441 views
پیشینه تحقیق روشهای رفع ناسازگاری و سیستمهای تصمیم همیار هوشمند و بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها دارای ۷۲ صفحه می باشد فایل پیشینه تحقیق به صورت ورد word و قابل ویرایش می باشد. بلافاصله بعد از پرداخت و خرید لینک دنلود فایل نمایش داده می شود و قادر خواهید بود آن را دانلود و دریافت نمایید . ضمناً لینک دانلود فایل همان لحظه به آدرس ایمیل ثبت شده شما ارسال می گردد.
فصل اول:مقدمه ۵
۱-۱-مقدمه ۵
۱-۲-رفع ناسازگاری ۵
۱-۳-سیستمهای تصمیمهمیار و سیستمهای تصمیمهمیار هوشمند ۶
فصل دوم:روشهای رفع ناسازگاری ۸
۲-۱-مقدمه ۸
۲-۲-برخی استراتژیهای ساده برای رفع ناسازگاری ۸
۲-۳-رفع ناسازگاری با استفاده از یک مقدار سودمندی ۱۲
۲-۴-رفع ناسازگاری با استفاده از هزینههای تخمین زده شدهی تصادفی ۱۴
۲-۴-۱-تخمین امید ریاضی هزینه ۱۷
۲-۴-۲-برآورد بازگشتی ۱۸
۲-۴-۳-رفع ناسازگاری ۱۹
۲-۵-رفع ناسازگاری با استفاده از برنامه نویسی خطی ۲۰
۲-۶-رفع ناسازگاری با استفاده از تئوری بازی ۲۱
۲-۷-رفع ناسازگاری با استفاده از مدل گراف ۲۲
۲-۸-رفع ناسازگاری با استفاده از روند سلسله مراتبی تحلیلی و بهبود آن ۲۵
فصل سوم:سیستمهای تصمیمهمیار هوشمند ۳۰
۳-۱-مقدمه ۳۰
۳-۲- ویژگیهای سیستمهای تصمیمهمیار هوشمند ۳۰
۳-۳-معرفی چند سیستم تصمیمهمیار هوشمند با ساختارهای متفاوت ۳۴
۳-۳-۱-استفاده از الگوریتمهای تکاملی در ساختار IDSS ۳۴
۳-۳-۲-استفاده از عامل هوشمند در ساختار IDSS ۳۶
۳-۳-۳-استفاده از روشهای دادهکاوی و شبکههای عصبی مصنوعی در ساختار IDSS ۳۷
۳-۳-۴-استفاده از یک روش تصمیمگیری مبتنی بر منطق فازی در ساختار IDSS ۴۳
۳-۳-۵-استفاده از استنتاج مبتنی بر مورد در ساختار IDSS ۴۸
۳-۳-۶-استفاده از مولفههای مبتنی بر قانون در ساختار IDSS ۵۲
فصل چهارم:بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها ۵۵
۴-۱-مقدمه ۵۵
۴-۲-ویژگیهای بازیهای استراتژیک بلادرنگ ۵۶
۴-۳-مروری بر سیستمهای هوشمند مرتبط با بازیهای استراتژیک بلادرنگ ۶۰
فهرست منابع ۶۹
[۱] Giarratano, J. C. (2003). “CLIPS 6.21 User’s Guide”, International Thompson Publishing.
[۲] Belavkin, R. V. (2003). “Conflict resolution by random estimated costs”, Proceedings of the 17th European Simulation Multiconference (c) SCS Europe, BVBA.
[۳] Jones, G., Ritter, F. E., Wood, D. J. (2000). “Using a cognitive architecture to examine what develops”, Psychological Science, 11(2), 93–۱۰۰٫
[۴] Belavkin, R. V., Ritter, F. E. (2003). “The use of entropy for analysis and control of cognitive models”, Proceedings of the Fifth International Conference on Cognitive Modelling (pp. 21–۲۶). Bamberg, Germany: Universit¨ats–Verlag Bamberg.
[۵] Belavkin, R. V. (2002). “On emotion, learning and uncertainty: A cognitive modelling approach”, PhD Thesis, The University of Nottingham, United Kingdom.
[۶] Lo C., Wu C. (2005). “The Survey and Expansion on Quantitative Methods to Conflict Resolution”, Proceedings of the Third International Conference on Information Technology and Applications (ICITA’۰۵), ۲۶۸-۲۷۱٫
[۷] Fang L., Hipel K. W., Kilgour D. M. (1993). Interactive Decision Making: The Graph Model for Conflict Resolution. New York: Wiley.
[۸] Obeidi A., Hipel K.W., Kilgour D.M. (2005). “The Role of Emotions in Envisioning Outcomes in Conflict Analysis”, Journal of Group Decision and Negotiation, Vol. 14, No. 6: 481-500.
