（系统分析与集成专业论文）用于电力行业决策支持的多agent技术研究.pdf

摘要 决策支持系统( d s s ) 是交互式的软件系统，它可以帮助决策者从原始数据中 抽取信息、分析解决问题并做出决策。d s s 始于上世纪6 0 年代，它从模型驱动 发展到7 0 年代的理论模型，在8 0 年代中期被应用到金融计划系统和群决策系统 中。在8 0 年代后期到9 0 年代早期，数据仓库、联机分析技术( o l a p ) 和商业智能 被应用到d s s 中。当今智能决策支持系统( i d s s ) 是把人工智能技术融入到决策支 持系统中，并发展成为一种新的决策系统。 a g e n t 是独立智能软件，它是当前人工智能领域的热门研究课题。多a g e n t 系统( m a s ) 包含若干个a g e n t ，其根据各自不同的目标和动机互相作用。为了能 有效地互动，它们还需要相互合作、调整与协商。 电力决策支持系统被广泛地应用在电力市场、需求侧管理( d s m ) 和电力负荷 预测中。尽管该系统可以采用面向对象技术( o o p ) 实现，然而基于a g e n t 的程序 设计语言( a o p ) 并没有取代o o p 成为当今的通用编程语言。从a g e n t 的逻辑结构 推导到a g e n t 信息系统，并结合决策支持的经典问题的研究还比较欠缺。为了让 这些研究应用到电力决策支持系统中，我们需要探索a g e n t 的新技术来实现智能 决策系统( i d s s ) 。也许该技术在将来能够像面向对象技术( o o p ) 一样，被广泛地 应用在高级并行的电力决策支持系统中。 本文对a g e n t 的理论和方法、在智能决策支持系统中的多a g e n t 的技术和在 电力行业决策支持的多a g e n t 技术进行了研究。论文的主要工作如下： 1 提出了一种关于a g e n t 的模糊认知逻辑，采用该逻辑推理出a g e n t 获取 知识的过程；提出了一种带反馈的b d i a g e n t ( f b d i a g e n t ) 模型，对经典 b d i a g e n t 模型进行了扩展。 2 提出了采用集合方法描述的多a g e n t 信息系统，研究了在多a g e n t 交互 中规则的形成过程，并采用i d 3 算法对实例中的规则进行挖掘；定义了a g e n t 的组件关系结构，采用面向对象技术实现了a o p 设计。 3 在决策支持方向选择了线性规划、多目标最优化和多元回归三种实例， 采用多a g e n t 技术实现了求解，与原有求解结果进行对比，验证了多a g e n t 方法 在此方向是可行性。 4 在电力决策支持方向选择了电力市场框架结构、分时电价和电力负荷预 测三种实例，采用多a g e n t 技术实现了问题的求解。在电力市场仿真框架研究中， 采a g e n t 构建了电力市场框架，模拟电价产生中发电侧、输电侧和用户的竞争； 摘要 在分时电价的研究中，提出了基于a g e n t 的分时电价优化模型，在总用电量不变 条件下，达到了削峰填谷的目的。在电力负荷预测的研究中，提出了基于a g e n t 的电力负荷预测算法，试验验证这种方法是有效的，并且采用多a g e n t 的原理设 计了一个电力负荷预测系统，实现了多种方法的负荷预测。 本文的研究得到了上海市重点学科建设项目“电力企业信息化与决策支持” 的资助，论文中的相关理论和技术已运用到该项目的研究和开发中。 关键词：人工智能，决策支持，多智能代理，电力 a b s t r a c t d e c i s i o ns u p p o r ts y s t e m sl o s s ) i sa l li n t e r a c t i v es o f t w a r e b a s e ds y s t e m i n t e n d e dt oh e l pd e c i s i o nn l a l ( e r sc o m p i l eu s e f u li n f o r m a t i o nf r o mr a wd a t at o i d e n t i f ya n ds o l v ep r o b l e m sa n dm a k ed e c i s i o n s d s sb e g i n sw i t hb u i l d i i l g m o d e l - d r i v e nd s si nt h el a t e1 9 6 0 s ，t h e o r yd e v e l o p m e n t si nt h e1 9 7 0 s ，a n dt h e i m p l e m e n t a t i o no ff i n a n c i a lp l a n n i n gs y s t e m sa n dg r o u pd s si nt h ee a r l ya n dm i d8 0 s d a t aw a r e h o u s e s 0 l a pa n db u s i n e s si n t e l l i g