智能决策报告..docVIP

《智能决策技术》 实验报告册 20 - 20 学年 第 学期 班 级： 学 号： 姓 名： 授课教师： 实验教师： 目 录 实验一 智能决策技术的未来发展趋势 实验二 具有事前信息的决策树技术的操作应用……………………………………………….. 实验三 应用层次分析法进行多目标决策 实验四 遗传算法 实验一 智能决策技术的未来发展趋势 随着时间的推移，智能决策技术越来越成熟，在不断地发展与前进。从目前的智能决策系统的发展趋势和未来对其的需求状况来看。在一般决策支持的基础上，引进和集成电子商务平台的功能，形成与电子商务的集成、融合发展的态势。电子商务是信息时代和网络环境下越来越流行的一种商业运作模式，是商务电子化和信息化的结果。电子商务的发展不仅强烈地冲击着传统的管理模式和商务运作模式，同时也产生了许多新的管理决策问题。所以DSS的设计与开发越来越多地考虑电子商务这一重要应用背景，向决策者提供多种分析模型和多种分析角度，在市场—客户—产品等多种条件下进行多维度分析。例如目前开发的基于Web的DSS基于GIS的DSS都面向这类应用提供支持。 不断强化知识管理的功能，提升系统的知识管理与知识综合应用能力。例如具有知识学习能力的IDSS的智能主要体现在系统能利用专家知识辅助决策，并能够随着决策环境的变化改变自己的行为，要求其知识处理系统能随环境变化学习新知识、更新知识库。知识管理与应用则涉及到推理知识、描述知识和过程知识，从而支持问题求解过程。另外，将知识管理理论与方法应用于DSS的实现中，可以实现专家经验（隐性知识）的分享，提高系统的决策支持水平与能力。 谋求技术及应用上的突破，关注和重视对决策过程中的不确定信息的组织和处理。尽管现代科学的认识是“世界是物质的，物质是运动的，运动是有规律的”，但是，在现实世界中还是普遍存在许多的不确定性。为了有效地解决这类问题，专家们发展了“软计算方法”。所谓软计算主要包括模糊逻辑、神经计算、概率推理、遗传算法、混沌系统、信任网络及其它学习理论。现有的人工智能技术主要致力于以语言和符号来表达和模拟人类的智能行为，软计算方法则通过与传统的符号逻辑完全不同的方式，解决那些无法精确定义的问题决策、建模和控制。软计算方法已在很多领域的决策问题中得到应用。如王光远的不确定信息及其建模方法；任守榘等提出利用遗传算法实现处于混沌与湍流环境下具有重构自身的先进制造系统的决策模式及其决策支持系统。 日益强调多种数据、知识的综合、集成运用。在技术不断更新的条件下，准确数据信息和高效率的工具是决策者以更低的成本、更加快捷的方式做出及时的科学决策的前提与保证。因此，在DSS的设计与开发中充分考虑对众多数值数据资源、事实数据资源、先验知识、推理知识等的综合、集成运用构建有丰富的数据仓库、机构知识仓储等，并配置和开发众多的数据挖掘和知识发现及分析工具。丰富的资源基础保证了系统支持决策的效率。实验二 具有事前信息的决策树技术的操作应用 实验类型：验证性 实验学时：2 实验目的：掌握风险型决策中的贝叶斯决策，利用决策树进行决策的方法。 实验内容： 某石油公司的决策人，打算投资开发某油田。根据现有资料，预计这口油井有高产、低产两种不同状态，分别记为S1、S2。高产可获利润400万元，而低产时将净亏损200万元，已知这两种情况出现的概率分别为：P（S1）=0.6,P(S2)=0.4,一般来说，常见的地质结构有“好”、“中等”、“差”3种，分别记为C1、C2、C3，为判断该地区属于哪种结构，可作进一步勘测，勘测费用为10万元。已知在不同的油井状态下，勘测结果为不同地质结构的概率如下，P（C1/S1）=0.7，P（C2/S1）=0.2，P（C3/S1）=0.1，P（C1/S2）=0.3，P（C2/S2）=0.1，P（C3/S2）=0.6，问：应采取何种行动方案,才能获取最大收益? 具体过程如下： 第一步：将已知数据输入excel中，如表1所示。 第二步：用贝叶斯公式计算各自然状态下的后验概率P（Sj│Ck），用概率论中的全概率公式计算勘测结果为Ck的概率P（Ck）。 第三步：构造决策树。 第四步：计算各方案的期望收益值，并进行决策。 比较三个方案的期望收益，取期望收益最大的方案作为最优方案，在单元格D16中输入=MAX（G10，G14，G30） 得到最大期望收益值为175万元，可见方案“先勘测”的期望收益最大，为最优方案。 因此，本实验的最优决策结果是：先勘测，当勘测结果为“结构好”或