[۹] Kilgour D. M., Hipel K. W. (2005). “The Graph Model for Conflict Resolution: Past, present, and future”, Group Decision and Negotiation, Vol. 14, No. 6: 441-460.
[۱۰] Obeidi A., Hipel K. W., Kilgour D. M. (2005). “Perception and Emotion in the Graph Model for Conflict Resolution”, Intetnational Conference on Systems, Man and Cybermetics, ISIC.
[۱۱] Saaty T. L. (2001). The Analytic Network Process: Decision Making with Dependence and Feedback. 2nd ed., Pittsburgh: RWS Publications.
[۱۲] Gupta J., et al. (2006). Intelligent Decision-making Support Systems, Foundations, Applications and Challenges. Springer, 1st Edition, XXIV, 503p.105 illus.
[۱۳] Li Y, Hipel K.W. (2007). “The Integration of a Multiple Criteria Preference Ranking
Approach for Conflict Resolution”, Intetnational Conference on Systems, Man and Cybernetics, ISIC.
[۱۴] Phillips-Wren G., Forgionne G. (2002). “Evaluating web-based and real-time decision support systems”, Proceedings of the DSIAge Conference, 166-175.
[۱۵] Han J. (1998). “Data Mining: An Overview from Databases Perspective”, Tutorial on the Pacific-Asia Conference in Knowledge Discovery and Data Mining (PKDD-98).
[۱۶] Forgionne G., Mora M., Cervantes F., Gelman O. (2002). “I-DMSS: A conceptual architecture for the next generation of decision-making support systems in the internet age”, Proceedings of the DSIAge Conference, 154-165.
مسائل بسیاری وجود دارند که محدود به یک راهحل منحصر به فرد نمیباشند. علاوه براین، برخی از مسائل ممکن است تعداد نامحدودی مسیرهای پاسخ مشابه، داشته باشند. یک ناسازگاری[۱] هنگامی روی میدهد که تصمیمهای گوناگونی، متناظر با مسیرهای پاسخ متمایز، فراهم باشد.
به طور کلی در سیستمی که دارای مجموعه های نسبتاً بزرگی از قوانین و حقایق باشد، درج یک حقیقت میتواند منجر به صحیح شدن ارزش چندین قانون و در نتیجه فعال شدن آنها گردد. هر ترتیبی از اجرای این قوانین، میتواند نتایج متفاوتی را به دنبال داشته باشد که در این صورت این مجموعه از قوانین، مجموعهی قوانین ناسازگار نامیده میشوند. یک استراتژی رفع ناسازگاری ترتیبی را برای اجرای این مجموعه از قوانین تعیین مینماید.
سیستمهای هوشمند از قبیل سیستمهای مبتنی بر قانون، ابزارهای برنامهریزی، و ساختارهای وابسته به دانش، از استراتژیهای متفاوتی برای رفع ناسازگاری استفاده میکنند] ۲[.
در بسیاری از سیستمهای مبتنی بر قانون، موتور استنتاج، یک مولفهی نرمافزاری است که در هنگام اجرای برنامهی کاربردی، بر روی مجموعهایی از قوانین، استنتاج میکند. از جمله مهمترین وظایفی که توسط موتور استنتاج صورت میگیرد، رفع ناسازگاری است] ۴۷[. به طور کلی، رفع ناسازگاری، یک استراتژی، برای انتخاب ترتیب اجرای قوانین است هنگامی که بیش از یک قانون بتواند اجرا شود.
برای رفع ناسازگاری روشهای مختلفی وجود دارد. سادهترین راهحل، انتخاب تصادفی قوانین است. در برخی از استراتژیها، از جمله مهمترین فاکتورهایی که در انتخاب قوانین موثر است مقدار اولویتی است که توسط سازندهی سیستم به هر قانون اختصاص داده میشود که در این روش برای قوانین با الویت یکسان باید از روش دیگری استفاده گردد. روشهای خبرهتر از اطلاعات آماری مرتبط با موفقیتها و عدم موفقیتهای پیشین در هنگام بکار بردن قوانین مختلف، به منظور پیبردن به احتمال موفقیت، استفاده میکنند. همچنین برخی از روشها، هزینههای قوانین را که نشاندهندهی تلاشهایی است که حلکنندهی مسئله برای انجام اعمال بدان نیازمند است (مانند زمان) بحساب میآورند] ۲[.
به طور کلی، اخذ تصمیم، یکی از مهمترین و حساسترین فعالیتهایی است که در هر سازمان و یا تشکیلاتی صورت میگیرد] ۴۸[. برای پشتیبانی و حمایت از این روند پیچیده، دستهی متنوعی از سیستمهای اطلاعاتی مستقل بنام سیستمهای تصمیمهمیار، در طی دو دههی گذشته به وجود آمدهاند. این سیستمها به صورت ابزارهای مبتنی بر کامپیوتری که به منظور پشتیبانی از روند پیچیدهی اخذ تصمیم و حل مسئله ایجاد میشوند، تعریف و در جهت ایجاد محیطی برای تحلیل مسائل، ساخت مدلها و شبیهسازی رویهی تصمیمگیری و برنامههای تصمیمگیرندگان طراحی میگردند] ۴۹[.
