人工智能的决策支持和智能决策支持系统课程.ppt

第第7章章 人工智能的决策支持和人工智能的决策支持和 智能决策支持系统智能决策支持系统第7章 本章内容n7.17.1 人工智能概念人工智能概念n7.2 7.2 人工智能基本原理人工智能基本原理n7.3 7.3 专家系统与智能决策支持系统专家系统与智能决策支持系统n7.4 7.4 遗传算法的决策支持遗传算法的决策支持n7.5 7.5 机器学习的决策支持机器学习的决策支持开篇案例开篇案例nKPN电信公司的智能系统电信公司的智能系统n n背景：背景：背景：背景：KPNKPN电信是一家卓越的电信公司，该公司在荷电信是一家卓越的电信公司，该公司在荷电信是一家卓越的电信公司，该公司在荷电信是一家卓越的电信公司，该公司在荷兰提供固定线路网络，在西欧提供数据和兰提供固定线路网络，在西欧提供数据和兰提供固定线路网络，在西欧提供数据和兰提供固定线路网络，在西欧提供数据和IPIP服务，并服务，并服务，并服务，并且该公司还在荷兰、德国和比利时提供移动服务它且该公司还在荷兰、德国和比利时提供移动服务它且该公司还在荷兰、德国和比利时提供移动服务它且该公司还在荷兰、德国和比利时提供移动服务。

它拥有拥有拥有拥有3800038000多名员工，他们服务于多名员工，他们服务于多名员工，他们服务于多名员工，他们服务于790790万固定线路用万固定线路用万固定线路用万固定线路用户、户、户、户、13401340万移动客户和万移动客户和万移动客户和万移动客户和140140万网络订阅者不仅如万网络订阅者不仅如万网络订阅者不仅如万网络订阅者不仅如此，此，此，此，KPNKPN电信还在阿姆斯特丹、纽约、伦敦和法兰克电信还在阿姆斯特丹、纽约、伦敦和法兰克电信还在阿姆斯特丹、纽约、伦敦和法兰克电信还在阿姆斯特丹、纽约、伦敦和法兰克福的股票交易所上市福的股票交易所上市福的股票交易所上市福的股票交易所上市n n主要问题是：如何在使成本最小化的同时保持高效的主要问题是：如何在使成本最小化的同时保持高效的主要问题是：如何在使成本最小化的同时保持高效的主要问题是：如何在使成本最小化的同时保持高效的运作n信息系统部面临的难题：在解决来自用户的服务时信息系统部面临的难题：在解决来自用户的服务时耗费时间严重，有时也很让人受挫更糟糕的是，由于耗费时间严重，有时也很让人受挫更糟糕的是，由于员工的离职或退休，导致了绝大部分知识维护的遗失。

员工的离职或退休，导致了绝大部分知识维护的遗失n解决办法：开发了一个被称为阿基米德的基于规则的系解决办法：开发了一个被称为阿基米德的基于规则的系统该系统运用统该系统运用Authorete工具获取知识，这些知识包工具获取知识，这些知识包括：相关的安装问题、处理过程、步骤以及括：相关的安装问题、处理过程、步骤以及IT员工集体员工集体经验中的解决方法经验中的解决方法n阿基米德的核心是其知识库以及一个友好的用户界面阿基米德的核心是其知识库以及一个友好的用户界面知识是用简单的语句而非复杂的结构来表达的这些语知识是用简单的语句而非复杂的结构来表达的这些语句详细说明了当今的句详细说明了当今的IT专家是如何分析软件安装并解决专家是如何分析软件安装并解决问题的该系统通过下拉菜单中一系列有意义的陈述来问题的该系统通过下拉菜单中一系列有意义的陈述来指导用户，帮助指导用户，帮助KPN开发者并进一步完善知识开发者并进一步完善知识n思考问题：思考问题：n n开发智能系统的动机开发智能系统的动机开发智能系统的动机开发智能系统的动机n n解释智能系统的作用及其潜在的优点，开发这些系解释智能系统的作用及其潜在的优点，开发这些系解释智能系统的作用及其潜在的优点，开发这些系解释智能系统的作用及其潜在的优点，开发这些系统的主要困难是什么？统的主要困难是什么？统的主要困难是什么？统的主要困难是什么？n n人工智能与人类智能的区别是什么？人工智能与人类智能的区别是什么？人工智能与人类智能的区别是什么？人工智能与人类智能的区别是什么？n基本思想：基本思想：n n包含了学习人类的思考过程；包含了学习人类的思考过程；包含了学习人类的思考过程；包含了学习人类的思考过程；n n通过机器（计算机和机器人）来描述并复制这些过通过机器（计算机和机器人）来描述并复制这些过通过机器（计算机和机器人）来描述并复制这些过通过机器（计算机和机器人）来描述并复制这些过程。

程n众所周知的定义：人工智能是一种机器行为，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如果由人类执行就可以称为智能n令人深思的定义：人工智能研究的是如何使计令人深思的定义：人工智能研究的是如何使计算机比人类做的更好算机比人类做的更好n著名应用：深蓝著名应用：深蓝——国际象棋程序国际象棋程序7.1 7.1 人工智能的基本概念及原理人工智能的基本概念及原理n人工智能具有的能力人工智能具有的能力n n从经验中学习或理解从经验中学习或理解从经验中学习或理解从经验中学习或理解n n在模棱两可或相互矛盾的情形中进行理性分析在模棱两可或相互矛盾的情形中进行理性分析在模棱两可或相互矛盾的情形中进行理性分析在模棱两可或相互矛盾的情形中进行理性分析n n对新的情况进行快速成功的响应对新的情况进行快速成功的响应对新的情况进行快速成功的响应对新的情况进行快速成功的响应n n在解决问题的过程中运用推理方法并对行为进行有在解决问题的过程中运用推理方法并对行为进行有在解决问题的过程中运用推理方法并对行为进行有在解决问题的过程中运用推理方法并对行为进行有效的指导效的指导效的指导效的指导n n处理复杂的情况。

处理复杂的情况处理复杂的情况处理复杂的情况n n以正常的理性方式来理解和推断以正常的理性方式来理解和推断以正常的理性方式来理解和推断以正常的理性方式来理解和推断n n运用知识来处理环境运用知识来处理环境运用知识来处理环境运用知识来处理环境人工智能的特征人工智能的特征n符号处理：符号处理：n n数值与符号数值与符号数值与符号数值与符号n n算法与启发式算法算法与启发式算法算法与启发式算法算法与启发式算法n n算法是一步一步地算法是一步一步地算法是一步一步地算法是一步一步地处处理理理理过过程n n启启启启发发式算法：从式算法：从式算法：从式算法：从经验经验中中中中获获取的直取的直取的直取的直觉觉知知知知识识或或或或经验经验法法法法则则n n推断：启推断：启推断：启推断：启发发式算法的替代，包含运用启式算法的替代，包含运用启式算法的替代，包含运用启式算法的替代，包含运用启发发式算法或从其式算法或从其式算法或从其式算法或从其他搜索方法从事他搜索方法从事他搜索方法从事他搜索方法从事实实或或或或规则规则中推断n n机器学机器学机器学机器学习习：使系：使系：使系：使系统调统调整行整行整行整行为为并并并并对对外部外部外部外部环环境做出反境做出反境做出反境做出反应应。

例：人工神例：人工神例：人工神例：人工神经经网网网网络络和和和和遗传遗传算法人工智能比人类智能比较人工智能比人类智能比较n人工智能的优势人工智能的优势n n人工智能更具有永久性人工智能更具有永久性人工智能更具有永久性人工智能更具有永久性n n人工智能为复制和传播提供了便捷人工智能为复制和传播提供了便捷人工智能为复制和传播提供了便捷人工智能为复制和传播提供了便捷n n人工智能的成本比自然智能的成本低人工智能的成本比自然智能的成本低人工智能的成本比自然智能的成本低人工智能的成本比自然智能的成本低n n人工智能可以存档人工智能可以存档人工智能可以存档人工智能可以存档n n人工智能执行某些任务的速度比人类快人工智能执行某些任务的速度比人类快人工智能执行某些任务的速度比人类快人工智能执行某些任务的速度比人类快n n人工智能执行某些任务的质量会比许多人甚至是大多数人人工智能执行某些任务的质量会比许多人甚至是大多数人人工智能执行某些任务的质量会比许多人甚至是大多数人人工智能执行某些任务的质量会比许多人甚至是大多数人高n人类智能具有的优势人类智能具有的优势n n人类智能富有创造性，人工智能缺乏创见人类智能富有创造性，人工智能缺乏创见。

人类智能富有创造性，人工智能缺乏创见人类智能富有创造性，人工智能缺乏创见n n人类智能可以直接运用感官体验并且使人类受益大多数人类智能可以直接运用感官体验并且使人类受益大多数人类智能可以直接运用感官体验并且使人类受益大多数人类智能可以直接运用感官体验并且使人类受益大多数人工智能系统必须在符号输入和表示中工作人工智能系统必须在符号输入和表示中工作人工智能系统必须在符号输入和表示中工作人工智能系统必须在符号输入和表示中工作7.1 7.1 人工智能的基本概念及原理人工智能的基本概念及原理人工智能的决策支持技术 7.1 7.1 人工智能的基本概念及原理人工智能的基本概念及原理n1 1、人工智能的决策支持技术、人工智能的决策支持技术 n n从智能决策支持系统的概念可知智能决策支持系统从智能决策支持系统的概念可知智能决策支持系统从智能决策支持系统的概念可知智能决策支持系统从智能决策支持系统的概念可知智能决策支持系统中包含了人工智能技术，与决策支持有关的人工智中包含了人工智能技术，与决策支持有关的人工智中包含了人工智能技术，与决策支持有关的人工智中包含了人工智能技术，与决策支持有关的人工智能技术主要有：能技术主要有：能技术主要有：能技术主要有：n n专专家系家系家系家系统统、神、神、神、神经经网网网网络络、、、、遗传遗传算法、机器学算法、机器学算法、机器学算法、机器学习习、自、自、自、自然然然然语语言理解等。

言理解等言理解等言理解等 n n专家系统专家系统专家系统专家系统n n是利用大量的是利用大量的是利用大量的是利用大量的专门专门知知知知识识解决特定解决特定解决特定解决特定领领域中的域中的域中的域中的实际问题实际问题的的的的计计算机程序算机程序算机程序算机程序系系系系统统；；；；n n神经网络神经网络神经网络神经网络n n是利用神是利用神是利用神是利用神经经元的信息元的信息元的信息元的信息传传播模型（播模型（播模型（播模型（MPMPMPMP模型）模型）模型）模型）进进行学行学行学行学习习和和和和应应用；用；用；用；n n遗传算法遗传算法遗传算法遗传算法n n是模是模是模是模拟拟生物生物生物生物遗传过遗传过程的群体程的群体程的群体程的群体优优化搜索方法；化搜索方法；化搜索方法；化搜索方法； n n机器学习机器学习机器学习机器学习n n是是是是让计让计算机模算机模算机模算机模拟拟和和和和实现实现人人人人类类的学的学的学的学习习，，，，获获取解决取解决取解决取解决问题问题的知的知的知的知识识；；；；n n自然语言理解自然语言理解自然语言理解自然语言理解n n是是是是让计让计算机理解和算机理解和算机理解和算机理解和处处理人理人理人理人类进类进行交流的自然行交流的自然行交流的自然行交流的自然语语言。

言 7.1 7.1 人工智能的基本概念及原理人工智能的基本概念及原理n n2 2 2 2．智能决策支持系统结构形式．智能决策支持系统结构形式．智能决策支持系统结构形式．智能决策支持系统结构形式 n n1 1 1 1）基本结构）基本结构）基本结构）基本结构n n智能决策支持系智能决策支持系智能决策支持系智能决策支持系统统（（（（IDSSIDSSIDSSIDSS）＝决策支持系）＝决策支持系）＝决策支持系）＝决策支持系统统（（（（DSSDSSDSSDSS）＋人工智能（）＋人工智能（）＋人工智能（）＋人工智能（AIAIAIAI）技）技）技）技术术 7.1 7.1 人工智能的基本概念及原理人工智能的基本概念及原理                     问题综合与交互系统     数据库   管理系统     模型库   管理系统模型库数据库             人工智能技术专家系统神经网络遗传算法机器学习自然语言理解图7.1 智能决策支持系统的基本结构                                     图7.2 智能决策支持系统结构                 问题综合与交互系统      模型库管理系统      数据库管理系统    知识库  管理系统   推理机用户 模型库 知识库 数据库人工智能技术可以概括为：推理机＋知识库人工智能技术可以概括为：推理机＋知识库人工智能技术可以概括为：推理机＋知识库人工智能技术可以概括为：推理机＋知识库 智能决策支持系统的结构可以简化为图智能决策支持系统的结构可以简化为图智能决策支持系统的结构可以简化为图智能决策支持系统的结构可以简化为图7.27.27.2 人工智能基本原理人工智能基本原理n7.2.1 逻辑推理逻辑推理n7.2.2 知识表示与知识推理知识表示与知识推理n7.2.3 搜索技术搜索技术7.2.1 7.2.1 逻辑推理逻辑推理1.1.形式逻辑形式逻辑( (人的思维形式、规律人的思维形式、规律) )（1）概念：反映事物的特有属性和属性的取值。

