智能决策支持系统简介与案例.pptVIP

智能决策支持系统/IDSS ——简介与案例研究 基本概念 智能决策支持系统（IDSS，Intelligence Decision Support System）起源于八十年代初期，有Bonczek等人率先提出，它的核心思想是将人工智能(AI，Artificial Intelligence)和DSS相结合，应用专家系统技术，使DSS能够更充分地应用人类专家的知识通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。 IDSS特性： 处理非结构化或半结构化的数据； 自主学习能力与推理能力； 良好的适应性和灵活性； 友好的人机接口； …… 体系结构 由于人工智能技术应用于DSS的程度与范围不同，因此，构成IDSS的结构也不同，较完整与典型的IDSS结构是在传统三库DSS的基础上增设知识库与推理机，在人机对话子系统中加入自然语言处理系统（LS），形成智能人机接口，与四库之间插入问题处理系统（PPS）而构成的四库系统结构。 传统三库DSS 四库IDSS 体系结构 智能人机接口 四库系统的智能人机接口接受用自然语言或接近自然语言的方式表达的决策问题及决策目标，这较大程度地改变了人机界面的性能。 体系结构 问题处理系统 问题处理系统处于IDSS的中心位置，是联系人与计算机及所储存的求解资源的桥梁，主要由问题分析器与问题求解器两部分组成。 问题处理系统的工作流程： 体系结构 知识库和推理机 知识库子系统是对有关规则、因果关系及经验等知识进行获取、解释、表示、推理以及管理与维护的系统，在DSS中引进知识库子系统提高了系统的智能化程度。知识库子系统从组成上来看可分为三部分：知识库管理系统、知识库及推理机。 研究现状 目前，按照智能决策方法，大致可以把IDSS分为三类：基于人工智能、基于数据仓库和基于范例推理的IDSS。 IDSS 基于人工智能的IDSS 基于专家系统 基于机器学习 基于智能代理 基于数据仓库的IDSS 基于范例推理的IDSS 存在问题 虽然近年来IDSS在技术上的发展突飞猛进，但由于面向的决策问题本身的复杂性，对于当前多数IDSS应用系统来说，有些问题还亟待解决： 脆弱性和知识获取困难：传统IDSS难以开发应用的主要原因； 封闭性：系统只能利用本地资源；且系统一旦设计完成，在增加资源很难； 模块协调统一性差：数据库、模型库、方法库和知识库如何进行通信协调； 人机协调性差：主要表现在人机分工不合理和人机智能难结合； 灵活性和适应性差：推理机制和解释机制网王是静态的，被动的； …… 案例研究 适用性分析 交通事故管理问题是一个非常复杂的非结构问题。交通事故的管理可以分为事故检测、事故确定、事故响应和事故清除4个阶段，每个阶段又有很多方案需要决策者进行决策。面对大量、复杂的相关数据，决策者采取哪套救援方案、如何指挥各个部门协同工作，高效地进行事故管理,将直接影响到事故所造成的损失大小。 IDSS在决策支持系统的基础上引入人工智能技术，能够较好地解决非结构化问题，为决策者提供定性和定量的建议，辅助其决策。引入IDSS的优势在于： 对数据的采集和分析可以利用IDSS，减少人工负担； IDSS可以对事故管理措施的效果进行模拟及评价，有利于决策者作出最佳选择； 由于交通事故的实时性，IDSS可以减少专家判定的延时，从而使得对于事故的处理更加及时，减少经济损失； …… 【注】：以《交通事故管理智能决策支持系统设计初探》一文为例，作者：张晴，赵晶心，董德存。 案例研究 模型库设计 案例研究 数据库设计 数据库 面向单个检测器的数据 面向两个检测器的数据 统计数据 综合数据（包括图和表） 所有的事故检测算法都是根据交通流参数进行事故判断的,因此,需要建立各个检测器的交通流参数表。 由于各种检测算法所要求交通流参数的输入形式不同,因此,需要建立面向2个检测器的数据表。 统计分析来自各检测器的数据。统计ADT(日交通量)、AADT(年均日交通量)、WADT(周均日交通量)、MADT(月均日交通量)、PHF(高峰小时系数)、C(道路通行能力)、高峰时段等数据。 存储模型库模型和其它数据分析工具对源数据分析处理的结果:交通流模型参数、C1(事件发生后道路通行能力)、RT(事件响应时间)、CT(事件清除时间)等。 案例研究 知识库设计 知识库 事实库 规则库 实际上是事故描述事实库与事故处理和疏导策略事实库的映射关系。它的描述需要专家的经验,是交通事故管理智能决策支持系统能否有效地对事故管理决策进行支持的关键。 事故描述事实库 处理策略事实库 疏导策略事实库 存放“事故A为追尾事故”、“事故B为货货相撞事故”等对事故现象进行描述的