（管理科学与工程专业论文）综合决策支持系统中计算智能和知识获取技术的研究与应用.pdf

堡垒姿苎兰堑墨堕生簦塑堂塑塑堡鲨坚垫查塑型壅：! 些旦一 i ! 蔓 摘要 随着经济的发展，商业竞争日益激烈，企业环境千变万化。企业能否快速和 正确地对其外界或内部的各种变化做出积极的反应并制定正确的决策，是企业争 取时间，迅速行动，从而最终取得市场竞争优势的关键。在信息技术飞速发展， 信息数据迅猛增长的今天，企业快速有效的分析和决策越来越依赖于其信息系统 的设计与开发。其中，决策支持系统( d s s ) 是信息系统领域的一个重要分支，是 结合计算机科学、运筹学、管理科学等多学科的新型学科。d s s 经过设计、构造、 用于辅助决策过程。已经成功地用于解决各种各样的问题，在企业决策、城市交 通管理、保健及医疗诊断、环境规划、农林业等应用领域发挥重要的作用。人工 智能，数据挖掘和数掘仓库技术已经对决策支持系统的研究和发展产生了重要韵 影响。此外，模糊集、粗糙集、人工神经网络和遗传算法等理论与方法也被运用 于解决决策有关的问题。各种技术的相互渗透昶结合日益踢显与复杂，决策支持 系统中充分融合各项技术在近年来受到普遍关注和充分重视。 本文撇歼众多对知识定义上的争论，从实用性和可操作性的角度对解决决策 问题的知识提出了新的认识和分类思想。然后在这种思想上，在定程度上研究 和总结了人工智能、数据挖掘、神经计算、进化计算、运筹学、r o u g h 集和f u z z y 集等理论和方法的研究成果，综合比较了各种技术的本质、特征、异同和优劣。 论述了最新科技发展对决策支持系统的影响，并讨论了如何将这些技术有创新性 地结合运用于d s s 的设计与构造中去，以期对决策支持系统的研究与开发有指导 的意义和启发的作用。 首先，本文在综述与决策支持系统有关的计算智能与知识获取研究动态和进 展的基础上，对解决决策问题的知识提出了一些新的认识和分类思想。在此基础 t 对各种处理知识典型技术进行重新划分和归纳。迸一步明确了处理d s s 中知 识有关问题的理论与方法的范围和方向。 其次，以计算理论中计算复杂性讨论为基础，分柝了决策中所涉及的n p 问题， 研究了运筹学方法、人工神经网络、遗传算法等方法在解决柙问题时的本质、特 点和优缺点。并结合实际中典型的旅行商问题进行实例分析，概括了实际问题求解 虑如何选择各种计算技术。 第“t ，在本文对知识认识和分类的基础上，讨论了知识获取中典型的推理和 分类的理论与方法。主要分析了数据挖掘、机器学习、粗糙集、神经计算、遗传 竺垒i 查篓兰堑墨竺! 生兰塑堂塑型望些坠垫查堕塑塞兰丝旦 ， 垫茎 算法等的技术的实质、优劣和适用范围。提出了新的结合方式和设计了新的决策 支持系统结构模型。 第四，结合上述研究的结果，设计了企业决策支持系统中应收账款管理子系 统。体现各种技术之间相互融合、取长补短的思想。 最后，综合了上述分析和研究的基础上，对各种理论与方法之间的相互渗透 和结合进行了阐述，并展望了人工智能的发展方向。 关! 键词：决策支持系统，人工智能，计算智能，数据挖掘，粗糙集 l l 堡垒堡篓壅堑墨竺：! 苎塑堕塑垫望鉴壁垫查竺翌堕! ! 壁旦 i 塑茎 a b s t r a c t w i t ht h ed e v e l o p m e n to fe c o n o m y ，h o wt om a k ec o r r e c ta n de f f i c i e n t d e e is i o nu n d e rt h ef r e q u e n t l yc h a n g i n ga n di n t e n s e l yc o m p e t i n gc o n d i t i o n ist h ek e yt oo b t a i np r e d o m i n a n c ea tt b em a r k e t a sar e s u l to fi n f o r m a t i o n t e c h n i q u e s d e v e l o p m e n ta n dp r o g r e s sa tv e r yf a s ts p e e d ，m a k i n gd e c i s i o n i nb u s i n e s sm o r ea n dm o r e r e l y o ni n f o r m a t i o n s y s t e m s d e s i g n a n d i m p l e m e n t a t i o n d e c i s i o ns u p p o r ts y s t e m ( d s s ) i sa ni m p o r t a n tb r a n c ho f i n f o r m a t i o ns y s t e m su s e dt os u p p o r tm a n a g e r i a lw o r ka n ，dd e c i s i o nm a k i n g d s s i n t e g r a t e st e c h n i q u e s o f c o m p u t es c i e n e e ，o p e r a t i