2）判断：对概念的肯定或否定； 判断本身有对有错； 判断有全称的肯定（或否定）判断和存在的肯定（或否定）判断3）推理：从一个或多个判断推出一个新判断的过程7.2.1 逻辑推理逻辑推理2.2.推理的种类推理的种类演绎推理归纳推理类比推理假言推理三段论推理数学归纳法假言易位推理枚举归纳推理1 1））））演绎推理演绎推理演绎推理演绎推理：从一般现象到个别（特殊）现象的推理从一般现象到个别（特殊）现象的推理从一般现象到个别（特殊）现象的推理从一般现象到个别（特殊）现象的推理2 2））））归纳推理归纳推理归纳推理归纳推理：从个别（特殊）现象到一般现象的推理从个别（特殊）现象到一般现象的推理从个别（特殊）现象到一般现象的推理从个别（特殊）现象到一般现象的推理3 3））））类比推理类比推理类比推理类比推理：从个别（特殊）现象到个别（特殊）现象的推理从个别（特殊）现象到个别（特殊）现象的推理从个别（特殊）现象到个别（特殊）现象的推理从个别（特殊）现象到个别（特殊）现象的推理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 符号符号“┝”表示推出表示推出7.2.1 逻辑推理逻辑推理 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 7.2.1 逻辑推理逻辑推理枚举归纳推理实例 如观察到铁受热膨胀、铜受热膨胀等事实而不知其所以然，由此推出“所有金属受热膨胀”的结论就是简单枚举归纳推理  3）类比推理            它是由两个（或两类）事物在某某些些属属性性上上相相同同，进而推断它们在另一个属性另一个属性上也可能相同相同的推理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） 类类比比推推理理的的结结论论带带有有或或然然性性，，它它的的可可靠靠性性和和相相类类比事物属性之间的联系程度有关比事物属性之间的联系程度有关。

7.2.1 逻辑推理逻辑推理类比推理实例一 1816年的一天，法国医生雷奈克出诊为一位年轻的女性看病，一见病人，雷奈克犯起愁来：她身体非常肥胖，要诊断她的心脏和肺部是否正常，按当时医生惯用的方法，把耳朵贴近病人的胸部来听，肯定听不清楚，更何况她是一位年轻的女性雷奈克抬头看了看院子里正在玩耍的小孩，脑子里突然浮现出几年前看到一个孩子们玩的游戏：一个孩子用钉子敲打木板的一头，另外的孩子争先恐后地抱着把耳朵贴近木板的另一头，兴致勃勃地倾听着 为什么木头能够把声音清晰地传过来呢？雷奈克稍微想了想，只见他很很地拍了一下手说：“就是这样！就是这样！”雷奈克要来一叠纸，紧紧地卷成一个卷，然后把纸卷的一端放在姑娘的胸部，另一端放在自己的耳朵上，侧着脸听了起来真是一个妙法！”雷奈克高兴地喊了一句回到家里，雷奈克找到一根空心木管，造成了历史上第一个“听诊器”类比推理实例一类比推理实例二 19世纪30年代，英国商人威尔斯以与冯灿的茂隆皮箱商行订购的皮箱中有不是皮的木料为由，向香港法院起诉，蓄意敲诈冯灿针对这种情况，冯灿的律师罗文锦取出口袋的金怀表，高声问法官：“请问这是什么表？”法官答道：“这是金表，可是这与本案有什么关系？”罗文锦高举金表，面对法庭上所有的人说：“有关系。

这是金表，没有人怀疑是吧？但是，请问，这块金表除表面镀金之外，内部的机制都是金制吗？”旁听者同声议论：“当然不是罗文锦继续说：“那么人们为什么又叫它金表呢？”稍作停顿又高声说：“由此可见，茂隆行的皮箱案不过是原告无理取闹、存心敲诈而已”原告理屈词穷，法庭最后以威尔斯诬告，罚款5000元结案 皮箱诉讼案的法庭辩论中，卖方律师在反驳中所使用的就是类比推理： 表的外表有金，内部含有不是金的材料，但却是金表； 箱的外表有皮，但也含有不是皮的材料；所以，箱仍是皮箱类比推理实例二 3. 总结 1 1））演演绎绎推推理理的的结结论论没没有有超超出出已已知知的的知知识识范范围围而而归纳推理和类比推理的结论归纳推理和类比推理的结论超出超出已知的知识范围已知的知识范围       演演演演绎绎推理只能解推理只能解推理只能解推理只能解释释一般一般一般一般规规律中的个律中的个律中的个律中的个别现别现象象象象         而而而而归归纳纳推推推推理理理理和和和和类类比比比比推推推推理理理理创创造造造造了了了了新新新新的的的的知知知知识识，，，，使使使使科科科科学学学学得得得得到到到到新新新新发发展，是一种展，是一种展，是一种展，是一种创创造思造思造思造思维维方式。

方式 2 2））演演绎绎推推理理中中由由于于前前提提和和结结论论有有必必然然联联系系，，只只要要前提为真，结论一定为真前提为真，结论一定为真            归归纳纳推推推推理理理理和和和和类类比比比比推推推推理理理理中中中中前前前前提提提提和和和和结结论论，，，，不不不不能能能能保保保保证证有有有有必必必必然然然然联联系系系系，，，，具具具具有有有有或或或或然然然然性性性性这这样样推推推推理理理理的的的的结结论论未未未未必必必必是是是是可可可可靠靠靠靠的的的的需需需需要要要要经经过过严严格格格格的的的的验验证证和和和和证证明明明明，，，，使之形成新的理使之形成新的理使之形成新的理使之形成新的理论论7.2.1 逻辑推理逻辑推理7.2.2 知识表示与知识推理知识表示与知识推理n案例分析：礼来制药公司基于知识的实时系统的开发案例分析：礼来制药公司基于知识的实时系统的开发n n背景：礼来公司是一家全球性的大型美国制药公司（全球范背景：礼来公司是一家全球性的大型美国制药公司（全球范背景：礼来公司是一家全球性的大型美国制药公司（全球范背景：礼来公司是一家全球性的大型美国制药公司（全球范围内有围内有围内有围内有4100041000名员工，在名员工，在名员工，在名员工，在158158个国家销售产品）个国家销售产品）个国家销售产品）个国家销售产品）n n问题：生产药物产品需要一道叫做发酵的特殊工序。

问题：生产药物产品需要一道叫做发酵的特殊工序问题：生产药物产品需要一道叫做发酵的特殊工序问题：生产药物产品需要一道叫做发酵的特殊工序一个典一个典一个典一个典型的发酵过程是操作一系列不停搅拌的容器型的发酵过程是操作一系列不停搅拌的容器型的发酵过程是操作一系列不停搅拌的容器型的发酵过程是操作一系列不停搅拌的容器为了获得优质为了获得优质为了获得优质为了获得优质产品，需要小心监控发酵过程并且始终如一的控制但是传产品，需要小心监控发酵过程并且始终如一的控制但是传产品，需要小心监控发酵过程并且始终如一的控制但是传产品，需要小心监控发酵过程并且始终如一的控制但是传统统计过程难以控制参数例如：无法量化一个发酵种子所统统计过程难以控制参数例如：无法量化一个发酵种子所统统计过程难以控制参数例如：无法量化一个发酵种子所统统计过程难以控制参数例如：无法量化一个发酵种子所处的阶段无法对产品搅动做出精确的预测处的阶段无法对产品搅动做出精确的预测处的阶段无法对产品搅动做出精确的预测处的阶段无法对产品搅动做出精确的预测虽然培植采用虽然培植采用虽然培植采用虽然培植采用相同的工序，但是由不同员工来执行不同操作者根据各自相同的工序，但是由不同员工来执行。

不同操作者根据各自相同的工序，但是由不同员工来执行不同操作者根据各自相同的工序，但是由不同员工来执行不同操作者根据各自的经验来控制这一过程，导致产品的质量有差异的经验来控制这一过程，导致产品的质量有差异的经验来控制这一过程，导致产品的质量有差异的经验来控制这一过程，导致产品的质量有差异n解决：礼来公司采用专家系统来解决这一问题，目的是解决：礼来公司采用专家系统来解决这一问题，目的是希望关键技术员能够希望关键技术员能够24小时对发酵过程提供服务，并且小时对发酵过程提供服务，并且专家系统中知识库的相关部分能够被复制构建了一个专家系统中知识库的相关部分能够被复制构建了一个智能质量报警系统，用于操作提供一致性的实时建议智能质量报警系统，用于操作提供一致性的实时建议n开发过程：四名知识工程师参与了系统的开发，他们仅开发过程：四名知识工程师参与了系统的开发，他们仅仅被要求记录专家知识，而不进行任何优化也不能使仅被要求记录专家知识，而不进行任何优化也不能使用自身领域知识来影响专家总共开发了用自身领域知识来影响专家总共开发了6个月n步骤：知识诱出；知识融合；知识库编码；测试和评估步骤：知识诱出；知识融合；知识库编码；测试和评估。

n思考：思考：n n为什么礼来公司需要开发一个智能系统来为过程操作提为什么礼来公司需要开发一个智能系统来为过程操作提为什么礼来公司需要开发一个智能系统来为过程操作提为什么礼来公司需要开发一个智能系统来为过程操作提供建议？供建议？供建议？供建议？n n开发十个独立的知识库，然后通过知识融会将它们合成开发十个独立的知识库，然后通过知识融会将它们合成开发十个独立的知识库，然后通过知识融会将它们合成开发十个独立的知识库，然后通过知识融会将它们合成一个整体，你对此有何看法？这种方法的优点和缺点各一个整体，你对此有何看法？这种方法的优点和缺点各一个整体，你对此有何看法？这种方法的优点和缺点各一个整体，你对此有何看法？这种方法的优点和缺点各是什么？是什么？是什么？是什么？n n使用知识获取工具有什么好处？使用知识获取工具有什么好处？使用知识获取工具有什么好处？使用知识获取工具有什么好处？7.2.2 知识表示与知识推理知识表示与知识推理7.2.2 知识表示与知识推理知识表示与知识推理n知识获取：是指从人类专家、书本、文档、传知识获取：是指从人类专家、书本、文档、传感器或者计算机文件中采集知识这些知识可感器或者计算机文件中采集知识。

这些知识可能倾向于特殊的问题域或问题解决程序，也可能倾向于特殊的问题域或问题解决程序，也可能是一般性知识或者元知识能是一般性知识或者元知识n知识表示：采集的知识是在一种被称为知识表知识表示：采集的知识是在一种被称为知识表示的行为过程中组织的这一行为过程包括知示的行为过程中组织的这一行为过程包括知识图的表示以及将知识编码到知识库中识图的表示以及将知识编码到知识库中n知识确认：知识确认： 知识将被不断确认和核实知识将被不断确认和核实n推理：这一行为包括使计算机能够基于知识和推理：这一行为包括使计算机能够基于知识和问题特性来进行推理软件的设计问题特性来进行推理软件的设计n解释和理由：包括解释能力的设计和编程实现解释和理由：包括解释能力的设计和编程实现7.2.3 7.2.3 搜索技术搜索技术n搜索技术是人工智能的一个重要研究内容智能技搜索技术是人工智能的一个重要研究内容智能技术体现在术体现在减少搜索树中的盲目搜索减少搜索树中的盲目搜索n n1.1.1.1.执执执执行行行行时时时时间间间间与与与与ｎｎｎｎ，，，，ｎｎｎｎ２２２２，，，，ｎｎｎｎ３３３３等等等等成成成成正正正正比比比比的的的的算算算算法法法法，，，，称称称称为为为为按按按按多多多多项项项项式时间执行式时间执行式时间执行式时间执行。

n n2.2.2.2.执执执执行行行行时时时时间间间间与与与与２２２２ｎｎｎｎ，，，，ｎｎｎｎ！！！！和和和和ｎｎｎｎｎｎｎｎ等等等等成成成成正正正正比比比比的的的的算算算算法法法法，，，，称称称称为为为为按按按按指指指指数时间执行数时间执行数时间执行数时间执行按多项式时间执行的算法，计算机是可以实现的按多项式时间执行的算法，计算机是可以实现的按指数时间执行的算法，计算机是不可能实现的按指数时间执行的算法，计算机是不可能实现的7.2.3 7.2.3 搜索技术搜索技术n人人工工智智能能中中发发展展了了一一种种称称为为启启发发式式搜搜索索方方法法，，基基本本思思想想可可用用一个实例来说明：一个实例来说明：n n一一一一个个个个外外外外地地地地人人人人到到到到某某某某城城城城市市市市出出出出差差差差，，，，他他他他想想想想到到到到书书书书店店店店看看看看看看看看，，，，又又又又不不不不知知知知书书书书店店店店在在在在何何何何处处处处，，，，如如如如果果果果采采采采取取取取盲盲盲盲目目目目搜搜搜搜索索索索，，，，从从从从住住住住地地地地出出出出发发发发沿沿沿沿任任任任一一一一方方方方向向向向走走走走，，，，在分叉路口又任选一分支走，他可能走几天几夜也找不到在分叉路口又任选一分支走，他可能走几天几夜也找不到在分叉路口又任选一分支走，他可能走几天几夜也找不到在分叉路口又任选一分支走，他可能走几天几夜也找不到n n如如如如果果果果采采采采用用用用启启启启发发发发式式式式方方方方法法法法，，，，他他他他会会会会问问问问路路路路上上上上的的的的人人人人，，，，到到到到书书书书店店店店怎怎怎怎样样样样走走走走。

