智能DSS和智能技术的决策支持概要

知识库 知识部件 知识库管理系统 推理机
3.1.2 IDSS的结构
1.人工智能的决策支持技术
（1）专家系统
（2）神经网络 （3）遗传算法 （4）机器学习 （5）自然语言理解
2.智能决策支持系统结构形式
（1）.IDSS的基本结构形式
问题综合与交互系统
模型库管理系统
数据库管理系统
模型库
人工智能技术 专家系统 神经网络 遗传算法 机器学习 自然语言理解
框架表示法的优点
结构性：善于表示结构性知识，能够把知识的 内部结构关系以及知识间的特殊联系表示出来。
深层性：可从多个方面、多重属性表示知识， 可通过嵌套结构分层地表示知识。 继承性：下层框架可继承上层框架的值。
自然性：把某个实体或实体集的相关特性都集 中在一起，直观、自然，易于理解。
框架表示法的缺点
then B，即如果A成立则B成立， A→B。
规则库就是以这种知识表示方法标识的知
识的集合。
3.2.2（续）
2.框架表示法（教材p190）
框架表示法是在框架理论的基础上发展起来的一种
结构化知识表示法。
一个框架由一组描述事物的各个方面的槽（属性） 组成。 每个槽又可包含若干侧面，每个侧面都有自己的名 字和填入的值。
状态空间
由问题的全部状态及一切可用算符所构成的集合称
为问题的状态空间，一般用一个三元组表示： （S，F，G） 其中 S是问题的所有初始状态构成的集合，F是算符 的集合；G是目标状态的集合。 状态空间的图示形式称为状态空间图。其中，节点 表示状态，有向边(弧)表示算符。
总结：
算符的一次使用，就使问题由一种状态转变为另一种状
从概念节点间问它们之间的关系
通过概念和关系问其他节点
4. 面向对象表示法
（教材p194）
3.2.2 （续）
对象的概念——（略） 类的概念——（略）
面向对象的基本特征：
模块性、封装性、继承性、多态性、易维护性。
3.2.3 搜索技术
1.问题求解过程的形式表示 状态空间表示法 与或树表示法 2.盲目搜索方法 广度优先搜索法 深度优先搜索法 生成测试法 爬山法 3.启发式搜索
态。可能有多个算符序列都可使问题从初始状态变到目 标状态，这就得到了多个解。其中有的使用算符较少， 有的较多，我们把使用算符最少的解称为最优解。
对任何一个状态，可使用的算符可能不止一个，因而由
一个状态所生成的后继状态就可能有多个。当对这些后 继状态使用算符时，首先应对哪—个后继状态进行操作， 取决于问题求解采用的搜索策略。搜索策略将影响问
S1是P，S2 是P…… Sn是P，
S1…Sn是S类中的部分分子，而且没有遇到相反的事例 所以，S类事物都是P
（3）类比推理：
由两个（或两类）事物在某些属性上相同，进而 推断它们在另一个属性也可能相同的推理。 A事物有a、b、c、d属性，B事物有a、b、c属性（ a，、 b，、c，相似属性） 所以，B事物也可能有d 属性（或d，相似属性）
②．等价变换
对于一个复杂问题，除了可用“分解”方法进行求 解外，还可利用同构或同态的等价变换，把它变换成 若干个较容易求解的新问题。若新问题中有一个可求 解，则就得到了原问题的解。
问题的等价变换过程也可用一个图表示出来，称为 “或”树。例如，问题 P 被等价变换为新问题 P1，P2， P3 ，可用图表示。其中，新问题P1，P2，P3中只要有一 个可解，则原问题就可解。我们称P1，P2，P3之间存在 “或”关系：节点P称为“或”节点；由P、 P1，P2，P3 所构成的图是一个“或”树。
缺乏框架的形式理论：没有建立框架的形 式理论，其推理和一致性检查机制并没有基 于良好定义的语义。 缺乏过程性知识的表示：缺乏如何使用框 架中知识的描述能力。 清晰性难以保证
3.语义网络表示法
（教材p193）
3.2.2 （续）
用节点表示概念，用弧线表示概念之间的关系，将领 域知识表示成一种结构图形式；节点分为实例节点和 类节点。 在语义网络中，主要的形式推理过程有继承和匹配 两类，通过这样的推理来寻找概念之间的内在联系：
假言推理
（1）演绎推理
三段论推理
假言易位推理
2.推理的 Байду номын сангаас类
数学归纳法
（2）归纳推理
枚举归纳推理
（3）类比推理
（1）演绎推理
假言推理：“如果p，那么q”为真，同时“p”为真，则
推出“q”为真。
p→q，p┝ q
三段论推理：“如果p，那么q”为真，同时“如果q，
那么r”为真，则推出“如果p，那么r”为真。
知识表示的概念：知识表示是对知识的一种描述，
即用一些约定的符号把知识编码成一组计算机可以 接受的数据结构。
