第04讲智能决策理论与方法176.pptx
合集下载
决策理论与方法讲义(PPT 65页)
准确、完备的信息是决策的基础。任何决策都要从收集、分析信息入手。
（二）效益原则
这里的效益包括两层意思，其一是指决策所要取得的效益；其二是指决策过程本身的效益。
（三）系统原则
决策应坚持系统的原则，坚持局部效果服从整体效果、当前利益与长远利益相结合，谋求决策目标与内 部条件及外部环境之间的动态平衡，使决策从整体上最优或令人满意。
二、决策分析的定量方法
决策分析的定量方法是指决策者在占有历史数据和统计资料的基础上，运用数学和其它分析技术建立 起可以表现数量关系的数学模型，并利用它进行决策的方法。现实中的很多问题都可借助这种方法进行分 析，如，如企业生产中的配料、下料问题、总产值、利润额、产品的生命周期等。
三、综合决策
由于决策分析的定性和定量方法在使用上都有一定的局限性，为了使决策结果比较切合实际，提高决 策的质量，在实际工作中，应把这两种方法结合起来应用，形成综合决策法。
教育部高等教育司 2004年9月
《决策理论与方法》教学服务资源
主编简介
郭立夫：
教授，博士生导师，吉林大学管理学院技术经 济系副主任，吉林省统计学会理事。
主要从事资源最优化配置，决策理论方法的教 学科研工作。
曾主编《运筹学》、《管理数学》等三部教材， 在《中国管理科学》等国内外刊物上发表过二十多 篇专业论文，主持省部级科研项目近十项。曾获省 部级科技进步二、三等奖各一项。
（八） 反馈原则
决策执行中的信息反馈是非常必要的，否则决策就很难达到预期的效果。
（九）民主原则
决策时应坚持民主原则实行民主决策，充分调动各系统、各类人员的积极性、主动性和创造性，以求高 效率、高效益地解决决策问题、实现决策目标。
第三节 决策分析的步骤与追踪决策
（二）效益原则
这里的效益包括两层意思，其一是指决策所要取得的效益；其二是指决策过程本身的效益。
（三）系统原则
决策应坚持系统的原则，坚持局部效果服从整体效果、当前利益与长远利益相结合，谋求决策目标与内 部条件及外部环境之间的动态平衡，使决策从整体上最优或令人满意。
二、决策分析的定量方法
决策分析的定量方法是指决策者在占有历史数据和统计资料的基础上，运用数学和其它分析技术建立 起可以表现数量关系的数学模型，并利用它进行决策的方法。现实中的很多问题都可借助这种方法进行分 析，如，如企业生产中的配料、下料问题、总产值、利润额、产品的生命周期等。
三、综合决策
由于决策分析的定性和定量方法在使用上都有一定的局限性，为了使决策结果比较切合实际，提高决 策的质量，在实际工作中，应把这两种方法结合起来应用，形成综合决策法。
教育部高等教育司 2004年9月
《决策理论与方法》教学服务资源
主编简介
郭立夫：
教授，博士生导师，吉林大学管理学院技术经 济系副主任，吉林省统计学会理事。
主要从事资源最优化配置，决策理论方法的教 学科研工作。
曾主编《运筹学》、《管理数学》等三部教材， 在《中国管理科学》等国内外刊物上发表过二十多 篇专业论文，主持省部级科研项目近十项。曾获省 部级科技进步二、三等奖各一项。
（八） 反馈原则
决策执行中的信息反馈是非常必要的，否则决策就很难达到预期的效果。
（九）民主原则
决策时应坚持民主原则实行民主决策，充分调动各系统、各类人员的积极性、主动性和创造性，以求高 效率、高效益地解决决策问题、实现决策目标。
第三节 决策分析的步骤与追踪决策
第04讲智能决策理论与方法-1.ppt
数据预处理—空值估算
❖ 空值是指属性值未知且不可用、与其它任何值都不相同的符 号。在样本数据集中，空值在所有非主码属性中都可能出现。 空值出现的主要原因： ✓ 在信息收集时忽略了一些认为不重要的数据或信息提供 者不愿意提供，而这些数据对以后的信息处理可能是有 用的； ✓ 某些属性值未知； ✓ 数据模型的限制。
2020年10月17日9时50分
知识发现—动机
推理机
推理结果
问题请求
决策者
知识库
数据挖掘工具
背景知识 领域专家
数据中心
❖ 优点 ✓ 知识独立于问题本身 ✓ 知识的获取主要通过数据挖掘实现 ✓ 有创造性收获
决策理论与方法-智能决策理论与方法
2020年10月17日9时50分
Data Mining within the DSS
若其属性ci
的取值在区间
[ci j 1
,
ci j
)(
j
(1,2,,
ki
))
内，则将属
性值重新标记为j。这样就把原来含有连续属性的样本数据集
A转换成离散化的数据集 AP 。因此离散化问题本质上可归结
为利用选取的分割点对属性的值域空间进行划分的问题。
决策理论与方法-智能决策理论与方法
2020年10月17日9时50分
等信息量分割首先将测量值进行排序，然后将属性值域分成 k个区间，每个区间包含相同数量的测量值。假设某个属性 的最大属性值为xmax ，最小属性值为xmin ，用户给定的分割 点参数为k，样本集中的对象个数为n，则需要将样本集中的 对象按该属性的取值从小到大排列，然后按对象数平均划分 为k段即得到分割点集，每两个相邻分割点之间的对象数均 为n/k。
❖ 解决问题的主要理论方法：人工智能与不确定性理论
决策的基本理论及方法 PPT课件
决策的基本理论及方法
一 、 概 论 、 定 义 及 分 类
决策是管理中经常发生的一种 活动, 决策科学是一门综合性系 统科学.
所谓决策, 通俗地讲就是选择. 决策方法根据决策事件所处的 环境可分为确定性决策, 风险型 决策和不定型决策.
确定性决策：
二 、 确 定 性 决 策
指对在未来状况下 事件所发生的结果 完全掌握的情况作 出决策.
