第6章决策支持系统与人工智能优秀PPT.ppt

《第6章决策支持系统与人工智能优秀PPT.ppt》由会员分享，可在线阅读，更多相关《第6章决策支持系统与人工智能优秀PPT.ppt（30页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第第6 6章章 决策支持系统与人工智能决策支持系统与人工智能学时：2重点：决策支持系统的概念 数据仓库与数据挖掘技术 专家系统与人工智能难点：数据仓库与数据挖掘2022/11/41课件编写：肖洪生6.1 6.1 决策支持系统决策支持系统Decision Support SystemDSSDecision Support SystemDSSDecision Support SystemDSSDecision Support SystemDSS1、概念MIS在事务管理层能很好地满足实际须要；决策则要从制定目标、收集信息、方案探究与比较多个方面进行，MIS难以满足要求；结构化决策是：目标、规则均明确

2、，MIS可有效支持决策各个阶段的工作；半结构化决策是：目标不清晰、多目标 冲突，方案选择规则不清晰，MIS不能 完全支持决策问题。实际中，半结构决策问题较多。2022/11/42课件编写：肖洪生对DSS的理解有几种观点；广义DSS多学科交叉、高技术手段运用，解决半决策化问题，强调“人机”交互，收集信息数据，帮助决策层制定目标、建立模型、方案分析、比较、优化等；狭义DSS利用数据、模型、方法、学问推理进行半结构化决策的“人机”系统；“支持”不是代替，仅起协助作用。2、DSS的特点面对决策层帮助决策层惧资料，进行分析、设计；决策人员起主导作用，DSS要考虑用户的 特点，如行业要求、决策人员的学问背

3、景、爱好等；DSS主要解决半结构化决策问题；“支持”而不代替；模型与用户共同驱动依据历史数据、当前数 据，对将来进行基于学问的推理，同时积累；DSS 的基础是数据库、模型库、方法库、学问库；强调“人机”交互；推理规则；2022/11/43课件编写：肖洪生3 3、DSSDSS与与MISMIS的区分的区分DSSDSS与与MISMIS的联系的联系MISMIS是是DSSDSS的基础，的基础，MISMIS主要面对主要面对结构化决策，结构化决策，DSSDSS主要面对半结构化决策；主要面对半结构化决策；DSSDSS与与MISMIS的区分的区分DSSDSS主要面对中、高决策层，进主要面对中、高决策层，进行半结

4、构化决策，与行半结构化决策，与MISMIS在如下几个方面有区分：在如下几个方面有区分：MISMIS用于日常业务，用于日常业务，DSSDSS用于管理目标与决策；用于管理目标与决策；MISMIS追求过程最优，追求过程最优，DSSDSS追求可行方案，不要求最优；追求可行方案，不要求最优；MISMIS要求工作环境稳定，保障日常业务正常；要求工作环境稳定，保障日常业务正常；MISMIS强调系统、客观、科学、最优，强调系统、客观、科学、最优，DSSDSS强强 调阅历、推断、创建；调阅历、推断、创建；MISMIS是数据驱动、是数据驱动、DSSDSS是模型与用户共同驱动；是模型与用户共同驱动；MISMIS希望

5、尽量少的人为干扰，希望尽量少的人为干扰，DSSDSS要求更多的要求更多的“人人机机”会话，强调会话，强调“人人”的作用；的作用；MISMIS体现全局、整体，体现全局、整体，DSSDSS体现决策人的须要。体现决策人的须要。2022/11/44课件编写：肖洪生4 4、DSSDSS的发展的发展智能化智能化DSSDSS学问工程学问工程+人工智能人工智能+专家系专家系统，为处理不确事实上性领域的问题供应统，为处理不确事实上性领域的问题供应技术保证；技术保证；群体群体DSSDSS从个体从个体DSSDSS发展到群体发展到群体DSSDSS，操，操作环境升级，比个体作环境升级，比个体DSSDSS在决策更为优越；

