智能决策研究报告

数据处理与智能决策研究报告一．概述：本次研究报告主要对三个方面进行了探究，智能决策支持系统概述，智能决策支持系统中的数据处理方法以及智能决策支持系统的应用。智能支持决策系统的综述分决策支持系统和人工智能两方面。智能决策支持系统中的数据处理方法从数据挖掘，数据仓库和OLAP三方面进行描述。智能决策支持系统的应用主要从智能决策支持系统的各方面综合，概括了其在生活以及以后的发展和应用。二．智能决策支持系统综述：智能决策支持系统（IntelligentDecisionSupportSystems,IDSS）是决策支持系统（DecisionSupportSystem，DSS）与人工智能（ArtificialIntelligent,AI）技术相结合的系统。它的体系结构为3库系统，即数据库，模型库和知识库。智能决策支持系统从智能决策支持系统的概念可知智能决策支持系统中包含了人工智能技术，与决策支持有关的人工智能技术主要有：专家系统、神经网络、遗传算法、机器学习、自然语言处理等。决策支持系统（DSS）的基本概念最早于20世纪70年代初由美国MIT的高端（G.AnthonyGorry）和斯柯特·莫顿（MichaelS.ScottMorton）教授在《管理决策系统》一文中首先提出，当时人们称其为人机决策系统或管理决策系统。为了强调这种系统对决策只能起辅助作用，应发挥决策者的主体作用，后来将其名称改为决策支持系统，有时也称为辅助决策支持系统。它是一种以支持决策为目的的人机信息系统。人机交互系统是DSS是人机接口界面；决策者作为DSS的用户通过该子系统提出信息查询的请求或决策支持的请求；人机交互系统对接受到的请求作检验，形成命令，为信息查询的请求进行数据库操作，提取信息，所得信息传送给用户；对决策支持的请求将识别问题与构建模型，运行模型库中的模型，运行结果通过人机交互系统传送给用户或暂存数据库待用。DSS的系统结构又可分为3库系统，即，模型库（MB）和数据库（DB），以及方法库（AB）。模型库（MB）提供模型表示和存储的计算机系统。MB中的模型，不是为了一个特定的目标设计的，有更小的构成要素，模型具有更为丰富的“被”管理的功能。模型是对于现实世界的事物、现象、过程或系统的简化描述。它反映了实际问题最本质的特征和量的规律，即描述了现实世界中有显著影响的因素和相互关系。模型的类型：物理模型（实体模型），数学模型，结构模型，仿真模型。数据库系统（DB）是由数据库管理系统、数据库、用户和计算机组成的具有高度组织的整体。DSS数据库系统的功能：（1）建立和管理数据模型；（2）对不同的数据源进行抽取、分析、输入和处理；（3）灵活、迅速、方便地进行数据处理，为DSS提供各种所需要的数据。DSS数据库系统的特点：数据的独立性；最小冗余度；最大共享性；统一管理与控制；适当的反映时间；整体性；可修改和可扩充性；安全性和保密性；简明性。方法库系统（AB）的组成：方法库（AB）；方法库管理系统（ABMS）。方法库系统的目的：实现计算过程的交互式存取；将算法（方法）与数据结合在一起完成计算过程。方法库中的方法一般用程序方式存储——它通过接口程序（描述外部的），向DSS提供合适的环境，从而实现计算过程的交互式数据存取——从数据库/方法库选择数据/算法，然后将数据和算法结合起来进行计算，并以直观清晰的呈现方式输出结果，供决策者使用。方法库系统的优点：提供各种通用计算、分析、加工处理的工具，提高模型的运行效率——用户从模型库中调用模型，同时调用方法库中的方法来完成模型的运算和分析；实现软件资源的共享——提供了模型与方法的多对一关系。DSS的人机交互系统实现人与计算机之间通信的硬、软件系统。人机交互系统是决策支持系统不可缺少的重要组成部分，是连接人与系统的中间纽带；它把用户与数据库、模型库、知识库和方法库有机地连成一个整体。人机交互的三元素：一个人机交互的计算机系统,要能很好地实现计算机与用户之间的人机交互,通常须考虑三个元素：人的因素、交互设备、交互软件（实现人机对话的软件）。其中人的因素指的是用户操作模型,交互设备是计算机系统的物质基础,交互软件则是展示各种交互功能的核心。人工智能基本原理。1.逻辑推理：（1）形式逻辑。形式逻辑是研究人的思维形式及其规律的科学。（2）推理的种类：演绎推理；归纳推理；类比推理。2.知识表示与知识推理：（1）数理逻辑表示法：命题逻辑；谓词逻辑；命题逻辑归结原理A；命题逻辑归结原理B；命题逻辑中的归结。3.搜索技术。搜索技术是人工智能的一个重要研究内容。搜索方法分类：1、基本搜索法。对搜索树的基本搜索法有两种思想，一是按广度优先展开搜索树的搜索方法，叫广度优先搜索法；一是按深度优先展开搜索树的搜索方法，叫深度优先搜索法。2、生成测试法。3、爬山法。4、启发式搜索。5、博弈算法。