e n c ee v o l v e di nt h el a t e1 9 8 0 sa n de a r l y 1 9 9 0 s n o w d a y si n t e l l i g e n c ed e c i s i o ns u p p o r ts y s t e m ( m s s ) i san e wi n f o r m a t i o n s y s t e mt h a t j o i n sa r t i f i c i a li n t e l l i g e n c et e c h n o l o g yi n t od e c i s i o ns u p p o r ts y s t e m a g e n ti st h ei n d e p e n d e n c ei n t e l l i g e n c es o f t w a r e ，w h i c hi sah o tt o p i ci nt h ef i e l d o fa r t i f i c i a li n t e l l i g e n c e am u l t i - a g e n ts y s t e mc o n s i s t so fan u m b e ro fa g e n t s ，w h i c h i n t e r a c tw i t he a c ho t h e ro nb e h a l f o fe a c ha g e n tw i t hd i f f e r e n tg o a l sa n dm o t i v a t i o n s t os u c c e s s f u l l yi n t e r a c t , 也e yw i l lr e q u i r et h ea b i l i t yt oc o o p e r a t e ，c o o r d i n a t e ，a n d n e g o t i a t e w i t he a c ho t h e r e l e c t r i cp o w e rd e c i s i o ns u p p o r ts y s t e mi sw i d e l yu s e di ne l e c t r i cp o w e rm a r k e l d e m a n ds i d em a n a g e m e n t ( d s m ) a n de l e c t r i c1 0 a df o r e c a s t i n g a l t h o u g he l e c t r i c p o w e rd s sc a l lb er e a l i z e db yo b j e c to r i e n t e dp r o g r a m m i n gt e c h n o l o g y , a g e n t o r i e n t e n dp r o g r a m m i n g ( a o p ) i s n t 鹪i nc o m m o nu s ea s0 0p i1 1 1 er e s e a r c ho n c l a s s i c a ld e c i s i o n s u p p o r ts y s t e mp r o b l e mf r o ma g e n tl o g i cs t r u c t u r et oa g e n t i n f o r m a t i o ns y s t e mi sd e f i c i e n c y t h er e s e a r c hw i l lb eh e l p f u li ne l e c t r i cp o w e r d e c i s i o ns u p p o r ts y s t e m w en e e dt ou s en e w a g e n tt e c h n o l o g yt or e a l i z et h ei d s s ， m a y b et h et e c h n o l o g yw i l lb ew i d e l yu s e di na d v a n c e dd i s t r i b u t e de l e c t r i cp o w e rd s s a so o pi nt h ef u t u r e n 壕d i s s e r t a t i o nf o c u s e so nt h et h e o r i e sa n dm e t h o d sa b o u ts o r w a r ei n t e l l i g e n c e a g e n t ，m u l t i a g e n ts y s t e m st e c h n o l o g yi ni n t e l l i g e n c ed s sa n di ne l e c t r i cp o w e r d s s n 圮m a i nc o n t r i b u t i o n