129《 智能决策技术》课程实验指导书.docVIP

《智能决策技术》 实验指导书 信息管理系 目 录 实验一 具有事前信息的决策树技术的操作应用 3 实验二 应用层次分析法进行多目标决策 5 实验三 成本预测决策支持系统开发 7 实验四 专家系统开发工具CLIPS……………………………………………………… 8 实验五 专家系统的开发…………………………………………………………………. 10 实验一 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? (问题：是否要进一步勘测?若进一步勘测，那么在勘测后应采取何种方案) 重点利用全概率公式： 和贝叶斯公式： 求后验概率部分，得出各方案在不同状态下的概率Ｐ(Sj/Ck)，以求出最大期望值。 要求实验操作过程中，学生自己输入已有数据，并基于已知数据求出后验概率，然后求出不同方案的期望值，进行剪枝决策，得出最优方案。 具体过程如下： 第一步：将已知数据输入excel中，如表1所示。 表1 输入已知数据 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）。 由公式 计算在不同勘测结果下、油井状态为高产或低产的后验概率。 由公式 计算勘测结果为Ck 的概率P（Ck） 在相关的单元格中输入上述公式，其计算结果如表2所示： 表2 后验概率与全概率的计算结果 上表中相应的公式见下表3 表3 后验概率与全概率的计算公式 第三步：构造决策树。 本实验的决策树如下图1所示 图1 决策树 第四步：计算各方案的期望收益值，并进行决策。 决策树中各方案的期望收益计算是从右向左进行的，首先考虑第二级决策，当勘测结果是“结构好”时，如果采取“不开发”方案，则期望收益为0；如果采取“开发”方案，则当自然状态为“高产”（其修正后的后验概率为0.78）时，收益为400，当自然状态为“低产”，（其修正后的后验概率为0.22）时，收益为-200，所以，“开发”方案的期望收益=400*0。78+（-200）*0.22=268(万元)。该值可以单元格P19中输入=V17*T17+V21*T21获得. 比较两种方案的期望收益，选择“开发”方案。所以当勘测结果为“结构好”时，应选择“开发”方案，其期望收益为268万元（这里暂时未扣除勘测费用）。前去“不开发”这一方案分支，并在“结构好”的概率分支上标上期望收益为268万元。同理可得，当勘测结果为“结构中等”时，应采取“开发”方案，其期望收益为250万元；当勘测结果为“结构差”时，应采取“不开发”方案，其期望收益为0（这里暂时均未扣除勘测费用）。 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“结构中等”时开发，当勘测结果为“结果差”时，不开发，该决策的期望收益为175万元。 实验小结（要求手写）： 实验中遇到的问题及解决办法、心得、体会等等... 实验思考题（要求手写）： 利用各种资源查询一个DSS的应用案例，说明它的应用环境、功能结构和所起的作用（注：此处主要说明案例的适应领域，是用来解决什么问题的，怎样解决问题的，采用哪些技术或手段，它的结构是怎样的？你觉得这个DSS如何？为什么？）。 实验二 应用层次分析法进行多目标决策 实验类型：验证性 实验学时：3 实验目的：熟悉并应用层次分析方法对多方案进行优劣排序，从而使学生掌握综合定性和定量两种方法解决问题的思维方式。 实验内容： 某公司打算增添一台新设备，现有三种不同型号的设备，P1，P2，P3供选择，选择设备主要考虑的要素是功能、价格和维护，你将如何选择？ 第一步，建立递阶层次结构模型。