【大学课件】环境决策支持系统技术基础之三模型与知识

决策支持系统能识别模式，预测未来趋势 #生活技巧# #领导力技巧# #决策支持系统#

1、环境决策支持系统技术基础之三模型与知识http:/ 棱形无序有序关系形成粗化与细化的启发，无序关系形成类比启发。宏观与微观，定性与定量均是粗、细化关系。http:/ 知识表示是基础知识表示是基础 搜索技术是核心搜索技术是核心 专家系统是目标专家系统是目标 各部分间的关系各部分间的关系http:/ 人工智能是研究知识的一门科学，即如何表示知识，如何获取知识和如何利用知识的科学。http:/ 知识与知识表示知识是人类认识自然界的精神产物，是人类进行智能活动的基础。知识可以分为五类： 描述性知识 判断性知识 过程性知识 对象级知识，或称为领域相关的知识 元级知识 http:/ 对知识表示的要求 表示能力 可理解性 可访问性 可扩展性3 知识表示方法 一阶谓词逻辑：它是一种描述性的表示方法，它的推理机制是归结原理。主要应用于定理证明。 语义网络：是由Quillian等人于1968年提出的，它在知识表示中可以表示对象、概念及其相互间的关系。它广泛用于基于知识的系统。 产生式规则：产生式系统把知识表示成“模式动作”对，表示方式自然、简洁。它的推理机制以演绎为基础。它是专家系统的知识表示的主要方法。

2、http:/ 框架：框架理论是Minsky于1974年提出的，它将知识表示成高度模块的结构，它是把关于一个概念或对象的所有信息和知识都存储在一起的数据结构。框架的层次结构可以表示对象之间的相互关系，用框架表示知识的系统称为框架的系统。 状态空间：状态空间表示法把求解问题表示成问题状态、操作、约束、初始状态和目标状态。状态空间是所有状态的集合。 脚本：脚本也称为剧本。它是用来描述固定事件序列，它的结构类似于框架。剧本更强调事件间的因果关系。 Petri网：Petri网是由德国计算机科学家Petri提出的，由于它很好的模拟异步操作，所以在并行处理和分布式计算机领域中应用很多。http:/ 一阶谓词逻辑表示法：谓词逻辑适合于表示事物的状态、属性、概念等事物之间的知识，也可以用来表示事物之间的因果关系，谓词公式一般用合适公式表示。 谓词的选取 量词的选取（作用的范围） 从自然语言翻译成谓词公式不能丢失信息 易于理解 谓词公式表示法的特点：自然性、精确性、严密性、容易实现。http:/ 或者 其中P是产生式前提，Q是一组结论或操作。 产生式组成：规则库，综合数据库，控制系统。 产生式系统分类：可

3、交换的产生式系统，可分解的产生式系统，可恢复的产生式系统 产生式表示法的特点：自然性，有效性，模块性，清晰性，效率不高，不能表示具有结构性的知识http:/ 使用知识。它是问题求解和专家系统的基础。n知识表示遵循的思路知识表示遵循的思路产生式规则产生式规则 与或图与或图 状态空间状态空间等等人工智能语言人工智能语言 （如（如Prolog语言）语言） 通用程序设计语言通用程序设计语言（如（如C、C+）自然语言表示自然语言表示 格式化表示格式化表示 计算机语言表示计算机语言表示难点分析难点分析http:/ 如果有毛发或者产奶，那么它是哺育动物；如果有毛发或者产奶，那么它是哺育动物； 如果吃肉，那么它是食肉动物；如果吃肉，那么它是食肉动物； 如果有犬齿、有爪、眼视前方，那么它是食肉动物；如果有犬齿、有爪、眼视前方，那么它是食肉动物； 如果是哺育动物、食肉动物、黄褐色、有黑色条纹，如果是哺育动物、食肉动物、黄褐色、有黑色条纹，那么它是老虎。那么它是老虎。自然语言描述知识自然语言描述知识http:/ if 有毛发或者产奶有毛发或者产奶 then 它是哺育动物；它是哺育动物； if 吃肉吃肉 th

