基于應用數學和知識的決策支持系統在決策建模中的應用研究

朱淼

摘? 要：本文試圖討論數學決策建模模型中的一些發現及其在業務流程中的應用。我們首先介紹決策模型的一些技術含義和實現。然后討論了我們實現的幾種算法，包括神經網絡實現、決策模型的Java實現、專家系統外殼實現以及本體和推理機的實現。文章最后得出了對進行建模活動決策有用的結論。

關鍵詞：決策，DSS，KBS，本體，推理機，OWL

1 引言

更好的決策意味著改進提供的信息。在這篇文章中，我們試圖勾勒出從決策模型中采取行動的知識必須被實施，以改善信息，實際上為用戶提供更好的信息。將決策模型用于解決問題的任務在過去被證明是成功的。它的結論是靜態模型，非自適應模型，對用戶具有一定的實用性，因為它們捕捉到了一種模型，這種模型以將知識從模型傳遞給人類的形式強加給決策者執行動作[1]。

當然，數據分析和知識提取的方法、技術和工具來自許多研究領域（人工智能、數學和統計學、心理學和認知學），應用領域是重要的。研究人員關注的是這些方法的統一，因此，這一基于計算機的建模領域的任何研究主題都是跨學科的。IT在開發決策模型時提供的功能的實現總是導致決策過程的系統方法，因此解決方案是解決功能的混合形式的技術，而不一定是決策[2]。

一般而言，在開發基于計算機理論的模型時，選擇符合決策所需數據與知識平衡的表示技術是已經實現的。如果有更多的知識，那么推理規則就是解決方案。如果有更多的數據，則解決方案由數據挖掘技術表示。如果數據被標記，那么解就是有監督的學習算法。[3]如果數據沒有標記，則解決方案由無監督學習算法表示。通常，數據和知識是不夠的，需要使用數據來提取關系，以便發現知識或使用知識來改善數據結構之間的關系。

2 問題描述

決策建模是介于數學和計算技術之間的一個研究方向，它借助應用數學多個靈活的經濟數學模型，以仿真技術為契機，致力于建立生產者在效率條件下的管理決策基礎。

決策者通常需要一個界面來訪問所有信息源。他們按照解決決策問題的邏輯順序尋找信息。每一個決定有自己的邏輯順序。決策者尋求信息，并對其進行評估：更多、更少、不太可能、可能。可視化也很重要。案例研究也很重要。相似的案例很重要。在查找信息時提供的信息提示或一些建議也是有價值的。

如果不詳細討論基于知識的系統，我們可以從一開始就說，第一個限制是由于仍然沒有發現人工智能的商業用途（在業務流程輔助的意義上）而施加的。商業軟件開發人員不是面向人工智能技術的。他們只知道一件事：好的人工智能意味著自動化，顯然，人工智能必須應用于制造業和智能機器人。專業知識和領域問題很小，并且取決于上下文。顯然，他們從數據結構分類問題出發來處理語義問題，他們為每個相關的系統建立元模型。KBS通常沒有學習的可能性，因為它們不在大數據集上工作。不學習，誰也談不上真正的智能系統。知識庫不能適應，這是系統智能化的另一個重要特征。

3 問題求解

通過建模來分析決策，一方面是從接受信息處理的人的局限性的假設出發，另一方面是從考慮將判斷和直覺結合起來的必要性，以及決策因素的想象力和創造性的結果。

需要記住的重要事實是，對于不能通過數學、分析或優化方法解決的問題，模擬尤其有價值。雖然模擬和優化是基于數學模型的定量方法，但這兩種方法的根本區別在于決策變量的作用[4]。

在使用智能技術建模的情況下，決策變量的值是模型的輸入數據。通過在知識庫中融入專家知識和決策因素推理，對最佳行動方式進行評價。通過使用智能技術，可以保證業務流程的智能化。智力是某物（一個系統、儀器或存在）評估達到目標的可能性并將這種評估用于實現目標的能力（皮爾斯對智力的符號學定義）。