汽车数 概 率 15 0.13 16 0.17 17 0.18 18 0.26 19 0.14 20 0.07 21 0.03 22 0.02
３.2
最大 可能 准则
最大可能准则的思想是 将风险型决策问题化到 确定型问题, 根据概率越 大, 发生可能性就越大, 于是将未来发生的状态 就选取概率最大的一种 状况, 从而化为确定型决 策.
例 ３.2
某飞机制造厂, 每月销售量为 0, 1, 2 架三种状态, 根据历史资料 分析得这三种状况的概率分别 为 P1=0.1, P2=0.7, P3=0.2. 每销 售一架将赢利 1000万元, 每滞 销一架将亏损100万元.试问该 厂每月生产几架飞机获益最大?
最 大 最小
7 9 7 7 5
4 2 3 3 3
4.4 等可 能准 则
该方法将所有销售状态发生的概率 认为均相等 , 于是将不确定型问题 转化为风险型问题 , 再用期望值法 即可找到最优方案. 认为各销售状态出现的可能为 0.25, 各方案的期望值分别为 5.5, 5.25, 5.0, 5.5, 4.5. 认为方案A1或 A4 为最优方案.
四
不定 型决 策模 型及 求解
某厂产品销售状态有 “差、一般、好、 很好”四种情况，分别记为：S1, S2, S3, S4。 生产方案有“试生产、小批 量生产、一般量生产、批量生产、大 批量生产”五种，分别记为： A1, A2, A3, A4 和 A5。 各方案在各销售状态下利润如左表。 试问按何种方案生产可获益最大？
一 、 概 论 、 定 义 及 分 类
决策是管理中经常发生的一种 活动, 决策科学是一门综合性系 统科学.
所谓决策, 通俗地讲就是选择. 决策方法根据决策事件所处的 环境可分为确定性决策, 风险型 决策和不定型决策.
确定性决策：
二 、 确 定 性 决 策
指对在未来状况下 事件所发生的结果 完全掌握的情况作 出决策.
汽车数 概 率 15 0.13 16 0.17 17 0.18 18 0.26 19 0.14 20 0.07 21 0.03 22 0.02
３.2
最大 可能 准则
最大可能准则的思想是 将风险型决策问题化到 确定型问题, 根据概率越 大, 发生可能性就越大, 于是将未来发生的状态 就选取概率最大的一种 状况, 从而化为确定型决 策.
例 ３.2
某飞机制造厂, 每月销售量为 0, 1, 2 架三种状态, 根据历史资料 分析得这三种状况的概率分别 为 P1=0.1, P2=0.7, P3=0.2. 每销 售一架将赢利 1000万元, 每滞 销一架将亏损100万元.试问该 厂每月生产几架飞机获益最大?
最 大 最小
7 9 7 7 5
4 2 3 3 3
4.4 等可 能准 则
该方法将所有销售状态发生的概率 认为均相等 , 于是将不确定型问题 转化为风险型问题 , 再用期望值法 即可找到最优方案. 认为各销售状态出现的可能为 0.25, 各方案的期望值分别为 5.5, 5.25, 5.0, 5.5, 4.5. 认为方案A1或 A4 为最优方案.
四
不定 型决 策模 型及 求解
某厂产品销售状态有 “差、一般、好、 很好”四种情况，分别记为：S1, S2, S3, S4。 生产方案有“试生产、小批 量生产、一般量生产、批量生产、大 批量生产”五种，分别记为： A1, A2, A3, A4 和 A5。 各方案在各销售状态下利润如左表。 试问按何种方案生产可获益最大？
第04讲智能决策理论与方法1
第04讲智能决策理论与方法1
知识发现—空值估算
v 空值处理的常用方法： ™ 从训练集中移去含未知值的实例； ™ 用某个最可能的值进行替换； ™ 基于样本中其它属性的取值和分类信息，构造规则来预 测丢失的数据，并用预测结果“填补”丢失值； ™ 应用贝叶斯公式确定未知值的概率分布，选择一最可能 的值填补空值或根据概率分布用不同值填补空值形成多 个对象； ™ 将含有未知值的一个给定样本数据集转换成一个新的、 可能不相容的但每个属性值均已知的数据集，方法是将 某个属性的未知值用所有该属性的可能值替换形成多个 数据集。
™ 聚类(相容关系)：聚类也叫分段，就是将数据库中的实 体分成若干组或簇，每簇内的实体是相似的。规则形式 为IF O1与O2相似 Then O1、O2在同一簇。对象相似的判 断方法有多种如距离法。典型方法：K-means
第04讲智能决策理论与方法1
知识发现—基本概念
™ 发现特征规则：特征规则是刻划某个概念的特征的断言， 它相当于分类规则的逆命题。例如病症是某种疾病的特 征。规则一般形式是：IF A类 Then 特征表达式。
第04讲智能决策理论与方法1
知识发现—基本概念
™ 结果评价：确定所发现模式的可信度。基本方法是将样 本数据集分成二部分，一部分是训练集用来发现模式， 另一部分是测试集，分析结果的可信度。
™ 处理结果维护：信息处理所涉及的样本数据集常常是动 态变化的，因此需要对所处理的结果进行维护以保证结 果与数据的变化相一致。维护可以对数据变化引起的特 殊问题重新应用所建立的处理方法，或者应用某种增量 处理算法。
•·规则归纳 •·贝叶斯网络
•·基于案例推 •·模糊逻辑
理
•·粗糙集理论
•·遗传算法 •·证据理论
•·神经网络
知识发现—空值估算
v 空值处理的常用方法： ™ 从训练集中移去含未知值的实例； ™ 用某个最可能的值进行替换； ™ 基于样本中其它属性的取值和分类信息，构造规则来预 测丢失的数据，并用预测结果“填补”丢失值； ™ 应用贝叶斯公式确定未知值的概率分布，选择一最可能 的值填补空值或根据概率分布用不同值填补空值形成多 个对象； ™ 将含有未知值的一个给定样本数据集转换成一个新的、 可能不相容的但每个属性值均已知的数据集，方法是将 某个属性的未知值用所有该属性的可能值替换形成多个 数据集。
