分析和随机性等内容。
下面将从这些方面对决策理论和方法进行详细讲解。
首先，决策过程的描述是指对决策者在特定决策环境下进行决策的过程进行描述和分析。
决策过程通常包括问题定义、信息收集、方案评估、选择方案、实施方案和结果评估等步骤。
决策者在每一步都需要对当前的信息进行分析和判断，以制定最优的决策方案。
其次，决策树和概率分析是指通过构建决策树模型，对决策者在不同选择下的可能结果进行分析和评估。
决策树采用树形结构来表示决策过程，每个节点表示一个决策点，每条路径表示一个决策序列。
概率分析则是在决策树的基础上，通过对可能结果的概率分布进行分析，评估不同决策方案的风险和收益。
决策分析和模型是指通过建立数学或统计模型，对决策问题进行定量分析和评估。
常用的决策分析方法包括线性规划、多目标决策、决策支持系统等。
决策模型则是将决策问题抽象为数学模型，通过模型求解得出最优的决策方案。
群决策是指多个决策者共同参与决策过程，根据不同的决策权重和决策规则来进行协商和决策。
群决策可以通过多个决策者的意见和建议来获取更全面和客观的决策信息，避免个体决策的局限性。
常用的群决策方法包括层次分析法、模糊综合评价法等。
风险分析和随机性是指在决策过程中考虑不确定性和随机性因素对决策结果的影响。
风险分析通过对可能结果的概率分布进行分析，评估不同决策方案的风险水平。
随机性则是通过随机模拟和蒙特卡洛方法来评估不确定性因素对决策结果的影响。
总结起来，决策理论和方法是指通过对决策过程、决策者和决策环境的研究来指导和改进决策的学科。
决策理论和方法主要包括决策过程的描述、决策树和概率分析、决策分析和模型、群决策、风险分析和随机性等内容。
在实际应用中，决策理论和方法可以帮助决策者更科学、合理地制定决策方案，减少决策中的风险和随机性，提高决策效果。
004第四讲 决策理论
管理学通识限选课讲课提纲第四讲决策理论第一节决策的类型与特点一、决策的概念与类型1.组织决策与个人决策2.初始决策与追踪决策3.战略决策与战术决策何谓决策？何谓追踪决策？追踪决策有哪些特点？所谓决策，是指组织或个人为了实现某种目标而对未来一定时期内有关活动的方向、内容及方式的选择或调整过程，初始决策是指组织对从事某种活动或从事该种活动的方案所进行的初次选择；追踪决策则是在初始决策的基础上对组织活动方向、内容或方式的重新调整。
与初始决策相比，追踪决策具有如下特点：（1）回溯分析。
初始决策是在分析当时条件与预测未来基础上制定的，而追踪决策则是在原来方案已经实施，并发现环境发生了重大变化或与原先认识的环境有重大区别的情况下进行的。
因此，追踪决策须从回溯分析开始。
回溯分析就是对初始决策的形成机制与环境进行客观分析，列出错误的原因，以便有针对性地采取调整措施。
当然追踪决策是一个扬弃过程，对初始决策的合理内核还应保留。
因此，回溯分析还应发掘初始决策中的合理因素，以之作为调整或改变的基础。
（2）非零起点。
初始决策是在有关活动尚未进行，因此对环境尚未产生任何影响的前提下进行的。
追踪决策则不然。
它所面临的条件与对象，已经不是处于初始状态，而是初始决策已经实施，因而受到了某种程度地改造、干扰与影响。
也就是说，随着初始决策的实施，组织已经消耗了一定的人财物资源，环境状况已发生了变化。
（3）双重优化。
初始决策是在已知的备选方案中择优，而追踪决策则需双重优化，也就是说，追踪决策所选的方案，不仅要优于初始决策方案，因为只有在原来的基础上有所改善，追踪决策才有意义。
而且要能够改善初始决策实施过程中的各种可行方案，选择最优化或最满意者。
第一重优化是追踪决策的最低要求，而后一重优化是追踪决策应力求实现的根本目标。
战略决策与战术决策有何区别？在管理学的研究中，战略决策与战术决策的区别主要表现在以下几个方面：第一，从调整对象上看，战略决策调整组织的活动方向和内容，战术决策调整在既定方向和内容下的活动方式。
决策理论与方法
决策理论与方法决策是指在面对不同选择时，通过一系列思考和分析，做出最终的选择。