so f t h i sd i s s e r t a t i o na r ea sf o l l o w s ： f i r s t l y ，f u z z yr e a s o nl o g i co na g e n ti sp r e s e n t e d ，b yw h i c hp a p e rd e d u c e dt h e p r o c e d u r eo f a g e n tg e t t i n gk n o w l e d g e af e e d b a c kb d i - a g e n t ( f b d i a g e n t ) m o d e li s p u tf o r w a r d , w h i c he x t e n d st h ec l a s s i c a lb d i a g e n tm o d e l s e c o n d l y , am u l t i - a g e n ti n f o r m a t i o ns y s t e mo fc o l l e c t i o ns e ta c c o r d i n gt o i n f o r m a t i o ns y s t e mi sd e f m e d a u t h o rr e s e a r c h e di n t ot h ep r o c e d u r eo fg e n e r a t i n g r u l e sd u r i n gt h em u l t i a g e n ts y s t e ma n dm i n e dt h er u l e si nt h eh l s l 脚eu s i n gi d 3 a l g o r i t h m t h ep a p e rd e f i n e sa g e n tc o m p o n e n t sr e l a t i o n s h i p a r c h i t e c t u r e a n a g e n t o r i e n t e dp r o g r a m m i n gh a sb e e ni m p l e m e n t e d t h i r d l y , t h r e e i n s t a n c e ss u c ha sl i n e a r p r o g r a m m i n g ，m u l t i p l et a r g e t s o p t i m i z a t i o na n dm u l t i p l l el i n e a rr e g r e s s i o na n a l y s i sa r es e l e c t e df r o md e c i s i o n s u p p o r ts y s t e m b a s e do na g e n tt e c h n o l o g yt l l e s ei n s t a n c e sc a ng e tr e s u l t s c o m p a r e d 晰t ht h e i ro r i g i n a ll e s u l t s t h ep a p e rv e r i f i e da g e n tm e t h o di sf e a s i b l ei nd e c i s i o n s u p p o r ts y s t e m h i l a s t l y , t h r e ei n s t a n c 七ss u c ha se l e c t r i cp r i c ei ne l e c t r i cp o w e rm a r k e tf i a m e w o r k , t i m eo fu s c ( t o t 0e l e c t r i cp r i c ea n de l e c t r i cl o a df o r e c a s t i n ga r es e l e c t e df r o m d e c i s i o ns u p p o r ts y s t e m d u r i n gt h er e s e a r c ho ne l e c t r i cp r i c ei ne l e c t r i cp o w e r m a r k e tf r a m e w o r k m u l t i a g e n ti si n c l u d e di nb u i l d i n gt h ef r a m e w o r ka n du s e dt 0 s i m u l a t et h ec o m p e t i t i o no fe l e c t r i cp o w e rp r o d u c e r , e l e c t r i cp o w e rt r a n s m i s s i o na n d c u s t o m e r d u r i n gt h er e s e a r c