4、en 它是食肉动物；它是食肉动物； if 有犬齿，且有爪，且眼视前方有犬齿，且有爪，且眼视前方 then 它是食肉动物；它是食肉动物； if 是哺育动物，且是食肉动物，且是黄褐色，且有黑是哺育动物，且是食肉动物，且是黄褐色，且有黑色条纹色条纹 then 它是老虎。它是老虎。产生式规则表示知识产生式规则表示知识产生式规则的基本形式：产生式规则的基本形式：If P then Q或者或者PQhttp:/ 框架的结构：一个框架是由若干槽组成，每个槽又可以有若干个侧面。槽用来描述所论对象的某方面的属性，侧面用来描述相应属性的一个方面。槽和侧面所具有的属性值分别称为槽值和侧面值。 框架网络：框架中的槽值或侧面值可以是另一个框架的名字，这就在框架之间建立了联系，构成了框架网络。通过框架网络可以找到另一个框架。 继承性是框架表示法的一个重要特征。它不仅可以在两层框架之间实现继承关系，而且可以通过两两的继承关系，从最底层追溯到最高层，使最高层的信息逐层向底层传递。 框架中槽的设置与组织： http:/ Instance槽 Partof槽 Infer槽 Possible-Reason槽 有利于进行框架的推

5、理http:/ 结构性 继承性 自然性 语义网络表示法：语义网络是通过概念及其语义关系表达知识的一种网络图。最简单的语义网络是如下的三元组： （节点1，弧，节点2） 知识的语义网络表示 用语义网络表示有关事实间的关系：分类关系；聚集关系；推论关系；时间、位置关系；多元关系用语义网络表示比较复杂的知识：把一个复杂的知识命题划分为若干个子命题，每个子命题用一个较简单的语义网络表示，称为子空间，多个子空间构成一个大空间。http:/ 常用的语义联系A-Member-ofComposed-ofHaveBefore,After,AtLocated-on(-at,-under,-inside,-outside)等Similar-to,Near-to 语义网络系统中求解问题的基本过程用语义网络表示知识的问题求解系统称为语义网络系统。系统由语义网络构成的知识库；问题求解的解释程序（语义网络推理机）组成。问题求解一般是通过匹配实现的。http:/ 语义网络表示法的特点结构性联想性自然性http:/ 脚 本 表 示 法 ： 脚 本 的 知 识 表 示 方 法 是R.C.Schank 根据他的概念依赖理论提

6、出的一种知识表示方法。它与框架类似，由一组槽组成，用来表示特定领域内一些事件的发生序列。 概念依赖理论：把人类生活中的各类故事情节的基本概念抽取出来，构成一组原子概念，确定这些原子概念之间的相互依赖关系，然后把所有故事情节都用这组原子概念及其依赖关系表示出来。 脚本一般由以下几部分组成：进入条件；角色；道具；场景；结局。http:/ 过程表示法：过程性表示方法着重于对知识的利用，它把问题有关的知识以及如何应用这些知识求解问题的控制策略都表述为一个或多个求解问题的过程。每一个过程是一个程序，用于完成对一个具体事件或情况的处理。 用过程规则表示过程 过程规则的一般结构：激发条件演绎操作状态转换返回 过程表示法的特点：效率较高；控制系统容易设计http:/ Petri网表示法：对于不同的应用Petri网的构成及构成元素的意义均不相同，但有三种元素是基本的：位置、转换、标记。 Petri网的特点便于描述系统状态的变化便于对系统特点进行分析可以在不同层次上变换描述，而不必注意细节几相应的物理表示。 面向对象表示法：对象、类、封装、继承是面向对象技术的基本概念。 在面向对象方法中，类、子类、具体对

