智能决策支持系统介绍及案例（13页 PPT）.pptx

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第2页/共15页

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。说好的减肥，却管不住嘴，昨天吃的香蕉含糖量太高了，罪过罪过，现在又饿了。。。自然语言处理系统#includestudio.hinti,j;selectfoodwhere“shelikes”;returni=banana;butshehasbananayesterday;If(apple!=yesterday’sfood)j=apple;elseif(pie==“lowenergy”)……通过语法、语义结构分析等方法转换为系统语言。第3页/共15页

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：第4页/共15页

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。知识库子系统知识库管理系统知识库推理机增、删、改、查等数据库操作从已知事实推出新知识存储不能用模型描绘的专家经验第5页/共15页

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多源数据集成、OLAPCBR（范例源）匹配与调整第6页/共15页

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；……第7页/共15页

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。第8页/共15页

案例研究模型库设计模型库基本数学模型库事故检测模型库事故影响范围确定模型库事故影响范围分析模型库存放一些具有无针对性的基本数学模型和算法,如初等模型、微分方程模型、图论及网络分析模型以及概率统计模型等,支持其他模型库的运行。存放一些用于事故检测的模型和算法。交通事故影响范围主要指由于交通事故而导致的交通延误和排队长度等。主要存放车辆排队模型、车流波动模型和Boltzman模型等,以计算延误和排队长度。其目标是建立事故延误和排队长度与年平均日交通量、通行能力、事故率、事件持续时间和左右路肩宽度等因素的关系,可以利用基本数学模型库中的模型实现。第9页/共15页

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。