城市中的大部分人对书店不知道，问不出来城市中的大部分人对书店不知道，问不出来城市中的大部分人对书店不知道，问不出来城市中的大部分人对书店不知道，问不出来7.2.3 7.2.3 搜索技术搜索技术n n改改改改一一一一种种种种问问问问法法法法：：：：问问问问该该该该城城城城市市市市最最最最热热热热闹闹闹闹的的的的地地地地方方方方在在在在哪哪哪哪儿儿儿儿？？？？按按按按照照照照这这这这个个个个启发式信息沿着指路人的路线，乘车到达最热闹的地方启发式信息沿着指路人的路线，乘车到达最热闹的地方启发式信息沿着指路人的路线，乘车到达最热闹的地方启发式信息沿着指路人的路线，乘车到达最热闹的地方n n但但但但书书书书店店店店在在在在哪哪哪哪儿儿儿儿，，，，仍仍仍仍然然然然不不不不知知知知道道道道如如如如果果果果盲盲盲盲目目目目搜搜搜搜索索索索，，，，可可可可能能能能仍仍仍仍然然然然找找找找不不不不到到到到如如如如果果果果采采采采用用用用启启启启发发发发式式式式方方方方法法法法，，，，他他他他会会会会问问问问路路路路上上上上的的的的人人人人，，，，卖卖卖卖画画画画的地方在哪儿，他可以通过画店再问书店在哪儿？的地方在哪儿，他可以通过画店再问书店在哪儿？的地方在哪儿，他可以通过画店再问书店在哪儿？的地方在哪儿，他可以通过画店再问书店在哪儿？n n启启启启发发发发式式式式方方方方法法法法能能能能减减减减少少少少大大大大量量量量盲盲盲盲目目目目无无无无效效效效的的的的搜搜搜搜索索索索，，，，能能能能有有有有效效效效克克克克服服服服按按按按指数时间执行的组合爆炸现象指数时间执行的组合爆炸现象指数时间执行的组合爆炸现象指数时间执行的组合爆炸现象7.2.3 7.2.3 搜索技术搜索技术n搜索方法分类：搜索方法分类：n n基本搜索法基本搜索法基本搜索法基本搜索法n n（（（（1 1 1 1）广度）广度）广度）广度优优先搜索法。

先搜索法先搜索法先搜索法n n（（（（2 2 2 2）深度）深度）深度）深度优优先搜索法先搜索法先搜索法先搜索法7.2.3.17.2.3.1 广度优先搜索（宽度优先搜索）广度优先搜索（宽度优先搜索）1 1、广度优先搜索思想、广度优先搜索思想 n n从初始状态从初始状态从初始状态从初始状态S S S S开始，开始，开始，开始，利用规则利用规则利用规则利用规则，，，，生成所有可能的状态生成所有可能的状态生成所有可能的状态生成所有可能的状态构成树的下一层节点，检查是否出现目标状态构成树的下一层节点，检查是否出现目标状态构成树的下一层节点，检查是否出现目标状态构成树的下一层节点，检查是否出现目标状态G G G G，若，若，若，若未出现，就对该层所有状态节点，分别顺序利用规未出现，就对该层所有状态节点，分别顺序利用规未出现，就对该层所有状态节点，分别顺序利用规未出现，就对该层所有状态节点，分别顺序利用规则n n生成再下一层的所有状态节点，对这一层的所有状生成再下一层的所有状态节点，对这一层的所有状生成再下一层的所有状态节点，对这一层的所有状生成再下一层的所有状态节点，对这一层的所有状态节点检查是否出现态节点检查是否出现态节点检查是否出现态节点检查是否出现G G G G，若未出现，继续按上面思想，若未出现，继续按上面思想，若未出现，继续按上面思想，若未出现，继续按上面思想生成再下一层的所有状态节点生成再下一层的所有状态节点生成再下一层的所有状态节点生成再下一层的所有状态节点. . . .n n这样一层一层往下展开。

直到这样一层一层往下展开直到这样一层一层往下展开直到这样一层一层往下展开直到出现目标状态出现目标状态出现目标状态出现目标状态G G G G为止 图图7.7 广度优先搜索示意图广度优先搜索示意图 1 1、深度优先搜索法思想、深度优先搜索法思想 n n从从从从初初初初始始始始状状状状态态态态S S S S开开开开始始始始，，，，利利利利用用用用规规规规则则则则生生生生成成成成搜搜搜搜索索索索树树树树下下下下一一一一层层层层任任任任一一一一个个个个结结结结点点点点，，，，检检检检查查查查是是是是否否否否出出出出现现现现目目目目标标标标状状状状态态态态G G G G，，，，若若若若未未未未出出出出现现现现，，，，以以以以此此此此状状状状态态态态利利利利用用用用规规规规则则则则生生生生成成成成再再再再下下下下一一一一层层层层任任一一个个结结结结点点点点，，，，再再再再检检检检查查查查是是是是否否否否为为为为目目目目标标标标节节节节点点点点G G G G若若若若未未未未出出出出现现现现，，，，继继继继续续续续以以以以上上上上操操操操作作作作过过过过程程程程，，，，一一一一直直直直进进进进行行行行到到到到叶叶叶叶节节节节点点点点（（（（即即即即不不不不能能能能再再再再生生生生成成成成新新新新状状状状态态态态节节节节点点点点））））。

n n当当当当它它它它仍仍仍仍不不不不是是是是目目目目标标标标状状状状态态态态G G G G时时时时，，，，回回回回溯溯溯溯到到到到上上上上一一一一层层层层结结结结果果果果，，，，取取取取另一可能扩展搜索的分支生成新状态节点另一可能扩展搜索的分支生成新状态节点另一可能扩展搜索的分支生成新状态节点另一可能扩展搜索的分支生成新状态节点n n一直进行下去，直到找到目标状态一直进行下去，直到找到目标状态一直进行下去，直到找到目标状态一直进行下去，直到找到目标状态G G G G为止7.2.3.2 深度优先搜索法深度优先搜索法图图7.8 深度优先搜索示意图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，好在此分支上，则可较快地得到解但是，如果目标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，则就不能得到解就不能得到解所以深度优先搜索是不完备的，即使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，问题有解，它也不一定能求得解显然，用深度优先用深度优先求得的解，也不一定是路径最短的解求得的解，也不一定是路径最短的解 深度优先法适合于搜索树的深度较小的问题n7.3 专家系统与智能决策支持系统专家系统与智能决策支持系统n n7.3.1 7.3.1 专家系统原理专家系统原理专家系统原理专家系统原理n n7.3.2 7.3.2 专家系统与专家系统与专家系统与专家系统与DSSDSS的集成的集成的集成的集成7.3.1专家系统原理专家系统原理n1. 1. 专家系统概念专家系统概念n n1 1 1 1）专家系统定义）专家系统定义）专家系统定义）专家系统定义n n专家系统是具有专家系统是具有专家系统是具有专家系统是具有大量专门知识大量专门知识大量专门知识大量专门知识，并能运用这些知识解决，并能运用这些知识解决，并能运用这些知识解决，并能运用这些知识解决特定领域中实际问题的计算机程序系统特定领域中实际问题的计算机程序系统特定领域中实际问题的计算机程序系统特定领域中实际问题的计算机程序系统n n专家系统是利用大量的专家系统是利用大量的专家系统是利用大量的专家系统是利用大量的专家知识专家知识专家知识专家知识，运用知识推理的方法，运用知识推理的方法，运用知识推理的方法，运用知识推理的方法来解决各特定领域中的实际问题。

计算机专家系统这样来解决各特定领域中的实际问题计算机专家系统这样来解决各特定领域中的实际问题计算机专家系统这样来解决各特定领域中的实际问题计算机专家系统这样的软件能够达到人类专家解决问题的水平的软件能够达到人类专家解决问题的水平的软件能够达到人类专家解决问题的水平的软件能够达到人类专家解决问题的水平7.3.1专家系统原理专家系统原理n2 2））专家系统的特点专家系统的特点n n专家系统需要大量的知识，这些知识是属于专家系统需要大量的知识，这些知识是属于专家系统需要大量的知识，这些知识是属于专家系统需要大量的知识，这些知识是属于规律规律规律规律性知识性知识性知识性知识，它可以用来解决千变万化的实际问题它可以用来解决千变万化的实际问题它可以用来解决千变万化的实际问题它可以用来解决千变万化的实际问题n n专业技能专业技能专业技能专业技能n n符号推理符号推理符号推理符号推理n n深层知识深层知识深层知识深层知识n n自我知识自我知识自我知识自我知识传统系统与专家系统比较传统系统与专家系统比较传统系统传统系统专家系统专家系统信息及其处理过程通常在连续的程序中结合知识库与处理（推理）机制明显分离程序不会出错程序可能出错通常不解释为什么要输入数据或如何得出结论解释是多数专家系统的一部分需要输入所有的数据不要求输入所有的数据。

程序更改复杂改变规则容易系统只在其完成时运行系统可以在少数规则下运行系统一步一步执行系统通过启发式算法和逻辑执行数据表示和应用 大数据库知识表示和应用 大知识库处理定量数据处理定性数据运用数字表示运用符号和数字知识表示获取、放大和分配得到的数据或信息获取、放大和分配获取到的判断或知识人类专家与专家系统的不同人类专家与专家系统的不同特征特征人类专家人类专家专家系统专家系统损失率是否知识传递难易知识记录难易决策一致性低高单位使用成本高低创造性高低自适应性高低知识范围广泛狭窄知识类型常识和技术技术知识内容经验符号 2.2.专家系统结构专家系统结构 专家系统的核心是知识库和推理机专家系统的核心是知识库和推理机              专家系统可以概括为：专家系统可以概括为：                                                   专家系统＝知识库专家系统＝知识库+ +推理机推理机7.3.1专家系统原理专家系统原理知识获取人机接口知识库推理机 专家用户咨询          建议专家系统核心 专家系统结构专家系统结构 7.3.2 7.3.2 专家系统与决策支持系统集成专家系统与决策支持系统集成 n nIDSSIDSSIDSSIDSS充分发挥了专家系统以充分发挥了专家系统以充分发挥了专家系统以充分发挥了专家系统以知识推理知识推理知识推理知识推理形式解决形式解决形式解决形式解决定性定性定性定性分分分分析问题的特点析问题的特点析问题的特点析问题的特点. . . .n n发挥了决策支持系统以发挥了决策支持系统以发挥了决策支持系统以发挥了决策支持系统以模型计算模型计算模型计算模型计算为核心的解决为核心的解决为核心的解决为核心的解决定量定量定量定量分分分分析问题的特点析问题的特点析问题的特点析问题的特点. . . .n n充分做到充分做到充分做到充分做到定性分析定性分析定性分析定性分析和和和和定量分析定量分析定量分析定量分析的有机结合的有机结合的有机结合的有机结合. . . . 数据库数据库DBDSS控制控制系统系统模型库模型库MB问题综合问题综合与与交互系统交互系统动态动态DB推理机推理机和和解释器解释器知识库知识库KB集成系统集成系统DSSES 图图7.167.16智能决策支持系统集成结构图智能决策支持系统集成结构图综合系统综合系统1.1.DSSDSS和和和和ESES的总体结合。

的总体结合的总体结合的总体结合 由集成系统把由集成系统把由集成系统把由集成系统把DSSDSS和和和和ESES有机结合起来有机结合起来有机结合起来有机结合起来2. KB2. KB和和和和MBMB的结合 模型库中的数学模型和模型库中的数学模型和模型库中的数学模型和模型库中的数学模型和数据处理模型作为知数据处理模型作为知数据处理模型作为知数据处理模型作为知识的一种形式，即识的一种形式，即识的一种形式，即识的一种形式，即过过过过程性知识程性知识程性知识程性知识，加入到知，加入到知，加入到知，加入到知识推理过程中去识推理过程中去识推理过程中去识推理过程中去3. DB3. DB和动态和动态和动态和动态DBDB的结合 DSS DSS中的中的中的中的DBDB可以看成可以看成可以看成可以看成是相对静态的数据库，是相对静态的数据库，是相对静态的数据库，是相对静态的数据库，它为它为它为它为ESES中的动态数据中的动态数据中的动态数据中的动态数据库提供初始数据，库提供初始数据，库提供初始数据，库提供初始数据，ESES推理结束后，动态推理结束后，动态推理结束后，动态推理结束后，动态DBDB中的结果再送回到中的结果再送回到中的结果再送回到中的结果再送回到DSSDSS中的中的中的中的DBDB中去。