7、象构成了一个层次结构，而且子类可以继承父类的数据和操作。这种层次结构及继承机制直接支持了分类知识的表示。http:/ 1 基本概念 什么是搜索人工智能要解决的问题大多数是结构不良或者非结构的问题，对这样的问题一般不存在成熟的求解算法，而只能利用已有的知识一步步地摸索着前进。在这个过程中，存在着如何寻找一条推理路线，使得付出的代价尽可能地少，而问题又能够得到解决。我们称寻找这样路线的过程为搜索。搜索分为盲目搜索和启发式搜索：盲目搜索是按预定的控制策略进行，在搜索的过程中所获得的信息不用来改进控制策略的一种搜索。启发式搜索是在搜索中加入了与问题有关的启发式信息，用来指导搜索朝着最有希望的方向前进，加速问题的求解过程，并找到最优解。http:/ 状态空间表示法：状态空间表示法是用“状态”和“算符”来表示问题的一种方法。 状态：状态是描述问题求解过程中任一时刻状况的数据结构。 算符：引起状态的某些分量变化，从而使问题从一个状态变为另一个状态的操作称为算符。 状态空间：问题的全部状态和一切算符所构成的集合成为状态空间。 例如二阶梵塔问题。解：设立柱1、2和3以及两个圆盘A和B。用Sk=(Sk0,

8、Sk1)表示问题状态，Sk0表示圆盘A所在的立柱，Sk1表示圆盘B所在的立柱，全部可能的状态共有九种：S0=(1，1)，S1=(1，2)，S2=(1，3)S3=(2，1)，S4=(2，2)，S5=(2，3)S6=(3，1)，S7=(3，2)，S8=(3，3)问题的初始状态集合是S=S0，目标状态集合是G=S4，S8。http:/ S0 0= =（1 1，1 1）S S1 1= =（1 1，2 2）S S2 2= =（1 1，3 3）S S3 3= =（2 2，1 1）S S4 4= =（2 2，2 2）S S5 5= =（2 2，3 3）S S6 6= =（3 3，1 1）S S7 7= =（3 3，2 2）S S8 8= =（3 3，3 3）二阶梵塔问题状态表示二阶梵塔问题状态表示http:/ 与/或树表示法：对于一个复杂的问题，可以通过“分解”和“等价变换”两种手段相结合使用，得到一个图，这个图就是与/或图。 等价变换：是一种同构或同态的变换。 本原问题：不能再分解或变换，而且直接可以求解的子问题，称为本原问题。 终端节点与终止节点：在一棵与/或树中，没有子节点的节点称为终端节点；

9、本原问题所对应的节点称为终止节点。 可解节点：在与/或树中，满足下列条件之一者就称为可解节点：它是一个终止节点它是一个“或”节点，且其子节点中至少有一个是可解节点它是一个“与”节点，且其子节点全部是可解节点 不可解节点：关于可解节点的三个条件全部不满足的节点称为不可解节点。 解树：由可解节点构成，且由这些可解节点可推出初始节点（它对应于原始问题）为可解节点的子树称为解树。http:/ 状态空间搜索 状态空间搜索的一般过程 OPEN表和CLOSED表：OPEN表是用于存放刚生成的节点；CLOSED表用于存放将要扩展的节点。 搜索的一般过程 广度优先搜索：从初始节点S0开始，逐层地对节点进行扩展并考查它是否为目标节点。在第n层的节点没有全部扩展并考查之前，不对第 n+1层节点进行扩展。OPEN表中的节点总是按进入的先后顺序排列，先进入的节点排在前面，后进入的节点在后。 深度优先搜索：从初始节点S0开始，在其子节点中选择一个子节点进行考查，若不是目标节点，则再在该子节点中选择一个子节点进行考查，一直如此向下搜索。当到达某个子节点，且该子节点既不是目标节点又不能继续扩展时，才选择其兄弟节点进行