ho nt i m eo f u s et o u e l e c t r i cp r i c e u n d e rt h ec o n d i t i o n s o fu n c h a n g e a b l ee l e c t r i c a lq u a n t i t i e s ，t h eo p t i m a lt o ue l e c t r i cp r i c em o d e lb a s e do n m u l t i - a g e n ti su s e dt om a k ee l e c t r i cp o w e rc o n s u i n e r sa n de l e c t r i cp o w e rp l a n t sg e t e c o n o m i cb e n e f i ts oa st of i a tt h el o a dc u r v e d u r i n gt h er e s e a r c ho ne l e c t r i c1 0 a d f o r e c a s t i n g ，t h ee l e c t r i cl o a df o r e c a s t i n ga l g o r i t h mb a s e do nm u l t i - a g e n ti sp r e s e n t e d a n di se f f e c t i v eb yr e s u l t s t h e na ne l e c t r i cp o w e rl o a df o r e c a s t i n gs y s t e mi sr e a l i z e d b ym u l t i a g e n tt e c h n o l o g yi ns e v e r a lw a y s n 圮r e s e a r c hi nt h ep a p e ri ss u p p o r t e db ys h a n 0 1 a il e a d i n ga c a d e m i cd i s c i p l i n e p r o j e c t ： e l e c t r i cp o w e re n t e r p r i s ei n f o r m a t i o na n dd e c i s i o ns u p p o r ts y s t e m n 圮 t h e o r ya n dt e c h o n o l g yi nt h ep a p e ri su s e di nt h i sp r o j e c t k e yw o r d ：a r t i f i c i a li n t e l i g e n c e ，d e c i s i o ns u p p o r t ，m u l t i _ a g e a t , e l e c t r i cp o w e r i v 图目录 图2 - i 带反馈的b d i - a g e n t 模型图 图目录 图2 - 2 带反馈b d i _ a g e n t 的竞争决策图 图2 - 3 带反馈b d i - a g h q t 的决策图 图3 - i 类神经元的单输入反馈a g e n t 结构。 图3 2 类神经元的多输入反馈a g e n t 结构 2 4 2 6 2 7 3 0 3 2 图3 - 3a g e n t 的邻接图3 5 图3 - 4a g e n t 规则的链式储存结构图 图3 - 5 采用i d 3 算法挖掘a g e n t 用电负荷率变化的决策树 图3 - 6 带知识库的a g e n t 逻辑结构 图3 7a g e n t 获取知识的过程。 图4 - la g e n t 方法求解线性规划问题的运行结果 3 7 图4 - 2a g e n t 方法求解多目标最优化问题的结果 图4 - 3a g e n t 方法求解回归分析问题的结果。 4 5 5 l 6 3 6 9 图5 - 1 华东电力市场技术支持系统区域主站系统结构与信息流7 5 图5 - 2 采用c o r b a 技术实现分布式多a g e n t 的系统结构7 9 图5 - 3 采用c o r a b 和a g e n t 技术的电力市场仿真框架。 图5 4 上海夏季电力负荷典型走势图 图5 - 5 分时前后电力负荷峰谷变化情况 图5 6 理想采用线性回归方法的预测误差 图5 7 线性回归方法和带反馈多元线性回归法的预测结果 图5 8 线性预测和反馈预测的误差对比。 9 0 9 4 9 4 9 6 图5 9 电力负荷预测系统功能结构图。1 0 0 图5 1 0 电力负荷预测系统的第一层数据流图。 图5 1 l 数据输入a g e n t 功能结构 图5 1 2 数据输出a g e n t 功能结构。 图5 1 3 采用二元线性回归算法预测电力负荷 图5 1 4 上海市日平均电力负荷和预测负荷。 