《智能决策技术》实验报告(共25页).doc

《《智能决策技术》实验报告(共25页).doc》由会员分享，可在线阅读，更多相关《《智能决策技术》实验报告(共25页).doc（25页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上智能决策技术实验报告册20 18 - 20 19 学年 第 1 学期班 级： 信管151 学 号： 姓 名： 阳凡凡 授课教师： 杨丽华 实验教师： 杨丽华 实验学时： 16 实验组号： 1 信息管理系目录 实验一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实验步骤：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

2、”、“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?重点利用全概率公式：1p(ck ) = p(ck | s j ) p(sk )j =1和贝叶斯公式：专心-专注-专业p(sj | ck ) =p(ck | s j ) p(s j )2(k = 1, 2, 3; j = 1, 2)

3、 p(ck | s j ) p(s j )j =1求后验概率部分，得出各方案在不同状态下的概率(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，如下表所示。油田开发决策开发结果为高产油田是的利润（万元）40开发结果为低产油田是的亏损额（万元）-200据资料，油田高产概率为P（s1）60%据资料，油田低产概率为P（s2）40%勘测费用（万元）-10根据资料，不同状态油井的额各勘测结果：高产油井被勘测为“结构好”的概率P（C1|s1）0

4、.7高产油井被勘测为“结构中”的概率P（C2|s1）0.2高产油井被勘测为“结构差”的概率P（C3|s1）0.1低产油井被勘测为“结构好”的概率P（C1|s2）0.3低产油井被勘测为“结构中”的概率P（C2|s2）0.1低产油井被勘测为“结构差”的概率P（C3|s2）0.6第二步:用贝叶斯公式计算各自然状态下的后验概率 P（SjCk），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p(sj | ck ) =p(ck | s j ) p(s j )2(k = 1, 2, 3; j = 1, 2) p(ck | s j ) p(s j )j =1计算在不同勘测结果下、油井状

5、态为高产或低产的后验概率。由公式1p(ck ) = p(ck | s j ) p(sk )j =1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，其计算结果下表所示：不同地质的概率：“结构好”的概率P（C1）=C12*C6+C15*C7“结构中”的概率P（C2）=C13*C6+C16*C7“结构差”的概率P（C3）=C14*C6+C17*C7计算不同的勘测结果下出现不同状态的概率：被勘测为“结构好”实为高产油井的概率P（s1|C1）=C6*C12/C20被勘测为“结构好”实为低产油井的概率P（s2|C1）=1-C25被勘测为“结构中”实为高产油井的概率P（s1|C2）=C

6、6*C13/C21被勘测为“结构中”实为低产油井的概率P（s2|C1）=1-C27被勘测为“结构差”实为高产油井的概率P（s1|C3）=C6*C14/C22被勘测为“结构差”实为低产油井的概率P（s2|C3）=1-C29不同地质的概率：“结构好”的概率P（C1）0.54“结构中”的概率P（C2）0.16“结构差”的概率P（C3）0.3计算不同的勘测结果下出现不同状态的概率：被勘测为“结构好”实为高产油井的概率P（s1|C1）0.78被勘测为“结构好”实为低产油井的概率P（s2|C1）0.22被勘测为“结构中”实为高产油井的概率P（s1|C2）0.75被勘测为“结构中”实为低产油井的概率P（s2

7、|C1）0.25被勘测为“结构差”实为高产油井的概率P（s1|C3）0.2被勘测为“结构差”实为低产油井的概率P（s2|C3）0.8 第三步:构造决策树。构造的决策树的结果如下图： 第四步:计算各方案的期望收益值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

8、(万元)。该值可以单元格 P19 中输入=V17*T17+V21*T21 获得.实验结果：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”这方案一分支，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，

9、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：2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。实验步骤：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A购置