o nr e s e a r c ha n d m a n a g e m e n ts c i e n c ea n da l r e a d yu s e sw i d e l ya td e c i s i o nm a k i n gi nb u s i n e s s ， c i t yt r a f f i cm a n a g e m e n t ，h e a l t hc a r ea n dm e d i c a ld i a g n o s i s ，e n v i r o n m e n t p r o g r a m m i n g a n d a g r i c u l t u r em a n a g e m e n t ，e t c r e c e n t l y ，a r t i f i c i a l i n t e l l i g e n t ，d a t am i n i n ga n dd a t aw a r e h o u s et e c h n i q u e sh a v em a d eas t r o n g i m p a c t0 nr e s e a r c ha n dr e s i g no fd s s ：o t h e r w is e ，f u z z ys e t ，r o u g hs e t ， a r t i f i c i a ln e u r a ln e t s ，g e n e t i ca 1 9 0 t i s ma n ds of o r t hh a v eb e e nu s e d t o s o l v et h ed e c is i o np r o b l e m d u et oi n c r e a s i n gt r e n do fv a r i o u s s u b j e c t s i n t e g r a t i o n a n d c o n n e c t i o n 。a p p l i c a t i o n o f m u l t i - t e c h n i q u e s i n d s s ， r e s e a r c ha n dd e s i g nh a v eb e e n r o u s e dw i d e l ya t t e n t i o n o nt h eb a s iso f d i s o u s s i n gd i f f e r e n tk n o w l e d g ed e f i n i t i o na n d c o g n i t i o n ，t h i sd i s s e r t a t i o nb r i n g sa b o u ti n n o v a t i r ed e f i n i t i o na n d c l a s s i f ic a t i o no fk n o w l e d g ef o rd e c is i o nm a k i n gf r o m p r a c t i c a la s p e c t a n d t h e n ，t h r o u g hc o m p a r in gm e t h o d o l o g ya n dt e c h n i q u e so fa r t i f i c i a l i n t e l l i g e n t ，d a t ef ljn i n g ，c o m p u t a t i o n a li n t e l l i g e n c e ，o p e r a t i o nr e s e a r c h ， r o u g hs e ta n df u z z ys e t ，e t c a n da n a l y z i n gt h e i re s s e n c e s ，c h a r a c t e r s ， s i m il a r i t i e sa n dd i f f e r e n c e s ，a n da d v a n t a g e sa n dd i s a d v a n t a g e s ，e t c t h i s d is s e r t a t i o np u t sf o r w a r ds o m ei n n o v a t i v e l yc o m b i n a t i v em e t h o d so fv a v o u s m e t h o d o l o g ya n dt e c h n i q u e sw h ic hh a v ec e r t a i nm e a n i n g f u ld i r e c t i o na n d e n l i g h t e n e d i d e ainr e s e a r c ha n dd e s i g no fd s s f ir s t l y ，o nth eo v e r v i e wo ft h etr e n da n dd e v e l o p m e n tinc o m p u t a t j o n a l i r i t e