™ 聚类(相容关系)：聚类也叫分段，就是将数据库中的实 体分成若干组或簇，每簇内的实体是相似的。规则形式 为IF O1与O2相似 Then O1、O2在同一簇。对象相似的判 断方法有多种如距离法。典型方法：K-means
第04讲智能决策理论与方法1
知识发现—基本概念
™ 发现特征规则：特征规则是刻划某个概念的特征的断言， 它相当于分类规则的逆命题。例如病症是某种疾病的特 征。规则一般形式是：IF A类 Then 特征表达式。
第04讲智能决策理论与方法1
知识发现—基本概念
™ 结果评价：确定所发现模式的可信度。基本方法是将样 本数据集分成二部分，一部分是训练集用来发现模式， 另一部分是测试集，分析结果的可信度。
™ 处理结果维护：信息处理所涉及的样本数据集常常是动 态变化的，因此需要对所处理的结果进行维护以保证结 果与数据的变化相一致。维护可以对数据变化引起的特 殊问题重新应用所建立的处理方法，或者应用某种增量 处理算法。
•·规则归纳 •·贝叶斯网络
•·基于案例推 •·模糊逻辑
理
•·粗糙集理论
•·遗传算法 •·证据理论
•·神经网络
第04讲智能决策理论与方法-176
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
数据预处理—连续属性离散化
问题描述
1 23
ki-1 ki
……
c si
ci 0
ci 1
i 2
c c e i
i
ki 1
ki
i
设 A U, C D 为一样本数据集，U {x1 , x2 ,, xn } 为非空有限
集合，C是条件属性集，D是决策属性集。假设对于任意ci C
2019年11月22日7时0分
智能决策理论与方法
1、智能决策理论的形成背景 2、知识发现 3、粗糙集理论 4、机器学习
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
知识发现—动机
智能决策的核心是如何获取支持决策的信息和知识。
推理机
推理结果
问题请求
决策者
知识库
知识工程师 领域专家
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
数据预处理—空值估算
空值处理的常用方法： 从训练集中移去含未知值的实例； 用某个最可能的值进行替换； 基于样本中其它属性的取值和分类信息，构造规则来预 测丢失的数据，并用预测结果“填补”丢失值； 应用贝叶斯公式确定未知值的概率分布，选择一最可能 的值填补空值或根据概率分布用不同值填补空值形成多 个对象； 将含有未知值的一个给定样本数据集转换成一个新的、 可能不相容的但每个属性值均已知的数据集，方法是将 某个属性的未知值用所有该属性的可能值替换形成多个 数据集。
决策理论与方法-智能决策理论与方法
2019年11月22日7时0分
为什么要开展数据挖掘？
《决策理论与方法》课件
决策理论的分类
介绍基于不同决策理念和原则的分类。
主要决策理论
深度研究预期效用理论等核心决策理论。
3. 决策方法
1
决策方法的分类
归纳各类决策方法，如定性和定量决策方法。
2
主要决策方法
介绍常用决策方法如因果图和决策树等。
4. 投资决策
投资决策的基本概念
解释投资决策的含义和关键要素。
投资风险分析
分析投资决策中的风险和不确定性。
决策理论与方法的应 用场景
展示决策理论与方法在不 同领域的应用案例。
决策理论与方法的未 来发展趋势
探讨决策理论与方法未来 的发展方向。
《决策理论与方法》PPT 课件
这是关于决策理论与方法的PPT课件，将带你深入了解决策的概念、环境以及 各种决策理论和方法。让我们一起探索决策的奥秘！
1. 简介
决策概念
了解决策的定义和重要性。
决策对象
研究决策的主体，包括个人、组织和社会等。
决策环境
探讨影响决策的因素，如不确定性和风险。
2. 决策理论
投资项目评价指标
介绍常用的投资项目评价指标。
5. 生产决策
生产决策的基本概念
讨论生产决策的定义和目标。
生产流程设计
生产效率提升
探讨如何设计高效的生产流程。
介绍提高生产效率的方法和策 略。
6. 营销决策
营销决策的基本概念
解释营销决策的定义和重要性。
市场分析方法
介绍常用的市场分析方法，如SWOT分析。
营销策略制定
探讨制定有效营销策略的步骤和考虑因素。
7. 供应链决策
1
供应链决策的基本概念
了解供应链决策的定义和重要性。
智能决策理论与方法(PPT 76张)
等区间分割是将连续属性的值域等分成
一般由用户确定。
决策理论与方法-智能决策理论与方法
( ki N )个区间, k i
数据预处理—连续属性离散化
假设某个属性的最大属性值为xmax，最小属性值为xmin，用 户给定的分割点参数为k，则分割点间隔为δ=(xmax-xmin)/k， 所得到的属性分割点为xmin+i，i=1,2,…,k。 (2)等信息量离散化方法 等信息量分割首先将测量值进行排序，然后将属性值域分成 k个区间，每个区间包含相同数量的测量值。假设某个属性 的最大属性值为xmax ，最小属性值为xmin ，用户给定的分割 点参数为k，样本集中的对象个数为n，则需要将样本集中的 对象按该属性的取值从小到大排列，然后按对象数平均划分 为k段即得到分割点集，每两个相邻分割点之间的对象数均 为n/k。
数据中心
优点
知识独立于问题本身 知识的获取主要通过数据挖掘实现
有创造性收获
决策理论与方法-智能决策理论与方法