10、一台满意的设备C1功能强C2价格低P3P2P1C3易维修 第二步、构造比较判断矩阵 第三步、层次单排序 第四步、层次总排序第五步、一致性检验实验结果：决策结果P2最优。 实验三 成本预测决策支持系统的开发实验类型：设计性 实验学时：4实验目的：掌握基于统一结构的决策支持系统的开发，理解模型库的组织和存储。实验步骤：某企业经连续观察，发现其生产的某产品与每批投入的产品件数是线性相关的，15 组统计数据如表 1 所示。现该企业拟投入三批产品，每批投入的产品件数分别为 4100（百件），5300（百件） ,25000（百件）企业希望通过建立成本预测决策支持系统，利用一元线性回归模型来帮助预测每批产品

11、的成本（百元） 。序号产品件数产品成本15353.4229184.5338780.8744952.4551425.669887.1277872.9388276.595855.14103341114549.51125253.16131626.22146866.04156159.26实验要求：1、 需要建立相关的数据库，模型库，要有人机交互界面。1、 可以使用两个模型：最小二乘法模型及一元线性回归模型。2、 使用熟悉的程序语言进行成本预测决策支持系统的开发，要求写出系统运行结构图，主要程序代码，运行结果。 第一步：在mysql数据库中创建数据表t_casecreate table if not e

12、xists t_case(idintauto_increment,t_numint ,t_casedouble,primary key(id) engine=innodb charset=utf8; 第二步:将表1的数据插入数据表t_case中insert into t_case values (null,53,53.42), (null,91, 84.53) , (null, 87, 80.87) , (null, 49, 52.45) , (null, 14, 25.6) , (null, 98, 87.12) , (null, 78, 72.93) , (null, 82, 76.5)

13、, (null, 58, 55.14) , (null, 33, 41) , (null, 45, 49.51) , (null, 52, 53.16) , (null, 16, 26.22) , (null, 68, 66.04) , (null, 61, 59.26); 第三步：在后端利用java实现最小二乘法模型（主要点这里的算法）参考链接：截图：主要代码：/* * 计算 x的系数a * param x, y * return a */ public static double getA( double x , double y ) int n = x.length ; return (

14、 n * pSum( x , y ) - sum( x ) * sum( y ) )/ ( n * sqSum( x ) - Math.pow(sum(x), 2) ) ; /* * 计算常量系数b * param x,y,a * returnb */ public static double getB( double x , double y , double a ) int n = x.length ; return sum( y ) / n - a * sum( x ) / n ; /* * 计算常量系数b * param x, y * return b */ public static

15、 double getC( double x , double y ) int n = x.length ; double a = getA( x , y ) ; return sum( y ) / n - a * sum( x ) / n ; /计算和值 private static double sum(double ds) double s = 0 ; for( double d : ds ) s = s + d ; return s ; /计算开平方和值 private static double sqSum(double ds) double s = 0 ; for( double

16、d : ds ) s = s + Math.pow(d, 2) ; return s ; /计算x和y积的和值 private static double pSum( double x , double y ) double s = 0 ; for( int i = 0 ; i x.length ; i+ ) s = s + xi * yi ; return s ; 第四步：利用SSM框架实现该系统后端包结构前端包结构配置文件上面的最小二乘法模型的java代码时写在util包中的LeastSquares类中，根据前一个步骤可以知道我们需要做的是先获取数据库中的数据，分别存在两个数组中，再以这两

17、个数组为参数调用LeastSquares类中的方法获取x的系数a和常量系数b,这样我们就可以有一个模型为y=a*x+b;这样后台的逻辑就实现了；主要代码：（由于涉及到SSM框架的代码太多，所以只展示出调用获取系数的代码和实现预测的代码）public List getList() return caseMapper.getCaseList();/获取数据库中数据public Double count_case(Integer num) List list =getList();double a=new doublelist.size();double b=new doublelist.size(