在个人生活和组织管理中，决策都扮演着至关重要的角色。
决策的好坏直接关系到个人和组织的发展和成败。
因此，决策理论和方法的研究显得尤为重要。
首先，要了解决策的基本原理。
决策理论主要包括了主观理性决策和行为决策两种类型。
主观理性决策是指在完全信息条件下，个体可以准确地评估各种选择，并做出最优决策。
而在现实生活中，信息是不完全的，因此行为决策更为常见。
行为决策是指在不完全信息条件下，个体根据自身的认知和经验做出决策。
了解这些基本原理有助于我们更好地理解决策的本质和特点。
其次，要掌握决策的方法和技巧。
在决策过程中，我们可以运用多种方法来提高决策的质量。
比如说，决策树是一种常用的决策分析方法，通过构建决策树模型，可以清晰地展现每个决策节点的选择和结果，帮助决策者做出更明智的选择。
此外，头脑风暴、SWOT分析、成本效益分析等方法也都可以在不同场合发挥重要作用。
掌握这些决策方法和技巧，可以帮助我们更加科学地进行决策，提高决策的准确性和效率。
再者，要注意决策的风险和不确定性。
在实际决策过程中，我们往往面临各种风险和不确定性。
比如说，市场的变化、竞争的加剧、技术的更新等都会给我们的决策带来不确定因素。
因此，在决策过程中，我们需要充分考虑到这些风险和不确定性，采取相应的措施来降低风险，增加决策的成功概率。
最后，要不断总结和反思。
决策是一个不断学习和提高的过程。
我们在实际决策中，不可避免地会犯错，但重要的是能够从错误中吸取教训，不断总结和反思。
只有不断提高自身的决策能力，才能在面对复杂的环境和问题时，做出更加明智和有效的决策。
综上所述，决策理论和方法是一个复杂而又重要的课题。
通过深入学习和理解决策的基本原理、掌握决策的方法和技巧、注意决策的风险和不确定性，以及不断总结和反思，我们可以提高自身的决策能力，更加科学地进行决策，为个人和组织的发展创造更大的价值。
第04讲智能决策理论与方法-1.ppt
数据预处理—空值估算
❖ 空值是指属性值未知且不可用、与其它任何值都不相同的符 号。在样本数据集中，空值在所有非主码属性中都可能出现。 空值出现的主要原因： ✓ 在信息收集时忽略了一些认为不重要的数据或信息提供 者不愿意提供，而这些数据对以后的信息处理可能是有 用的； ✓ 某些属性值未知； ✓ 数据模型的限制。
2020年10月17日9时50分
知识发现—动机
推理机
推理结果
问题请求
决策者
知识库
数据挖掘工具
背景知识 领域专家
数据中心
❖ 优点 ✓ 知识独立于问题本身 ✓ 知识的获取主要通过数据挖掘实现 ✓ 有创造性收获
决策理论与方法-智能决策理论与方法
2020年10月17日9时50分
Data Mining within the DSS
若其属性ci
的取值在区间
[ci j 1
,
ci j
)(
j
(1,2,,
ki
))
内，则将属
性值重新标记为j。这样就把原来含有连续属性的样本数据集
A转换成离散化的数据集 AP 。因此离散化问题本质上可归结
为利用选取的分割点对属性的值域空间进行划分的问题。
决策理论与方法-智能决策理论与方法
2020年10月17日9时50分
等信息量分割首先将测量值进行排序，然后将属性值域分成 k个区间，每个区间包含相同数量的测量值。假设某个属性 的最大属性值为xmax ，最小属性值为xmin ，用户给定的分割 点参数为k，样本集中的对象个数为n，则需要将样本集中的 对象按该属性的取值从小到大排列，然后按对象数平均划分 为k段即得到分割点集，每两个相邻分割点之间的对象数均 为n/k。
❖ 解决问题的主要理论方法：人工智能与不确定性理论
第04讲智能决策理论与方法1
知识发现—空值估算
v 空值处理的常用方法： ™ 从训练集中移去含未知值的实例； ™ 用某个最可能的值进行替换； ™ 基于样本中其它属性的取值和分类信息，构造规则来预 测丢失的数据，并用预测结果“填补”丢失值； ™ 应用贝叶斯公式确定未知值的概率分布，选择一最可能 的值填补空值或根据概率分布用不同值填补空值形成多 个对象； ™ 将含有未知值的一个给定样本数据集转换成一个新的、 可能不相容的但每个属性值均已知的数据集，方法是将 某个属性的未知值用所有该属性的可能值替换形成多个 数据集。