Data Mining within the DSS
决策理论与方法-智能决策理论与方法
知识发现—动机
KDD带来的新问题
知识发现问题：如何从数据中将知识挖掘出来？
面临许多技术问题：如数据异构问题、数据具有 噪音且信息不完整、使用什么样的挖掘算法、知 识如何表示等
针对可建立精确数学模型的决策问题，由于问题的复杂
性，如组合爆炸、参数过多等而无法获得问题的解析解， 需要借助AI中的智能搜索算法获得问题的数值解； 针对无法建立精确数学模型的不确定性决策问题、半结 构化或非结构化决策问题，需要借助AI方法建立相应的 决策模型并获得问题的近似解。
决策理论与方法-智能决策理论与方法
决策理论与方法概述(PPT 75页)
时出现状态j的后果
解决问题的主要理论方法：概率论与数理统计
决策理论与方法-随机决策理论与方法
2020/1/24
随机决策理论与方法
1、主观概率 2、效用函数 3、决策准则 4、贝叶斯决策分析
决策理论与方法-随机决策理论与方法
2020/1/24
主观概率—概率的定义
古典概率的定义：在相同条件下进行了n次试验（随机试 验），其中事件A发生的次数nA称为事件A发生的频数，比 值nA/n称为事件A发生的频率，记为fn(A)，则古典概率的定 义为：p(A)=limn→∞fn(A)
决策理论与方法-随机决策理论与方法
2020/1/24
主观概率—先验分布估计：打赌法
打赌法（离散型）
设打赌者(A)的个人财产为W。设事件E发生时A获得收入 为p，(0<p<1；p<<W：保证打赌者的效用函数是线性的)， 不发生时A获得的收入为1-p。调整p值使A感觉无论事件 E是否发生，其收入基本相同，即(E)×p=(1-(E))×(1p)。则事件E发生的可能性(E)=1-p。
气候状况的先验分布：
(1)+(2)+(3)=1; (1)/((2)+(3))=3/2; (2)=(3) 解得： (1)=0.6，(2)=0.2，(3)=0.2
思考：设某决策问题有n个状态，有m个专家对各状态发 生的可能性进行了比较评估，我们如何综合利用所有专 家的评估结果得到最终的先验分布？
决策理论与方法-随机决策理论与方法
2020/1/24
效用函数—效用的定义
效用就是偏好的量化值。决策的目标就是使期望效 用极大化。
基本概念及符号
严格序>：a>b表示a优于b。满足传递性和反对称性。 无差异~：a~b表示a与b无差异。满足自反性、对称性和
解决问题的主要理论方法：概率论与数理统计
决策理论与方法-随机决策理论与方法
2020/1/24
随机决策理论与方法
1、主观概率 2、效用函数 3、决策准则 4、贝叶斯决策分析
决策理论与方法-随机决策理论与方法
2020/1/24
主观概率—概率的定义
古典概率的定义：在相同条件下进行了n次试验（随机试 验），其中事件A发生的次数nA称为事件A发生的频数，比 值nA/n称为事件A发生的频率，记为fn(A)，则古典概率的定 义为：p(A)=limn→∞fn(A)
决策理论与方法-随机决策理论与方法
2020/1/24
主观概率—先验分布估计：打赌法
打赌法（离散型）
设打赌者(A)的个人财产为W。设事件E发生时A获得收入 为p，(0<p<1；p<<W：保证打赌者的效用函数是线性的)， 不发生时A获得的收入为1-p。调整p值使A感觉无论事件 E是否发生，其收入基本相同，即(E)×p=(1-(E))×(1p)。则事件E发生的可能性(E)=1-p。
气候状况的先验分布：
(1)+(2)+(3)=1; (1)/((2)+(3))=3/2; (2)=(3) 解得： (1)=0.6，(2)=0.2，(3)=0.2
思考：设某决策问题有n个状态，有m个专家对各状态发 生的可能性进行了比较评估，我们如何综合利用所有专 家的评估结果得到最终的先验分布？
决策理论与方法-随机决策理论与方法
2020/1/24
效用函数—效用的定义
效用就是偏好的量化值。决策的目标就是使期望效 用极大化。
基本概念及符号
严格序>：a>b表示a优于b。满足传递性和反对称性。 无差异~：a~b表示a与b无差异。满足自反性、对称性和
决策理论与方法(ppt 177页)实用资料
1.1.5 管理决策的概念
• 管理决策是管理主体针对管理中的问题，制定解决问题的各种可 行方案，选择最佳方案并实施的全部活动过程。
• （1）管理决策是管理主体的全部活动的重要组成部分 管理决策为未来实践活动选择最佳行动方案，因而它是管理主体 最重要的活动内容。
• （2）管理决策的主体包括企业管理各个层次的管理者 各层次的管理者在各自的职权范围内做出相应的决策，形成了决 策的层次性。可见，管理决策并不是最高层管理的独有职责。
• 管理决策作为一门交叉学科，与经济学、管理学的发 展密切相关。20世纪中后期以来，随着西方（现代） 经济理论的演变，出现了一个十分引人注目的现象， 即经济 研究的领域与范畴逐渐超出了传统经济学的视 阈，作为主流经济学的新古典经济学假设与分析方法 日益受到质疑和挑战，经济分析的对象延伸到几乎所 有的人类行 为。经济学与其他学科的交流和相互渗透 得以拓展和加深，经济学的大家族中又派生出许多交 叉学科和边缘学派，例如，心理经济学、地理经济学、 新经济史学、混 沌经济学、不确定性经济学、信息经 济学、行为经济学、实验经济学等。
• 决策理论的启示：
• ①从管理职能的角度来说，决策理论提出了一条新的 管理职能。针对管理过程理论的管理职能，西蒙提出 决策是管理的职能，决策贯穿于组织活动全部过程， 进而提出了 “管理的核心是决策”的命题，而传统的 管理学派是把决策职能纳入到计划职能当中的。由于 决策理论不仅适用于企业组织，而且适用于其他各种 组织的管理，具有 普遍的适用意义。