图5 1 5 电力负荷预测标准误差 图5 1 6 电力负荷预测平均误差 1 0 0 1 0 1 1 0 2 1 0 9 1 0 9 表耳录 表目录 表2 - 1 带反馈b d i - a g e n t 的初始状态 表2 - 2 愿望实现后的带反馈b d i - a g e n t 状态 表2 - 3 带反馈b d i a g e n t 推导过程 表3 - 1a g e n t 信息系统的初始状态 2 5 表3 - 2 a g e n t 信息系统中多a g e n t 的邻接表 表3 - 3 多a g e n t 的信息交互与更新 2 8 表3 4 a g e n t l 的部分规则。 表3 5 用a g e n t 描述的电力负荷峰谷差关系表 表4 - 1a g e n t 算法求解线性规划的结果对比 表4 - 2 a g e n t 算法求解多目标最优化结果对比 3 6 3 7 3 9 表4 3 多元线形回归实例数据 表4 4 多元线形回归实例预测结果 表4 - 5 带反馈a g e n t 算法求解多元线性回归的结果对比 表5 - 1 华东电网2 0 0 5 年底统调装机容量 表5 - 2 理想情况下线性回归的预测结果 表5 3 国家电力信息网提供的年度人均负荷指标 表5 - 4 线性回归法和反馈回归法的预测结果9 6 i x 学位论文独创性声明 本人所呈交的学位论文是我在导师的指导下进行的研究工作及 取得的研究成果据我所知，除文中已经注明引用的内容外，本论文 不包含其他个人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，均已在文中作了明确说明并表示谢意 作者签名：兰复日期：翌：! ：塑 学位论文授权使用声明 本人完全了解华东师范大学有关保留、使用学位论文的规定，学 校有权保留学位论文并向国家主管部门或其指定机构送交论文的电 子版和纸质版有权将学位论文用于非赢利目的的少量复制并允许论 文进入学校图书馆被查阅有权将学位论文的内容编入有关数据库进 行检索有权将学位论文的标题和摘要汇编出版保密的学位论文在 解密后适用本规定 黼篆幺导师篡塾。日期：丝堡至：三!日期：谊：上：乡d o r i g i n a l i t yn o t i c e i np r e s e n t i n gt h i st h e t i si np a r t i a lf u l f i l l m e n to f t h er e q u i r e m e n t sf o rt h ed o c t o r s d e g r e ea te a s tc 1 1 i n an o r m a lu n i v e r s i t y , 1w a r r a n tt h a tt h i st h e w si so r i g i n a la n da n y o ft h et e c h n i q u e sp r e s e n t e di nt h et h e s i sh a v eb e e nf i g u r e do u tb ym e a n yo ft h e r e f e r e n c e st ot h ec o p y r i g h t , t r a d e m a r k , p a t e n t , s t a t u t o r yr i g h t o rp r o p r i e t yr i g h to f o t h e r sh a v eb e e ne x p l i c i t l ya c k n o w l e d g e da n di n c l u d e di nt h er e f e r e n c e ss e c t i o na t t h ee n do f t h i st h e s i s s 咖，佃心：壬匆。把：2 0 0 7 r 刁 c o y p r i g h t n o t i c e ih e r ei na g r e et h a tt h el i b r a r yo f e c n us h a l lm a k ei t sc o p i e sf r e e l ya v a i l a b l ef o r i n s p e c t i o n if l l x t h e l ? a g r e et h a te x t e n s i v ec o p y i n go ft h et h e w si sa l l o w a b l eo n l yf o r s c h o l a r l yp u r p o s e s ，i np a r t i c u l a r , s t o r i n gt h ec o n t e n to ft h i s t h e s i si n t or e l e v a n t d a m b a s e s 。