6、在决策更为优越；行为导向行为导向DSSDSS利用利用“行为科学行为科学”来引导、来引导、支持决策者，而不仅仅用信息科学来支持支持决策者，而不仅仅用信息科学来支持决策，这是今后决策，这是今后DSSDSS发展的主要方向。发展的主要方向。5 5、DSSDSS的框架结构的框架结构Data BaseData Base、Model BaseModel Base两库结构；两库结构；见图见图6.16.1智能智能DSSDSS框架，见图框架，见图6.26.22022/11/45课件编写：肖洪生数据库DB模型库MB模型库管理系统MBMS用户接口用 户数据库管理系统DBMS图图6.1 DDM6.1 DDM框架结构框架

7、结构两库结构两库结构2022/11/46课件编写：肖洪生数据采集学问获得用户模型设计DBDBMSMBMBMSKBKBMS处理限制系统处理限制系统处理限制系统处理限制系统分析评价系统分析评价系统自动推理机自动推理机智能化用户接口智能化用户接口图图图图6.2 6.2 6.2 6.2 智能智能智能智能DSSDSSDSSDSS框架结构框架结构框架结构框架结构2022/11/47课件编写：肖洪生6.2 6.2 数据仓库与数据挖掘数据仓库与数据挖掘1 1、数据仓库定义与特征、数据仓库定义与特征对历史数据进行集成化对历史数据进行集成化收集与处理的信息机构；这些历史数据可以从多收集与处理的信息机构；这些历史数

8、据可以从多个信息系统环境中收集并整理，对决策起协助任个信息系统环境中收集并整理，对决策起协助任作用其特征是：作用其特征是：面对主题面对主题按企业关切的主题进行数据收集与整按企业关切的主题进行数据收集与整理；理；集成化集成化从不同数据环境中收集的数据，能按内从不同数据环境中收集的数据，能按内容进行格式统一，如名字转换、度量统一、结构容进行格式统一，如名字转换、度量统一、结构编码编码 与物理属性一样处理等；与物理属性一样处理等；时变性时变性体现在如下几方面体现在如下几方面数据仓库中的数据是一段时间上如一季度）的表现；数据仓库中的数据是一段时间上如一季度）的表现；仓中数据具有相同的键结构、其中包含时

9、间因素；仓中数据具有相同的键结构、其中包含时间因素；在记录周期内，仓中数据一旦记录后则不能更新；在记录周期内，仓中数据一旦记录后则不能更新；非活性非活性仓中数据不能修改、删除，只有仓中数据不能修改、删除，只有 整理、初始化数据时才能修改，通常运用仓整理、初始化数据时才能修改，通常运用仓 中数据不会影响。中数据不会影响。2022/11/48课件编写：肖洪生2 2 2 2、数据仓库结构、数据仓库结构、数据仓库结构、数据仓库结构仓中数据分为如下几个层次仓中数据分为如下几个层次仓中数据分为如下几个层次仓中数据分为如下几个层次当前具体数据当前具体数据当前具体数据当前具体数据当前发生、用户感爱好的数据。当

10、前发生、用户感爱好的数据。当前发生、用户感爱好的数据。当前发生、用户感爱好的数据。处于仓库底层，数量浩大；管理困难；处于仓库底层，数量浩大；管理困难；处于仓库底层，数量浩大；管理困难；处于仓库底层，数量浩大；管理困难；历史具体数据历史具体数据历史具体数据历史具体数据统一格式存储（外存）、存取频统一格式存储（外存）、存取频统一格式存储（外存）、存取频统一格式存储（外存）、存取频率低，但与当前数据具体水平相当；率低，但与当前数据具体水平相当；率低，但与当前数据具体水平相当；率低，但与当前数据具体水平相当；轻度概略数据轻度概略数据轻度概略数据轻度概略数据从当前具体数据中提练出来的数从当前具体数据中提

