基于人工智能的决策支持系统模型设计

基于人工智能的决策支持系统模型设计高珩；鲍鹏；张云龙中国矿业大学计算机科学与技术学院，江苏徐州(221116)E-mail:[e-mail]摘要：智能决策支持系统作为人工智能的一个重要研究领域，允许决策者和信息经营者、资源配置者和管理者、策略规划者和装备控制者改进他们的工作效率，已经成为学术界关注的焦点，其发展前景备受世人瞩目。本文在总结国内外对于智能决策支持系统研究的基础上，提出了一种新的关于决策支持系统的模型架构，并对其实现与发展前景做了规划和展望。关键词：人工智能；专家系统；决策支持；模型设计0研究背景人工智能（ArtificialIntelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，它是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。近十年来，人工智能已得到迅速传播与发展，并在决策支持系统中获得了日益广泛的应用，越来越多的决策支持系统应用了网络技术和分布式人工智能技术。决策支持系统（DecisionSupportSystems，DSS）作为人工智能的一个重要研究领域，是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统(ManagementInformaticaSystems)向更高一级发展而产生的先进信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。随着科学技术的进步以及人工智能技术的日趋成熟，决策支持系统智能化已经成为业界研究与实现的目标，尽管目前为止已有一些先进的智能决策支持系统在商业、工业、政府和国防等部门获得成功应用[1]，但是，这一系统远未完善，仍处于发展阶段，可以预见的是在未来的研究过程中，智能决策支持系统必将对社会和组织产生更加重大的影响。智能决策支持系统的工作是可预测和可规划的，它是实实在在可以造福全人类。1智能决策系统（IDSS）的定义智能决策支持系统是人工智能（AI，ArtificialIntelligence）和决策支持系统（DecisionSupportSystems，DSS）相结合的重要产物，应用专家系统（ES，ExpertSystem）技术，使DSS能够更充分地应用人类的知识，如关于决策问题的描述性知识，决策过程中的过程性知识，求解问题的推理性知识等[2]，因而可以说智能决策支持系统是通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。2国内外研究现状智能决策支持系统（IDSS）属于一个新兴的交叉学科领域，是运筹学、管理科学和计算机科学结合的产物，在我国许多应用领域有了初步的运用，例如税务稽查、渔业专家系统、中国工商银行风险投资决策、为电信部门进行VIP分析，等等。渔场预报系统就是CBR（基于范例的推理）一个很好的应用实例（由中科院计算所史忠植老师指导完成），这个系统已被应用于中国东海渔业中心的预测；在国外IDSS也有着非常深入的研究与广泛的应用，如，Holsaple等人采用神经网络、遗传算法等实现了综合(holistic)决策支持系统[3]，系统在某种程度上体现了人类思维和决策过程的性质；在应用方面有Web和Agent的协同决策支持系统，Web的专家系统，如好莱坞经理决策支持系统（MovieforecastGuru:AWeb-basedDSSforHollywoodmanagers）等等。3系统设计目标我们计划实现计算机人工智能与信息管理决策支持系统的结合及改进。智能决策支持系统(IDSS)可以将人工智能作为决策支持系统的新的应用，改进人工智能知识表示与推理算法（神经计算、模糊计算），并使问题求解、搜索规划、知识表示与管理、搜索推理和智能系统等方面的基本理论在决策系统中得到进一步发展与应用。人工智能与信息管理决策系统的结合必将根本改变决策支持系统的面貌，智能模块将向决策系统提供经验，协助系统对信息监控和解释，进行决策。这些智能模块还能提醒决策者避免决策失误，并在必要时提供可选择的行动方针。决策支持系统联手人工智能，充分发挥各自的特性，使二者的协同效益最大化是我们研究的重点与方向。作为一种研究不甚成熟的技术，人工智能对决策支持系统而言仍然是一种挑战，一种机遇，但是可以预见到随着信息技术的发展，将会出现越来越多的智能机器，他们具有更强的分析和决策能力，人们将会认识到：与数据库管理系统相比，人工智能技术和工具并没有什么特别之处，机器中的人工智能将再也不是特别的东西，而将成为人们日常生活得一个组成部分。而将人工智能技术更加巧妙地融入智能决策支持系统中，也是我们系统设计的目标之一。该系统的模型架构将会在第四部分得到详述。4系统模型架构设计4.1系统平台架构规划在应用研究中，智能决策系统开发平台体系结构可以分成五个层次，即通信层、信息源层、管理层、决策层、应用层(见图1)。应用层决策层管理层信息源层通讯层图1IDSDP体系结构用户受限自然语言表格查询可视化接口Internet接口数据查询数据分析预测决策报告生成统计模型神经网络交互分析CBR统计模型神经网络专家系统约束推理数据库子系统模型库子系统知识库子系统神经网络子系统数据库模型库知识库范例库图形库词典库通信接口七层结构原理非常类似，上层结构通过调用下层使下层为上层提供服务，用户处于最高层，其直接下层为应用层，该层模块包括受限自然语言，表格查询，可视化接口，Internet接口，用户通过调用这四个模块实现相应的功能；决策层作为应用层的直接下属，为应用层提供了数据查询、数据分析、预测、决策以及报告生成功能，该层为整个平台体系结构的核心，承上启下，如图1所示，其中的数据分析模块、预测模块以及决策模块分别需要相应的技术方法来实现，该层次的实现需要考虑的技术细节最多，整个平台架构的设计好坏与决策层的设计有直接关系；剩下的三层分别是管理层、信息源层以及通讯层，作为整个平台的底层架构，它们的作用同样不可忽视，信息的初次采集、传输由他们进行实现。