l l ig e n c ea n d k n o w l e d g ea c q u is i t i o n ，t h isd i s s e r t a t i o nb r i n g sa b o u t 综 、决策史持系统中汁算智能和知识获取技术的研究与应用 摘要 i n n o v a t i v ek n o w l e d g ed e f i n i t i o na n di t sc 1 a s s i f i c a t i o n t h i sd e f i n i t i o n a n dc l a s s i f i c a t i o nh e i pt os p e c if yr a n g e0 fm e t h o d sa n dt e c h n i q u e sa b o u t k n o w le d g ew h e nb u i l d i n ga n dd e s i g n i n gd s s s e c o n d l y ，o nt h eb a s i so fd i s c u s s i n gc o m p u t a t i o n a lc o m p l e x i t ya n d n p c o m p l e t ep r o b l e m ，t h i sd is s e r t a t i o ns t u d i e ss o m em e t h o d st od e a lw i t h n p c o m p l e t ep r o b l e mw h i c hi n c l u d ed y n a m i cp r o g r a m m i n g ，b a e k t r a c k i n ga n d b r a n c h a n d b o u n da l g o r it h m s ，l o c a l i m p r o v e m e n ta n ds i m u l a t e da n n e a l i n g a 1 9 0 r i t h m s ，h o p f i e l dn e u r a ln e t s ，g e n e t i ca l g o r i t h ma n d e t e t h r o u g h a n a l y z i n gv a r i o u sa l g o r i t h m st 0s o l v et h et r a v e l i n gs a l e s m a np r o b l e m ，h o w t oc h o ic et h es u i t a b l ea l g o r i t h m sw h e n d e a l i n gw i t hn p c o m p l e t ep r o b le m h a sb e e n p u tf o r w a r d t h i r d l y ，o nt h eg r o u n do fd i s c u s s i n gs o m er e p r e s e n t a t i v et e c h n i q u e s o f r e a s o n i n g a n dc l a s s i f i c a t i o nw h i c hi n v o l v ed a t a m i n i n g ，m a c h i n e l e a r n in g ，r o u g hs e t ，f u z z ys e t ，n e u r a lc o m p u t a t i o na n dg e n e t i ca l g e r i t h m ， t h e s et e c h n i q u e s e s s e n c e s ，c h a r a c t e r s ，s i m i l a r i t i e sa n dd i f f e r e n c e s ，a n d a d v a n t a g e sa n dd is a d v a n t a g e sh a v eb e e na n a l y z e da n di n n o v a t i v es t r u c t u r e o fd s sh a sb e e ni n t r o d u c e d f o u r t h l y ，r e c e i v a b l em a n a g e m e n ts u b s y s t e mo fd e c i s i o ns u p p o r ts y s t e m h a sb e e n d e s i g n e do nt h eb a s i so fa b o v er e s e a r c ha n dd is c u s s i o n f in a l ly ，t h r o u g hr e v i e w i n t e g r a t i o no fv a r i o u sm e t h o d o l o g ya n d t e c h n i q u e s ，t h i sd i s s e r t a t i o nh a sa p r o s p e c t t oa r t i f i c i a l 【n t e j jig n e c ejn t h e o r yf r a m e k e y w o r d s ：d e c i s i o n s u p p o r t s y s t e m ，c o m p u t a t i o n a l i n t e l l i g e n c e a r t 【r ic ia l i n t e l l i g e n t ，d a t am i n i n g 。