• ③在 决策标准上，用“令人满意”的准则代替“最优化”准则。 以往的管理学家往往把人看成是以“绝对的理性”为指导，按最 优化准则行动的理性人。西蒙认为事实上 这是做不到的，应该用 “管理人”假设代替“理性人”假设，“管理人”不考虑一切可 能的复杂情况，只考虑与问题有关的情况，采用“令人满意”的 决策准则，从 而可以做出令人满意的决策。
决策理论与方法概论(PPT 79页)
因此，个体决策理论假设也是群决策假设，除此之 外，群决策由于是多个决策者共同对问题作出决策， 也需要自己的研究假设，一般而言存在以下假设： 假设1. 任何个体决策者难以作出完美的决策，都可能 会犯错误。
第第 88页页
《决策理论与方法》
决策群体中决策者应有一人以上，需要协同进行决 策，并影响整个决策过程，决策机理以及决策的质 量和复杂性。 假设2. 群中的个体独立地作出选择和判断，不受他 人影响。但同时不排除决策者之间沟通交流，弥补 个人掌握信息的不足，以改进偏好和选择，最终达 成具有群体一致性的结果。
其中 i 1,2,, n 表示群中成员数，x, y 表示候选人； x i y 表示群中第 i 成员认为候选人 x 优于 y ；
第第 2244页页
《决策理论与方法》
N(x i y) 表示群中认为候选人 x 优于 y 的成员数目；
候选人可按 fB (x) 的大小进行排序。
▪ 2. 一致准则法
在用一致准则法时，首先要从 Ai 得出根据各准
第第 1155页页
《决策理论与方法》
▪ 3. 行为理论
决策行为按决策思维方式不同，分为理性 决策和行为决策两类, 前述的决策理论属于以 逻辑思维为主的理性决策，根据现成的规则评 价方案，寻求群体一致的决策。行为决策理论 是针对理性决策难以解决问题发展起来的，该 理论从认知心理学的角度，研究决策者在判断 和选择中信息的处理机制及其所受的内外部环 境的影响，进而提炼出理性决策理论所没有考 虑到的行为变量，修正和完善理性决策模型。
第第 99页页
《决策理论与方法》
假设3. 决策者在已知的共同条件下进行选择，不存 在某一个或几个成员认可某一方案时，不管其他决 策者的态度如何，就认定该方案为群决策选择的方 案。 假设4. 群决策的结果应该是个体决策者的偏好形成 一致或妥协之后得出的，即Pareto原则。
第第 88页页
《决策理论与方法》
决策群体中决策者应有一人以上，需要协同进行决 策，并影响整个决策过程，决策机理以及决策的质 量和复杂性。 假设2. 群中的个体独立地作出选择和判断，不受他 人影响。但同时不排除决策者之间沟通交流，弥补 个人掌握信息的不足，以改进偏好和选择，最终达 成具有群体一致性的结果。
其中 i 1,2,, n 表示群中成员数，x, y 表示候选人； x i y 表示群中第 i 成员认为候选人 x 优于 y ；
第第 2244页页
《决策理论与方法》
N(x i y) 表示群中认为候选人 x 优于 y 的成员数目；
候选人可按 fB (x) 的大小进行排序。
▪ 2. 一致准则法
在用一致准则法时，首先要从 Ai 得出根据各准
第第 1155页页
《决策理论与方法》
▪ 3. 行为理论
决策行为按决策思维方式不同，分为理性 决策和行为决策两类, 前述的决策理论属于以 逻辑思维为主的理性决策，根据现成的规则评 价方案，寻求群体一致的决策。行为决策理论 是针对理性决策难以解决问题发展起来的，该 理论从认知心理学的角度，研究决策者在判断 和选择中信息的处理机制及其所受的内外部环 境的影响，进而提炼出理性决策理论所没有考 虑到的行为变量，修正和完善理性决策模型。
第第 99页页
《决策理论与方法》
假设3. 决策者在已知的共同条件下进行选择，不存 在某一个或几个成员认可某一方案时，不管其他决 策者的态度如何，就认定该方案为群决策选择的方 案。 假设4. 群决策的结果应该是个体决策者的偏好形成 一致或妥协之后得出的，即Pareto原则。
智能决策理论与方法-PPT
❖ 神经网络分为前向型、反馈型、随机型以及自组织 型。我们重点介绍一下前向型网络及其学习算法。
机器学习—神经网络
❖ 基本神经元及感知机模型:
x1
wj1
xi
wji
f(iwijxi-j)
yj
wjn
xn
机器学习—神经网络
神经元函数f得选择 线性函数:f(x)=x 带限得线性函数:为最大输出。
f (x) x
窗口技术:对于训练集很大得情形可选择其某个子集(称为 窗口)构造一棵决策树,如果该决策树对训练集中得其她样 本得判决效果很差,则扩大窗口,选择不能被正确判别得样 本加入到窗口中,再建立一个新得决策树,重复这个过程得 到最终得决策树,显然不同得初始窗口会产生不同得决策 树。
大家应该也有点累了，稍作休息
机器学习—归纳学习:决策树
T
A0
1
0
T1
T2
A1
A1
1 T11
A2
0 T12
-1
1 T21 1
0 -1 T22
1
0
T111 T112
-1
1
机器学习—归纳学习:决策树
❖ ID3算法(Quinlan):ID3算法对CLS做了两方面得改进:(1)增 加窗口技术;(2)以信息熵得下降速度(信息增益)作为测试属 性选择标准。
以A为根节点得信息增益就是:
Gain(A)=I(P,N)-E(A)
❖ ID3得策略就就是选择信息增益最大得属性作为测试属性。
❖ ID3得问题:测试属性得分支越多,信息增益值越大,但输出分 支多并不表示该测试属性有更好得预测效果。
机器学习—归纳学习:决策树