11、练出来的数从当前具体数据中提练出来的数从当前具体数据中提练出来的数据，与时间段、内容、属性有关；据，与时间段、内容、属性有关；据，与时间段、内容、属性有关；据，与时间段、内容、属性有关；高度概略数据高度概略数据高度概略数据高度概略数据高度压缩、简洁存取高度压缩、简洁存取高度压缩、简洁存取高度压缩、简洁存取 的数据，在仓库最上层，常被外界引用。的数据，在仓库最上层，常被外界引用。的数据，在仓库最上层，常被外界引用。的数据，在仓库最上层，常被外界引用。超数据超数据超数据超数据操作环境不能干脆提取的数操作环境不能干脆提取的数操作环境不能干脆提取的数操作环境不能干脆提取的数 据，由超数据进行转换、引导

12、。据，由超数据进行转换、引导。据，由超数据进行转换、引导。据，由超数据进行转换、引导。2022/11/49课件编写：肖洪生3 3、数据流程、数据流程从操作环境进入数据仓库从操作环境进入数据仓库当前具体层；当前具体层；从低到高，数据被概略化，或取走、或删除；从低到高，数据被概略化，或取走、或删除；提练数据进入中、高层后，其余按时间推移进入历提练数据进入中、高层后，其余按时间推移进入历史数据具体层；史数据具体层；当前具体数据当前具体数据轻度概略轻度概略高度概略高度概略外界外界引用，过时数据进入历史具体数据层。引用，过时数据进入历史具体数据层。4 4、数据仓库的运用、数据仓库的运用高层数据被运用的频

13、率高；高层数据被运用的频率高；历史数据运用频率低；历史数据运用频率低；2022/11/410课件编写：肖洪生5 5、数据挖掘（、数据挖掘（Data MiningDMData MiningDM）技术应用）技术应用DMDMDMDM从大量的数据中抽取有效的、新颖从大量的数据中抽取有效的、新颖从大量的数据中抽取有效的、新颖从大量的数据中抽取有效的、新颖的、的、的、的、潜在有用的学问的过程潜在有用的学问的过程潜在有用的学问的过程潜在有用的学问的过程DMDMDMDM的目的的目的的目的的目的提高市场决策实力，检测异样模式、提高市场决策实力，检测异样模式、提高市场决策实力，检测异样模式、提高市场决策实力，检测

14、异样模式、在过去的阅历基础上预料将来；在过去的阅历基础上预料将来；在过去的阅历基础上预料将来；在过去的阅历基础上预料将来；传统决策传统决策传统决策传统决策学问库、规则是人为外部输入的；学问库、规则是人为外部输入的；学问库、规则是人为外部输入的；学问库、规则是人为外部输入的；DMDMDMDM中，从系统内部获得学问中，从系统内部获得学问中，从系统内部获得学问中，从系统内部获得学问从大量从大量从大量从大量数据中挖掘出来的；数据中挖掘出来的；数据中挖掘出来的；数据中挖掘出来的；对明确的决策信息，通过查询、联想机分对明确的决策信息，通过查询、联想机分对明确的决策信息，通过查询、联想机分对明确的决策信息，

15、通过查询、联想机分析分析或其它分析工具获得学问；析分析或其它分析工具获得学问；析分析或其它分析工具获得学问；析分析或其它分析工具获得学问；对隐藏在大量数据中的关系、趋势等信息，对隐藏在大量数据中的关系、趋势等信息，对隐藏在大量数据中的关系、趋势等信息，对隐藏在大量数据中的关系、趋势等信息，则须要通过数据挖掘来获得。则须要通过数据挖掘来获得。则须要通过数据挖掘来获得。则须要通过数据挖掘来获得。2022/11/411课件编写：肖洪生（1 1）数据挖掘过程）数据挖掘过程数据准备、挖掘操作、结数据准备、挖掘操作、结果表达果表达数据准备数据准备集成：从多库环境中进行数据合并，解决语义模糊，集成：从多库环