r o u g hs e t 昆明理工大学学位论文原创性声明 y6 6 9 2 7 6 本人郑重声明：所呈交的学位论文，是本人在导师的指导下( 或我个 人) 进行研究工作所取得的成果。除文中已经注明引用的内容外，本论 文不含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做 出重要贡献的个人和集体，均已在论文中作了明确的说明并表示了谢意。本 声明的法律结果由本人承担。 学位论文作者签名：郑骁度 日 期：如 年1 2 月；o 日 关于论文使用授权的说明 本人完全了解昆明理工大学有关保留、使用学位论文的规定，即：学校有 权保留、送交论文的复印件，允许论文被查阅，学校可以公布论文的全部或 部分内容，可以采用影印或其他复制手段保存论文。 ( 保密论文在解密后应遵守) 导师签名 论文作者签名：苤圣塾壅 综台决锇盘持系统中汁算智能和知识簸取技术的研，与应用 第一章绪占 1 1 研究的背景 1 - - 1 2 1 第一章绪言 从古希腊人开始，对于知识的研究与探索一直是人类追求的目标。几千年来 的情况都是这样：哲学家研究有关知识的一般特征与规律，而自然科学家孜孜不 倦地猎取具体的知识。2 0 世纪中叶以后，这种研究格局发生了变化。由于知识在 人类文明中所起的作用越来越大，不仅是哲学家、逻辑学家和心理学家，而且计 算机科学家和管理学家也在认真地研究知识的一般特性与规律。这是因为人类已 经进入了信息化社会，而且正向知识化社会前进。人类对知识的掌握很大程度上 体现为这些汪洋大海般的知识是能够通过计算机和计算机网络操作和使用的。计 算机科学家的任务是要研究处理各种复杂知识的理论与方法。1 9 7 7 年， f e g e n b a u m 教授提出了知识工程的概念，成为知识可操作化的一个里程碑。但是 二十多年来，知识工程主要是一门实验性科学。知识处理的大量理论性问题尚待 解决。 从知识处理的角度上来讲，决策是运用知识明确问题和目标、收集相关信息、 构造方案、选择方案与付之行动的过程。具体的说，决策是为达到某一目的对若 干个可行方案进行分析、比较、判断，从中选择最佳方案并予以实施的过程，是 各种矛盾、各种因素相互影响最后平衡的结果。决策每一个阶段都离不，r 知识的 获取和使用。决策随着人类社会活动的发展而产生。长期以来，决策主要是依靠 人的经验，属于经验决策的范畴。随着科学技术的迅速发展，社会活动范围扩大， 大企业、大工程的出现，国际关系同益复杂，领导者单凭个人的知识、经验、智 慧和胆略来做决策难免出现重大失误。在这种形势下，经验决策逐步被科学决策 所取代。 在信息社会，决策水平决定了企业能否在瞬息力_ 变的商业竞争中保持自己的 优势。面对决策环境的同趋复杂，该如何制定决策? 有哪些手段可以为决策提供 有力的支持? 如何建立有效的机制? 围绕这些问题，2 0 世纪7 0 年代初美国的m s s c o t tm o r t o n 在管理决策系统一文中首先提出决策支持系统( d s s ) 的概念。 到了2 0 世纪8 0 年代d s s 迅速发展成为个依托计算机科学、运筹学、管理科学 等多学科的新型学科。从d s s 概念诞生到2 0 世纪9 0 年代初，d s s 的理论体系还 不完善，在系统州：发方面，功能较全的实用d s s 还没有l 司世，已实现的o s s 都是 纷台决策支持系统中计算智能和知识拭取技术的研究与应用 第章绪击 在某些功能上较强，而缺乏另一些功能。2 0 世纪8 0 年代术提出了将是人工智能 和d s s 相结合，应用专家系统技术，使d s s 能够更充分地应用人类的知识。2 0 世 纪9 0 年代初提出了数据仓库和数据挖掘等新技术，为决策支持系统的研究和发展 开辟了一条新的方向。此外，处理含糊和不精确问题而提出的f u z z y 集、r o u g h 集数学工具，以及计算智能也被运用予解决决策有关的问题。对决策支持系统的 研究和开发产生了重大影响。从概念形成发展到现在，决策支持系统已经在最初 概念的基础上进行了无数次扩充。当今的决策支持系统，内容涉及到传统的基于 模型的系统、基于知识的系统、人工智能、专家系统、经理信息系统、群体支持 系统、数据可视化系统以及全组织的决策支持系统等领域。各种技术的相互渗透 和结合同益明显与复杂，决策支持系统中充分融合各项技术在近年来受到普遍关 注和充分重视。而各种技术又有其不同的特点和适用性，如何在构建和设计决策 支持系统时恰当地选用各种技术解决所面临的问题就成为一个重要的研究方面。 