a sw e l la sc o m p i l i n ga n dp u b f i s h i n gt h et i t l ea n da b s t r a c to ft h i st h e s i s ， c o n s i s t e n tw i t h ”f a i ru s e ”a sp r e s c r i b e di nt h ec o p y r i g h tl a wo ft h ep e o p l e s r e p u b l i co f c h i n a 壬寥 s i g n a t u r e ：d a t e ： 妒7 彳7 第1 章a g e n t 与决策支持的研究概述 第1 章a g e n t 与决策支持的研究概述 1 1 论文研究背景介绍 当今社会，随着产品技术的更新换代和销售渠道的扩展，几乎所有行业都面 临着新的挑战。越来越多的企业认识到，只有靠充分利用、发掘其现有数据，才 能作出正确及时的决策，实现更大的效益。日常的业务应用生成了大量的数据， 这些数据若用于决策支持必将为企业带来显著的附加值。若再加上行业分析报 告、独立的市场调查、评测结果和顾问评估等外来数据，则上述处理过程产生的 效益定可进一步增加。 电力行业m i s 系统是以电力企业的生产信息、设备信息、物资信息、人事信 息等业务资源为基础，对电力企业生产经营管理过程中的人、财、物等方面的一 体化综合管理信息系统。全面的电力m i s 系统应包含生产、经营、行政后勤三大 部分，涵盖电力企业管理的所有业务范围。 在电力m i s 系统中，通常还包括一个综合查询子系统，或者称为辅助决策子 系统，该系统提供对以上所有子系统有关数据的查询、统计和分析，如：用电管 理子系统信息查询、设备管理子系统信息查询、财务管理子系统信息查询等等。 建立综合查询子系统的目的，是为领导层决策提供所需信息的查询服务，支持决 策者从数据库中取得与决策相关的数据。在m i s 系统中结合d s s 工具的特长，可 以极大地改善原有系统的辅助决策能力，在提高灵活度的同时最大限度地降低人 员的工作量。 决策支持系统可以通过向用户提供灵活报表、随机查询、在线分析处理( o l a p ) 和数据挖掘的功能，最终帮助用户从数据中发现规律，预测发展趋势，并且辅助 用户做出正确的决策，指导组织的发展方向。 1 2 国内外研究现状分析 1 2 1 a g e n t 技术的发展过程与研究方向 ( 1 ) a g e n t 的起源 、 b r a t r m n 是最早提出用意图、信念和期望等概念来描述a g e n t 系统，其观点 为后来的许多相关工作，尤其是b d i 模型奠定了理论基础。w o o l d r i g e 和j e n n i n g s 把意识属性分为i n f o r m a t i o na t t i t u d e s 和p r o a t t i t u d e s 两类。他们认为，合 第l 章a g e n t 与决策支持的研究概述 理地表示a g e n t 至少包含一个i n f o r m a t i o na t t i t u d e 和一个p r o a t t i t u d e 。对 此，人们通常采用信念( b e l i e f ) 和意图( i n t e n t i o n ) ，即b i 结构b d i 模型研究 的主要代表人物是r a o 和g e o r g e f f ，他们提出了一系列描述a g e n t 的b d i 逻辑。 r a o 和g e o r g e f f 的b d i 模型是用信念、愿望( 或目标) 和意图这3 个意识属性 来描述a g e n t 结构0 1 。为了描述a g e n t ，应该采用哪些意识属性呢? 对此，已有大量 的研究工作”1 ，k o n o l i g e 和p o l l a c k 提出认知结构和意图关系图的概念，由此定 义的意图不仅包含对目标世界的期待，也包含对不希望的世界状态的描述o 】。在 国内对于b d i a g e n t 的研究做的比较早，而且非常深入的是清华大学的石纯教 授，他指导的胡山立和康小强对其进行了改进和深入的探索1 。石纯一教授翻 译m i c h a e lw o o l d r i g e 编著的多a g e n t 系统引论是国内该领域的权威教程“”。 ( 2 ) 多a g e n t 系统的研究 a g e n t 模型是多a g e n t 系统( m a s ) 研究基础。m a s 的协作求解问题的能力超 过单个a g e n t ，这是m a s 产生的最直接的原因。这方面最有影响的工作是c o h e n 1 “ 等人给出的线性时间模型和r a o “2 1 等人给出的分支时间模型，两者都基于正规模 态逻辑。国内在这个领域的研究也很多，在解决前述a g e n t 模型中存在的逻辑 问题，如逻辑全知、副作用和无为而治等问题“”。在m a s 下考虑a g e n t 个体模 型的语义，也可以建立了一个基于v s k 的a g e n t 模型，通过可感知( v i s i b l e ) 、 实际感知( p e r v e i v e ) 和知道( k n o w ) 来描述a g e n t ，给出了在m a s 中的语义；并 针对不同的实际情况，讨论了模型应引入的约束公理“q 。