導語：智能決策技術原理及應用探索一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：隨著經濟的快速發展，能正確、快速地做出決策無疑是贏得市場獲取最大經濟效益的保證。決策支持系統可以看成是管理信息系統和運籌學相結合而發展起來的，它要求有很強的數值計算能力，又要有很強的數據處理能力，而目前的計算機語言的支持能力不足，使得決策支持系統的發展非常緩慢。

關鍵詞：決策支持系統人工智能專家系統

一、智能決策技術概述

1.決策支持系統的形成

隨著計算機技術和應用的發展，如科學計算、數據處理、管理信息系統的發展以及運籌學和管理科學的應用，為決策支持系統的形成打下了基礎。決策支持系統(DecisionSupportSystem—DDS)是80年代迅速發展起的新型計算機學科。70年代初由美國M.S.ScottMorton在《管理決策系統》一文中首先提出決策支持系統的概念。

DSS實質上是在管理信息系統和運籌學的基礎上發展起來的。管理信息系統重點在對大量數據的處理。運籌學在運用模型輔助決策體現在單模型輔助決策上。隨著新技術的發展，所需要不得不解決的問題會愈來愈復雜，所涉及的模型會愈來愈多，模型類型也由數學模型擴充數據處理模型。模型數量也愈來愈多。這樣，對多模型輔助決策問題，在決策支持系統出現之前是靠人來實現模型間的聯合和協調。決策支持系統的出現就是要解決由計算機自動組織和協調多模型運行，對大量數據庫中數據的存取和處理，達到更高層次的輔助決策能力。決策支持系統的新特點就是增加了模型庫和模型庫管理系統，它把眾多的模型(數學模型和數據處理模型以及更廣泛的模型)有效地組織和存儲起來，并且建立了模型庫和數據庫的有機結合。這種有機結合適應人機交互功能，自然促使新型系統的出現，即DDS的出現。它不同于MIS數據處理，也不同于模型的數值計算，而是它們的有機集成。它既有數據處理功能又具有數值計算功能。

決策支持系統概念及結構。決策支持系統是綜合利用大量數據，有機組合眾多模型(數學模型與數據處理模型等)，通過人機交互，輔助各級決策者實現科學決策的系統。

DSS使人機交互系統、模型庫系統、數據庫系統三者有機結合起來。它大大擴充了數據庫功能和模型庫功能，即DSS的發展使管理信息系統上升到決策支持系統的新臺階上。DSS使那些原來不能用計算機解決的問題逐步變成能用計算機解決。

2.人工智能概念和研究范圍

(1)人工智能定義。由計算機來表示和執行人類的智能活動(如判斷、識別、理解、學習、規劃和問題求解等)就是人工智能。人工智能的研究在逐步擴大機器智能，使計算機逐步向人的智能靠近。

(2)人工智能的研究范圍。人工智能研究的基本范圍有：問題求解、邏輯推理和定理證明、自然語言處理、自動程序設計、學習、專家系統、機器人學、機器視覺、智能檢索系統、組合高度問題、系統與表達語言等；其主要研究領域有：自然語言處理、機器人學、知識工程。

自然語言處理：語音的識別與合成，自然語言的理解和生成，機器翻譯等。

機器人學：從操縱型、自動型轉向智能型。在重、難、險、害等工作領域中推廣使用機器人。

知識工程：研究和開發專家系統。目前人工智能的研究中，最接近實用的成果是專家系統。專家系統在符號推理、醫療診斷、礦床勘探、化學分析、工程設計、軍事決策、案情分析等方面都取得明顯的效果。

3.決策支持新技術

(1)數據倉庫的興起和概念。數據倉庫(DataWarehouse—DW)的概念是PrismSolutions公司副總裁W.H.Inmon在1992年出版的書《建立數據倉庫》(BuildingtheDataWarehouse)中提出的。數據倉庫的提出是以關系數據庫，并行處理和分布式技術的飛速發展為基礎，它是解決信息技術在發展中一方面擁有大量數據，另一方面有用信息卻很貧乏(Datarich—Informationpoor)這種不正常現象的綜合解決方案。

W.H.Inmon在《建立數據倉庫》一書中，對數據倉庫定義為：數據倉庫是面向主題的、集成的、穩定的、不同時間的數據集合，用于支持經營管理中決策制定過程。

傳統數據庫用于事務處理，也叫操作型處理，是指對數據庫聯機進行日常操作，即對一或一組記錄的查詢和修改，主要為企業特定的應用服務的。用戶關心的是響應時間，數據的安全性和完整性。數據倉庫用于決策支持，也稱分析型處理，用于決策分析，它是建成立決策支持系統的基礎。

(2)數據倉庫的特點。數據倉庫是面向主題的：主題是數據歸類的標準，每一個主題基本對應一個宏觀的分析領域。

數據倉庫是集成的：數據進入數據倉庫之前，必須經過加工與集成。對不同的數據來源進行統一數據結構和編碼。統一原始數據中的所有矛盾之處，如字段的同名異義，異名同義，單位不統一，字長不一致等。總之將原始數據結構作一個從面向應用到面向主題的大轉變。