10、考察。 与广度优先搜索不同，深度优先搜索是把节点n的子节点放入OPEN表的首部。http:/ 有界的深度优先：对深度优先搜索引入搜索深度的界限，当搜索深度达到了深度界限，而尚未出现目标节点，就换一个分支进行搜索。 代价树的广度优先搜索：与/或树中，边上有代价（或费用）的树称为代价树。代价树的广度优先搜索的基本思想是每次从OPEN表中选择节点往CLOSED表中传送时，总是选择其代价最小的节点。 代价树的深度优先搜索：基本思想是从刚扩展的子节点中选择一个代价最小的节点送入CLOSED表进行考查。http:/ 启发式搜索：启发式搜索是利用问题本身的某些启发信息，以制导搜索朝着最有希望的方向前进。 估价函数：用于估价节点重要性的函数称为估价函数。它的一般形式为 局部择优搜索：当一个节点被扩展后，按f(x)对每个子节点计算估价值，并选择最小者作为下一个要考查的节点。由于它每次都只是在子节点的范围中选择要考查的子节点，所以称为局部择优搜索。 全局择优搜索：每次都是从OPEN表的全体节点中选择一个估价值最小的节点进行扩展。http:/ 算法：把OPEN表中的节点按估价函数的值从小到大进行排序；g(x

11、)是对g*(x)的估计，g(x)0；h(x)是h*(x)的 下 界 ， 即 对 所 有 x的 均 有 ： 。其中g*(x)是从初始节点S0到节点x的最小代价； g*(x)是从x节点到目标节点的最小代价，若多个目标节点，则为其中的一个。http:/ 与/或树搜索 与/或树搜索的一般过程 与/或树搜索的广度优先搜索 与/或树搜索的深度优先搜索 与/或树搜索的有序搜索http:/ 博弈树的启发式搜索 博弈树的概念：博弈树是与/或树的一个特例；博弈的初始格局是初始节点；在博弈树中与节点和或节点总是逐层交替出现的；所有能使自己一方获胜的终局都是本原问题，相应的节点是可解节点。所有使对方获胜的终局都是不可解节点。 极大极小法 -剪枝技术 值：对于一个或节点来说，取当前子节点中的最大倒推值作为它倒推值的下界，称此值为值。 值：对于一个与节点来说，取当前子节点中的最小倒推值作为它倒推值的上界，称此值为值。http:/ -剪枝技术：任何或节点x的值如果不能降低其父辈节点的值，则对节点x以下的分支可停止搜索，并使的倒推值为 ，这种剪枝称为剪枝； 任何“与”节点x的值如果不能升高其父辈节点的值，则对节点x以

12、下的分支可停止搜索，并使的倒推值为 ，这种剪枝称为剪枝。http:/ 推理的基本概念推理通常是指从已知的事实出发，通过运用已掌握的知识，找出其中蕴藏的事实，或归纳出新的事实，这一过程就称为推理。推理包括两种判断：一种是已知的判断，它包括已掌握的求解问题有关的知识和关于问题的已知事实；另一种是由已知判断推出新的判断，即推理的结论。2 推理方式和分类 按推理机制划分，可以有演绎推理：演绎推理是从全称判断推导出特称或单称判断的过程。归纳推理：归纳推理是从足够的事例中归纳出一般性结论的推理过程。默认推理：默认推理又称缺省推理。它是在知识不完全的情况下假设某些条件已经具备所进行的推理。http:/ 按所用知识的确定性划分，可以有 确定性推理：确定性推理是指推理时所用的知识都是精确的，推理出的结论也是精确的。 不精确推理：不精确推理是指在推理时所用到的知识不都是精确的，推理出的结论也不完全是肯定的。 按推理过程划分，可以有 单调推理：单调推理是指在推理的过程中随着推理的向前推进及新知识的加入，推理的结论呈单调增长的趋势，并越来越接近最终目标。 非单调推理：非单调推理是指在推理的过程中，由于新的知识