知识表示应该满足的要求： 表示能力 可利用性 可组织性与可维护性 可实现性 自然性与可理解性
3.2.2 （续）
1.产生式规则（教材p190）
产生式规则知识一般表示为：if A
3.3.1 专家系统的原理 3.3.2 专家系统与决策支持系统 的集成
3.4 主要智能技术介绍
3.4.1 神经网络的决策支持 3.4.2 遗传算法的决策支持 3.4.3 机器学习的决策支持
3.1.1 智能决策支持系统概念
IDSS ＝
AI
＋
DSS
模型技术 数据处理技术
知识推理技术
定性分析能力
定量分析能力
状态：
状态是描述问题求解过程中任—时刻状况的数
据结构，可用一组变量的有序集表示： Sk＝(Sk1，Sk2，…，Skn) 当给每一个分量以确定的值时，就得到了一个 具体的状态。
算符：
引起状态中某些分量发生变化，从而使问题由
一个状态变为另一个状态的操作称为算符。在产 生式系统中，每—条产生式规则就是一个算符。
题求解过程的效率。
1.问题求解过程的形式表示
（2）与或树表示法
与／或树表示法也称为问题归约方法。它把初
始问题通过一系列变换最终变为一个子问题集合， 而这些子问题的解可以直接得到，从而解答了初 始问题。
问题变换的方法有分解和等价变换两种。
①．分解
把一个复杂问题分解为若干个较为简单的子 问题，每个子问题又可继续分解为若干个更 为简单的子问题。重复此过程，直到不需要 再分解或者不能再分解为止。然后对每个子 问题分别进行求解，最后把各子问题的解复 合起来就得到了原问题的解。
1981年，Bonczek提出了DSS三系统结构，该结构 中有“知识系统”，使得不少学者将DSS划为人工智 能的范畴，研究知识表示与知识推理，这样，DSS与 人工智能的专家系统的界限变得模糊了。 1980年，Spraque提出DSS的三部件结构，是传统 DSS结构 的典型代表。 IDSS实际上就是在DSS基础上增加了知识部件。
⑤．可解节点
在与／或树中，满足下列条件之一，称为可解节点： 它是一个终止节点。 它是一个“或”节点，且其子节点至少有一个是可 解节点。 它是一个“与”节点，且其子节点全部是可解节点。
⑥.不可解节点
可解节点的三个条件都不满足的节点为不可解节点。
⑦．解树
由可解节点所构成的，并且由这些可解节点可
第三讲
智能DSS和智能技术的决 策支持
主要内容：教材第8章和第 5章三、四、五节
3.1 智能决策支持系统概述
3.1.1 智能决策支持系统概念 3.1.2 智能决策支持系统结构
3.2 人工智能基本原理
3.2.1 逻辑推理 3.2.2 知识表示与推理
3.2.3 搜索技术
3.3 专家系统与智能决策支持系统
例如，把问题P分解为三个子问题P1，P2，P3，可用图表 示。 P1，P2，P3是问题P的三个子问题，只有当这三个 子问题都可解时，问题P才可解，称P1，P2，P3之间存在 “与”关系；称节点P为“与”节点；由P、 P1，P2，P3 所构成的图称为“与”树。在图中，为了标明某个节点 是“与”节点，通常用一条弧把各条边连接起来。
一般框架的结构:
<框架名>frame
<槽名1> slot <侧面11> 值11 <侧面12> 值12 …… <侧面21> 值21 <侧面22> 值22 ……
<槽名2> slot
具体值value 默认值default
槽值的几种类型:
过程值procedure 另一框架名
空 匹配
继承
填充槽值的两种主要方法:
分解和等价变换也可结合起来使用，此时的图称为“与 / 或”树。其中既有“或”节点，也有“与”节点， 如右图所示。
③ 本原问题
• 不能再分解或变换，而且直接可解的子问题称为
本原问题。
④ 端节点与终止节点
• 在与／或树中，没有子节点的节点称为端节点；
本原问题所对应的节点称为终止节点。终止节点 一定是端节点，但端节点不一定是终止节点。
（1）广度优先搜索法——例子
重排九宫问题，在3x3的方格棋盘上放置分别标有 数字1、2、3、4、5、6、7、8共8个棋子，初始状 态为S0，目标状态为Sg，如图1所示。可使用的算 符有： 空格左移，空格上移，空格右移，空格下移。 即只允许把位于空格左、上、右、下的邻近棋子 移入空格。要求寻找从初始状态到目标状态的路 径。
3.总结
（1）演绎推理的结论没有超出已知的知识范围，而归 纳推理和类比推理的结论超出了已知的知识范围； （2）演绎推理中由于前提和结论有必然联系，只要前提 为真，结论一定为真。归纳推理和类比推理中前提和结论， 不能保证有必然联系，具有或然性。这样的结论未必是可 靠的。
3.2.2 知识表示与推理（教材p187）
1.问题求解过程的形式表示