提出了v i v i d a g e n t 模 型，m a s 中每个a g e n t 由知识，行为，目标，意图，和反应规律组成，在此基础 上给出了a g e n t 的感知、反应、规划执行、规划和重新规划的操作语义“”。其 他比较热门的m a s 研究还包括m r s 在i n t e r n e t 上的应用、移动a g e n t 系统。张 云勇的移动a g e n t 技术中对其做了详细的介绍“”。移动a g e n t 可以自主地在网络 上从一台主机移动到另一台主机上连续运行，这种灵活性为网络环境，尤其是 i n t e r n e t 环境下的应用程序提供了很多潜在的优点目前已经有不少较为成功 的移动a g e n t 系统。 ( 3 ) 面向a g e n t 的程序设计研究 面向a g e n t 的编程- - a o p ( a g e n to r i e n t e dp r o g r a m m i n g ) 的概念最早是由美 国s t a n f o r d 大学的s h o h a m 教授于1 9 9 3 年提出的“”。他认为，a o p 是一种基于 计算的社会观点的新兴程序设计风格和计算框架，其主要思想是利用a g e n t 理论 研究提出能表示a g e n t 性质的意识态度，并直接设计a g e n t 和对a g e n t 编程。 开发a g e n t 有很多种工具可以选择，有i b m 开发的a g l e t s ，主要是开发移动 a g e n t “”1 ，有基于j a v a 的a g e n t b u l i d e r ，是a g e n t 集成开发工具。a g l e t 系统 的安装和运行需要j d k 支持，a g l e t l 3 以前的版本只支持j d k l 2 以前的版本， 2 第1 章a g e n t 与决策支持的研究概述 a g l e t 2 o 目前的版本支持j d k l2 。安装a g e l t 需要配置服务器的属性，进行路 径设置，然后启动服务t a h i t i ，服务启动后会弹出配置对话框，需要继续进行 设置。进入开发环境后，有c r e a t e 创建a g e n t ，d i s p o s e 销毁a g e n t ，c l o n e 复制 a g e n t ，d i s p a t c h 发送a g e n t 到另外的服务器上，r e t r a c t 从另外的服务器上召 回。a g l e t l n f o 显示a g e n t 的属性，d i a l o g 请求a g l e t 打开对话面板。a g l e t 有 类层次和接口层次的声明。a g e n t b u l i d e r 是一个a g e n t 集成开发工具，功能比 较齐全。a g e n t 还可以采用x m l 模板语言设计，这项研究得到了i b ms c h o l a r p r o g r a m 的资助。a g e n t 的开发平台有很多种，分别有自己的特征和适用范围。 为了对a g e n t 的结构和运作有个更深的理解，故选用了m i c r o s o f tv c 作为基本 工具，采用大家都熟悉的语言去表示a g e n t 的运作方式。 在开发a g e n t 程序的时候，最好能遵守开发的国际标准，f i p a 是i e e e 计 算机标准化组织，它为促使基于a g e n t 的技术的研发提供技术标准。2 0 0 5 年6 月8 日f i p a 作为一个a g e n t 和多a g e n t 系统标准组织被i e e e 官方接受了。 作为了其第1 1 个标准委员会组织嗍。 1 2 2 决策支持的发展过程与研究方向 ( 1 ) 决策支持的发展过程 计算机的出现，实现了电子数据处理e d p ( e l e c t r o n i cd a t ap r o c e s s i n g ) ， 它提高了工作效率，把人们从繁琐的事务处理中解脱出来。它的缺点是：仅局限 于具体信息处理，不共享，不考虑整体或部门情况。随着数据库技术的发展，大 量的信息需要处理，行业管理信息系统m i s ( m a n a g e m e n ti n f o r m a t i o ns y s t e m s ) 就出现了。m i s 可以非常方便的实现对数据的管理和维护，但是m i s 却不能从大 量数据中挖掘出隐含的规则，对于管理人员的决策帮助不大。 决策支持系统( d s s ) 是信息系统研究的最新发展阶段。自美国麻省理工学院 的m i c h a e ls s c o t tm o r t o n “1 于2 0 世纪7 0 年代首次提出“d e c i s i o ns u p p o r t s y s t e m ”，p e t e rg w k e e n 等人编写了一套丛书，阐明d s s 的主要观点，初 步构造出d s s 的基本框架。此后各国学者对d s s 的理论研究与开发应用进行了卓 有成效的工作。目前，d s s 己成为系统工程与计算机应用领域中的重要研究课题。 