无敌《 智能决策技术》.docx

无敌《 智能决策技术》.docx

《无敌《 智能决策技术》.docx》由会员分享，可在线阅读，更多相关《无敌《 智能决策技术》.docx（14页珍藏版）》请在冰豆网上搜索。

无敌《智能决策技术》

无敌《智能决策技术》

信息管理系

目录

实验一具有事前信息的决策树技术的操作应用3

实验二应用层次分析法进行多目标决策5

实验三成本预测决策支持系统的开发7

实验四专家系统开发工具CLIPS………………………………………………………8

实验五专家系统的开发………………………………………………………………….10

实验一具有事前信息的决策树技术的操作应用

实验类型：

验证性实验学时：

2

实验目的：

掌握风险型决策中的贝叶斯决策，利用决策树进行决策的方法。

实验内容：

某石油公司的决策人，打算投资开发某油田。

根据现有资料，预计这口油井有高产、低产两种不同状态，分别记为S1、S2。

高产可获利润400万元，而低产时将净亏损200万元，已知这两种情况出现的概率分别为：

P（S1）=0.6,P（S2）=0.4,一般来说，常见的地质结构有“好”、“中等”、“差”3种，分别记为C1、C2、C3，为判断该地区属于哪种结构，可作进一步勘测，勘测费用为10万元。

已知在不同的油井状态下，勘测结果为不同地质结构的概率如下，P（C1/S1）=0.7，P（C2/S1）=0.2，P（C3/S1）=0.1，P（C1/S2）=0.3，P（C2/S2）=0.1，P（C3/S2）=0.6，问：

应采取何种行动方案,才能获取最大收益?

（问题：

是否要进一步勘测?

若进一步勘测，那么在勘测后应采取何种方案）

重点利用全概率公式：

和贝叶斯公式：

求后验概率部分，得出各方案在不同状态下的概率Ｐ（Sj/Ck），以求出最大期望值。

要求实验操作过程中，学生自己输入已有数据，并基于已知数据求出后验概率，然后求出不同方案的期望值，进行剪枝决策，得出最优方案。

具体过程如下：

第一步：

将已知数据输入excel中，如表1所示。

表1输入已知数据

第二步：

用贝叶斯公式计算各自然状态下的后验概率P（Sj│Ck），用概率论中的全概率公式计算勘测结果为Ck的概率P（Ck）。

由公式

计算在不同勘测结果下、油井状态为高产或低产的后验概率。

由公式计算勘测结果为Ck的概率P（Ck）

在相关的单元格中输入上述公式，其计算结果如表2所示：

表2后验概率与全概率的计算结果

上表中相应的公式见下表3

表3后验概率与全概率的计算公式

第三步：

构造决策树。

本实验的决策树如下图1所示

图1决策树

第四步：

计算各方案的期望收益值，并进行决策。

决策树中各方案的期望收益计算是从右向左进行的，首先考虑第二级决策，当勘测结果是“结构好”时，如果采取“不开发”方案，则期望收益为0；如果采取“开发”方案，则当自然状态为“高产”（其修正后的后验概率为0.78）时，收益为400，当自然状态为“低产”，（其修正后的后验概率为0.22）时，收益为-200，所以，“开发”方案的期望收益=400*0。

78+（-200）*0.22=268（万元）。

该值可以单元格P19中输入=V17*T17+V21*T21获得.

比较两种方案的期望收益，选择“开发”方案。

所以当勘测结果为“结构好”时，应选择“开发”方案，其期望收益为268万元（这里暂时未扣除勘测费用）。

前去“不开发”这一方案分支，并在“结构好”的概率分支上标上期望收益为268万元。

同理可得，当勘测结果为“结构中等”时，应采取“开发”方案，其期望收益为250万元；当勘测结果为“结构差”时，应采取“不开发”方案，其期望收益为0（这里暂时均未扣除勘测费用）。

比较三个方案的期望收益，取期望收益最大的方案作为最优方案，在单元格D16中输入=MAX（G10，G14，G30）

得到最大期望收益值为175万元，可见方案“先勘测”的期望收益最大，为最优方案。

因此，本实验的最优决策结果是：

先勘测，当勘测结果为“结构好”或“结构中等”时开发，当勘测结果为“结果差”时，不开发，该决策的期望收益为175万元。

实验小结（要求手写）：

实验中遇到的问题及解决办法、心得、体会等等...