人工智能问题求解中，用深度优先搜索法比较多。Prolog语言提供的搜索机制是以深度优先法设计的。它比广度优先搜索法要好些。三．智能决策支持系统中的数据处理方法：W.H.Inmon对数据仓库的定义是：“数据仓库是支持决策过程的、面向主题的、集成的、随时间变化的、持久的数据集合。”数据仓库的特征：是面向主题的;数据仓库是集成的;数据仓库是稳定/非易失性的;是随时间变化的;是信息的概括和聚集。数据仓库中的数据组织：数据的粒度；数据仓库的数据组织结构；数据的分割；数据仓库的数据组织形式；数据仓库的数据组织模式；数据的追加。数据集市(DataMart)——具有特定应用的数据仓库，主要针对某个具有战略意义的应用或者具体部门级的应用，支持用户利用已有的数据获得重要的竞争优势或者找到进入新市场的具体解决方案。独立的数据集市，数据直接来源于数据源。从属的数据集市，数据来源于中央的数据仓库。数据挖掘的概念及方法。1995年在加拿大召开了第一届知识发现(KnowledgeDiscoveryinDatabase—KDD)和数据挖掘(DataMining—DM)国际学术会议以后，“数据挖掘”开始流行，它是“知识发现”概念的深化，知识发现与数据开采是人工智能、机器学习与数据库技术相结合的产物。KDD一词是在1989年8月于美国底特律市召开的第一届KDD国际学术会议上正式形成的。知识发现被认为是从数据中发现有用知识的整个过程。数据开采被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式。数据开采的主要方法和技术有：信息论方法、集合论方法、仿生物技术、公式发现、统计分析方法及其它方法。数据挖掘的目标是从数据库中发现隐含的、有意义的知识，主要有以下五类功能：1.自动预测趋势和行为；2.关联分析；3.聚类；4.概念描述；5.偏差检测。OLAP是一种验证性分析软件，它具有归纳的作用。它将数据仓库中的数据作为分析对象，通过多种复杂操作，可以对高层管理人员提供有力的决策支持。它可以满足分析人员的要求，进行快速灵活地大数据量复杂的操作处理。并且以一种直观、易懂的形式将结果展示给决策人员。多维分析技术是OLAP的核心。多维概念支持多维切片、切块、旋转等功能。除了之前介绍的上卷、下钻操作外，还有钻过、钻透、最大值、最小值、项数、平均值、增长率等。ＯLAP概念模型:星型、雪花型、星座型。星型模型的主体是事实表，其主要事实称为量或度量，另一种表称为维表，用以建立多维结构中的维值，一般有一个事实表和n个维表。很多情况维呈现层次状，即具有一定深度。就成为雪花模式。通过共享维，将多个星型模式连接在一起，构成星座模式。四．智能决策支持系统的应用：决策支持系统自70年代初产生以来，在这20年间逐步应用于各个领域和部门，在发展中不断融入人工智能的技术使之成为智能决策支持系统，并得到更加广泛的应用。主要有以下部门：1.企业(包括工业、农业、商业等)。(1)生产部门;(2)财务部门;(3)销售部门;(4)运输、后勤部门;(5)劳动人事部门;(6)外贸部门，等等。2.事业单位。(1)城市管理部门;(2)卫生保健部门;(3)资源管理部门;(4)教育文化部门，等等。3.国防军事领域4.研究开发领域。在我国，目前已开发应用的有：全国宏观经济发展决策支持系统，省区整体发展决策支持系统，县区发展战略研究决策支持系统，各行业的发展决策支持系统，公司一级的、厂一级生产经营决策支持系统，流域管理决策支持系统，运输经营管理决策支持系统，人口发展与控制决策支持系统，作战指挥决策支持系统，后勤保障决策支持系统等等。可见决策支持系统的应用已经深入到生活的各个方面。由于人们在日常生活中，随时都要作出选择和决定，这种选择和决定就是决策。现代化的社会经济生活规模宏大，变化和进展迅速，各种关系错综复杂，不论是对个人、集体、地区、国家，决策的正确与否，影响是巨大的;一念之差，影响到事业的成败，组织的兴亡盛衰。而正确有效的决策在于充分掌握信息和根据信息作出正确判断，因此采集、整理和分析信息是决策听首要任务。决策支持系统正是基于计算机上的交互式信息系统，主要目的是为决策者提供有价值的信息，能帮助决策者解决半结构和非结构决策问题。随着决策支持系统和人工智能技术的不断发展，由决策支持系统和人工智能技术融合的智能决策支持系统将不断完善，应用的范围将加广泛和深入人们的生活。五．结语：本文通过分析智能决策支持系统的各方面特征，功能，技术，以及其数据处理方法，其广泛的应用，让我们对智能决策支持系统，甚至未来的智能化生活有了一定程度的认识。但是人们对更美好生活的探究不会停下脚步，我们对智能生活的认识只会更深刻，现在这些浅显的认识不可谓不重要，只是我们向前迈出脚步的基础，相信通过人们对科学以及智能生活的不懈探究，我们的未来必定是更加美好的。