中去 DSSDSS与与ESES集成形式一：集成形式一：DSSDSS和和ESES并重的并重的IDSSIDSS结构构 集成集成系统系统DSSES7.3.2 7.3.2 专家系统与决策支持系统集成专家系统与决策支持系统集成 集成特点集成特点1.具有综合系统，具有调用和集成具有综合系统，具有调用和集成DSS和和ES的的能力2.扩充扩充DSS的问题与人机交互系统功能，增加的问题与人机交互系统功能，增加对对ES的调用组合能力的调用组合能力DSS与与ES的关系的关系：：DSS中中DB与与ES中的动态中的动态DB进行数据交换进行数据交换解决问题的特点解决问题的特点体现定性分析和定量分析并重解决问题的特点体现定性分析和定量分析并重解决问题的特点DSS控制系控制系统统MBDBESDSS与与ES集成形式二：集成形式二： DSS为主体的为主体的IDSS结构结构 7.3.2 7.3.2 专家系统与决策支持系统集成专家系统与决策支持系统集成 集成特点集成特点集成系统和集成系统和DSS控制系统合为一体控制系统合为一体DSS与与ES的关系的关系：：ES被被DSS控制系统调用控制系统调用解决问题的特点解决问题的特点体现以定量分析为主，结果定性分析解决问体现以定量分析为主，结果定性分析解决问题的特点。

题的特点推理机推理机（广义）（广义） DSS动态动态DBKB推理机推理机MB动态动态DBKB图7.19 7.19 DSS作为推理形式的作为推理形式的IDSS图7.207.20模型作为知识的模型作为知识的IDSSDSS与与ES集成形式三：集成形式三： ES为主体的为主体的IDSS结构结构7.3.2 7.3.2 专家系统与决策支持系统集成专家系统与决策支持系统集成 集成特点集成特点人机交互系统和人机交互系统和ES合为一体合为一体DSS与与ES的关系的关系：：图图7.19 DSS作为推理机，受作为推理机，受ES的推理机控制；的推理机控制；图图7.20数据模型作为知识出现数据模型作为知识出现解决问题的特点解决问题的特点体现以定量分析为主，结果定性分析解决问题的特点体现以定量分析为主，结果定性分析解决问题的特点7.4 遗传算法的决策支持遗传算法的决策支持7.4.1 遗传算法原理遗传算法原理7.4.2 优化模型的遗传算法求解优化模型的遗传算法求解7.4.3 获取知识的遗传算法获取知识的遗传算法7.4.4 遗传规划建立模型遗传规划建立模型7.4.1 遗传算法原理遗传算法原理n遗传算法遗传算法(Genetic Algorithm，，GA)n n是模拟是模拟是模拟是模拟生物进化生物进化生物进化生物进化的自然选择和遗传机制的一种的自然选择和遗传机制的一种的自然选择和遗传机制的一种的自然选择和遗传机制的一种寻优寻优寻优寻优算法。

算法n n适用于适用于适用于适用于复杂的非线性复杂的非线性复杂的非线性复杂的非线性问题问题问题问题, ,主要应用在组合优化和机主要应用在组合优化和机主要应用在组合优化和机主要应用在组合优化和机器学习两个方面器学习两个方面器学习两个方面器学习两个方面n n应用领域：应用领域：应用领域：应用领域：n n图图像像像像识别识别、、、、图图像恢复、自适像恢复、自适像恢复、自适像恢复、自适应应控制、控制、控制、控制、优优化化化化调调度等度等度等度等领领域n遗传算法的发展过程大体上可分为以下三个阶段：遗传算法的发展过程大体上可分为以下三个阶段： n n（（（（1 1））））7070年代的兴起阶段年代的兴起阶段年代的兴起阶段年代的兴起阶段n n1975197519751975年美国年美国年美国年美国Michigan Michigan Michigan Michigan 大学大学大学大学J.HollandJ.HollandJ.HollandJ.Holland首次系统地阐述了遗传算首次系统地阐述了遗传算首次系统地阐述了遗传算首次系统地阐述了遗传算法的基本理论和方法法的基本理论和方法法的基本理论和方法法的基本理论和方法。

n n在这一时期的大部分研究都处于理论研究和建立实验模型阶段在这一时期的大部分研究都处于理论研究和建立实验模型阶段在这一时期的大部分研究都处于理论研究和建立实验模型阶段在这一时期的大部分研究都处于理论研究和建立实验模型阶段n n（（（（2 2））））8080年代的发展阶段年代的发展阶段年代的发展阶段年代的发展阶段n n1980198019801980年年年年SmithSmithSmithSmith教授将遗传算法应用于机器学习领域，研制出了一教授将遗传算法应用于机器学习领域，研制出了一教授将遗传算法应用于机器学习领域，研制出了一教授将遗传算法应用于机器学习领域，研制出了一个著名的分类器个著名的分类器个著名的分类器个著名的分类器(Classifier)(Classifier)(Classifier)(Classifier)系统n n这期间许多学者对遗传算法进行了大量的改进和发展，提出了这期间许多学者对遗传算法进行了大量的改进和发展，提出了这期间许多学者对遗传算法进行了大量的改进和发展，提出了这期间许多学者对遗传算法进行了大量的改进和发展，提出了许多成功的遗传算法模型，使遗传算法应用于更广泛的领域。

许多成功的遗传算法模型，使遗传算法应用于更广泛的领域许多成功的遗传算法模型，使遗传算法应用于更广泛的领域许多成功的遗传算法模型，使遗传算法应用于更广泛的领域 n n（（（（3 3））））9090年代的高潮阶段年代的高潮阶段年代的高潮阶段年代的高潮阶段n n进入进入进入进入90909090年代后，遗传算法作为一种实用、高效的优化技术，得年代后，遗传算法作为一种实用、高效的优化技术，得年代后，遗传算法作为一种实用、高效的优化技术，得年代后，遗传算法作为一种实用、高效的优化技术，得到了极为迅速的发展到了极为迅速的发展到了极为迅速的发展到了极为迅速的发展 7.4.1 遗传算法原理遗传算法原理7.4.1 遗传算法原理遗传算法原理7.4.1.1 遗传算法工作过程遗传算法工作过程7.4.1.2 遗传算法的理论基础遗传算法的理论基础7.4.1.3 遗传算法的基本特征遗传算法的基本特征7.4.1.1 遗传算法的工作过程遗传算法的工作过程n遗传算法是一种群体型操作，该操作以群体中的所有个体遗传算法是一种群体型操作，该操作以群体中的所有个体为对象n n个体就是模拟生物个体而对问题中的对象（一般就是问题的解）的个体就是模拟生物个体而对问题中的对象（一般就是问题的解）的一种称呼，一个个体也就是搜索空间中的一个点。

一种称呼，一个个体也就是搜索空间中的一个点n n种群种群(population)(population)就是模拟生物种群而由若干个体组成的群体就是模拟生物种群而由若干个体组成的群体, , 它一它一般是整个搜索空间的一个很小的子集般是整个搜索空间的一个很小的子集n n遗传算法的三个主要操作算子遗传算法的三个主要操作算子遗传算法的三个主要操作算子遗传算法的三个主要操作算子：：：：选择选择选择选择（（（（selecationselecation）、）、）、）、交叉交叉交叉交叉（（（（crossovercrossover）和）和）和）和变异变异变异变异（（（（mutationmutation）））） 构成了遗传构成了遗传构成了遗传构成了遗传操作（操作（操作（操作（Genetic operationGenetic operation），使遗传算法具有了其他传），使遗传算法具有了其他传），使遗传算法具有了其他传），使遗传算法具有了其他传统方法所没有的特性统方法所没有的特性统方法所没有的特性统方法所没有的特性产生新一代群体编码和初始群体形成输出种群 个体适应值满意否？7.4.1.1 遗传算法的工作过程遗传算法的工作过程n n 首先将问题的每个可能的解按首先将问题的每个可能的解按首先将问题的每个可能的解按首先将问题的每个可能的解按某种形式编码，编码后的解称作某种形式编码，编码后的解称作某种形式编码，编码后的解称作某种形式编码，编码后的解称作染色体（个体）。

染色体（个体）染色体（个体）染色体（个体）n n 随机选取随机选取随机选取随机选取NN个染色体构成个染色体构成个染色体构成个染色体构成初始初始初始初始种群，再根据种群，再根据种群，再根据种群，再根据预定预定预定预定的的的的评价函数评价函数评价函数评价函数对对对对每个染色体计算适应值，使得性每个染色体计算适应值，使得性每个染色体计算适应值，使得性每个染色体计算适应值，使得性能较好的染色体具有能较好的染色体具有能较好的染色体具有能较好的染色体具有较高较高较高较高的适应的适应的适应的适应值n n 选择选择选择选择适应值高适应值高适应值高适应值高的染色体进行复的染色体进行复的染色体进行复的染色体进行复制，通过遗传算子来产生一群新制，通过遗传算子来产生一群新制，通过遗传算子来产生一群新制，通过遗传算子来产生一群新的更适应环境的染色体，形成新的更适应环境的染色体，形成新的更适应环境的染色体，形成新的更适应环境的染色体，形成新的种群n n 这样一代一代不断繁殖，最后这样一代一代不断繁殖，最后这样一代一代不断繁殖，最后这样一代一代不断繁殖，最后收敛到一个最适应环境的个体上，收敛到一个最适应环境的个体上，收敛到一个最适应环境的个体上，收敛到一个最适应环境的个体上，求得问题的最优解。

求得问题的最优解求得问题的最优解求得问题的最优解遗传算子选择交叉变异1. 群体中个体的编码群体中个体的编码n n如何将问题描述成位串的形式，即问题编码一如何将问题描述成位串的形式，即问题编码一如何将问题描述成位串的形式，即问题编码一如何将问题描述成位串的形式，即问题编码一般将问题的参数用般将问题的参数用般将问题的参数用般将问题的参数用二进制位二进制位二进制位二进制位（基因）编码构成子（基因）编码构成子（基因）编码构成子（基因）编码构成子串，再将串，再将串，再将串，再将子串子串子串子串拼接起来构成拼接起来构成拼接起来构成拼接起来构成“ “染色体染色体染色体染色体” ”位串7.4.1.1 遗传算法的工作过程遗传算法的工作过程例如：例如：例如：例如： 个体个体个体个体 染色体染色体染色体染色体 9 ---- 1001 9 ---- 1001（（（（2 2，，，，5 5，，，，6 6））））---- 010 101 110---- 010 101 1102. 适应值函数的确定适应值函数的确定n n遗传算法的执行过程中，每一代有许多不同的染色体（个体）同时存遗传算法的执行过程中，每一代有许多不同的染色体（个体）同时存遗传算法的执行过程中，每一代有许多不同的染色体（个体）同时存遗传算法的执行过程中，每一代有许多不同的染色体（个体）同时存在，这些染色体中哪个保留在，这些染色体中哪个保留在，这些染色体中哪个保留在，这些染色体中哪个保留( (生存生存生存生存) )、哪个淘汰、哪个淘汰、哪个淘汰、哪个淘汰( (死亡死亡死亡死亡) )是根据它们对环是根据它们对环是根据它们对环是根据它们对环境的适应能力决定的，适应性强的有更多的机会保留下来。

境的适应能力决定的，适应性强的有更多的机会保留下来境的适应能力决定的，适应性强的有更多的机会保留下来境的适应能力决定的，适应性强的有更多的机会保留下来n n适应性强弱适应性强弱适应性强弱适应性强弱是计算个体适应值函数是计算个体适应值函数是计算个体适应值函数是计算个体适应值函数f(x)f(x)的值来判别的，这个值称为适的值来判别的，这个值称为适的值来判别的，这个值称为适的值来判别的，这个值称为适应值应值应值应值(fitness)(fitness)n n适应值函数适应值函数适应值函数适应值函数( (即评价函数即评价函数即评价函数即评价函数) )是根据是根据是根据是根据目标函数目标函数目标函数目标函数确定的适应值总是确定的适应值总是确定的适应值总是确定的适应值总是非非非非负的，负的，负的，负的，任何情况下总是希望越大越好如果目标函数不是取最大值时，需要任何情况下总是希望越大越好如果目标函数不是取最大值时，需要任何情况下总是希望越大越好如果目标函数不是取最大值时，需要任何情况下总是希望越大越好如果目标函数不是取最大值时，需要将它映射成适应值函数适应值函数将它映射成适应值函数适应值函数将它映射成适应值函数。