9 0 年代中期从人工智能和机器学习中发展起来的数据挖掘，是从数据库、 数据仓库中挖掘有用的知识，其知识的形式有产生式规则、决策树、数据集以及 公式等。对知识的推理，形成智能模型，它是以定性分析方式辅助决策的。通过 国内外学术界广大专家、学者的不断探索和研究，经过2 0 多年的应用、发展和 完善，d s s 的概念内涵和理论基础以及与其他相关技术的关系已经明朗并走向成 熟。它包括信息论、计算机技术、管理科学( m s ) 和运筹学( 0 r ) 、信息经济学、行 3 第1 章a g e n t 与决策支持的研究概述 为科学和人工智能等理论，理论上和实践上d s s 与几个重要的相关技术的关系； 例如，d s s 与m s 和0 r 的关系；d s s 与管理信息系统( m i s ) 的关系；d s s 与专家系 统( e s ) 的关系嘲。 传统决策过程中，经验起着重要作用，这是由于影响决策因素的模糊性造成 的。这种依据经验的决策是基于一种模糊逻辑和模糊推理而做出的模糊决策。如 何用科学的方法来描述这样的模糊决策过程，显得非常重要。在实际的社会生活 中，模糊和精确是一对相辅相成的元素，精确是对模糊的抽象和定量的描述。 z a d e h 于1 9 6 5 年创立的模糊理论，为解决模糊问题提供了合适的工具。模糊逻 辑具有以下特点：基于自然语言的描述；可以建立在专家经验的基础上；允许使 用不精确的数据：概念上易于理解；可以对任意复杂的非线性函数建模。模糊理 论在近年来的决策系统的研究和实现中得到了极为广泛和重要的应用。 现代先进的决策支持系统环境是由数据仓库( d w ) 技术实现的。业界公认的数 据仓库概念创始人矾h i n m o n 在建立数据仓库一书中对数据仓库的定义是： 数据仓库是一个面向主题的( s u b j e c t o r i e n t e d ) 、稳定的( n o n v o l a t i l e ) 、与时 间相关的( t i m e - v a r i a n t ) 、集成的( i n t e g r a t e d ) 、能够更好地支持企业或组织的 决策分析处理的环境。数据集市是基于部门级的、面向单一主题领域的数据仓库 子集。基于多维数据库的o l a p 分析技术主要采用以多维数据库为核心，其服务 器包含了一个巨大的预定义的超级立方体。m o l a p 技术为各个用户群提供了具有 明确分析范围的高性能方案，同时也为那些经常有特殊要求，如预算和合并支持 的用户提供方案嘲。 数据仓库数据集市建设的成功取决于前端工具提供给用户的服务，如果最 终用户不能通过给定的前端工具方便地回答关键的业务问题，即使数据仓库设计 得多么精巧，也不能称为成功。根据决策支持系统提供给用户的能力，前端工具 通常分为以下几类：查询和报表工具( q rt o o l s ) ；在线分析处理工具( o l a p t o o l s ) ；数据挖掘工具( d a t am i n i n gt o o l s ) 决策支持系统的体系结构为三层体 系，由事务处理环境、联机分析环境( 数据仓库环境) 和决策支持系统前端工具 组成。 新一代d s s 的发展状况和最新研究动态是：群决策支持系统( g d s s ) ；分布 式决策支持系统( d d s s ) ；智能决策支持系统( i d s s ) ；决策支持中心；战略决策支 持系统，等等。在数据库及其管理系统方面d s s 不同于m i s 系统的特点。它要支 持模型库，并要和知识库有机地结合起来；这些技术主要包括：多媒体信息的检 索与查询及其他处理；多媒体信息的再现及良好的用户界面；数据的存储管理与 压缩和解压缩技术；分布式环境与并行处理等；总之，这些技术使得d s s 发生划 时代的变化m ，。 4 第1 章a o e n t 与决策支持的研究概述 d s s 具体的经历阶段可以分为d s s 的诞生阶段，数据驱动的d s s ，模型驱动 的d s s ，知识驱动的d s s ，基于w e b 的d s s ，基于仿真的d s s ，基于g i s 的d s s ， 通信驱动的d s s ，i d s s ，基于a g e n t 的i d s s 。 ( 2 ) 决策支持数学方向的研究内容 决策支持数学方向的研究内容包括预测技术，确定型决策技术、风险决策技 术、不确定决策技术、多目标决策技术和竞争型决策技术等删。 预测技术包括： 直观预测法：通过观察方法进行直观预测。 时间序列预测法：通过时间序列相关联的数据预测下一时刻的数据。 回归预测法：常用的是一元线性回归方法和多元线性回归方法。 确定型决策技术包括： 盈亏平衡分析决策法：决策导致的盈亏分析。 线性规划决策法：包括单目标的线性规划和多目标线性规划。 动态规划决策法：在约束条件发生变化时求得目标的最优值。 风险决策技术包括； 期望值决策法：把期望值作为决策目标寻求最优匹配。 决策树决策法：从数据集中挖掘出规则形成决策树。 贝叶斯决策法：采用概率的知识寻求决策的最佳概率事件。 不确定型决策技术包括： 乐观决策法：过多考虑乐观因素导致的最优结果。 悲观决策法：过多考虑悲观因素导致的最差效果。 适度乐观决策法：综合考虑不利因素的乐观决策方法。 等可能决策法：综合考虑悲观和