A0 A1 A2 A3 类 A0 A1 A2 A3 类 0 0 0 0 -1 1 0 0 0 -1 0 0 0 1 -1 1 0 0 1 -1 0 0 1 0 -1 1 0 1 0 -1 0 0 1 1 -1 1 0 1 1 -1 010011 1 0 0 1 010111 1 0 1 1 0 1 1 0 1 1 1 1 0 -1 0 1 1 1 1 1 1 1 1 -1
机器学习—神经网络
❖ 基本神经元及感知机模型:
x1
wj1
xi
wji
f(iwijxi-j)
yj
wjn
xn
机器学习—神经网络
神经元函数f得选择 线性函数:f(x)=x 带限得线性函数:为最大输出。
f (x) x
窗口技术:对于训练集很大得情形可选择其某个子集(称为 窗口)构造一棵决策树,如果该决策树对训练集中得其她样 本得判决效果很差,则扩大窗口,选择不能被正确判别得样 本加入到窗口中,再建立一个新得决策树,重复这个过程得 到最终得决策树,显然不同得初始窗口会产生不同得决策 树。
大家应该也有点累了，稍作休息
机器学习—归纳学习:决策树
T
A0
1
0
T1
T2
A1
A1
1 T11
A2
0 T12
-1
1 T21 1
0 -1 T22
1
0
T111 T112
-1
1
机器学习—归纳学习:决策树
❖ ID3算法(Quinlan):ID3算法对CLS做了两方面得改进:(1)增 加窗口技术;(2)以信息熵得下降速度(信息增益)作为测试属 性选择标准。
以A为根节点得信息增益就是:
Gain(A)=I(P,N)-E(A)
❖ ID3得策略就就是选择信息增益最大得属性作为测试属性。
❖ ID3得问题:测试属性得分支越多,信息增益值越大,但输出分 支多并不表示该测试属性有更好得预测效果。
机器学习—归纳学习:决策树
A0 A1 A2 A3 类 A0 A1 A2 A3 类 0 0 0 0 -1 1 0 0 0 -1 0 0 0 1 -1 1 0 0 1 -1 0 0 1 0 -1 1 0 1 0 -1 0 0 1 1 -1 1 0 1 1 -1 010011 1 0 0 1 010111 1 0 1 1 0 1 1 0 1 1 1 1 0 -1 0 1 1 1 1 1 1 1 1 -1
第04讲智能决策理论与方法-176
❖ 数据挖掘(Data Mining，DM) 是KDD的核心阶段, 通过实 得期望的模式。
2021年8月21日
电子商务新进展决：策数理据论挖与掘方法-智能决策理论与方法
理解、定义用户的目标和 KDD运行的环境。
KDD过程
决策理论与方法-智能决策理论与方法
KDD过程
（1）选取可用的数据； （2）定义附加的、必须的数据， 如领域知识； （3）数据集成为一个数据集， 供KDD使用。
决策理论与方法-智能决策理论与方法
参考书推荐
决策理论与方法-智能决策理论与方法
为什么要开展数据挖掘？
❖ 信息技术的广泛应用产生了大量的数据：
✓ 流数据（生产数据、监控数据、传感数据） ✓ 各种(时间)序列数据（证券交易，基因序列） ✓ 对象关系数据（社交网络，分子结构） ✓ 管理数据（MIS，ERP：财务、人力资源、客户关系） ✓ 空间数据（GIS、GPS） ✓ 多媒体数据（视频监控，视频分享） ✓ 文本数据（学术论文，新闻，微博，博客） ✓ 万维网数据（内容，结构，使用，交易数据） ✓ ……
决策理论与方法-智能决策理论与方法
数据预处理—连续属性离散化
假设某个属性的最大属性值为xmax，最小属性值为xmin，
用户给定的分割点参数为k，则分割点间隔为δ=(xmax-
xmin)/k，
所得到的属性分割点为
xmin+i，i=1,2,…,k。
(2)等信息量离散化方法
等信息量分割首先将测量值进行排序，然后将属性值域
[ci j 1
,
ci j
)(
j
(1,2,,
ki
))
内，则将属
性值重新标记为j。这样就把原来含有连续属性的样本数据集
2021年8月21日
电子商务新进展决：策数理据论挖与掘方法-智能决策理论与方法
理解、定义用户的目标和 KDD运行的环境。
KDD过程
决策理论与方法-智能决策理论与方法
KDD过程
（1）选取可用的数据； （2）定义附加的、必须的数据， 如领域知识； （3）数据集成为一个数据集， 供KDD使用。
决策理论与方法-智能决策理论与方法
参考书推荐
决策理论与方法-智能决策理论与方法
为什么要开展数据挖掘？
❖ 信息技术的广泛应用产生了大量的数据：
✓ 流数据（生产数据、监控数据、传感数据） ✓ 各种(时间)序列数据（证券交易，基因序列） ✓ 对象关系数据（社交网络，分子结构） ✓ 管理数据（MIS，ERP：财务、人力资源、客户关系） ✓ 空间数据（GIS、GPS） ✓ 多媒体数据（视频监控，视频分享） ✓ 文本数据（学术论文，新闻，微博，博客） ✓ 万维网数据（内容，结构，使用，交易数据） ✓ ……
决策理论与方法-智能决策理论与方法
数据预处理—连续属性离散化
假设某个属性的最大属性值为xmax，最小属性值为xmin，
用户给定的分割点参数为k，则分割点间隔为δ=(xmax-
xmin)/k，
所得到的属性分割点为
xmin+i，i=1,2,…,k。
(2)等信息量离散化方法
等信息量分割首先将测量值进行排序，然后将属性值域
[ci j 1
,
ci j
)(
j
(1,2,,
ki
))
内，则将属
性值重新标记为j。这样就把原来含有连续属性的样本数据集
决策理论与方法讲义(PPT47页)
相等 A B aij bij , i 1, 2, , m; n 1, 2, n.
包含 A B aij bij , i 1, 2, , m; n 1, 2, n.