1 2 研究的进展及动态 1 2 1 决策支持系统【2 】【6 】【1 3 3 0 】 7 0 年代中其k e e n 和s c o t tm j o r t o n 首次提出了决策支持系统( d e c is i o n s u p p o r ts y s t e m 简称d s s ) 。词，标志着利用计算机与信息支持决策的研究与府 用进入了一个新的阶段。g o r r y 和s c o t tm o r t o n ( 1 9 8 9 ) 给出了决策支持系统的 经典定义：决策支持系统结合个人的智能资源和计算机的能力，来提高决策的质 量。它包含。个基r 计算机的支持系统，为管理决策制定者处理半结构化的问题。 随着决策理论、计算机技术、人玉智能、信息技术的发展，d s s 在概念、结 构和应用方面都取得了较大进展。对于d s s 的体系结构，最初是r h s p r a g u e 提 出的基于人机对话系统、数据库与模型库的两库结构。之后，模型与方法的分离 存储出现了兰库结构。8 0 年代d s s 增加了知识库和方法库构成了四库系统。其中 知识库系统是有关规则、因果关系有经验等知识的获取、解释、表示、推理及管 理与维护的系统，方法库是以程序方式来管理与维护各种决策常用的方法和算法 的系统。近年来，由于信息技术的进一步发展，尤其是计算网络技术与d s s 结合 构成了新型的能供异地决策者共同参与决策的，能通过在网络上交流和传播信息。 与此同时，几乎与d s s 向时发展起来的号家系统( e x p 。r ls y s t e m ，简称f s ) 了1 ： 知识库系统知i 的获取万面有所进展。利用e s 的定性分析与d s s 的定量分析的特 点，形成了智能决策支持系统( i n t e l l i g e n td e c is i o ns u p p o r ts y s t e m ，简称 2 综合捷第立持系统中汁算智能和知识扶墩技术的研究与应用 第一章绪鲁 i d s s ) ，提高了d s s 支持非程序化问题的能力。1 9 9 i 年w h i n m o n 提出了数据仓 库( d a t aw a r e h o u s e ，简称d w ) 的概念，形成了基于数据仓库的决策支持系统， 解决在信息技术发展中存在的拥有大量数据资源，但有用信息贫乏的问题。9 0 年 代后期，出现了联机分析处理( o n - l i n ea n a l y s i sp r o c e s s ，简称o l a p ) 和数据 挖掘( d a t am i n i n g ，简称d m ) ，o l a p 是号种验证工具，d m 能从大量数据中发现数 据模式，预测趋势和行为，使决策支持系统发展成为综合决策支持系统( s y n t h e t i c d e c i s i o ns u p p o r ts y s t e m ，简称s d s s ) 。9 0 年代末期，d s s 引入了企业资源计划 ( e n t e r p r i s er e s o u r c e sp 1 a n n i n g ，简称e r p ) 、客户关系管理( c u s t o mr e l a t i o n m a n a g e m e n t ，简称c r m ) 等先进的管理思想丽形成了商务智能( b u s i n e s s i n t e l l i g e n c e ，简称b i ) 。总之，每一次技术的进步和新的理论与方法的产生，都 对决策支持系统的发展起到了促进作用。虽然人工智能和数据挖掘技术嗽予了决 策支持系统定的“学习”功能，但是它永远是受到其设计者的限制。在执行推 理过程时，缺乏创造力、想象力和直觉。在知识的处理上，仍然是一系列重大的 问题尚待解决。而且，大量非程序化决策的计算复杂性一直困扰着决策支持系统 的设计者们。 1 2 。2 人工智能【1 】【7 】【3 卜4 0 】 像许多新兴学科一样，人工智能( a r t i f i c i a li n t e l l i g e n t ，简称a i ) 至今尚 无统的定义。不同学科或学科背景的学者对人工智能有着不同的理解。主要的 观点有符号主义( s y m b o l is m ) 、连接主义( c o n n e c t io n i s m ) 和行为主义( a c t i o n i s m ) 等，或者称作逻辑学派( l o g i c i s m ) 、仿生学派( b i o n i c s i s m ) 和生理学派 ( p h y s i o l o g i s m ) 。此外还有计算机学派、心理学派和语言学派等。以下是三个较 有代表性的定义，但这些定义都是比较狭义的。 定义t j 智能机器( i n t e l l i g e n tm a c h i n e ) 能够在各类环境中自主地或交互地执行各种拟人任务的机器。 定义1 2人工智能( 学科) 人工智能( 学科) 是计算机科学中涉及研究、设计和应用智能机器的一个分 支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并丌 发相关删论和技术。 