只有在決策因素所期望的結果可以貨幣化并達到最優化的情況下，才能應用決策的經濟數學模型。通過智能技術對決策進行建模是在決策因素缺乏關于最佳決策實施的行為方式和推理的情況下應用的，并通過開發的信息模型融合了來自領域的知識。利用信息技術進行決策建模具有較大的覆蓋面。因此，可以利用信息技術來開發基于經濟的信息化解決方案。為了發展應用數學的最新研究，中提出了一種智能信息解決方案，該解決方案結合了來自特定行動領域的知識。

選擇過程考慮了固定資產的效率、企業數據庫中存在的會計價值、固定資產最終折舊的估算（從經驗中獲取的知識）、固定資產維修和現代化的最終費用程度。為了開發專家系統原型，使用了Exsys公司最新一代的專家系統生成器（Exsys Developer）。為了實現規則，系統使用決策樹。生成器提供了從公司的數據庫中提取必要數據的可能性。原型仍在隨后的詳細說明中。

固定資產的經濟決策是以確定折舊維度的會計決策為基礎的。在做出此決策時（在EXSYS Developer中映射到不同的決策樹上），有必要在某個時間點確定是否估計在不久的將來資產的可回收價值將以小于會計價值的方式減少（定性因素記為Q5）。

關于建立資產效率趨勢的知識是基于數量因素的推斷，并構成概念層面的控制知識，以時間關系的方式表示。同樣，在確定市場利率的實際趨勢的情況下，我們談論的是概念層面的控制知識。在這些因素中有一項出現下降趨勢的情況下，觸發固定資產折舊建立的知識是必要的。

為了建立預測模型，我們用神經網絡實現了估計-在matlab中實現-為了建立預測模型，從統計中提取了月度數據。結果如圖1所示。

4 結果分析

在觸發所呈現的規則之后，存儲在JESS中的事實是相同的，但是如果規則中指定的條件為真，則它們有一個名為“impairment”的附加槽。存在一個在OWL本體中定義為vocab0：mijlocfix_nrinvar（Fixed_Asset）屬性的名為“deviere”（減損）的槽，具有接受的值“da”（是）和“nu”（否）。槽不屬于關系數據庫模式提供的本體，它是我們自己定義的，只有當規則被證明為真時，它的值才會附加到個人身上。一旦OWL本體得到改進，就可以使用SPARQL在Web瀏覽器中可視化它（圖2）。

5 結論

本文不需要數據的通用表示標準。終端用戶可以像處理照片一樣為數據添加標簽，他們通過創建鏈接來組織信息。因此，不再需要更多的標準化。OWL足以管理本體。規則與數據級別的分離提供了適應系統的可能性，并允許可伸縮性和異構性。基于規則的管理系統具有約束數據的規范。必須根據結構層次和上下文依賴關系實現數值因素與定性因素的整合。如果可以確定數字因素，那么就可以應用經濟模型。如果因素是定性的，它們的評價依賴于上下文，并且是由決策者實現的，那么決策模型必須由決策者具體說明。

組織從功能方法、過程方法或領域方法開始開發物理邏輯模型或信息系統。無論是開發和實施信息系統的方法選擇，困難都來自于信息組織和集成的限制。開發過程中的每個參與者都對系統模型有不同的看法，這取決于每個參與者的專業知識。最終用戶想要一個以其需求為導向的系統，開發人員想要一個以其開發方法為導向的系統，而實現團隊想要一個適合可用的心理架構的系統。

參考文獻

[1]? Mihalache，S.C，Accounting Decisions' Modelling with Intelligent Technologies，Proceedings of the 8th WSEAS International Conference，on Mathematics and Computers Business and Economics（MCBE'07），WSEAS Press，Vancouver，Canada，2007，：162-170

[2]? Mihalache，S.C，The Accounting Decisions and their Modelling Using Specialized Computer-Based Tools，The International Journal of Digital Accounting Research，7（13）：25-51，2007

[3]? Mihalache，S.C，Thinking in Decision Rules：Specifying a Metamodel to Organize Information，Lecture Notes in Electrical Engineering，vol. 28（2），Springer Science + Business media LLC，New York，USA，2009