适应值函数将它映射成适应值函数适应值函数f(x)f(x)的构成与目标函数有密切关的构成与目标函数有密切关的构成与目标函数有密切关的构成与目标函数有密切关系，往往是目标函数的变种系，往往是目标函数的变种系，往往是目标函数的变种系，往往是目标函数的变种n n一般是一个实值函数该函数就是遗传算法中指导搜索的评价函数一般是一个实值函数该函数就是遗传算法中指导搜索的评价函数一般是一个实值函数该函数就是遗传算法中指导搜索的评价函数一般是一个实值函数该函数就是遗传算法中指导搜索的评价函数7.4.1.1 遗传算法的工作过程遗传算法的工作过程3.遗传算法的三个算子遗传算法的三个算子n n（一）选择（一）选择（一）选择（一）选择(Selection)(Selection)算子算子算子算子n n（二）交叉（二）交叉（二）交叉（二）交叉(Crossover)(Crossover)算子算子算子算子n n（三）变异（三）变异（三）变异（三）变异(Mutation)(Mutation)算子算子算子算子7.4.1.1 遗传算法的工作过程遗传算法的工作过程n n它又称它又称它又称它又称复制复制复制复制(reproduction) (reproduction) 、繁殖算子。

繁殖算子繁殖算子繁殖算子n n选择是从种群中选择生命力强的染色体产生选择是从种群中选择生命力强的染色体产生选择是从种群中选择生命力强的染色体产生选择是从种群中选择生命力强的染色体产生新种群的新种群的新种群的新种群的过程过程过程过程依据每个染色体的适应值大小，适应值越大，依据每个染色体的适应值大小，适应值越大，依据每个染色体的适应值大小，适应值越大，依据每个染色体的适应值大小，适应值越大，被选中的概率就越大，其子孙在下一代产生的个数就被选中的概率就越大，其子孙在下一代产生的个数就被选中的概率就越大，其子孙在下一代产生的个数就被选中的概率就越大，其子孙在下一代产生的个数就越多n n选择操作是建立在群体中个体的选择操作是建立在群体中个体的选择操作是建立在群体中个体的选择操作是建立在群体中个体的适应值估评基础适应值估评基础适应值估评基础适应值估评基础上的7.4.1.1 遗传算法的工作过程遗传算法的工作过程（一）选择（一）选择（一）选择（一）选择(Selection)(Selection)算子算子算子算子       通常做法是：对于一个规模为通常做法是：对于一个规模为N的种群的种群S,按每个染色体按每个染色体xi∈∈S的选的选择概率择概率P(xi)所决定的选中机会所决定的选中机会, 分分N次从次从S中随机选定中随机选定N个染色体个染色体, 并进行复制。

并进行复制7.4.1.1 遗传算法的工作过程遗传算法的工作过程 这里的选择概率这里的选择概率P(xi)的计算公式为的计算公式为（一）选择（一）选择（一）选择（一）选择(Selection)(Selection)算子算子算子算子（二）交叉（二）交叉（二）交叉（二）交叉(crossover)(crossover)算子算子算子算子n n它又称它又称它又称它又称重组重组重组重组(recombination) (recombination) 、配对、配对、配对、配对(breeding)(breeding)算子，算子，算子，算子，在遗传在遗传在遗传在遗传算法中起着核心作用算法中起着核心作用算法中起着核心作用算法中起着核心作用n n染色体重组是分两步骤进行的染色体重组是分两步骤进行的染色体重组是分两步骤进行的染色体重组是分两步骤进行的: :n n首先在新复制的群体中随机首先在新复制的群体中随机首先在新复制的群体中随机首先在新复制的群体中随机选选取取取取两个两个两个两个个体个体个体个体n n然后，沿着然后，沿着然后，沿着然后，沿着这这两个个体两个个体两个个体两个个体( (字符串字符串字符串字符串) )随机地取一个位置，二者互随机地取一个位置，二者互随机地取一个位置，二者互随机地取一个位置，二者互换换从从从从该该位置起的末尾部分。

位置起的末尾部分位置起的末尾部分位置起的末尾部分n n交叉率交叉率交叉率交叉率(crossover rate)(crossover rate)就是就是就是就是参加参加参加参加交叉运算的染色体个数占交叉运算的染色体个数占交叉运算的染色体个数占交叉运算的染色体个数占全体全体全体全体染染染染色体总数的比例，记为色体总数的比例，记为色体总数的比例，记为色体总数的比例，记为P Pc,c,取值范围一般为取值范围一般为取值范围一般为取值范围一般为0.40.4～～～～0.990.997.4.1.1 遗传算法的工作过程遗传算法的工作过程7.4.1.1 遗传算法的工作过程遗传算法的工作过程例例1:1:有两个用二进制编码的个体有两个用二进制编码的个体A A和和B B长度L=5L=5，，A=aA=a1 1a a2 2a a3 3a a4 4a a5 5 ，，B=bB=b1 1b b2 2b b3 3b b4 4b b5 5随机选择一整数随机选择一整数k k∈ ∈[1[1，，L-1] L-1] ，设，设k=4k=4，经交叉后变为：，经交叉后变为：A = A = a a1 1a a2 2a a3 3| |a a4 4a a5 5  B = b B = b1 1b b2 2b b3 3| |b b4 4b b5 5 A A’ ’= a= a1 1a a2 2a a3 3 b b4 4b b5 5 B B’ ’ = b = b1 1b b2 2b b3 3 a a4 4a a5 5            s1′=01000101, s2′=10011011可以看做是原染色体s1和s2的子代染色体。

　　例2,  设染色体 s1=01001011, s2=10010101, 交换其后4位基因, 即（二）交叉（二）交叉（二）交叉（二）交叉(crossover)(crossover)算子算子算子算子n n变异就是以变异就是以变异就是以变异就是以很小的概率很小的概率很小的概率很小的概率，随机地改变字符串，随机地改变字符串，随机地改变字符串，随机地改变字符串某个位置某个位置某个位置某个位置上的值变异操作是按位（变异操作是按位（变异操作是按位（变异操作是按位（bitbit）进行的，即把某一位的内容进行变异进行的，即把某一位的内容进行变异进行的，即把某一位的内容进行变异进行的，即把某一位的内容进行变异在二进制编码中，就是将某位在二进制编码中，就是将某位在二进制编码中，就是将某位在二进制编码中，就是将某位0 0变成变成变成变成1 1，，，，1 1变成变成变成变成0 0n n选择和交叉算子基本上完成了遗传算法的大部分搜索功能，而选择和交叉算子基本上完成了遗传算法的大部分搜索功能，而选择和交叉算子基本上完成了遗传算法的大部分搜索功能，而选择和交叉算子基本上完成了遗传算法的大部分搜索功能，而变异则增加了遗传算法找到变异则增加了遗传算法找到变异则增加了遗传算法找到变异则增加了遗传算法找到接近最优解接近最优解接近最优解接近最优解的能力。

的能力n n变异率变异率变异率变异率(mutation rate)(mutation rate)是指发生是指发生是指发生是指发生变异变异变异变异的基因位数所占的基因位数所占的基因位数所占的基因位数所占全体全体全体全体染染染染色体的基因总位数的比例，记为色体的基因总位数的比例，记为色体的基因总位数的比例，记为色体的基因总位数的比例，记为P Pmm，取值范围一般为，取值范围一般为，取值范围一般为，取值范围一般为0.00010.0001～～～～0.020.02它保证了遗传算法的有效性它保证了遗传算法的有效性它保证了遗传算法的有效性它保证了遗传算法的有效性7.4.1.1 遗传算法的工作过程遗传算法的工作过程（三）变异（三）变异（三）变异（三）变异(Mutation)(Mutation)算子算子算子算子7.4.1.1 遗传算法的工作过程遗传算法的工作过程例如例如例如例如: : 设染色体设染色体设染色体设染色体 s s=11001101=11001101将其第三位上的将其第三位上的将其第三位上的将其第三位上的0 0变为变为变为变为1, 1, 即即即即 s s=11=110 001101 01101 →→11111 101101= 01101= s s′ ′。

s s′ ′也可以看做是原染色体也可以看做是原染色体也可以看做是原染色体也可以看做是原染色体s s的子代染色体的子代染色体的子代染色体的子代染色体三）变异（三）变异（三）变异（三）变异(Mutation)(Mutation)算子算子算子算子4.控制参数设定控制参数设定n n遗传算法中的参数遗传算法中的参数遗传算法中的参数遗传算法中的参数n n包括群体中个体的数目、交叉概率、包括群体中个体的数目、交叉概率、包括群体中个体的数目、交叉概率、包括群体中个体的数目、交叉概率、变变异概率等异概率等异概率等异概率等n n这这些参数的些参数的些参数的些参数的设设定随具体定随具体定随具体定随具体问题问题的不同将有所差的不同将有所差的不同将有所差的不同将有所差别别，，，，带带有有有有经验经验性，它会影响性，它会影响性，它会影响性，它会影响遗传遗传算法的迭代收算法的迭代收算法的迭代收算法的迭代收敛过敛过程7.4.1.1 遗传算法的工作过程遗传算法的工作过程n1. 遗传算法的处理对象是问题参数的编遗传算法的处理对象是问题参数的编码个体（位串）码个体（位串）n n遗传算法要求将问题的参数编码成遗传算法要求将问题的参数编码成遗传算法要求将问题的参数编码成遗传算法要求将问题的参数编码成长度有限长度有限长度有限长度有限的位串的位串的位串的位串。

n n遗传算法是在遗传算法是在遗传算法是在遗传算法是在求解问题的编码串求解问题的编码串求解问题的编码串求解问题的编码串上进行操作，上进行操作，上进行操作，上进行操作，从中找出高适应值的位串，而不是对问题目从中找出高适应值的位串，而不是对问题目从中找出高适应值的位串，而不是对问题目从中找出高适应值的位串，而不是对问题目标函数和它们的参数直接操作标函数和它们的参数直接操作标函数和它们的参数直接操作标函数和它们的参数直接操作n n遗传算法遗传算法遗传算法遗传算法不受不受不受不受函数限制条件函数限制条件函数限制条件函数限制条件( (如导数存在、连如导数存在、连如导数存在、连如导数存在、连续性、单极值等续性、单极值等续性、单极值等续性、单极值等) )的约束 7.4.1.3 遗传算法的基本特征遗传算法的基本特征 n2. 遗传算法的搜索是从问题解遗传算法的搜索是从问题解位串集位串集开始搜开始搜索，而不是从单个解开始索，而不是从单个解开始n n在最优化问题中，传统的方法是从在最优化问题中，传统的方法是从在最优化问题中，传统的方法是从在最优化问题中，传统的方法是从一个点一个点一个点一个点开始搜开始搜开始搜开始搜索，如爬山法。

一般复杂问题会在索，如爬山法一般复杂问题会在索，如爬山法一般复杂问题会在索，如爬山法一般复杂问题会在“ “地形地形地形地形” ”中出中出中出中出现若干现若干现若干现若干“ “山峰山峰山峰山峰” ”，传统的方法很容易走入假，传统的方法很容易走入假，传统的方法很容易走入假，传统的方法很容易走入假“ “山山山山峰峰峰峰” ”n n遗传算法遗传算法遗传算法遗传算法同时同时同时同时从种群的每个个体开始搜索，象一从种群的每个个体开始搜索，象一从种群的每个个体开始搜索，象一从种群的每个个体开始搜索，象一张网罩在张网罩在张网罩在张网罩在“ “地形地形地形地形” ”上，数量极大的个体同时在很上，数量极大的个体同时在很上，数量极大的个体同时在很上，数量极大的个体同时在很多区域中进行搜索，这样就多区域中进行搜索，这样就多区域中进行搜索，这样就多区域中进行搜索，这样就减少了陷入局部解减少了陷入局部解减少了陷入局部解减少了陷入局部解的的的的可能性7.4.1.3 遗传算法的基本特征遗传算法的基本特征 n3. 遗传算法只使用目标函数遗传算法只使用目标函数(即适应值即适应值)来搜索，而不需要导数来搜索，而不需要导数等其他辅助信息等其他辅助信息n n传统搜索算法需要一些传统搜索算法需要一些传统搜索算法需要一些传统搜索算法需要一些辅助信息辅助信息辅助信息辅助信息，如梯度算法需要导数，，如梯度算法需要导数，，如梯度算法需要导数，，如梯度算法需要导数，当这些信息不存在时，这些算法就失效了。