數據倉庫是穩定的：數據倉庫中包括了大量的歷史數據。數據經集成進入數據倉庫后是極少或根本不更新的。

數據倉庫是隨時間變化的：數據倉庫內的數據時限在5-10年，故數據的鍵碼包含時間項，標明數據的歷史時期，這適合DSS進行時間趨勢分析。

數據倉庫中數據很大：通常的數據倉庫的數據量為10GB級，大型的是一個TB級數據量。數據中索引和綜合數據占2/3，原始數據占1/3。

數據倉庫軟、硬件要求：需要一個巨大的硬件平臺和一個并行的數據庫系統。

(3)數據開采的概念及方法。1995年在加拿大召開了第一屆知識發現(KnowledgeDiscoveryinDatabase—KDD)和數據開采(DataMining—DM)國際學術會議以后，“數據開采”開始流行，它是“知識發現”概念的深化，知識發現與數據開采是人工智能、機器學習與數據庫技術相結合的產物。KDD一詞是在1989年8月于美國底特律市召開的第一屆KDD國際學術會議上正式形成的。

知識發現被認為是從數據中發現有用知識的整個過程。數據開采被認為是KDD過程中的一個特定步驟，它用專門算法從數據中抽取模式。

數據開采的主要方法和技術有：信息論方法、集合論方法、仿生物技術、公式發現、統計分析方法及其它方法。

二、智能決策技術原理

要能做出智能決策需要在智能決策支持系統的輔助下才能實現。因而要知道智能決策技術的原理就須要知道智能決策支持系統的原理及構造。

智能決策支持系統(IDSS)是在決策支持系統(DSS)的基礎上集成人工智能專家系統(ES)而形成的。決策支持系統主要是由問題處理與人機交互系統(由語言系統和問題處理系統組成)、模型庫系統(由模型庫管理系統和模型庫組成)、數據庫系統(由數據庫管理系統和數據庫組成)等組成。專家系統主要由知識庫、推理機和知識庫管理系統三者組成。決策支持系統和專家系統集成為智能決策支持系統。

IDSS中DSS和ES的結合主要體現在兩個方面：

(1)DSS和ES的總體結合。由集成系統把DSS和ES有機結合起來(將兩者一體化)。

KB和MB的結合。模型庫中的數學模型和數據處理模型作為知識的一種形式，即過程性知識，加入到知識推理過程中去，或者將知識庫和推理機結合起來，形成知識推理模型加入到模型庫中去。

(2)DB和動態DB的結合。DSS中的DB可以看成是相對靜態的數據庫，它為ES中的動態數據庫提供初始數據，ES推理結束后，動態DB中的結果再送回到DSS中的DB去。由DSS和ES這三種結合形式，也說形成了三種IDSS集成形式。

智能決策支持系統是以大量的信息收集和大量的知識為基礎，將它們存儲在數據庫和知識庫中，為問題處理系統服務。將實際問題轉換成計算機能進行求解的過程，就是通過對問題的分解和分析，建立問題求解的總框架模型，根據這個總框架模型的各組成部分的目標、功能、數據和求解的要求來決定各組成部分是建立新模型，還是選擇已有的成熟模型；多模型如何組合；需要利用哪些數據；是采用數值計算模型還是采用知識推理模型進行各種處理方法選擇，然后對其進行求解。將求解的結果或得到的支持決策的信息反回給決策用戶。

三、智能決策技術的應用

決策支持系統自70年代初產生以來，在這20年間逐步應用于各個領域和部門，在發展中不斷融入人工智能的技術使之成為智能決策支持系統，并得到更加廣泛的應用。主要有以下部門：

1.企業(包括工業、農業、商業等)

(1)生產部門；(2)財務部門；(3)銷售部門；

(4)運輸、后勤部門；(5)勞動人事部門；(6)外貿部門，等等。

2.事業單位

(1)城市管理部門；(2)衛生保健部門；

(3)資源管理部門；(4)教育文化部門，等等。

3.國防軍事領域

4.研究開發領域

在我國，目前已開發應用的有：全國宏觀經濟發展決策支持系統，省區整體發展決策支持系統，縣區發展戰略研究決策支持系統，各行業的發展決策支持系統，公司一級的、廠一級生產經營決策支持系統，流域管理決策支持系統，運輸經營管理決策支持系統，人口發展與控制決策支持系統，作戰指揮決策支持系統，后勤保障決策支持系統等等。

可見決策支持系統的應用已經深入到生活的各個方面。由于人們在日常生活中，隨時都要作出選擇和決定，這種選擇和決定就是決策。現代化的社會經濟生活規模宏大，變化和進展迅速，各種關系錯綜復雜，不論是對個人、集體、地區、國家，決策的正確與否，影響是巨大的；一念之差，影響到事業的成敗，組織的興亡盛衰。而正確有效的決策在于充分掌握信息和根據信息作出正確判斷，因此采集、整理和分析信息是決策聽首要任務。決策支持系統正是基于計算機上的交互式信息系統，主要目的是為決策者提供有價值的信息，能幫助決策者解決半結構和非結構決策問題。隨著決策支持系統和人工智能技術的不斷發展，由決策支持系統和人工智能技術融合的智能決策支持系統將不斷完善，應用的范圍將加廣泛和深入人們的生活。

參考文獻：

[1]陳文偉.決策支持系統及其開發.電子工業出版社，1998.

[2]夏安邦.決策支持系統引論.同濟大學出版社，1991.