16、境中进行数据合并，解决语义模糊，处理遗漏、清洗脏数据；处理遗漏、清洗脏数据；选择：辨别须要的数据，缩小处理范围、提高质量；选择：辨别须要的数据，缩小处理范围、提高质量；预处理：克服局限性；预处理：克服局限性；数据挖掘数据挖掘假设：系统产生假设假设：系统产生假设发觉型的数据挖发觉型的数据挖掘；用户靠阅历产生假设掘；用户靠阅历产生假设验证型数据挖验证型数据挖掘；掘；选择合适工具；选择合适工具；挖掘学问的操作；挖掘学问的操作；证明发觉的学问；证明发觉的学问；2022/11/412课件编写：肖洪生p结果表达和说明结果表达和说明p 对提取的信息进行分析，区分出最有价值的信对提取的信息进行分析，区分出最有

17、价值的信息，通过决策支持工具交给决策者。不能决策所息，通过决策支持工具交给决策者。不能决策所用时，重新进行挖掘。用时，重新进行挖掘。p（2 2）数据挖掘典型的分析方法）数据挖掘典型的分析方法问题类型、问题类型、规模不同，接受不同的分析方法规模不同，接受不同的分析方法p关联分析关联分析同一事务中的不同项的关联性：同一事务中的不同项的关联性：p如：超市中，有如：超市中，有70%70%的顾客买牙膏，其中有的顾客买牙膏，其中有90%90%p的顾客同时会买牙刷！的顾客同时会买牙刷！p记为：牙膏记为：牙膏=牙刷牙刷 或：或：关联规则关联规则 A=B A=Bp 可信度可信度C=C=同时买同时买A A、B B

18、的人数的人数/只买只买A A的人数；的人数；p 支持度支持度S=S=同时购买同时购买A A或或B B的人数的人数/总顾客人数；总顾客人数；p 则：则：A=BA=B关联规则是关联规则是 C=90%C=90%，S=70%S=70%；2022/11/413课件编写：肖洪生p序列分析序列分析搜寻事务之间在时间上的关联性搜寻事务之间在时间上的关联性p如：超市中，有如：超市中，有60%60%的顾客买的顾客买A A商品后，过一段时商品后，过一段时间有间有80%80%p的顾客会再买的顾客会再买B B商品商品p 可信度可信度C=C=先买先买A A、后买、后买B B的人数的人数/只买只买A A的人数；的人数；p

19、支持度支持度S=S=先后购买先后购买A A或或B B的人数的人数/总顾客人数；总顾客人数；p 则：则：A=BA=B序列模式序列模式 C=80%C=80%，S=60%S=60%；p分类分析分类分析p 对数据库中记录分类并标记，组成训练集；对数据库中记录分类并标记，组成训练集；p对训练集进行分析，求出分类规则，再用此规对训练集进行分析，求出分类规则，再用此规p则对其它数据库中全部记录进行分类；则对其它数据库中全部记录进行分类；p聚类分析聚类分析p 依据确定的分类规则依据确定的分类规则,划分记录集划分记录集,将数据库将数据库p中每条记录聚集在相应的集合之中中每条记录聚集在相应的集合之中.2022/1

20、1/414课件编写：肖洪生（3 3）数据挖掘常用的技术）数据挖掘常用的技术人工智能为基础、人工智能为基础、数据库、数理统计等数据库、数理统计等决策树决策树将训练集划分成一组规则，从一个集合将训练集划分成一组规则，从一个集合逐步划分成多层次的子集，开成树形结构；逐步划分成多层次的子集，开成树形结构；人工神经网络人工神经网络仿照生物神经网络，对非线性数仿照生物神经网络，对非线性数据快速拟合；属于非线性预料模型；据快速拟合；属于非线性预料模型；遗传算法遗传算法基于生物进化的概念，设计一系列过基于生物进化的概念，设计一系列过程进行优化，通过基因组合、交叉、变异和自然程进行优化，通过基因组合、交叉、变异