实验思考题（要求手写）：

1、利用各种资源查询一个DSS的应用案例，说明它的应用环境、功能结构和所起的作用（注：

此处主要说明案例的适应领域，是用来解决什么问题的，怎样解决问题的，采用哪些技术或手段，它的结构是怎样的？

你觉得这个DSS如何？

为什么？

）。

实验二应用层次分析法进行多目标决策

实验类型：

验证性实验学时：

3

实验目的：

熟悉并应用层次分析方法对多方案进行优劣排序，从而使学生掌握综合定性和定量两种方法解决问题的思维方式。

。

实验内容：

某公司打算增添一台新设备，现有三种不同型号的设备，P1，P2，P3供选择，选择设备主要考虑的要素是功能、价格和维护，你将如何选择？

第一步，建立递阶层次结构模型。

图1设备购买决策的递阶层次结构图

第二步，构造比较判断矩阵。

aij

设比较判断矩阵A=（i.j=1,2,……，n）。

比较判断矩阵中的元素aij

是以上一层某要素（比如说要素A）为准则，对本层次的n个元素（比如说，要素C1，C2……Cn）进行两两比较来确定的。

其形式如下：

AC1C2……Cj……Cn

C1a11a12a1ja1n

C2a21a22a2ja2n

…………………………

Ciai1ai2aijain

……

Cnan1an2anjann

其中，比较判断矩阵中的元素aij表示对上一层要素A要素而言，本层要素Ci的相对重要程度。

本实验中，A为目标层，其下一层的相关要素有三个：

功能C1，价格C2，维护C3。

通过咨询，由专家对要素C1，C2，C3进行两两比较，得到如下结果：

“功能（C1）”比“价格C2”明显重要，比“维护（C3）”稍微重要，“价格C2”比“功能（C1）”明显不重要，比“维护（C3）”稍微不重要。

由此构造出比较出判断矩阵A-C如下：

153

A-C=1/511/3

1/331

.11/42

C1-p=418

1/21/81

141/3

C2-p=1/411/8

381

111/3

C3-p=111/5

351

第三步，层次单排序。

首先，估算比较判断矩阵各列的列和Sj。

其次，将比较判断矩阵A中的各个要素除以该要素所在的列的列和Sj，得到一个归一化了的新矩阵Anorm，这里归一化矩阵是指每一列和等于1的矩阵，则有，

再次，计算新矩阵Anormk中每一行的均值Wi,它就是特征向量W，它就是A矩阵中各要素的层次单排序权值。

最后，由特征向量估算特征根

第四步，层次总排序

求出最低层（方案层）相对于最高层（目标层）的相对重要性排序权值，也就是层次总排序权值，最大的为最优方案。

即C层对于总目标A的层次总排序权值，是以上一层次B的层次总排序权值为权重、对C层的层次单排序权值进行加权和得出的，如下式所示：

第五步，一致性检验

定义一致性指标ＣＩ为

定义一致性比率ＣＲ为

其中，RI为平均随机一致性指标，它是与比较判断矩阵的阶数有关的指标，即RI可查表得出，当n=3时，RI=0.52。

计算出CR，当CR≤0.1时，比较判断矩阵具有满意的一致性。

本实验具体操作步骤如下：

（1）输入比较判断矩阵如表1所示：

（2）层次单排序和归一化矩阵如表2所示：

（3）一致性检验如表3所示

表1比较判断矩阵表2层次单排序

表4层次总排序

表3一致性检验

（4）层次总排序如表4所示：

决策结果p2最优。

实验小结：

实验中遇到的问题及解决办法、心得体会等

思考题：

除了AHP方法外，解决多目标决策问题还有哪些方法？

简单介绍其中的一种方法是如何解决多目标问题的?