人工智能的決策支持和智能決策支持係統課件(PPT 216頁)

4.1 人工智能基本原理
4.2 專家係統與智能決策支持係統
4.3 神經網絡的決策支持
4.4 遺傳算法的決策支持
4.5 機器學習的決策支持
4.1 人工智能基本原理
4.2 人工智能基本原理
4.2.1 邏輯推理
4.2.1 邏輯推理
枚舉歸納推理實例
類比推理實例一
類比推理實例二
4.2.2 知識表示與知識推理
4.2.2.2 產生式規則（if A then B）
4.2.2.2 產生式規則
4.2.3 搜索技術
4.2.3.1 廣度優先搜索（寬度優先搜索）
圖4.7 廣度優先搜索示意圖
4.2.3.2 深度優先搜索法
圖4.8 深度優先搜索示意圖
4.2.3.3 生成測試法
4.2.3.4 爬山法(生成測試法的變種)
在爬山法中可能出現以下幾種情況：
在爬山法中可能出現以下幾種情況：
4.2.3.4 爬山法
4.2.3.5 啟發式搜索
4.2.3.5 啟發式搜索
4.3.1專家係統原理
知識處理的特點
專家係統結構
4.3.1 專家係統原理
4.3.2 產生式規則專家係統
4.3.2.1 產生式規則ES
4.3.2.1 產生式規則
4.3.2.2推理樹（知識樹）
4.3.2.3 逆向推理過程
4.3.2.3 逆向推理過程
4.3.2.4 事實數據庫和解釋機製
4.3.3 專家係統與決策支持係統集成
4.3.4 建模專家係統
4.5 遺傳算法的決策支持
4.5.1 遺傳算法原理
4.5.1.1 遺傳算法的工作過程
4.5.1.2 遺傳算法的理論基礎
4.5.1.3 遺傳算法的基本特征
4.5.2 優化模型的遺傳算法求解
4.5.2.1 優化模型的遺傳算法處理
旅行商問題（TSP）的遺傳算法求解實例
1、編碼
2、適應值函數
3、交叉
4、變異
5、遺傳算法結果
4.5.3 獲取知識的遺傳算法
4.5.3.1 分類學習係統的結構
4.5.3.2分類學習係統的主要算法
4.5.3.3遺傳分類器學習係統（GCLS）及其應用
4.5.3.3 遺傳分類器學習係統及其應用
4.5.3.3遺傳分類器學習係統及其應用
GCLS的幾個控製參數
種群數目n的變化情況
4.5.4 遺傳規劃建立模型
4.5 機器學習的決策支持
4.5.1 機器學習綜述
鍾鳴和陳文偉的IBLE算法
4.5.2 機器學習分類
4.5.2 機器學習係統基本結構
(1)機械學習（ ROTE LEARNING)
例子：汽車保險程序
(1)機械學習（ ROTE LEARNING）
(2)示教學習（被告知學習）
(3) 示例學習（learning from examples）
4. 解釋學習(EBL,explaination-based learning)
4.解釋學習(EBL,explaination-based learning)
5.類比學習(learning by analogy)
類比學習過程
類比學習方法
類比學習算法思想
類比推理描述
6.發現學習
計算過程列表如下：
其中，發現過程為：
4.3.5智能決策支持係統實例
..............................