第第 1166页页
7.1 模糊理论的基本概念
《决策理论与方法》
7.1.4 模糊矩阵
定义7.1.8 设 A aij , B bij mn，定义
为从到的模糊映射。 定义 7.1.12 称映射 T : P X PY A T A B
为从 X到Y 的模糊变换。
《决策理论与方法》
第第 1199页页
Y
7.1 模糊理论的基本概念
《决策理论与方法》
7.1.4 模糊矩阵
定义 7.1.13 设T 是 X到 Y 的模糊变换，且
RT P X Y
满足T A A RT A P X ，则称 T 是由模糊关系 RT 诱导
出的。
第第 2200页页
本讲内容
7.2模糊决策基本方法
7.2.1 模糊意见集中决策 7.2.2 模糊二元对比决策 7.2.3 模糊综合评判决策 7.2.4 层次分析法
▪ 3、Patience is bitter, but its fruit is sweet. (Jean Jacques Rousseau , French thinker)忍耐是痛苦的，但它的果实是甜蜜的。 08:305.26.202108:305.26.202108:3008:30:575.26.202108:305.26.2021
《决策理论与方法》 ▪ 2、Our destiny offers not only the cup of despair, but the chalice of opportunity. (Richard Nixon, American President )命运给予我们的不是失望之酒，而是机会之杯。二〇二一年五月二十六日2021 年5月26日星期三
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
❖ 解决问题的主要理论方法：人工智能与不确定性理论
决策理论与方法-智能决策理论与方法
智能决策理论与方法
1、智能决策理论的形成背景 2、知识发现 3、粗糙集理论 4、机器学习
决策理论与方法-智能决策理论与方法
智能决策理论与方法—形成背景
❖ 人类面临越来越复杂的决策任务和决策环境： ✓ 决策问题所涉及的变量规模越来越大； ✓ 决策所依赖的信息具有不完备性、模糊性、不确定性等 特点，使得决策问题难以全部定量化地表示出来； ✓ 某些决策问题及其目标可能是模糊的、不确定的，使得 决策者对自己的偏好难以明确，随着决策分析的深入， 对决策问题的认知加深，自己原有的偏好/倾向得到不断 地修正，使得决策过程出现不断调整的情况，
决策理论与方法
——智能决策理论与方法(1)
合肥工业大学管理学院 2020年10月9日
不确定性决策
❖ 不确定性决策：指难以获得各种状态发生的概率，甚至对未 来状态都难以把握的决策问题。
❖ 特点：状态的不确定性。 ✓ 不确定性：不确定性来自人类的主观认识与客观实际之 间存在的差异。事物发生的随机性、人类知识的不完全、 不可靠、不精确和不一致以及自然语言中存在的模糊性 和歧义性，都反映了这种差异，都会带来不确定性。不 确定性就造成了具有相同描述信息的对象可能属于不同 概念。
❖ 数据挖掘(Data Mining，DM) 是KDD的核心阶段, 通过实施 相关算法获得期望的模式。
决策2理02论0年与1方0法月-9智日能决策理论与方法
电子商务新进展：数据挖掘
KDD过程
理解、定义用户的目标和 KDD运行的环境。
决策理论与方法-智能决策理论与方法
❖ 这时，传统的决策数学模型已经难以胜任求解复杂度过高的 决策问题、含有不确定性的决策问题以及半结构化、非结构 化的决策问题，因而产生了智能决策理论、方法及技术。
决策理论与方法-智能决策理论与方法
智能决策理论与方法—AI的应用模式
❖ 智能决策方法是应用人工智能(Artificial Intelligence, AI)相 关理论方法，融合传统的决策数学模型和方法而产生的具有 智能化推理和求解的决策方法，其典型特征是能够在不确定、 不完备、模糊的信息环境下，通过应用符号推理、定性推理 等方法，对复杂决策问题进行建模、推理和求解。AI应用于 决策科学主要有两种模式： ✓ 针对可建立精确数学模型的决策问题，由于问题的复杂 性，如组合爆炸、参数过多等而无法获得问题的解析解， 需要借助AI中的智能搜索算法获得问题的数值解； ✓ 针对无法建立精确数学模型的不确定性决策问题、半结 构化或非结构化决策问题，需要借助AI方法建立相应的 决策模型并获得问题的近似解。
知识发现—动机
决策者
决策支持查询 查询结果
数据分析师
不一定满意的决策
数据中心
❖ 问题 ✓ 数据分析师与决策者之间对问题的理解存在偏差 ✓ 缺少有创造性的决策建议 ✓ 技术问题：如查询效率(RDBMS)
决策理论与方法-智能决策理论与方法
知识发现—动机
推理机
推理结果
问题请求
决策者
知识库
数据挖掘工具
背景知识 领域专家
决策理论与方法-智能决策理论与方法
智能决策理论与方法
1、智能决策理论的形成背景 2、知识发现 3、粗糙集理论 4、机器学习
决策理论与方法-智能决策理论与方法
知识发现—动机
❖ 智能决策的核心是如何获取支持决策的信息和知识。
推理机
推理结果
问题请求
决策者
知识库
知识工程师 领域专家
❖ 问题 ✓ 知识获取是基于知识的系统(KBS)的最大瓶颈
决策理论与方法-智能决策理论与方法
参考书推荐
决策理论与方法-智能决策理论与方法
为什么要开展数据挖掘？
❖ 信息技术的广泛应用产生了大量的数据：
✓ 流数据（生产数据、监控数据、传感数据） ✓ 各种(时间)序列数据（证券交易，基因序列） ✓ 对象关系数据（社交网络，分子结构） ✓ 管理数据（MIS，ERP：财务、人力资源、客户关系） ✓ 空间数据（GIS、GPS） ✓ 多媒体数据（视频监控，视频分享） ✓ 文本数据（学术论文，新闻，微博，博客） ✓ 万维网数据（内容，结构，使用，交易数据） ✓ ……
决策理论与方法-智能决策理论与方法
为什么要开展数据挖掘？
❖ Big Data——大数据时代
✓ 第一，数据体量（Volume）巨大 。从TB级别，跃升到 PB级别。
✓ 第二，数据类型繁多（Variety） 。网络日志、视频、图 片、地理位置信息等等。
✓ 第三，价值（Value）密度低。以视频为例，连续不间断 监控过程中，可能有用的数据仅仅有一两秒。
✓ 第四，处理速度（Velocity）快。1秒定律。
We are drowning in data, but starving for knowledge!