定义l ，3人上智能( 能力) 人一i 智能( 能力) 是智能机器所执行的通常与人类智能有关的功能，如判断、 推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活 综合决黄止持系统中计算智能和知识状取技术的研究与应用 第一章绪苦 动。 2 0 世纪3 0 年代和4 0 年代的智能界，产生了数学逻辑( 它从1 9 世纪末起就获 得迅速发展) 和关于计算的新思想的重要理论。弗雷治( f r e g e ) 、怀特赫德 ( w h i t e h e a d ) 、罗素( r u s s e l l ) 和塔斯基( t a r s k i ) 以及另外一些人的研究表明，推 理的某些方面可以用比较简单的结构加以形式化。丘奇( c h u r c h ) 、图灵( t u r i n g ) 和其它一些人关于计算本质的思想，提供了形式推理概念与即将发明的计算机之 间的联系。在这方面的重要工作是关于计算和符号处理的理论概念。早在第一批 计算机设计之前，丘奇和图灵就已发现，数字并不是计算的主要方面，它们仅仅 是一一种解释机器内部状态的方法。被称为人工智能之父的图灵，不仅创造了一个 简单的通用的非数学计算模型，而且直接证明了计算机可能以某种被理解为智能 的方法工作。1 9 5 6 年夏季，年轻的美国学者麦卡锡( m c c a r t h y ) 、明斯基( m i n s k y ) 、 朗彻斯特( l o c h e s t e r ) 和香侬( s h a n n o n ) 共同发起，邀请莫尔( m o r e ) 、塞缪尔 ( s a m u e l ) 、纽厄尔( n e w e l l ) 和西蒙( s i m o n ) 等参加在美国的达特茅斯( d a r t m o u t h ) 大学举办了一次长达2 个月的研讨会。会上，首次使用了人工智能这术语。标 志着人工智能学科的诞生。 需要指出的是控制论思想对人工智能早期研究的显著影响。维纳( w i e n e r ) 、 麦克洛克( m c c u l l o c h ) 和其它一些入提出的控制论和自组织系统的概念集中地讨 论了“局部简单”系统的宏观特征。我国优秀科学家钱学森提出的“工程控制论” 斛_ = 7 控制论的新分支，是对控彻论的重大贡献。控制论影响了许多领域，把神 经系统的i i 作原理与信息理论、控制理论、逻辑以及计算联系起来。控制论的这 螳思心足时代思潮的一部分，而且在许多情况下影响了许多早期人工智能工作者， 成为他们的指导思想。最终把这些不同思想连接起来的是由巴贝奇( b a b b a g e ) 、图 灵、m ，诺依曼( v o nn e u m m a n ) 和其它一些人所研制的计算机本身。在机器的应用 成为一j 之后不久。就编写了解决智力测验难题、f 棋以及把文本从种语言翻 洋成j种语言。这是第一批人工智能程序。 3 0 多年米，人工智能的应用研究取得明显进展。首先，专家系统( e x p e r t s y s l e m ，简称e s ) 显示出强大的生命力。被誉为“专家系统和知识工程之父”的 赞揪鲍姆( f e l g e n h a u m ) 所领导的研究小组于1 9 6 8 年研究成功第一一个专家系统 d e n d r a i 。，用于质鹾分析有机化合物的分子结构。1 9 7 2 1 9 7 6 年，费根鲍姆小组又 ，i 发成功m y c i n 联疗专家系统，用于抗生素药物治疗。此后，许多著名的专家系 统，如p r o s p e c t o r 地质勘探专家系统、r i 计算机结构设计专家系统、m a c s y m a 符j 积分与定理证明专家系统，为工矿数掘分析处理、医疗诊断、计算机设计、 综台决鬣支持系统中计算智“2 和知识歌取技术的”f 究+ i 麻用 第一章绪育 符号运算和定理证明等提供强有力的工具。1 9 7 7 年，费根鲍姆进一步提出了知识 工程( k n o w l e d g ee n g i n e e r i n g ) 的概念。整个8 0 年代，专家系统和知识工程在全 世界得到迅速发展。近年来，机器学习、人工神经网络以及遗传算法研究深入开 展，形成高潮。同时，不同人工智能学派间的争论也非常热烈，推动了人工智能 研究的进一步发展。尽管目前人工智能在发展过程中面临不少争论、难题和挑战， 然而这些困难终将被解决。可以预言：人工智能的研究成果将能够创造出更多更 高级的智能“制品”，并使之在越来越多时领域超越人类智能，人工智能将为发展 国民经济和改善人类生活做出更大贡献。 1 2 3 计算智能【4 1 【5 】【1 8 】【4 卜6 1 】 计算智能( c o m p u t a t i o n a li n t e l l i g e n c e ) 原本是人工智能的分支，但由于其 重要性，本文将其从传统人工智能学科里单独划分出来。计算智能到目前为止也 还没有公认的定义。但通常把模糊计算( f u z z yc o m p u t i n g ) 、神经计算( n e u r a l c o m p u t i n g ) 和进化计算( e v o l u t i o nc o m p u t i n g ) 作为它的三个主要内容。这里给出 一个粗略的定义：凡是仿照自然法规构造的计算，均可称为计算智能，有时也把 这类计算叫做软计算( s o f tc o m p u t i n g ) 。