第四章决策支持与人工智能课件.ppt

调粮路径选择 全国粮库布局 人工智能及其的商业应用ARTIFICIAL INTELLIGENCE (AI) AND ITS BUSINESS APPLICATIONS 人工智能：用人工方法在机器（计算机）上模拟人的思维和行为的学科 专家系统（EXPERT SYSTEMS） 神经网络（NEURAL NETWORKS） 遗传算法（GENETIC ALGORITHMS） 智能代理（INTELLIGENT AGENTS） 专家系统EXPERT SYSTEM，ES ES：在相关领域具有专家水平解题能力的智能系统。它运用领域专家积累的专门知识与经验，模拟人的思维过程，通过推理或与人的交互，解决复杂问题。 ES特征 具有专门领域的系统的知识。 能有效地推理：精确推理、不完全推理、试探推理。 具有知识获取能力：通常由知识工程师通过知识编辑器把领域知识传授给系统。有的系统具有初步的学习能力。 具有交互性和解释能力。 专业知识 事实和“为什么”信息 来自ES的结果 “为什么”信息 解释“为什么”信息 事实 专业知识 的内部表 达形式 专业知识规则 知识获取 知识库 用户界面 推理机 解释模块 用户 知识工程师 专家系统组成 知识获取 由一组程序实现，负责把知识输入到知识库中，并管理知识库中的知识，保证其一致性及完整性。 知识获取方式： 知识工程师向领域专家获取知识，然后用知识编辑软件将知识输入知识库。 系统通过与专家交互，获取知识。 系统从推理过程与结论中归纳析取知识。 专家的组成 知识表示 专家系统用符号串表示知识 知识表示方法举例 谓词逻辑 表达事实、规则。如： Morethan(OrderQuantity, Level) OldCustomer(CustomerName) Return(Rate) OldCustomer(CustomerName) →Return(Rate) 产生式 表达有因果关系的知识：如： IF Morethan(X, L) AND OldCustomer(C) THEN Return(r) 其它表示方法 知识表示 知识框架：用结构化形式表达知识。如： 推理方法 前向推理：以事实为出发点的推理。如： 用户界面 实现系统与用户、知识工程师、专家交互的接口（主要指软件）实现人机对话。 输入更新知识 输入求解的问题、已知的事实、向系统提问、回答系统的提问 输出推理结果、回答用户提问、向用户索取进一步的事实或提问 转换内外部信息。将输入的信息转换为内部表现形式。将输出的信息表达成人们容易理解的形式。 专家系统的组成 绿灯亮了吗？（是/否）：否 红灯亮了吗？ （是/否）：否 红灯快要亮了吗？为什么？ 只有黄灯亮时才有这种情况，然后你有两种选择。 红灯快要亮了吗？否 结论：通过路口 用户界面的人机对话 规则1：IF 绿灯亮 THEN 通过 Why 绿灯亮时是安全的，否则需要更多信息 规则2：IF 红灯亮 THEN 参照规则4或3 Why 应停车，或可不停车 知识规则 对话形式 菜单方式 命令方式 自然语言方式 多媒体方式（语音） 虚拟现实方式 解释模块 解释模块是系统的一组程序。对系统的推理行为或结论进行解释，回答用户提出的 “为什么?”或“是怎样?” 的问题，提高系统和结论的可信度，同时，根据解释，用户可发现推理机及知识库中存在的错误。 专家系统的组成 专家系统中的 IT 技术 知识库 知识库是知识存储机构，存储领域专门知识，包括原理性的知识、专家经验及相关的事实。 推理机 推理机是一组推理程序，专家系统的核心部分。根据当前已知的问题事实、知识库中的领域专门知识，按照一定的推理方法和控制策略进行推理，求得问题的答案或证明某个假设的正确性。 数据库 存储用户提供的初始事实、问题描述以及系统运行过程中得到的中间结果、最终结果、运行信息（如推出结果的知识链） 专家系统的建造 建造方式 购买一个专家系统产品 购买一个专家系统外壳 开发一个专家系统 建造原则 恰当的划定求解问题的领域 领域的宽度决定了系统知识库的大小和质量及 求解问题的能力与效率 获取完备的知识：知识的数量满足求解领域问题的需要，质量上要保证知识的一致性和完整性 有友好的交互环境 专家系统的建造 合理组织知识、选择合适的推理模型。二者结合起来考虑，分开设计，以提高推理效率和系统的灵活性。 在运用当中不断完善。 建造工具 人工智能语言，如：LISP，PROLOG 专家系统外壳，如：EMYCIN、EXPERT、KAS 专用开发工具，如：AGE、OPSX Decision Management Diagnostic/Troubleshoot