人工智能的决策支持和智能决策支持系统课程.pptxVIP

第7章 人工智能的决策支持和 智能决策支持系统;第7章 本章内容;开篇案例;;;基本思想： 包含了学习人类的思考过程； 通过机器（计算机和机器人）来描述并复制这些过程。 众所周知的定义：人工智能是一种机器行为，如果由人类执行就可以称为智能。 令人深思的定义：人工智能研究的是如何使计算机比人类做的更好。 著名应用：深蓝——国际象棋程序。 ;;人工智能的特征;人工智能比人类智能比较;7.1 人工智能的基本概念及原理;7.1 人工智能的基本概念及原理;专家系统 是利用大量的专门知识解决特定领域中的实际问题的计算机程序系统； 神经网络 是利用神经元的信息传播模型（MP模型）进行学习和应用； 遗传算法 是模拟生物遗传过程的群体优化搜索方法； 机器学习 是让计算机模拟和实现人类的学习，获取解决问题的知识； 自然语言理解 是让计算??理解和处理人类进行交流的自然语言。 ;2．智能决策支持系统结构形式 1）基本结构 智能决策支持系统（IDSS）＝决策支持系统（DSS）＋人工智能（AI）技术 ;? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ;? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ;7.2 人工智能基本原理;7.2.1 逻辑推理;7.2.1 逻辑推理;1）演绎推理 专家系统的研究基本上属于演绎推理范畴。演绎推理的核心是假言推理。 假言推理：以假言判断为前提，对该假言判断的前件或后件的推理。 1）假言推理： p?q，p┝ q 2）三段论推理 ： p?q，q?r┝ p?r 3）假言易位推理（拒取式）：p?q，?q┝ ?p 符号“┝”表示推出; 2）归纳推理(个别→一般) （1）数学归纳法 这种推导是严格的，结论是确实可靠的。 （2）枚举归纳推理 S1是P ，S2是P ， …… Sn是P S1……Sn是S类事物中的部分分子，没有相反事例。 所以，S类事物都是P。 枚举归纳推理的结论是或然的(并非必然地)， 它的可靠性和事例数量相关 。;枚举归纳推理实例; 3）类比推理 它是由两个（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上也可能相同的推理。 A事物有abcd属性,B事物有abc属性（或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） 类比推理的结论带有或然性，它的可靠性和相类比事物属性之间的联系程度有关。;类比推理实例一;;类比推理实例二;; 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已知的知识范围。 演绎推理只能解释一般规律中的个别现象 而归纳推理和类比推理创造了新的知识，使科学得到新发展，是一种创造思维方式。 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。这样推理的结论未必是可靠的。需要经过严格的验证和证明，使之形成新的理论。;7.2.2 知识表示与知识推理;;;7.2.2 知识表示与知识推理;7.2.2 知识表示与知识推理;7.2.3 搜索技术;7.2.3 搜索技术;7.2.3 搜索技术;7.2.3 搜索技术;7.2.3.1 广度优先搜索（宽度优先搜索）;图7.7 广度优先搜索示意图 ;1、深度优先搜索法思想 从初始状态S开始，利用规则生成搜索树下一层任一个结点，检查是否出现目标状态G，若未出现，以此状态利用规则生成再下一层任一个结点，再检查是否为目标节点G。若未出现，继续以上操作过程，一直进行到叶节点（即不能再生成新状态节点）。 当它仍不是目标状态G时，回溯到上一层结果，取另一可能扩展搜索的分支。生成新状态节点。 一直进行下去，直到找到目标状态G为止。;图7.8 深度优先搜索示意图 ; 在深度优先搜索中，搜索一旦进入某个分支，就将沿着该分支一直向下搜索。如果目标节点恰好在此分支上，则可较快地得到解。但是，如果目标节点不在此分支上，而该分支又是一个无穷分支，则就不能得到解。所以深度优先搜索是不完备的，即使问题有解，它也不一定能求得解。显然，用深度优先求得的解，也不一定是路径最短的解。 ;7.3 专家系统与智能决策支持系统 7.3.1 专家系统原理 7.3.2 专家系统与DSS的集成;7.3.1专家系统原理;7.3.1专家系统原理;传统系统与专家系统比较;人类专家与专家系统的不同; 2.专家系统结构 专家系统的核心是知识库和推