如：模仿人类处理问题方式丽引入的模 糊计算；依据生物神经网络的工作规则引入的神经计算；模仿生物界“优胜劣汰” 法则的遗传算法、进化规则等，均属此樊。这晕本文仅就主要涉及到的两个分支 ( 人工神经网络和遗传算法) 的进展和副f 念进行论述。 4 0 年代初，美国m cc u l l o c h 和p i t t s 从信息处理的角度，研究神经细胞行 为的数学模型表达，提出了二值神经元模型。m p 模型的提出开始了对神经网络的 研究进展。1 9 4 9 年心理学家d 0 h e b b 提出了著名的h e b b 学习规则，即由神经元 之间结合强度的改变来实现神经学习的方法。5 0 年代末期，r o s e n b l a t t 提出感知 机( p e r c e p t r o n ) ，首先从工程角度出发，研究了用于信息处理的神经网络模型。 这是一种学习和自组织的心理学模型，它基本符合神经生理学的原理。p e r c e p t r o n 虽然比较简单，却已具有神经网络的一些基本性质，如分布式存贮、并行处理、 可学习性、连续计算等。这些神经网络的特征与当时流行串行的、离散的、符号 处理的电子计算机及其相应的人工智能技术有本质上的不同，由此引起许多研究 者的兴趣，在6 0 年代掀起了神经网络研究的第一次高潮。但是，当时人们对神经 网络研究过于乐观，认为只要将这种神经元互连成一个网络，就可以解决人脑思 维的模拟问题。然而，6 0 年代来，美国著名人工智能专家m n s k y 和p a p e r t 对 r o s e n b l a t t 的工作进行深入研究，指出撼知机的功能和处理能力的局限性，甚至 5 堡垒垫苎壅堑墨堕生生墨塑丝塑型堡堑里垫查塑鲤垄兰! 兰旦 ：一箜= 皇! ! 董 连x o r ( 异或) 这样的问题也不能解决，同时也指出如果在感知器中引入隐含神 经元，可以增加神经网络的处理能力，但是却无法给出相应的网络学习算法。因 此m i n s k y 的结论是悲观的，认识上的局限性使对神经网络的研究进入了，低潮。在 这一低潮时期，仍有一些学者扎扎实实地继续着神经网络模型和学习算法的基础 理论研究，提出了许多有意义的理论和方法。其中，s g r o s s b e r g 等提出了自适 应共振理论，k o h o n e n 提出了自组织映射，f u k u s h i m a 提出了认识机网络模型理论， a n d e r s o n 提出了b s b 模型等，为神经网络的发展奠定了理论基础。 进入8 0 年代，首先是基于“知识库”的专家系统的研究和运用，在许多方 面取得了较大成功。但在一段时间以后，实际情况表明专家系统并不像人们所希 望的那样高明，特别是在处理视觉、听觉、形象思维、联想记忆以及运动控制等 方面。因此，具有并行分布处理模式的神经网络理论又重新受到人们的重视。对 神经网络的研究又开始复兴，掀起了第二次研究高潮。1 9 8 2 年，美国加州理工学 院物理学家j j h o p f i e l d 提出了一种新的神经网络h n n 。他引入了“能量函数” 的概念，使得网络稳定性研究有了明确的判据。从事并行分布处理研究的学者， 如h i n t o n 、s e j n o w s h y 和r u m e l h a r t 等，于i 9 8 5 年对h o p f i e l d 模型引入随机机 制，提出了b o l t z m a n n 机。1 9 8 6 年r u m e l h a r t 等人在多层前向神经网络模型的基 础上，提出了多层神经网络模型的反向传播学习能力( b p 算法) ，解决了多层前 向神经网络的学习问题，证明了多层神经网络具有很强的学习能力。有的学者认 为当前仍处j 二神经嘲络理论的研究高潮，有的认为第一次热潮，l 乎已经退去。爿i 呵质疑的是神经网络理论给新一代智能计算机的研究带来巨大影响，而且将推动 整个人j - r 褶能领域的发展。但另一个方面，由于问题本身的复杂性，不论是神经 网络原理自身，还是正在努力进行探索和研究的神经计算机，目前都还处于基础 性的起步发展阶段，它的影响力和最终所能达到的目标，目前还不十分明确，还 有待于继续深入研究。 芦在2 0 世纪5 0 年代和6 0 年代，就有少数几个计算机科学家独立地进行了 所峭的“人工进化系统”研究，其出发点是进化的思想可以发展成为许多工程问 题的优化： 具。早期的研究形成了遗传算法的雏形，如大多数系统都遵行“适者 生存”的仿自然法则，有些系统采用了基于种群( p o p u l a r i o n ) 的设计方案，并且 加入了自然选择和变异操作，还有一些系统对生物染色体编码进行了抽象处理， 应j ：目了二进制编码。6 0 年代初期，柏林工业大学的i r e c h e n b e r g 和h p s c h w e f e l 等在进行j x l 洞实验进，由于设计中描述物体形状的参数难以用传统方法进行优化， 因而利用l 物变异的思想来随机改变参数值，并获得了较好的结果。随后，他们 6 壁垒盗丝兰垫墨竺! 生竺塑! ! 塑壁望垫坠然查塑! 壁壅兰查旦! ! 二蔓l ! ! 