18、);for(int i=0;iLoad（2）打开文件并运行（3）在事实库中可以看到显示的内容（4）最后可以查看诊断结果 第四步：了解Clips其他窗口dialog window 窗口facts 窗口agenda window 窗口Clips部分语句及规则实验结果：在这次实验中，我了解了Clips这个强大的软件。Clips是一个专家系统工具。专家系统可以说是人工智能技术的一个重要分支。Clips是一个基于C语言的集成生产系统。目前在国内，Clips在商业方面的应用相对较少，大多数用于科研方面。专家系统格式一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识经验，能利用人类专家的知识解决

19、问题的方式来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验，进而推理与判断，模拟人类专家的决策过程。以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。实验五 专家系统的开发实验类型：设计性 实验学时：4实验目的： 掌握专家系统的开发过程，掌握根据产生式规则绘制相应推理树的方法。实验步骤： 第一步：明确实验目标建立一个动物识别系统，用以识别虎、豹、斑马、长颈鹿、企鹅、鸵鸟、信天翁等7种动物。开发环境：基于Eclipse的java语言的开发; 第二步:根据动物特征，建立以下个规则R1：if 动物有毛发 then 动物是哺乳动

20、物R2：if 动物有奶 then 动物是哺乳动物R3：if 动物有羽毛 then 动物是鸟R4：if 动物会飞 and 会生蛋 then 动物是鸟R5：if 动物吃肉 then 动物是食肉动物R6：if 动物有犀利牙齿 and 有爪 and 眼向前方then 动物是食肉动物R7：if 动物是哺乳动物and有蹄then动物是有蹄类动物R8：if 动物是哺乳动物and反刍then动物是有蹄类动物R9：if 动物是哺乳动物and是食肉动物and有黄褐色and 有暗斑点 then 动物是豹R10：if 动物是哺乳动物 and是食肉动物and有黄褐色and有黑色条纹 then 动物是虎R11：if动物是

21、有蹄类动物 and 有长脖子and有长腿and有暗斑点 then 动物是长颈鹿R12：if 动物是有蹄类动物 and有黑色条纹 then 动物是斑马R13：if动物是鸟and不会飞 and有长脖子and有长腿 and有黑白二色 then 动物是鸵鸟 R14：if 动物是鸟 and不会飞 and会游泳 and有黑白二色then 动物是企鹅 R15：if 动物是鸟 and善飞 then 动物是信天翁 第三步：开发实验过程1. 实验架构只有一个类为名为Janimal，但是用AWT于显示的代码和用于推理的“推理机”部分都是已经基本具备的2. 规则库部分主要由两个数组构成，一个是条件数组，也就是“因”的

22、数组；还有一个是结果数组，也就是“果”的数组。这两个数组相同下标的的值是成对的，固定的因导致固定的果。再根据条件数组的模式，给定一个开关的数组，也就是设置初始的条件都为空，都没有选择。3. 推理机部分相关逻辑部分，由于较多，所以只截图了一部分4. 显示界面的实现显示界面可以分为四块，第一块是可供选择的条件部分的显示，第二部分是通过鼠标选择之后的显示部分，第三部分是开始识别按钮的部分，第四部分是最后结果的显示部分。显示界面代码部分展示：（1）初始化相关的标签（2）添加监听器，点击选择条件之后显示在第二部分的位置（3）构造器中将指定标签添加到面板中1.识别结果的显示逻辑5.显示界面的实现实验结果通过该实验，了解了专家系统不是一定需要通过Clips才能实现，其实通过例如java这样的编程语言也可以实现。在这个实验中，最重要的有两个点，一个点是推理机的部分，在推理之前是有一个条件库和事实库的，这个条件库和事实库是根据长期以往的社会经验总结下来的，这是这个代码能实现的基本原理。另一个就是前端利用AWT部分实现的面板以及一些标签。通过这些代码，用户可以直接看出识别的结果，不用像Clips这个软件通过复杂的操作才能看到结果，在操作上也简单了很多，不用像Clips那样需要在类似控制台的地方去输入条件，可以通过前端的方法去选择条件，可以更直接的显示，不用像Clips那样那么复杂。实验总结(手写)：