4.2系统的逻辑结构设计图2系统逻辑结构模型整个系统的逻辑结构如图2所示，模型库、数据库以及人工智能技术共同作为底层的技术支撑体供上层的模型库管理系统和数据库管理系统进行调用，模型库和数据库可以实时交互，保证模型和数据的实时更新[4]。最上层的问题综合与交互系统作为决策支持的最终实现系统，其主要任务是融合模型库和数据库的实时信息，对问题进行分析、决策，得出最终处理结果。4.3系统实现的建议在该系统的实现过程中，本文建议采取“五步走”策略，这五个阶段分别是问题分析及需求分析阶段、概要设计阶段、详细设计阶段、重复测试阶段以及软件维护阶段。在第一阶段，即问题分析及需求分析阶段，技术人员要进行必要的需求分析，确定该系统的必备功能，确定选择专家系统、神经网络、机器学习等人工智能原理作为决策的支持，同时要注意智能决策方法的综合和知识融合。在第二阶段，即系统的概要设计阶段，必须要设计几种不同的解决方案，建立决策系统的逻辑模型，进行程序的模块化以及设计软件的结构的工作，注重对决策过程的理解把握。在第三阶段，即详细设计阶段，团队要编写开发文档，做出程序的详细规格说明，将每个功能模块实例化，实现系统内部的人工智能算法，构造数据库物理结构。同时要构造出正确的容易理解、容易维护的程序模块。在第四阶段，即测试阶段，通过重复测试不断完善决策系统，使其更加贴近实际应用。在第五阶段，即软件维护阶段，必须通过各种必要的维护活动使系统持久地满足用户的需要。基于知识的人机交互性是本阶段应重点考虑的内容。4.4系统的过程管理基于人工智能的智能决策支持系统是一个对技术要求非常严格的系统，因而在该系统的前期，必须制定详细的技术路线作为系统设计的参考[5]。本文建议在技术上采用如下图3所示的技术路线:图3系统技术路线示意图关于上图所示技术路线的说明如下所示：4.4.1研究的准备阶段在系统实施之前，必须进行必要的需求分析，确定目标系统必须具备的功能，确定选择专家系统、神经网络、机器学习等人工智能原理作为决策的技术支持。4.4.2研究的启动阶段在此阶段进行概要设计考虑几种可能的解决方案，建立决策系统的逻辑模型，进行程序的模块化以及设计软件的结构的工作。大体上把系统分为易于维护的两个部分，并行处理解决。4.4.3研究的进行阶段在系统的实现阶段，首先要进行详细设计，设计出程序的详细规格说明，具体化每个功能模块，实现系统内部的人工智能算法，构造数据库物理结构。其次是编码阶段，关键任务是写出正确的容易理解、容易维护的程序模块。根据目标系统的性质和实际环境，选取一种适当的高级程序设计语言（如Prolog、Lisp等），把详细设计的结果翻译成用选定的语言书写的程序。4.4.4重复测试--研究阶段在集成了程序模块后便进入了测试阶段。主要通过各种类型的测试（主要是现实数据）完善软件，优化实际运用的算法以及更新数据仓库，使系统软件达到预定理想的要求。通过测试运行的实际结果来改善与优化已有人工智能算法以及数据仓库的设计，并以此重复不断完善决策系统，使其更加贴近实际应用。4.4.5软件的维护阶段维护阶段的关键任务是，通过各种必要的维护活动使系统持久地满足用户的需要。经过提出维护要求（或报告问题），分析维护要求，提出维护要求，提出维护方案，审批维护方案，确定维护计划，修改软件设计，修改程序，测试程序，复查验收等一系列步骤。5结论及展望本系统设计构想是开发一个智能决策支持系统，智能决策支持系统是智能决策系统的一个重要的有代表性的研究领域，也是人工智能的又一个重要研究与应用领域[6]。一方面，决策支持系统进一步向智能决策支持系统发展需要人工智能基本原理的指导，并采用人工智能的各种技术；另一方面，决策支持系统的发展又为人工智能的进一步发展带来了新的机遇[7]，产生了新的推动力。我们欲实现的智能决策支持系统(IDSS)可以将人工智能作为决策支持系统的新的应用，并使问题求解、搜索规划、知识表示与管理、搜索推理和智能系统等方面的基本理论得到进一步发展与应用。将人工智能融入决策支持系统，可以增强决策支持系统的实用性，使其更加人性化，提高辅助决策和支持决策的能力。本文所探讨的智能决策支持系统主要是在理论上进行的研究与设计，在很多方面还不是很完善，在实际应用中为使该系统的应用层面更广阔，我们可以大胆尝试引入数据挖掘、模糊逻辑和进化计算等技术[8]，使智能决策支持系统更富有智能，使决策支持系统智能化的趋势继续保持下去，智能决策支持系统的发展前景十分看好，它必将对社会和经济产生重大影响，21世纪的科学决策和管理离不开智能决策支持系统的参与，相信智能决策支持会为人类社会的进步带来新的发展动力与美好前景。参考文献[1]蔡自兴,姚莉.人工智能及其在决策系统中的应用[M],2006年3月国防科技大学出版社:P12.[2]蔡自兴.人工智能基础[M]．北京：高等教育出版社,2006:1[3]宫秀丽.国外人工智能研究的动态[J]现代电子技术,1997,(1):48—511[4]STANOJEVICM，VRANESS．KnowledgerepresentationwithSOUL[J].ExpertSystemswithApplications，2007,33(1):122—134．[5]RAOPM,MILLERDM,LINBin—shah．PET：allexpertsystemforproductivityanalysis[J]．ExpertSystemswithApplicatio