置 对这种方法进行了深入研究，形成了进化计算的另一个分支一进化策略 ( e v a l u t i o n a r ys t r a t e g y ，简称e s ) 。也是在2 0 世纪6 0 年代，l j f o g e l 等人在 设计有限态自动机( f i n i t e s t a t em a c h i n e ，简称f s m ) 时提出了进化规则 ( e v o l u t i o n a r yp r o g r a m m i n g ，简称e p ) ，他们借用进化的思想对一组f s m 进行 进化，以获得较好的f s m 。 由于缺乏一种通用的编码方案，人们只能依赖变异而非交叉来产生新的基因 结构，早期的算法收效甚微。2 0 世纪6 0 年代中期，j o h nh o l l a n d 在a s f r a s e r 和h t b r e m e r m a n n 等人工作的基础上提出了位串编码技术。这种编码既适用于变 异操作，又适用于交叉( 即杂交) 操作，并且强调将交叉作为主要的遗传操作。 随后，h o l l a n d 将该算法用于自然和人工系统的自适应行为的研究中，并于1 9 7 5 年出版了其开创性著作“a d a p t a t i o ni nn a t u r a la n da r t i f i c i a ls y s t e m s ”。以 后h o l l a n d 等人将该算法加以推广，应用到优化及机器学习等问题中，并正式定 名为遗传算法。遗传算法的通用编码技术和简单有效的遗传操作为其广泛、成功 地应用奠定了基础。h o l l a n d 早期的工作集中在所谓的认知系统c s l ( c o g n i t i v e s y s t e m1 ) 的研究，借助最优化的方法获取学习的规则，遗传算法是他考虑的途径 之。于是他将基于遗传的机器学习( g e n e t i c - b a s e dm a c h i d el e a r n i n g ，简称 g b m l ) 方法发展成为c s l 的分类系统( c l a s s i f i e rs y s t e m ) 学习方法，奠定了遗 传算法煎要思想的基础。遗传算法适用于最优化问题，归功于h o a n d 的学牛卟 j o n g ，而g r e f e n s t e t t e 丌发了第。个遗传算法软件一称为g e n e s i s ，为遗传算法 的酱及推广起了重要作用。 2 0 年代世纪8 0 年代中期以来是遗传算法和进化计算的蓬勃发展划。进化算 法已在1 6 个大领域、2 5 0 多个小领域中获得了了应用。遗传算法在机器学习、过 程控制、经济预测、工程优化等领域取得的成功，已引起了数学、物理学、化学、 生物学、计算机科学、社会科学、经济学及工程应用等领域专家的极大兴趣。某 些学者研究了进化计算的突现行为( e m e r g e n tb e h a v i o r ) 后声称，进化计算与混 池理论、分形几何将成为人们研究非线性现象和复杂系统的新的三大方法，并将 与神经网络一起成为人们研究认知过程的重要工具。2 0 世纪9 0 年代以后，人们 比较重视遗传算法的一些基本问题，d ej o n g 称为“重访基本的假设”。这方面的 研究内容主要有：表示和形念发生学；拉马克算子等的引入；非随机配对和物种 形成；分散的、高度并行的模型；自适应系统；共同进化系统。由于遗传算法在 应用方面的长处主要得益于其求解的有效性、现有仿真环境下易于实现、可扩充 性和易二f 与其他方法相结合，可以预料在不远的将来，随着理论研究的不断深入 7 堡垒垫丝生堑墨竺! 生笺塑! ! 塑型塑鲨曼丝查竺里! 塑：! 坐旦 塑二主堑塞 和应用领域的不断拓广，遗传算法和进化计算将取得长足的发展。 1 2 。4 数据挖掘【3 】【1 6 i 【6 7 7 6 l 简吉。之，数据挖掘( d a t am i n i n g ，简称d m ) 就是从大量数据中挖掘或抽取出 知识，又被称为数据库知识发现( k n o w l e d g ed i s c o v e l - yf r o md a t a b a s e ，简称k d d ) 。 它是一个从大量数据中抽取挖掘出来知的、有价值的模式或规律等知识的复杂过 程，该过程主要包括数据清洗( d a t ac l e a 而i n g ) 、数据集成( d a t ai n t e g r a t i o n ) 、 数据转换( d a t at r a n s f o r m a t i 0 1 3 ) 、数据挖掘( d a t am i n i n g ) 、模式评估( p a t t e l - f ) e v a l u a t i o n ) 、知识表示( k n o w l e d g ep r e s e n t a t i o n ) 。 自2 0 世纪6 0 年代开始，数据库及信息技术就逐步从基本的文件处理系统发 展为更复杂功能、更强大的数据库系统；7 0 年代的数据库系统的研究与发展，最 终导致了关系数据库系统、数据建模工具、索引与数据组织技术的迅速发展，使 数据库的用户获得了更方便灵活的数据存取语言和界面；此外，在线事务处理 ( o n 一1 i n et r a n s a c t i o np