13、的加入，不仅没有加强推出的结论，反而要否定它，使得推理退回到前面的一步，重新开始。http:/ 按启发性知识划分，可以有 启发式推理：在推理的过程中利用了能够加快推理进程、求得最优解的启发性知识的推理。 非启发性推理：在推理的过程中并不利用能够加快推理进程、求得最优解的启发性知识的推理。 按方法论划分，可以有 基于知识的推理 统计推理 直觉推理：直觉推理又称为常识性推理，是根据常识进行的一种推理。http:/ 推理控制策略 正向推理：从用户提供的初始事实出发，在知识库中找出当前可适合的知识，构成可适用的知识集，然后按某种冲突消解策略从知识集中选出一条知识进行推理，并将推理出的新事实加入到数据库作为下一步推理的已知事实，如此重复这一过程。 逆向推理：首先选定一个假设目标，然后寻找支持该假设的证据，若所需要的证据都能找到，则说明假设是成立的；若无论如何都找不到所需要的证据，说明原假设不成立。 混合推理：即有正向推理又有逆向推理的推理方法就是混合推理。 双向推理：所谓双向推理是指正向推理和逆向推理同时进行，且在某一步骤上相遇。基本思想是：一方面根据已知事实进行正向推理，但并不推到最终目标；另

14、一方面，从某一假设目标出发进行逆向推理，但并不推至原始事实，而是让它们在途中相遇，既正向推理所得的中间结论恰好是逆向推理此时所需要求的证据。http:/ 4 归结反演 归结反演就是用归结和反演的方法实现定理证明。 子句定义为由文字的析取组成的公式谓词公式化为子句集的过程 消去蕴涵符号 把否定符号移到每个谓词符号的前面 变量标准化 消去存在量词 将公式化为前束形 把母式化为合取范式 略去全称量词 把母式用子句表示 子句变量标准化http:/ 归结反演的一般过程：设有公式集S，希望从S证明某个目标公式W，证明的过程如下： 将W加入到S集合 将新的集合S转换成一组子句，应用归结原理推导出一个空子句 归结反演过程主要就是证明一个集合是不可满足的过程，即从集合归结出空子句的过程。 归结反演的控制策略 宽度优先策略 支持集策略 单元优先策略 线性输入策略 祖先过滤策略http:/ 基于规则的演绎系统 将问题的知识和信息划分为规则和事实两种类型。规则有包含蕴涵形式的表达式，事实由无蕴涵形式的表达式表示。这样的推理系统称为基于规则的演绎系统。 正向演绎系统：从事实出发，正向地使用蕴涵式（F规则）进行演

15、绎推理，直到某个目标公式的一个终止条件为止。事实表达式：事实表达式为无蕴涵的任意与或形。利用规则转换与或图：正向演绎系统应用规则作用于事实的与或图，改变与或图的结构，从而产生新的事实。规则形式为 其中L是单文字，W是任意的与或形表达式。L和W中的所有变量都是全称量化的。利用目标公式做结束条件：正向演绎系统的目标公式定义为文字的析取，当一个目标文字与与或图中的文字匹配时，系统便成功结束。http:/ 逆向演绎系统：在逆向演绎系统从目标表达式出发，应用逆向规则（规则），直到事实表达式。目标表达式：在逆向演绎系统中，目标公式为无蕴涵的任意与或形。规则应用：逆向演绎系统的规则称为规则，形为 其中W为任意的与或形，L为单文字。结束条件：逆向演绎系统的事实表达式限制为文字的合取，可表示为文字的集合。逆向演绎系统的结束条件就是与或图中包括一个结束在事实结点上的一致解图，该解图的合一复合作用于目标表达式就是解答语句。http:/ 不确定性推理的基本概念 什么是不确定性推理所谓不确定性推理就是从不确定性的初始证据出发，通过运用不确定性的知识，最终推理出具有一定程度的不确定性，但又是合理或者似乎合理的结论