而遗传算法当这些信息不存在时，这些算法就失效了而遗传算法当这些信息不存在时，这些算法就失效了而遗传算法当这些信息不存在时，这些算法就失效了而遗传算法只只只只需目标函数和编码串，因此，遗传算法几乎可以处理任何需目标函数和编码串，因此，遗传算法几乎可以处理任何需目标函数和编码串，因此，遗传算法几乎可以处理任何需目标函数和编码串，因此，遗传算法几乎可以处理任何问题n4. 遗传算法使用的三种遗传算子是一种随机操作，而不是确遗传算法使用的三种遗传算子是一种随机操作，而不是确定性规则定性规则n n遗传算法使用随机操作，但并不意味着遗传算法是简单的遗传算法使用随机操作，但并不意味着遗传算法是简单的遗传算法使用随机操作，但并不意味着遗传算法是简单的遗传算法使用随机操作，但并不意味着遗传算法是简单的随机搜索遗传算法是使用随机工具来指导搜索向着一个随机搜索遗传算法是使用随机工具来指导搜索向着一个随机搜索遗传算法是使用随机工具来指导搜索向着一个随机搜索遗传算法是使用随机工具来指导搜索向着一个最优解前进最优解前进最优解前进最优解前进n5.隐含的并行性隐含的并行性n6.易介入到已有的模型中，并具有扩展性；易于同别的技术结易介入到已有的模型中，并具有扩展性；易于同别的技术结合使用合使用7.4.1.3 遗传算法的基本特征遗传算法的基本特征 7.4.2 优化模型的遗传算法求解优化模型的遗传算法求解 优化模型的计算是遗传算法最基本的也是最优化模型的计算是遗传算法最基本的也是最重要的研究和应用领域之一。

重要的研究和应用领域之一 一般说来，优化计算问题通常带有大量的局一般说来，优化计算问题通常带有大量的局部极值点，往往是不可微的、不连续的、多维部极值点，往往是不可微的、不连续的、多维的、有约束条件的、高度非线性的的、有约束条件的、高度非线性的NP完全问完全问题 精确地求解优化问题的精确地求解优化问题的全局最优解全局最优解一般是不一般是不可能的 旅行商问题（旅行商问题（TSP）的遗传算法求解实例）的遗传算法求解实例 已知已知n个城市的地理位置（个城市的地理位置（x,y），求经过所有），求经过所有城市，并回到出发城市且每个城市仅经过一次的最城市，并回到出发城市且每个城市仅经过一次的最短距离 这是一个这是一个NP完全问题，其计算量为城市个数的完全问题，其计算量为城市个数的指数量级指数量级现用遗传算法来解决这个问题现用遗传算法来解决这个问题 1 1、编码、编码  3     1     5    7     8    9    10   4     2    6每条路径每条路径每条路径每条路径对应对应对应对应一个一个一个一个个体，个体形式地表示为个体，个体形式地表示为个体，个体形式地表示为个体，个体形式地表示为R={City_No|City_NoR={City_No|City_No互不重复互不重复互不重复互不重复} }n n，，，，n n为城市数。

例如对为城市数例如对为城市数例如对为城市数例如对于于于于n=10n=10的的的的TSPTSP问题，对其中一个个体问题，对其中一个个体问题，对其中一个个体问题，对其中一个个体它表示一条城市路径它表示一条城市路径它表示一条城市路径它表示一条城市路径3 13 1 5 5 7 7 8 8 9 10 9 10 4 4 2 26 6其中其中其中其中n ni i表示个体中第表示个体中第表示个体中第表示个体中第i i位的城市编号，位的城市编号，位的城市编号，位的城市编号，n n1111=n=n1 1适应值为非负，且取值越大越好适应值为非负，且取值越大越好适应值为非负，且取值越大越好适应值为非负，且取值越大越好 表示所有个体的路表示所有个体的路表示所有个体的路表示所有个体的路径长度的总和径长度的总和径长度的总和径长度的总和2 2、适应值函数、适应值函数 每个个体代表一条可能的路径个体每个个体代表一条可能的路径个体每个个体代表一条可能的路径个体每个个体代表一条可能的路径个体n n的适应值为：的适应值为：的适应值为：的适应值为：其中其中其中其中NN为种群数，为种群数，为种群数，为种群数，D Dn n为为为为 沿个体标示的城市序列的所经过的沿个体标示的城市序列的所经过的沿个体标示的城市序列的所经过的沿个体标示的城市序列的所经过的距离距离距离距离: :3 3、交叉、交叉 随随机机地地从从种种群群中中选选出出要要交交叉叉的的两两个个不不同同个个体体，，随随机机地地选选取取一一个个交交叉叉段段。

交交叉叉段段中中两两个个个体的对应部分通过匹配换位实现交叉操作对个体个体的对应部分通过匹配换位实现交叉操作对个体A和和B：： A＝＝9 8 4 |5 6 7| 1 3 2 10 B＝＝8 7 1 |4 10 3| 2 9 6 5 交叉段交叉段  对个体对个体A，对交叉段中由，对交叉段中由B换位来的数，如换位来的数，如4、、10、、3，在，在A中其它位相同的数进行反交换，中其它位相同的数进行反交换，即即4换为换为5，，10换为换为6，，3换为换为7；对个体；对个体B，相似处理，最后得到：，相似处理，最后得到： A，，＝＝9 8 4 |4 10 3| 1 3 2 6 B，，＝＝8 7 1 |5 6 7| 2 9 6 5 A A，＝，＝，＝，＝9 89 8 5 5 | |4 10 34 10 3| | 1 1 7 7 2 2 6 6 B B，＝，＝，＝，＝8 8 3 3 1 1 | |5 6 75 6 7| | 2 92 9 10 410 44 4、变异、变异 根根据据变变异异概概率率Pe，，随随机机地地从从种种群群中中选选出出要要变变异异的的个个体体，，随随机机地地在在该该个个体体上上选选出出变变异异两两个个位位置置，，然然后后两两个个位位置置上的城市序号进行交换。

如：上的城市序号进行交换如： A =9 8 4 5 6 7 1 3 2 10 下划线部分为要变异的两个位置下划线部分为要变异的两个位置 变异为：变异为： A`=9 7 4 5 6 8 1 3 2 10 5、遗传算法结果、遗传算法结果n计算结果表明：计算结果表明：n nn n个城市的最佳路径接近一个外圈无交叉的环路个城市的最佳路径接近一个外圈无交叉的环路个城市的最佳路径接近一个外圈无交叉的环路个城市的最佳路径接近一个外圈无交叉的环路 7.5 机器学习的决策支持机器学习的决策支持n n7.5.1 机器学习概述机器学习概述n n7.5.2 机器学习分类机器学习分类n n7.5.3 建立模型的发现学习建立模型的发现学习7.5.1 机器学习综述机器学习综述1.基本概念基本概念n n学习和解决问题是人类最重要的学习和解决问题是人类最重要的学习和解决问题是人类最重要的学习和解决问题是人类最重要的两个智能两个智能两个智能两个智能行为行为行为行为n n机器学习是让计算机模拟和实现人类的学习，机器学习是让计算机模拟和实现人类的学习，机器学习是让计算机模拟和实现人类的学习，机器学习是让计算机模拟和实现人类的学习，获取知识。

机器学习也是计算机具有智能的重获取知识机器学习也是计算机具有智能的重获取知识机器学习也是计算机具有智能的重获取知识机器学习也是计算机具有智能的重要标志 7.5.1 机器学习综述机器学习综述(1) (1) 人类学习人类学习n n概念的学习、领域知识的学习、技能（元知识概念的学习、领域知识的学习、技能（元知识概念的学习、领域知识的学习、技能（元知识概念的学习、领域知识的学习、技能（元知识即解决问题）的学习即解决问题）的学习即解决问题）的学习即解决问题）的学习n n特点：过程缓慢、会忘记、知识传授困难、能特点：过程缓慢、会忘记、知识传授困难、能特点：过程缓慢、会忘记、知识传授困难、能特点：过程缓慢、会忘记、知识传授困难、能不断修改知识，使人类逐渐变得聪明不断修改知识，使人类逐渐变得聪明不断修改知识，使人类逐渐变得聪明不断修改知识，使人类逐渐变得聪明7.5.1 机器学习综述机器学习综述(2) (2) 机器学习机器学习n n（（（（1 1））））R . S . MichalskiR . S . Michalski认为：认为：认为：认为：学习是构造或修改所经学习是构造或修改所经学习是构造或修改所经学习是构造或修改所经历的事物的表示。

历的事物的表示历的事物的表示历的事物的表示该观点强调该观点强调该观点强调该观点强调知识的表示知识的表示知识的表示知识的表示 n n（（（（2 2））））学习是知识的获取学习是知识的获取学习是知识的获取学习是知识的获取该观点强调该观点强调该观点强调该观点强调知识获取知识获取知识获取知识获取 n n（（（（3 3））））H . A . SimonH . A . Simon认为：认为：认为：认为：学习是系统在相似的任务中，学习是系统在相似的任务中，学习是系统在相似的任务中，学习是系统在相似的任务中，做一些适应性变化，使得在下一次类似的任务中，做得做一些适应性变化，使得在下一次类似的任务中，做得做一些适应性变化，使得在下一次类似的任务中，做得做一些适应性变化，使得在下一次类似的任务中，做得更好该观点强调该观点强调该观点强调该观点强调学习的效果学习的效果学习的效果学习的效果 7.5.1 机器学习综述机器学习综述n2. 2. 机器学习与专家系统机器学习与专家系统n n专家系统专家系统专家系统专家系统n n知知知知识获识获取的取的取的取的“ “瓶瓶瓶瓶颈颈” ”现现象象象象n n知知知知识识的脆弱性的脆弱性的脆弱性的脆弱性n n缺乏直缺乏直缺乏直缺乏直觉觉判断能力判断能力判断能力判断能力n n机器学习机器学习机器学习机器学习n n提供知提供知提供知提供知识获识获取提供有效途径取提供有效途径取提供有效途径取提供有效途径7.5.1 机器学习综述机器学习综述n3. 3. 机器学习实例机器学习实例n n1.Michalski1.Michalski和和和和R.L.ChilauskyR.L.Chilausky的的的的PLANT/SSPLANT/SS系统系统系统系统n n它是一个大豆病害它是一个大豆病害它是一个大豆病害它是一个大豆病害诊诊断防治断防治断防治断防治专专家系家系家系家系统统。

该该系系系系统统用示例用示例用示例用示例学学学学习习AQ11AQ11算法自算法自算法自算法自动产动产生生生生规则进规则进行行行行诊诊断 n n把把把把631631种有病害的大豆的种有病害的大豆的种有病害的大豆的种有病害的大豆的性状描述性状描述性状描述性状描述（表示（表示（表示（表示为为包含包含包含包含3535种种种种特性的向量）和每种植物的特性的向量）和每种植物的特性的向量）和每种植物的特性的向量）和每种植物的病名病名病名病名一起一起一起一起输输入到入到入到入到计计算机中算机中算机中算机中n n选选用用用用290290种做种做种做种做为为训练训练例子例子例子例子（例子（例子（例子（例子间间相差很相差很相差很相差很远远），利用），利用），利用），利用AQ11AQ11算法算法算法算法获获得得得得规则规则知知知知识识n n再用再用再用再用340340个个个个样样本作本作本作本作为为测试测试例子例子例子例子，并将，并将，并将，并将专专家和家和家和家和计计算机的算机的算机的算机的诊诊断断断断结结果果果果进进行行行行对对比7.5.1 机器学习综述机器学习综述验证验证验证验证AQ11AQ11 算法算法算法算法测试例测试例测试例测试例（（（（340340个）个）个）个）××××症状症状症状症状 训练例训练例训练例训练例 （（（（290290个）个）个）个）××××症状：病名症状：病名症状：病名症状：病名规规规规 则则则则知知知知 识识识识诊断诊断诊断诊断 病名病名病名病名实际病名实际病名实际病名实际病名97.6%97.6%（大豆病害实例）（If——then） （正确判别率）• •计算机产生的规则优于专家归纳的规则计算机产生的规则优于专家归纳的规则计算机产生的规则优于专家归纳的规则计算机产生的规则优于专家归纳的规则• •专家的正确判断率为专家的正确判断率为专家的正确判断率为专家的正确判断率为71.871.8％％％％。