™ 聚类(相容关系)：聚类也叫分段，就是将数据库中的实 体分成若干组或簇，每簇内的实体是相似的。规则形式 为IF O1与O2相似 Then O1、O2在同一簇。对象相似的判 断方法有多种如距离法。典型方法：K-means
第04讲智能决策理论与方法1
知识发现—基本概念
™ 发现特征规则：特征规则是刻划某个概念的特征的断言， 它相当于分类规则的逆命题。例如病症是某种疾病的特 征。规则一般形式是：IF A类 Then 特征表达式。
第04讲智能决策理论与方法1
知识发现—基本概念
™ 结果评价：确定所发现模式的可信度。基本方法是将样 本数据集分成二部分，一部分是训练集用来发现模式， 另一部分是测试集，分析结果的可信度。
™ 处理结果维护：信息处理所涉及的样本数据集常常是动 态变化的，因此需要对所处理的结果进行维护以保证结 果与数据的变化相一致。维护可以对数据变化引起的特 殊问题重新应用所建立的处理方法，或者应用某种增量 处理算法。
•·规则归纳 •·贝叶斯网络
•·基于案例推 •·模糊逻辑
理
•·粗糙集理论
•·遗传算法 •·证据理论
•·神经网络
第04讲智能决策理论与方法-176
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
数据预处理—连续属性离散化
问题描述
1 23
ki-1 ki
……
c si
ci 0
ci 1
i 2
c c e i
i
ki 1
ki
i
设 A U, C D 为一样本数据集，U {x1 , x2 ,, xn } 为非空有限
集合，C是条件属性集，D是决策属性集。假设对于任意ci C
2019年11月22日7时0分
智能决策理论与方法
1、智能决策理论的形成背景 2、知识发现 3、粗糙集理论 4、机器学习
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
知识发现—动机
智能决策的核心是如何获取支持决策的信息和知识。
推理机
推理结果
问题请求
决策者
知识库
知识工程师 领域专家
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
数据预处理—空值估算
空值处理的常用方法： 从训练集中移去含未知值的实例； 用某个最可能的值进行替换； 基于样本中其它属性的取值和分类信息，构造规则来预 测丢失的数据，并用预测结果“填补”丢失值； 应用贝叶斯公式确定未知值的概率分布，选择一最可能 的值填补空值或根据概率分布用不同值填补空值形成多 个对象； 将含有未知值的一个给定样本数据集转换成一个新的、 可能不相容的但每个属性值均已知的数据集，方法是将 某个属性的未知值用所有该属性的可能值替换形成多个 数据集。
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
为什么要开展数据挖掘？
智能决策技术原理及应用
智能决策技术原理及应用
智能决策技术指的是一类技术，它能够帮助人们做出高效、准确的决策。
这类技术的应用领域涵盖从管理决策、经济决策到科学决策等方面。
它通过对问题进行分析，发现最优解，从而帮助决策者更好地拟定和维持决策，提高政策可行性，并做出更明智的决策。
智能决策技术在核心原理上采用计算机科学、计算机技术和系统工程学等学科融合，把复杂的决策任务变成可计算的模型，然后使用计算机技术进行运算和处理，解决实际决策问题。
具体来讲，智能决策技术包括以下几个部分：
1.概念表示：为表达决策问题建立一套本体、概念和术语；
2.模型建立：建立决策问题的模型，以明确目标函数和决策变量；
3.技术：使用方法，决策空间中的可行解；
4.决策分析：对到的最优解进行分析，使决策更加明智、安全。