16、的思维过程。 不确定性推理的一般算法 根据规则前提E的不确定性C(E)和规则强度f(H，E),求出假 设 H的 不 确 定 性 C(H)， 即 定 义 一 函 数 g1， 使C(H)=g1C(E),f(H,E) 根据分别由独立的证据E1和E2,求得的假设H的不确定性C1(H)和C2(H)，http:/ 求得证据E1和E2的组合所导致的假设的不确定性C(H)，即定义一函数g2，使C(H)=g2C1(H),C2(H) 根据两个证据E1和E2的不确定性C(E1)和C(E2)，求出证据E1和E2的合取E1E2的不确定性，即定义一函数g3，使C(E1E2)=g3C(E1),C(E2) 根据两个证据E1和E2的不确定性C(E1)和C(E2)，求出证据E1和E2的析取的不确定性，即定义函数g4，使C(E1E2)=g4C(E1),C(E2) 几种主要的不确定性推理方法 确定因子法（可信度方法） 主观Bayes方法 证据理论 可能性理论 粗集理论 批注理论 http:/ 确定因子法 知识的不确定性表示MYCIN系统称规则强度为规则确定性因子（CertaintyFactor）CF(H,E)，它表示在已知证

17、据的情况下，对假设的确信程度。 CF(H,E)定义如下： 证据的不确定性http:/ 不确定性推理 根据证据和规则的不确定性求假设的不确定性： 组合两个独立证据导出的同一个假设的不确定性：由此计算：http:/ 证据的合取 证据的析取http:/ 主观Bayes方法 主观Bayes方法是以概率论中的Bayes公式为基础的一种不确定性推理算法，首先应用于专家系统PROSPECTOR系统。 知识不确定性的表示：在该方法中知识的不确定性表示为其中规则强度由LS和LN表示。 证据的不确定性：证据的不确定性用证据的概率P(E)表示，或者用证据的几率(E)http:/ 不确定性推理算法：采用三点的线性插值方法。即 当 时，有 当 时，有 当 时，有 分段插值的解析式为：http:/ 证据理论 证据理论是由Dempster和他的学生Shafer共同提出来的一种不确定性推理模型，所以也称为D-S证据理论。证据理论可以满足比概率更加弱的公里体系，当概率值已知的时候，证据理论就变成为概率论了。 证据的不确定性 设U的幂集2U上定义了一个基本概率赋值函数m：2U 0,1，使满足 ，基本概率赋值函数m(A)表

18、示了证据对U的子集A成立的一种信任程度。http:/ 信任函数：信任函数定义为 似然函数：似然函数定义为 信任函数与似然函数的关系http:/ 证据组合：对于相同的证据，由于来源不同，可能得到不同的基本概率赋值函数。D-S证据理论采取正交和来组合这些函数。 设 是 上的个基本概率赋值函数，它们的正交和 ，且定义为其中 证据理论的推理 知识表示：系统的推理规则表示为 证据的描述：对于任何命题 ，其信任函数为http:/ 似然函数为 类概率函数： 不确定性推理 匹配度函数：http:/ 命题的逻辑组合的情况合取： 析取： 如果几种规则支持同一命题，总的概率赋值函数定义为各规则假设得到的基本概率赋值函数的正交和，即http:/ 可能性理论 Zadeh在1965年提出了模糊集合论，1978年又提出了可能性理论。 模糊命题：含有模糊概念、模糊数据或带有确信程度的语句称为模糊命题。形式化为：xisA或者xisA(CF) 其中，X是论域上的变量，用来代表所论对象的属性；A是模糊概念或模糊数；CF是该模糊命题的确信度，它可以是一个确定的数，也可以是模糊数，还可以是模糊语言值。 模糊知识的表示：模糊产生