21、和自然 选择的方式进行；选择的方式进行；简洁贝叶斯简洁贝叶斯独立事务概率统计，仅适用独立事务概率统计，仅适用 于分类问题；对无条件数据限制其输入；于分类问题；对无条件数据限制其输入；模糊和粗集模糊和粗集用此理论进行数据查、排序、用此理论进行数据查、排序、分类。分类。2022/11/415课件编写：肖洪生（4 4）数据挖掘的应用）数据挖掘的应用政府决策、政府决策、商业经营、企业战略决策等，如：商业经营、企业战略决策等，如：金融决策金融决策用神经网络或统计回来用神经网络或统计回来模型预料，对各种投资方向的有关模型预料，对各种投资方向的有关数据进行分析，选择最佳投资方向；数据进行分析，选择最佳投资方

22、向；保险决策保险决策以数据仓库为基础，联以数据仓库为基础，联机分析处理、数据挖掘为工具，预机分析处理、数据挖掘为工具，预料顾客保险料顾客保险 模式，建成保险决策模式，建成保险决策支持系统。支持系统。2022/11/416课件编写：肖洪生6 6、基于数据仓库的、基于数据仓库的DSSDSS的结构的结构MISMIS在结构化事务处理方面特别成功，对半在结构化事务处理方面特别成功，对半结构化决策力不从心。结构化决策力不从心。DSSDSS主要供应对半结构化、非结构化决策的主要供应对半结构化、非结构化决策的人机交互系统，支持决策，有效地弥补人机交互系统，支持决策，有效地弥补MISMIS的不足；的不足；传统的

23、传统的DSSDSS与与MISMIS建立在相同的数据基础上，建立在相同的数据基础上，难以快速、有效、科学地支持决策；难以快速、有效、科学地支持决策；数据仓库在数据库的基础上，将异库、数据仓库在数据库的基础上，将异库、异地数据源供应的数据进行整合异地数据源供应的数据进行整合 集成、存储、提取、维护，以支持高集成、存储、提取、维护，以支持高 层决策。层决策。2022/11/417课件编写：肖洪生1、现有、现有DSS的结构与不足的结构与不足u现有DSS的结构如下图6.3、6.4所示：人机交互系统模型库管理系统、模型库数据库管理系统、数据库用户用户用户用户图图6.3 6.3 传统传统DSSDSS结构结构

24、人机交互系统模型库管理系统、模型库学问库管理系统推理机、学问库图图6.4 6.4 引入学问推理的引入学问推理的DSSDSS结构结构用户用户用户用户数据库管理系统、数据库2022/11/418课件编写：肖洪生 现有DSS的不足主要体现在：加工实力差处理实力强，分析实力差；数据质量差日常原始数据，散乱、格式不统一，访问效率低；技术支持与相应工具缺乏；学问推理困难。2、数据仓库的特征和休系结构DW的主要功能是：将决策所需数据从营运数据库中提取出来，将分散、访问困难的营运数据转化为集中、统一、随时可用的数据信息，同时提高数据信息处理的速度与效率。2022/11/419课件编写：肖洪生n数据仓库的技术特

25、征n面对管理、集成综合、历史数据、随时间推移；n以业务数据为数据源，提练、加工、汇总、整理，以适应应用需求；n支持多种困难数据的综合应用和综合性管理决策。n数据仓库的体系结构n从多个不同的数据源提取数据、经转换为统一格式后集成，构成数据仓库；n用户决策时，从数据仓库查询所需信息；n数据仓库的基本体系结构如图6.5所示。2022/11/420课件编写：肖洪生关系数据库数据文件其它数据仓库管理工具抽取、转换、装载元数据库数据建模工具综合数据当前数据历史数据用户查询工具C/S 工具OLAP工具DM 工具图6.5 数据仓库的基本体系结构数据源数据源仓库管理仓库管理数据仓库数据仓库分析工具分析工具202