• •计算机的正确判断率高达计算机的正确判断率高达计算机的正确判断率高达计算机的正确判断率高达97.697.6％％％％7.5.1 机器学习综述机器学习综述n n钟鸣和陈文伟的钟鸣和陈文伟的钟鸣和陈文伟的钟鸣和陈文伟的IBLEIBLE算法算法算法算法n n利用信息利用信息利用信息利用信息论论的信道容量思想，研制了的信道容量思想，研制了的信道容量思想，研制了的信道容量思想，研制了IBLEIBLE算算算算法n n对对已有已有已有已有结论结论的化学物的化学物的化学物的化学物质质的的的的质谱进质谱进行学行学行学行学习习，得出，得出，得出，得出了了了了质谱规则质谱规则然后利用然后利用然后利用然后利用这这些些些些规则规则再去再去再去再去测试测试未知未知未知未知化学物化学物化学物化学物质质的的的的质谱质谱，得出它的种，得出它的种，得出它的种，得出它的种类类钟鸣和陈文伟的钟鸣和陈文伟的IBLE算法算法验证验证验证验证IBLEIBLE 算法算法算法算法测试集测试集测试集测试集（（（（55005500个）个）个）个）正确识别率：正确识别率：正确识别率：正确识别率： 94% 94% 训练例训练例训练例训练例 八类化合物质谱八类化合物质谱八类化合物质谱八类化合物质谱 15000 15000种种种种××××特征：物质特征：物质特征：物质特征：物质类类类类规规规规 则则则则 树树树树一般专家的正确识别率一般专家的正确识别率一般专家的正确识别率一般专家的正确识别率 70% 70% 7.5.2 机器学习分类机器学习分类n学习过程的本质是学生学习过程的本质是学生(学习系统学习系统)把教师或环境把教师或环境(如书本如书本)提供的信息转换成能够理解的形式记忆提供的信息转换成能够理解的形式记忆下来，下来， 以便将来使用以便将来使用.n当前当前, ,国际上流行的机器学习分类方法主要有四种国际上流行的机器学习分类方法主要有四种: :n n按应用领域分类按应用领域分类按应用领域分类按应用领域分类( ( ( (专家系统、问题求解、认知模拟）专家系统、问题求解、认知模拟）专家系统、问题求解、认知模拟）专家系统、问题求解、认知模拟）n n按获取知识的表示分类按获取知识的表示分类按获取知识的表示分类按获取知识的表示分类( ( ( (逻辑表达式、产生式规则、决逻辑表达式、产生式规则、决逻辑表达式、产生式规则、决逻辑表达式、产生式规则、决策树、神经网络策树、神经网络策树、神经网络策树、神经网络) ) ) )n n按推理策略分类按推理策略分类按推理策略分类按推理策略分类( ( ( (演绎推理和归纳推理演绎推理和归纳推理演绎推理和归纳推理演绎推理和归纳推理) ) ) )n n机械学机械学机械学机械学习习、示教学、示教学、示教学、示教学习习、通、通、通、通过过例子学例子学例子学例子学习习、解、解、解、解释释学学学学习习、、、、类类比学比学比学比学习习、、、、发现发现学学学学习习n n按系统性分类按系统性分类按系统性分类按系统性分类( ( ( (历史渊源、知识表示、推理策略、应用历史渊源、知识表示、推理策略、应用历史渊源、知识表示、推理策略、应用历史渊源、知识表示、推理策略、应用领域领域领域领域).).).).7.5.2 机器学习系统基本结构机器学习系统基本结构环境环境学习学习知识库知识库执行执行(1)机械学习（机械学习（ ROTE LEARNING)n1.思想思想: 记忆记忆=检索检索+计算计算n2.示意图示意图检索程序计算f(x)记录(2)无(1)存入    输出yj=f(xj)有解yixixj例子：汽车保险程序例子：汽车保险程序n该程序能对被损坏的汽车的修理费用进行计算该程序能对被损坏的汽车的修理费用进行计算.n n它的输入是汽车损坏情况它的输入是汽车损坏情况它的输入是汽车损坏情况它的输入是汽车损坏情况, ,即生产厂家、生产年代、汽即生产厂家、生产年代、汽即生产厂家、生产年代、汽即生产厂家、生产年代、汽车种类、汽车损坏部位及程度等数据车种类、汽车损坏部位及程度等数据车种类、汽车损坏部位及程度等数据车种类、汽车损坏部位及程度等数据. .n n一般是一般是一般是一般是直接查找直接查找直接查找直接查找到所需的修理费用到所需的修理费用到所需的修理费用到所需的修理费用. .n n如果系统没有发现这样的汽车如果系统没有发现这样的汽车如果系统没有发现这样的汽车如果系统没有发现这样的汽车, ,系统就利用系统就利用系统就利用系统就利用一般的赔偿一般的赔偿一般的赔偿一般的赔偿规则规则规则规则和和和和计算公式计算公式计算公式计算公式计算出它的修理费用计算出它的修理费用计算出它的修理费用计算出它的修理费用, ,并把它保存起来并把它保存起来并把它保存起来并把它保存起来, ,下一次遇到这种情况就直接查找结果而不再去计算下一次遇到这种情况就直接查找结果而不再去计算下一次遇到这种情况就直接查找结果而不再去计算下一次遇到这种情况就直接查找结果而不再去计算. .n3.机械学习系统中要注意三个问题机械学习系统中要注意三个问题:n n数据的存储组织数据的存储组织数据的存储组织数据的存储组织. .使得在大量的数据中能迅速地查找出使得在大量的数据中能迅速地查找出使得在大量的数据中能迅速地查找出使得在大量的数据中能迅速地查找出所需的数据所需的数据所需的数据所需的数据. . n n适应变化的环境适应变化的环境适应变化的环境适应变化的环境. .数据要随形势的变化而变化数据要随形势的变化而变化数据要随形势的变化而变化数据要随形势的变化而变化, ,很多数据很多数据很多数据很多数据由于形势发展由于形势发展由于形势发展由于形势发展已过时或无用已过时或无用已过时或无用已过时或无用, ,就要进行相应的变化和更就要进行相应的变化和更就要进行相应的变化和更就要进行相应的变化和更新新新新. .n n检索和计算的权衡检索和计算的权衡检索和计算的权衡检索和计算的权衡. .检索一定比计算来得更快才有意义检索一定比计算来得更快才有意义检索一定比计算来得更快才有意义检索一定比计算来得更快才有意义机械学习的基本思想是用检索来代替计算机械学习的基本思想是用检索来代替计算. .(1)机械学习（机械学习（ ROTE LEARNING）n1.思想思想:把外部知识把外部知识(专家、教师专家、教师)消化成内部可使消化成内部可使用的知识，并把用的知识，并把新知识新知识和和原来的知识原来的知识有机的结合有机的结合在一起。

在一起n2.示意图示意图:(2)示教学习（被告知学习）示教学习（被告知学习）知识库原知识新知识知识转换外部知识内部知识一致化效果评价（矛盾、冗余）n3.实现步骤实现步骤n n(1)(1)请求请求请求请求: :向人类专家提出请求向人类专家提出请求向人类专家提出请求向人类专家提出请求. .n n(2)(2)解释解释解释解释: :消化吸收专家的知识并把它转化成可理解形式消化吸收专家的知识并把它转化成可理解形式消化吸收专家的知识并把它转化成可理解形式消化吸收专家的知识并把它转化成可理解形式n n(3)(3)形式化形式化形式化形式化: :把专家知识转换成机器能够操作形式，即当专把专家知识转换成机器能够操作形式，即当专把专家知识转换成机器能够操作形式，即当专把专家知识转换成机器能够操作形式，即当专家的知识不能直接在机器上操作时家的知识不能直接在机器上操作时家的知识不能直接在机器上操作时家的知识不能直接在机器上操作时, ,需要进行一些处理需要进行一些处理需要进行一些处理需要进行一些处理 ( (形形形形式化式化式化式化),),使专家知识成为可使用形式使专家知识成为可使用形式使专家知识成为可使用形式使专家知识成为可使用形式. .n n(4)(4)并入并入并入并入: :把知识并入知识库中把知识并入知识库中把知识并入知识库中把知识并入知识库中. .在并入知识库时要解决知在并入知识库时要解决知在并入知识库时要解决知在并入知识库时要解决知识的冗余和矛盾的问题识的冗余和矛盾的问题识的冗余和矛盾的问题识的冗余和矛盾的问题. .n n (5) (5)评价评价评价评价: :评价知识的执行的结果评价知识的执行的结果评价知识的执行的结果评价知识的执行的结果. .一般让系统使用专家的一般让系统使用专家的一般让系统使用专家的一般让系统使用专家的知识执行某些实际任务知识执行某些实际任务知识执行某些实际任务知识执行某些实际任务, ,检查是否工作得很好检查是否工作得很好检查是否工作得很好检查是否工作得很好. .(2)示教学习（被告知学习）示教学习（被告知学习）n1.思想思想:从大量例子中分析、提炼出规则知识或判定从大量例子中分析、提炼出规则知识或判定树知识。

树知识n2.示意图示意图:(3) 示例学习（示例学习（learning from examples））ID3(互信息互信息);IBLE(信道信道容量容量)例例子子集集示例示例学习学习算法算法规律性规律性知识知识产生式产生式规则规则判判定定树树集合论方法集合论方法信息论方法信息论方法 AQ系列系列:AQ11,AQ15     AE5粗集方法粗集方法ID3IBLEAQ15 例如例如, ,给出肺炎与肺结核两种病的一些病给出肺炎与肺结核两种病的一些病例例. .每个病例都含有五种症状：每个病例都含有五种症状： 发烧发烧( (无、低、高无、低、高),), 咳嗽咳嗽( (轻微、中度、剧烈轻微、中度、剧烈),),    X光所见阴影光所见阴影( (点状、索条状、片状、空洞点状、索条状、片状、空洞),), 血沉血沉( (正常、快正常、快),), 听诊听诊( (正常、干鸣音、水泡音正常、干鸣音、水泡音).).(3) 示例学习（示例学习（learning from examples））肺炎和肺结核的部分病例集为：肺炎和肺结核的部分病例集为：        通过示例学习得到如下诊断通过示例学习得到如下诊断通过示例学习得到如下诊断通过示例学习得到如下诊断: :       （（（（1 1）血沉＝正常）血沉＝正常）血沉＝正常）血沉＝正常∧∧∧∧（听诊＝干呜音（听诊＝干呜音（听诊＝干呜音（听诊＝干呜音∨∨∨∨水泡音）水泡音）水泡音）水泡音）→→诊断＝肺炎诊断＝肺炎诊断＝肺炎诊断＝肺炎       （（（（2 2）血沉＝快）血沉＝快）血沉＝快）血沉＝快∨∨∨∨听诊＝正常听诊＝正常听诊＝正常听诊＝正常→→诊断＝肺结核诊断＝肺结核诊断＝肺结核诊断＝肺结核 这样，就从例子（病例）归纳产生了诊断规则。

这样，就从例子（病例）归纳产生了诊断规则这样，就从例子（病例）归纳产生了诊断规则这样，就从例子（病例）归纳产生了诊断规则 肺肺炎炎肺肺结结核核病状病状病例号病例号发烧发烧咳嗽咳嗽X光所见光所见 血沉血沉听诊听诊1             高高         剧烈剧烈       片状片状        正常正常      水泡音水泡音2           中度中度       剧烈剧烈       片状片状        正常正常      水泡音水泡音3             低低         轻微轻微       点状点状        正常正常      干鸣音干鸣音4             高高         中度中度       片状片状        正常正常      水泡音水泡音5           中度中度       轻微轻微       片状片状        正常正常      水泡音水泡音1             无无         轻微轻微       索条状索条状    正常正常       正常正常2             高高         剧烈剧烈        空洞空洞         快快       干鸣音干鸣音3             低低         轻微轻微       索条状索条状    正常正常       正常正常4             无无         轻微轻微        点状点状         快快       干鸣音干鸣音5             低低         中度中度        片状片状         快快         正常正常示例学习系统较多，其中较有影响的有：示例学习系统较多，其中较有影响的有：  •J.R.Quinlan的的ID3  • Michalski的的AQ11及洪家荣扩充的及洪家荣扩充的AQ15  •洪家荣的洪家荣的AE5  •钟鸣和陈文伟的钟鸣和陈文伟的IBLE(3) 示例学习（示例学习（learning from examples））4.类比学习类比学习(learning by analogy)n类比类比n n从一个已知事物的从一个已知事物的从一个已知事物的从一个已知事物的“ “源源源源” ”领域到一个未知的领域到一个未知的领域到一个未知的领域到一个未知的“ “目标目标目标目标” ”领域进行知识的映射。

领域进行知识的映射领域进行知识的映射领域进行知识的映射n类比推理类比推理n n从一个已知事物（源），通过类比来解决另一个未从一个已知事物（源），通过类比来解决另一个未从一个已知事物（源），通过类比来解决另一个未从一个已知事物（源），通过类比来解决另一个未知事物（目标）的推理过程知事物（目标）的推理过程知事物（目标）的推理过程知事物（目标）的推理过程 类比学习过程类比学习过程1.联想搜索匹配联想搜索匹配n n对一个新事物对一个新事物对一个新事物对一个新事物( (目标源目标源目标源目标源) )提取其特征提取其特征提取其特征提取其特征n n用这些特征去搜索一个与之相似的已知事物用这些特征去搜索一个与之相似的已知事物用这些特征去搜索一个与之相似的已知事物用这些特征去搜索一个与之相似的已知事物( (候选源候选源候选源候选源) )，进行匹，进行匹，进行匹，进行匹配2.检验相似程度检验相似程度n n判断已知事物判断已知事物判断已知事物判断已知事物( (候选源候选源候选源候选源) )与新事物与新事物与新事物与新事物( (目标源目标源目标源目标源) ) 的相似程度，达到了的相似程度，达到了的相似程度，达到了的相似程度，达到了某某某某阈值阈值阈值阈值，则类比匹配，则类比匹配，则类比匹配，则类比匹配3. 修正、变换的求解修正、变换的求解n n为了把匹配成功的已知事物为了把匹配成功的已知事物为了把匹配成功的已知事物为了把匹配成功的已知事物( (源源源源) )用于新事物用于新事物用于新事物用于新事物( (目标目标目标目标) )，需要对已，需要对已，需要对已，需要对已知事物的知识进行知事物的知识进行知事物的知识进行知事物的知识进行修正变换，以导出新事物的解。