19、式规则的一般形式为 其中E是用模糊命题表示的模糊条件；H是用模糊命题表示的模糊结论；CF是该产生式规则所表示的知识可信度因子。 http:/ 语义距离：设A、B分别是论域上 相应的模糊概念的模糊集，而 和 分别是它们的隶属函数，则有 海明距离：海明距离定义为 欧几里德距离 明可夫斯基距离http:/ 切比雪夫距离 语言变量：用语言而不是用数字来表示变量的值和变量之间的关系，这种变量称为语言变量。 模糊命题的转换规则 修正规则 合取、析取和蕴含规则 量化规则 模糊推理 广义假言推理 模糊量词的近似推理 模糊真值限定的近似推理http:/ 6 粗集理论 粗集理论是波兰华沙理工大学的Z.Pawlak教授1982年首先提出的处理不确定性信息的理论。该方法特别实用于观察和测量获得的不精确数据的分类问题。 http:/ 系统处理的数据随时间变化，且可能是不准确和不完全，系统需要有适应时间变化的动态模型n例子例子有气象预报、军事预测、人口预测、交通预测、经济预测和谷物产量预测等http:/ 能够了解被诊断对象或客体各组成部分的特性以及它们之间的联系，能够区分一种现象及其所掩盖的另一种现象，能够向用户

20、提出测量的数据，并从不确切信息中得出尽可能正确的诊断n例子例子 医疗诊断、电子机械和软件故障诊断以及材料失效诊断等。http:/ 寻找出某个能够达到给定目标的动作序列或步骤。n特点特点 从多种约束中得到符合要求的设计；系统需要检索较大的可能解空间；能试验性地构造出可能设计；易于修改；能够使用已有设计来解释当前新的设计。n例子例子VAX计算机结构设计专家系统等。http:/ 寻找出某个能够达到给定目标的动作序列或步骤。n特点特点所要规划的目标可能是动态的或静态的，需要对未来动作做出预测，所涉及的问题可能很复杂。n例子例子军事指挥调度系统、ROPES机器人规划专家系统、汽车和火车运行调度专家系统等。http:/ 系统具有快速反应能力，发出的警报要有很高的准确性，能够动态地处理其输入信息。n例子例子粘虫测报专家系统。http:/ 美国贝尔实验室的ACI电话和有线电视维护修理系统。n此外，还有决策专家系统和咨询专家系统等。http:/ （2）公共知识的导出 （3）讨论方式 （4）裁决问题 （5）驱动方式http:/ n2、观测的表示、观测的表示观测是得到结论所需要的观察或量测结果。它们通常可以用逻辑值：真(T)，假(F)或“不知道”，或用数字来表示。把问题组织成菜单那样的编组是一种很有效的方法。http:/ 决策的解释决策的解释n系统的设计者和使用者都需要系统对它所作出的决策给予解释。但是它们对决策解释的要求又各不相同。n（1)对系统设计者的解释。n（2）对系统使用者的解释。n一种解释方法是用语句来说明结论。系统所用的假设可能是任何形式的包含说明和建议的语句。有时系统的设计者可以预先提出某些适合于给定假设的解释。http:/ 人工智能语言 表处理语言LISP 逻辑程序设计语言PROLOG 面向对象的程序设计语言SMALLTALK 专家系统外壳 EMYCIN KAS EXPERT 通用专家系统工具 POS5 ARThttp:/ 表示张三是李四的舅父。n加（2，3，5）表示2加3等于5。n位于（东方，日本，中国）表示日本位于中国的东方。n谓词名Q可以是名、动、形容、副等各种词类。其变量可以是单变量，也可以是多变量。变量的序是根据谓词名一次定义的。http:/

《【大学课件】环境决策支持系统技术基础之三模型与知识》由会员夏**分享，可在线阅读，更多相关《【大学课件】环境决策支持系统技术基础之三模型与知识》请在金锄头文库上搜索。

网址：【大学课件】环境决策支持系统技术基础之三模型与知识 https://www.yuejiaxmz.com/news/view/632056

相关内容

优秀课件笔记之决策支持系统
决策支持系统
决策支持系统（DSS）
决策支持系统的优化模型与算法
决策支持系统（DSS）介绍
医学决策支持系统.ppt
决策支持系统(DSS)
互联网环境下决策支持系统的发展变迁
构建基于大数据的决策支持系统：研究与实践
模型辅助决策在智能决策支持系统中的应用

随便看看