26、2/11/421课件编写：肖洪生3.3.基于数据仓库的基于数据仓库的DSSDSS结构结构数据仓库从多种数据源中抽取、转化、集成，形数据仓库从多种数据源中抽取、转化、集成，形成统一、稳定的决策所用数据；成统一、稳定的决策所用数据；在数据仓库基础上，在数据仓库基础上，OLAPOLAP（联机分析处理）、（联机分析处理）、DMDM（数据模型）两种分析工具特殊适合于决策（数据模型）两种分析工具特殊适合于决策分析；分析；OLAPOLAP主要接受时序趋势分析、视图旋转、深化访主要接受时序趋势分析、视图旋转、深化访问等多维分析方法，从而发觉趋势，问等多维分析方法，从而发觉趋势，；DMDM则主要从大型数据集中发

27、觉数据模式，则主要从大型数据集中发觉数据模式，预料趋势和行为，提有价值的信息，预料趋势和行为，提有价值的信息，；在数据仓库的基础上，结合在数据仓库的基础上，结合OLAPOLAP与与DMDM分分 析工具，开发新型析工具，开发新型DSSDSS，对仓中数据进，对仓中数据进 行跨主题的在线分析，供刚好、精确行跨主题的在线分析，供刚好、精确决策；其决策；其DSSDSS结构如图结构如图6.66.6所示。所示。2022/11/422课件编写：肖洪生人机交互系统人机交互系统学问库管理系统学问库管理系统 推理机推理机学问库学问库模型库管理系统模型库管理系统模型库模型库决策信息决策信息学问学问 信息信息数据仓库管

28、理系统数据仓库管理系统数据仓库数据仓库数据抽取、转换和装载（数据采集）数据抽取、转换和装载（数据采集）数据库管理系统数据库管理系统数据库数据库DMDM工具工具OLAPOLAP工具工具用户用户图图6.6 6.6 基于数据仓库基于数据仓库的决策支持系统的决策支持系统2022/11/423课件编写：肖洪生6.3 6.3 人工智能人工智能1 1、专家系统（、专家系统（Expert SystemESExpert SystemES）利用学问推理过程解决困难问题的计算机灵能程利用学问推理过程解决困难问题的计算机灵能程序，良要由五大部分组成：序，良要由五大部分组成：学问获得学问获得收集人类专家的成功案例、阅历

29、，归收集人类专家的成功案例、阅历，归纳其中的精华、构成学问；纳其中的精华、构成学问；学问库学问库分类整理，形成学问库分类整理，形成学问库 （由规则库、数据库组成）；（由规则库、数据库组成）；学问库管理系统学问库管理系统程序化处理；程序化处理；推理机构推理机构推断规则程序化；推断规则程序化；用户接口用户接口用户界面。用户界面。2022/11/424课件编写：肖洪生2 2、神经网络、神经网络专家系统的缺点是：专家建立、专家运用，专家系统的缺点是：专家建立、专家运用，难以推广。难以推广。神经网络方法的基本原理神经网络方法的基本原理依据人类大脑的活动原理，构造数据驱动的依据人类大脑的活动原理，构造数据

30、驱动的非线性模型；非线性模型；组成要素为：神经元结构模型、网络连接模组成要素为：神经元结构模型、网络连接模型、网络学习算法；型、网络学习算法；神经元连接模型是：输入层、中间层、输神经元连接模型是：输入层、中间层、输 出层共出层共3 3层神经元，相邻层之间有带权值层神经元，相邻层之间有带权值 的线连接；的线连接；神经网络工作时，要先进行学习、训练神经网络工作时，要先进行学习、训练 即神经元连接不断调整自身的权值，即神经元连接不断调整自身的权值，使神经网络的输出值与期望值的方差最小。使神经网络的输出值与期望值的方差最小。学习效果好坏干脆影响预料精度。学习效果好坏干脆影响预料精度。2022/11/4