修正变换，以导出新事物的解修正变换，以导出新事物的解修正变换，以导出新事物的解 4. 更新知识库更新知识库n n当新事物的解求出以后，将它并入知识库当新事物的解求出以后，将它并入知识库当新事物的解求出以后，将它并入知识库当新事物的解求出以后，将它并入知识库1. 思想：根据两事物性质，从一个事物的特性，思想：根据两事物性质，从一个事物的特性，推出另一个事物的新特性推出另一个事物的新特性2. 示意图：示意图：源域 S元素 a性 质 P(a)有 Q ( a )目 标 域 T元素 b性 质 P(b)有 Q ( b ) 相似 类比类比学习方法类比学习方法S 域中找P(a)->Q(a)S 域中一般P(x)->Q(x)(1) 归纳T 域中P(x)->Q(x)(2) 映射T 域中P(b)->Q(b)(3) 演绎类比学习算法思想类比学习算法思想（（（（1 1））））找找找找出出出出源源源源域域域域与与与与目目目目标标标标域域域域的的的的相相相相似似似似性性性性质质质质P P，，，，以以以以及及及及找找找找出出出出源源源源域域域域中中中中另另另另一一一一个个个个性性性性质质质质和和和和性性性性质质质质P P对对对对元元元元素素素素a a的的的的关关关关系：系：系：系：                    P(a)→Q(a)P(a)→Q(a)（（（（2 2））））在在在在源源源源域域域域中中中中推推推推广广广广P P和和和和的的的的关关关关系为一般关系，系为一般关系，系为一般关系，系为一般关系，即：即：即：即：     　　　　　　　　　　　　   x(P(x)→Q(x))x(P(x)→Q(x))这这这这一一一一步步步步实实实实际际际际是是是是归归归归纳纳纳纳，，，，由由由由个个个个别别别别现现现现象推广成象推广成象推广成象推广成   一般规律。

一般规律一般规律一般规律3 3）从源域和目标域映射关系，得到目标域的新性质：）从源域和目标域映射关系，得到目标域的新性质：）从源域和目标域映射关系，得到目标域的新性质：）从源域和目标域映射关系，得到目标域的新性质：   x(P(x)→Q(x))x(P(x)→Q(x))（（（（4 4）利用假言推理：）利用假言推理：）利用假言推理：）利用假言推理：                P(b),P(x)→Q(x) P(b),P(x)→Q(x) ┝┝┝┝ Q(b) Q(b)              最后得出最后得出最后得出最后得出b b具有性质具有性质具有性质具有性质，这一步实际是，这一步实际是，这一步实际是，这一步实际是演绎演绎演绎演绎，由一般规律推出个别现象由一般规律推出个别现象由一般规律推出个别现象由一般规律推出个别现象类比推理描述类比推理描述n有两个不同的领域：源域有两个不同的领域：源域S和目标域和目标域T，，n S中的元素中的元素a和和T中元素中元素b具有相似的性质具有相似的性质P，即，即P(a)～～P(b)（（“～～”表示相似），表示相似），a还具有性质还具有性质Q，即，即Q(a)。

n根据类比推理（表示成根据类比推理（表示成“ ”），），b也具有性质也具有性质Q即：即： P(a)∧ ∧Q(a)，，P(a)～～P(b) Q(b)～～Q(a) 5.发现学习发现学习n发现学习是从发现学习是从大量实验数据大量实验数据中发现中发现规律规律和和定律定律n n著名的机器发现系统有著名的机器发现系统有著名的机器发现系统有著名的机器发现系统有19801980年年年年P.LanglyP.Langly研制的研制的研制的研制的BACONBACON系统，该系系统，该系系统，该系系统，该系统重新发现欧姆定律、牛顿万有引力定律和开普勒行星运动定律等统重新发现欧姆定律、牛顿万有引力定律和开普勒行星运动定律等统重新发现欧姆定律、牛顿万有引力定律和开普勒行星运动定律等统重新发现欧姆定律、牛顿万有引力定律和开普勒行星运动定律等n nBACONBACON系统的系统的系统的系统的思想思想思想思想是利用一些算子反复构造一些新的项，当这些项是利用一些算子反复构造一些新的项，当这些项是利用一些算子反复构造一些新的项，当这些项是利用一些算子反复构造一些新的项，当这些项中有一个是常数时，就得到概念：中有一个是常数时，就得到概念：中有一个是常数时，就得到概念：中有一个是常数时，就得到概念：“ “项＝常数项＝常数项＝常数项＝常数” ”。

例如，开普勒定律：行星绕太阳运动周期例如，开普勒定律：行星绕太阳运动周期例如，开普勒定律：行星绕太阳运动周期例如，开普勒定律：行星绕太阳运动周期P P与行星到太阳的矩离与行星到太阳的矩离与行星到太阳的矩离与行星到太阳的矩离d d有关系，即有公式：有关系，即有公式：有关系，即有公式：有关系，即有公式： d d3 3/p/p2 2＝＝＝＝R R 其中其中其中其中R R为常数计算过程列表如下：计算过程列表如下：行星行星pdd/pd2/pd3/p2Mercury111.01.01.0Venus840.52.01.0Earth2790.333.01.0其中，发现过程为：其中，发现过程为：　（　（1））p和和d都是递增都是递增，并且非线性互相依，并且非线性互相依 赖，触发建立新项赖，触发建立新项d/p的算子 （（2））d和和d/p的递增方向刚好相反的递增方向刚好相反，于是触，于是触 发建立新项发建立新项(d/p)·d＝＝d2/p的算子。

的算子 （（3））d/p与与d2/p的递增方向刚好相反的递增方向刚好相反，于是，于是 触发建立新项触发建立新项(d/p)·(d2/p)＝＝d3/p2的算的算 子子 （（4））项项d3/p2是常数是常数，则得到行星运动定律则得到行星运动定律网网络游游戏越来越盛行越来越盛行设计一个需要运用一个需要运用3D3D图像像和人工智能技和人工智能技术的的计算机游算机游戏，搜索相关文献来，搜索相关文献来说明哪种人工智能技明哪种人工智能技术可以使可以使计算机算机娱乐更刺激更刺激和更富有挑和更富有挑战性 小组练习小组练习                       系 统 运 行 总 控 制预测咨询控制模型预测控制虫情报表控制PROLOG推理机    模型库MB       目录库PASCAL BASIC     目标库等源库    数   据   库知识库的PROLOG程序模型库管理系统数据库管理系统              管 理 系 统 图7.22松毛虫智能预测系统结构图 PCFES具有预测和管理功能如图7.23所示。

            图7.23 PCFES系统功能图        智    能    预   测    系   统       预      测      系     统 管   理   系  统 预测 咨询 模型预测 虫情报表模型  库管理数据          库管理 7.6智能决策支持系统实例智能决策支持系统实例n预测系统由三大部分组成预测系统由三大部分组成: :预测咨询系统、模型预测系统和虫预测咨询系统、模型预测系统和虫情报表系统情报表系统 n n1. 1. 预测咨询系统预测咨询系统 n n由由由由国国国国防防防防科科科科技技技技大大大大学学学学自自自自行行行行研研研研制制制制的的的的PROLOGPROLOG产产生生生生器器器器P3P3生生生生成成成成PROLOGPROLOG程程程程序序序序，，，，形形形形成成成成了了了了松松松松毛毛毛毛虫虫虫虫智智智智能能能能预预测测系系系系统统中中中中的的的的预预测测咨咨咨咨询询系系系系统统n n该该专专家家家家系系系系统统能能能能进进行行行行各各各各种种种种以以以以定定定定性性性性为为主主主主的的的的松松松松毛毛毛毛虫虫虫虫预预测测，，，，用用用用于于于于完完完完成成成成松松松松毛毛毛毛虫虫虫虫发发生生生生期期期期、、、、发发生生生生量量量量、、、、发发生生生生范范范范围围和和和和危危危危害害害害程程程程度度度度的的的的定定定定性性性性预预测测和和和和一一一一些些些些简简单单的的的的定定定定量量量量预预测测咨咨咨咨询询。

它它它它基基基基本本本本上上上上包包包包括括括括了了了了目目目目前前前前国国国国内内内内常常常常用用用用的的的的各各各各种种种种预预测测方方方方法法法法，，，，对对于于于于短短短短期期期期的的的的发发生生生生期期期期预预测测，，，，它将直接它将直接它将直接它将直接给给出日期，而不必由用出日期，而不必由用出日期，而不必由用出日期，而不必由用户计户计算7.6智能决策支持系统实例智能决策支持系统实例咨咨 询询 系系 统统发生期预测发生期预测发生量预测发生量预测危险程度预测危险程度预测发生范围预测发生范围预测物物候候法法期期距距法法有有效效积积温温法法灯灯 诱诱法法性性诱诱法法数数理理统统计计法法气气候候指指标标法法虫虫口口基基数数法法趋趋势势估估测测法法灯灯 诱诱法法性性诱诱法法生生命命 表表法法数数理理统统计计法法划划分分标标准准法法虫虫源源地地估估测测预测咨询系统结构图 ：7.6智能决策支持系统实例智能决策支持系统实例n2. 2. 虫情报表系统（管理信息系统）虫情报表系统（管理信息系统） n n将将将将积积积积累累累累的的的的全全全全国国国国十十十十一一一一个个个个省省省省区区区区的的的的四四四四十十十十多多多多份份份份测测测测报报报报资资资资料料料料都都都都存存存存储储储储到到到到数数数数据据据据库库库库中中中中。

实实实实现现现现了了了了对对对对全全全全国国国国十十十十一一一一省省省省( (区区区区) )四四四四十十十十多多多多个个个个测测测测报报报报资资资资料料料料数据库中数据的直接调用、查询、修改、增删数据库中数据的直接调用、查询、修改、增删数据库中数据的直接调用、查询、修改、增删数据库中数据的直接调用、查询、修改、增删n n能能能能打打打打印印印印几几几几十十十十种种种种气气气气象象象象因因因因子子子子的的的的历历历历年年年年数数数数据据据据以以以以及及及及松松松松毛毛毛毛虫虫虫虫发发发发生生生生面面面面积积积积、、、、虫虫虫虫情情情情级级级级数数数数、、、、虫虫虫虫口口口口密密密密度度度度和和和和各各各各种种种种防防防防治治治治方方方方法法法法、、、、防防防防治治治治面面面面积积积积的的的的历历历历年年年年数据的数据的数据的数据的120120多种报表多种报表多种报表多种报表 n3. 3. 模型预测系统模型预测系统 n n由由由由判判判判定定定定主主主主要要要要因因因因子子子子、、、、预预预预测测测测模模模模型型型型、、、、用用用用主主主主要要要要因因因因子子子子进进进进行行行行预预预预测测测测和预测择优决策等四个模块就组成了模型预测系统。

和预测择优决策等四个模块就组成了模型预测系统和预测择优决策等四个模块就组成了模型预测系统和预测择优决策等四个模块就组成了模型预测系统n n它它它它完完完完成成成成需需需需要要要要进进进进行行行行大大大大量量量量计计计计算算算算的的的的模模模模型型型型预预预预测测测测，，，，用用用用于于于于进进进进行行行行各各各各种松毛虫发生量种松毛虫发生量种松毛虫发生量种松毛虫发生量( (期期期期) )的定量预测的定量预测的定量预测的定量预测7.6智能决策支持系统实例智能决策支持系统实例n 该系统比前的预报方法有以下优点：该系统比前的预报方法有以下优点：n n（（（（1 1 1 1）））） 把把把把多多多多个个个个不不不不同同同同的的的的模模模模型型型型有有有有机机机机结结结结合合合合起起起起来来来来，，，，形形形形成成成成一一一一个个个个完完完完整整整整的预测决策支持系统的预测决策支持系统的预测决策支持系统的预测决策支持系统n n（（（（2 2 2 2）））） 实现了相似模型的预测择优决策实现了相似模型的预测择优决策实现了相似模型的预测择优决策实现了相似模型的预测择优决策n n（（（（3 3 3 3）））） 模型直接模型直接模型直接模型直接调调用数据用数据用数据用数据库库中的数据中的数据中的数据中的数据 。

n n（（（（4 4 4 4）））） 形成了松毛虫形成了松毛虫形成了松毛虫形成了松毛虫测报测报的大型管理信息系的大型管理信息系的大型管理信息系的大型管理信息系统统 n n（（（（5 5 5 5）））） 包含了包含了包含了包含了预测预测松毛虫的松毛虫的松毛虫的松毛虫的专专家系家系家系家系统统 n n（（（（6 6 6 6）））） 建立一个多功能的建立一个多功能的建立一个多功能的建立一个多功能的综综合系合系合系合系统统 该系系统把把预测咨咨询专家家系系统、、模模型型预测决决策策支支持持系系统和和测报管管理理信信息系息系统汇集于一体是一个大型智能决策支持系集于一体是一个大型智能决策支持系统 7.6智能决策支持系统实例智能决策支持系统实例。