决策理论与方法-智能决策理论与方法
KDD & DM
❖ 知识发现(Knowledge Discovery in Databases ,KDD) 是 指从大量数据中提取有用的(useful)、新颖的(novel)、有效 的(valid)并最终能被人理解(understandable)的模式 (patterns)的处理过程(process)。
数据中心
❖ 优点 ✓ 知识独立于问题本身 ✓ 知识的获取主要通过数据挖掘实现 ✓ 有创造性收获
决策理论与方法-智能决策理论与方法
Data Mining within the DSS
决策理论与方法-智能决策理论与方法
知识发现—动机
❖ KDD带来的新问题 ✓ 知识发现问题：如何从数据中将知识挖掘出来？ 面临许多技术问题：如数据异构问题、数据具有 噪音且信息不完整、使用什么样的挖掘算法、知 识如何表示等 ✓ 知识评价问题：数据本身具有权威性、客观性， 但知识不具备。知识如何评价？
决策理论与方法-智能决策理论与方法
知识发现—动机
推理机
推理结果
问题请求
Hale Waihona Puke 决策者案例库 规则库
知识工程师 领域专家
❖ 问题 ✓ 推理规则的获取与KBS中知识获取一样难，因而基于 案例推理(Case-Based Reasoning)渐渐变成基于案例检 索(Case-Based Retrieving)。
决策理论与方法-智能决策理论与方法
决策理论与方法-智能决策理论与方法
智能决策理论与方法
1、智能决策理论的形成背景 2、知识发现 3、粗糙集理论 4、机器学习
决策理论与方法-智能决策理论与方法
智能决策理论与方法—形成背景
❖ 人类面临越来越复杂的决策任务和决策环境： ✓ 决策问题所涉及的变量规模越来越大； ✓ 决策所依赖的信息具有不完备性、模糊性、不确定性等 特点，使得决策问题难以全部定量化地表示出来； ✓ 某些决策问题及其目标可能是模糊的、不确定的，使得 决策者对自己的偏好难以明确，随着决策分析的深入， 对决策问题的认知加深，自己原有的偏好/倾向得到不断 地修正，使得决策过程出现不断调整的情况，
决策理论与方法
——智能决策理论与方法(1)
合肥工业大学管理学院 2020年10月9日
不确定性决策
❖ 不确定性决策：指难以获得各种状态发生的概率，甚至对未 来状态都难以把握的决策问题。
❖ 特点：状态的不确定性。 ✓ 不确定性：不确定性来自人类的主观认识与客观实际之 间存在的差异。事物发生的随机性、人类知识的不完全、 不可靠、不精确和不一致以及自然语言中存在的模糊性 和歧义性，都反映了这种差异，都会带来不确定性。不 确定性就造成了具有相同描述信息的对象可能属于不同 概念。
❖ 数据挖掘(Data Mining，DM) 是KDD的核心阶段, 通过实施 相关算法获得期望的模式。
决策2理02论0年与1方0法月-9智日能决策理论与方法
电子商务新进展：数据挖掘
KDD过程
理解、定义用户的目标和 KDD运行的环境。
决策理论与方法-智能决策理论与方法
❖ 这时，传统的决策数学模型已经难以胜任求解复杂度过高的 决策问题、含有不确定性的决策问题以及半结构化、非结构 化的决策问题，因而产生了智能决策理论、方法及技术。
决策理论与方法-智能决策理论与方法
智能决策理论与方法—AI的应用模式
❖ 智能决策方法是应用人工智能(Artificial Intelligence, AI)相 关理论方法，融合传统的决策数学模型和方法而产生的具有 智能化推理和求解的决策方法，其典型特征是能够在不确定、 不完备、模糊的信息环境下，通过应用符号推理、定性推理 等方法，对复杂决策问题进行建模、推理和求解。AI应用于 决策科学主要有两种模式： ✓ 针对可建立精确数学模型的决策问题，由于问题的复杂 性，如组合爆炸、参数过多等而无法获得问题的解析解， 需要借助AI中的智能搜索算法获得问题的数值解； ✓ 针对无法建立精确数学模型的不确定性决策问题、半结 构化或非结构化决策问题，需要借助AI方法建立相应的 决策模型并获得问题的近似解。
知识发现—动机
决策者
决策支持查询 查询结果
数据分析师
不一定满意的决策
数据中心
❖ 问题 ✓ 数据分析师与决策者之间对问题的理解存在偏差 ✓ 缺少有创造性的决策建议 ✓ 技术问题：如查询效率(RDBMS)
决策理论与方法-智能决策理论与方法
知识发现—动机
推理机
推理结果
问题请求
决策者
知识库
数据挖掘工具
背景知识 领域专家
决策理论与方法-智能决策理论与方法
智能决策理论与方法
1、智能决策理论的形成背景 2、知识发现 3、粗糙集理论 4、机器学习
决策理论与方法-智能决策理论与方法
知识发现—动机
❖ 智能决策的核心是如何获取支持决策的信息和知识。
推理机
推理结果
问题请求
决策者
知识库
知识工程师 领域专家
❖ 问题 ✓ 知识获取是基于知识的系统(KBS)的最大瓶颈
决策理论与方法-智能决策理论与方法
参考书推荐
决策理论与方法-智能决策理论与方法
为什么要开展数据挖掘？
❖ 信息技术的广泛应用产生了大量的数据：
✓ 流数据（生产数据、监控数据、传感数据） ✓ 各种(时间)序列数据（证券交易，基因序列） ✓ 对象关系数据（社交网络，分子结构） ✓ 管理数据（MIS，ERP：财务、人力资源、客户关系） ✓ 空间数据（GIS、GPS） ✓ 多媒体数据（视频监控，视频分享） ✓ 文本数据（学术论文，新闻，微博，博客） ✓ 万维网数据（内容，结构，使用，交易数据） ✓ ……
决策理论与方法-智能决策理论与方法
为什么要开展数据挖掘？
❖ Big Data——大数据时代
✓ 第一，数据体量（Volume）巨大 。从TB级别，跃升到 PB级别。
✓ 第二，数据类型繁多（Variety） 。网络日志、视频、图 片、地理位置信息等等。
✓ 第三，价值（Value）密度低。以视频为例，连续不间断 监控过程中，可能有用的数据仅仅有一两秒。
✓ 第四，处理速度（Velocity）快。1秒定律。
We are drowning in data, but starving for knowledge!
决策理论与方法-智能决策理论与方法
KDD & DM
❖ 知识发现(Knowledge Discovery in Databases ,KDD) 是 指从大量数据中提取有用的(useful)、新颖的(novel)、有效 的(valid)并最终能被人理解(understandable)的模式 (patterns)的处理过程(process)。
数据中心
❖ 优点 ✓ 知识独立于问题本身 ✓ 知识的获取主要通过数据挖掘实现 ✓ 有创造性收获
决策理论与方法-智能决策理论与方法
Data Mining within the DSS
决策理论与方法-智能决策理论与方法
知识发现—动机
❖ KDD带来的新问题 ✓ 知识发现问题：如何从数据中将知识挖掘出来？ 面临许多技术问题：如数据异构问题、数据具有 噪音且信息不完整、使用什么样的挖掘算法、知 识如何表示等 ✓ 知识评价问题：数据本身具有权威性、客观性， 但知识不具备。知识如何评价？
决策理论与方法-智能决策理论与方法
知识发现—动机
推理机
推理结果
问题请求
Hale Waihona Puke 决策者案例库 规则库
知识工程师 领域专家
❖ 问题 ✓ 推理规则的获取与KBS中知识获取一样难，因而基于 案例推理(Case-Based Reasoning)渐渐变成基于案例检 索(Case-Based Retrieving)。
决策理论与方法-智能决策理论与方法