31、25课件编写：肖洪生p神经网络结构模型神经网络结构模型p 多个输入，一个输出之间的函数关系：多个输入，一个输出之间的函数关系：p xi=wixi-1+si yi=f(xi)xi=wixi-1+si yi=f(xi)p 上式中，上式中，sisi为反馈信息，为反馈信息，wiwi为权值，为权值，f f为为特性函数，特性函数，yiyi为神经元的输出；为神经元的输出；p 依据输入、输出特性的不同，选择不依据输入、输出特性的不同，选择不p同的特性函数。同的特性函数。p 常用特性函数的线性函数、常用特性函数的线性函数、pSigmoidSigmoid函数、双曲正切函数等。函数、双曲正切函数等。2022/11/

32、426课件编写：肖洪生p神经网络的连接模型神经网络的连接模型p 多个神经元连接成一个网络，具体有单多个神经元连接成一个网络，具体有单层、多层、循环连接几种连接形式；层、多层、循环连接几种连接形式；p学习算法学习算法p 用一组输入向量，接受预先确定的算法，用一组输入向量，接受预先确定的算法，渐渐调整网络的权值，使之产生一组期望渐渐调整网络的权值，使之产生一组期望的的p 输出向量，由于神经网络的非线性关输出向量，由于神经网络的非线性关p 系，各变量的关系隐含于网络系统之系，各变量的关系隐含于网络系统之p 中，无关数据之间不能使网络收敛，中，无关数据之间不能使网络收敛，p 故由此可以解除不相关数据。

33、故由此可以解除不相关数据。2022/11/427课件编写：肖洪生p神经网络的反向传播算法（神经网络的反向传播算法（B-PB-P算法算法）B-PB-PB-PB-P算法算法算法算法是最常用的神经网的络学习算法，其基本原理如下：神经网络对一组特定的输入产生期望的输出，可通过网络不断地调整连线的权值不断地调整连线的权值来实现。其主要步骤有：全部连线的初始权值为较小的随机数；输入一组训练数据，计算网络输出值；计算此输出值与期望值之间的偏差，从 输出层反向计算至第一隐含层，向着减 少偏差的方向调整权值；对训练集中的每一组数据都重复上面步 骤、，直至整个训练集中的偏差 最小为止。2022/11/428课件编

34、写：肖洪生3.遗传算法遗传算法 神经网络有局部微小化问题，遗传算神经网络有局部微小化问题，遗传算法是全局最优算法。法是全局最优算法。遗传算法（遗传算法（Genetic AlgorithmGA）：是借助于生物界自然选择和自）：是借助于生物界自然选择和自然遗传机制的随机化搜寻算法，适用然遗传机制的随机化搜寻算法，适用于传统搜寻算法难以解决的非线性困于传统搜寻算法难以解决的非线性困难问题。难问题。两个数据转换：表现型到基因型两个数据转换：表现型到基因型编编码、基因型到表现型码、基因型到表现型译码，上一译码，上一对互逆操作；对互逆操作；遗传算法是：遗传算法是：“生成生成+检测检测”的迭代搜寻的迭代搜寻

35、算法，其算法流程如图算法，其算法流程如图6.8所示：所示：2022/11/429课件编写：肖洪生编码和初始群体生成编码和初始群体生成群体中个体适应度的检测评估群体中个体适应度的检测评估选择选择交叉交叉变异图6.8 遗传算法的基本流程遗传算法的三个基本算法：遗传算法的三个基本算法：1 1、选择，、选择，2 2、交叉，、交叉，3 3、变异；、变异；遗传算法的遗传算法的5 5个基本参数是：个基本参数是：1.1.参数编码参数编码2.2.初始群体的设定、初始群体的设定、3.3.适应度函数的设计适应度函数的设计4.4.遗传操作设计遗传操作设计5.5.限制参数设计限制参数设计P157P157举例：举例：三个决策变量、每个变量两个三个决策变量、每个变量两个取值，四种经营策略，如何取值，四种经营策略，如何编码、适应度列表、编码、适应度列表、，自行阅读之自行阅读之2022/11/430课件编写：肖洪生