این سیستمهای اطلاعاتی، که به منظور حمایت فعل و انفعالی از تمامی مراحل روند اخذ تصمیم یک کاربر، طراحی میشوند، میتوانند شامل تکنولوژیهایی برگرفته از زمینه های علمی مختلف شامل حسابداری، علوم شناختی، علوم کامپیوتر، اقتصاد، مهندسی، مدیریت، آمار و … باشند و اغلب از سه مولفهی زیرسیستم داده، زیر سیستم مدل (که دارای مکانیزمی برای پردازش داده میباشد) و زیرسیستم ارتباط با کاربر، تشکیل شدهاند] ۱۹[.
اگرچه، سیستمهای تصمیم همیار با بکار بردن منابع اطلاعاتی و ابزارهای تحلیل گوناگون، شرایط بهتر و با کیفیت بیشتری را برای تصمیمگیرندگان فراهم میسازند و داشتن یک نقش حمایتی به جای جایگزینی کامل افراد در روند اخذ تصمیم، از اهداف اصلی آنهاست] ۱۲[، اما نمیتوان آنها را به عنوان یک همیار هوشمند برای تصمیمگیرندگان در نظر گرفت. سیستمهای تصمیمهمیار هوشمند، برای مسائل عمومیایی که به تصمیمگیریهای مکرر نیاز دارند، مفید و از لحاظ اقتصادی مقرون به صرفه هستند. این سیستمهای محاورهایی مبتنی بر کامپیوتر، برای حل مسائل نیمه ساختیافته، از، ترکیب داده و دانش تخصصی و مدلهایی که برای حمایت از تصمیمگیرندگان در سازمانها بکار میرود، با تکنیکهای هوش مصنوعی، استفاده میکنند] ۵۰[.
تعاریف مختلفی از تفاوتهای میان یک سیستم تصمیم همیار و یک سیستم تصمیم همیار هوشمند وجود دارد که این امر به دلیل وجود انواع مختلف سیستمهای تصمیمهمیار هوشمند میباشد. در این سیستمها، عملکرد هوشمندانه در تصمیمگیری، با بهبودهایی نظیر ارتقاء سیستم مدیریت پایگاه مدل و یا تقویت فاصل کاربر با استفاده از تکنیکهای گوناگون هوش مصنوعی مانند پردازش زبان طبیعی و یا سایر تکنیکهای مشابه، میسر شده است. همچنین، این نوع از سیستمها با حمایت از مسائلی با عدم قطعیت، امکان پشتیبانی از محدودهی وسیعتری از تصمیمات را فراهم ساخته و میتوانند قلمروهایی را کنترل و مدیریت نمایند که در آنها روند تصمیمگیری پیچیدهتر بوده و علاوه بر مهارت و خبرگی، به ارزیابی اثر راهحل پیشنهادی نیز نیاز دارد. از دیگر مزایای سیستمهای تصمیمهمیار هوشمند نسبت به سیستمهای تصمیمهمیار، بهبود سازگاری در تصمیمات، بهبود تشریح و تفسیر و توجیه پیشنهادات ارائه شده توسط سیستم میباشد] ۱۹[.
Holsapple و Whinston از اولین محققانی بودند که به طراحی و مطالعهی سیستمهای تصمیمهمیار هوشمند، پرداختند] ۵۱[. آنها مشخصههای زیر را برای این سیستمها پیشنهاد دادند:
این سیستمها شامل انواع مختلف دانش که نمودهای انتخاب شدهایی از دنیای تصمیمگیرنده را توصیف میکنند، میباشند.
این سیستمها دارای توانایی بدست آوردن و نگهداری دانش توصیفی[۲] مانند نگهداری رویداد[۳] و انواع دیگر دانش هستند.
این سیستمها میتوانند دانش را به شیوههای مختلف تولید نموده و ارائه دهند.
آنها میتوانند دانشی را برای ارائه یا بدست آوردن دانش جدید، انتخاب نمایند.
این سیستمها میتوانند به صورت مستقیم (هوشمند) با تصمیمگیرنده در ارتباط باشند.
اگرچه این سیستمها حامیانی هوشمند و انسانگونه در روند تصمیمگیری هستند، اما تصمیمگیرندگان باید تصمیمات نهایی و بحرانی را خود اتخاذ نمایند.
رفع ناسازگاری، یک استراتژی، جهت انتخاب ترتیب اجرای قوانین است هنگامی که بیش از یک قانون بتواند اجرا شود. به طورکلی، در سیستمهایی که رفع ناسازگاری در روند استنتاج آنها صورت میگیرد، موتور استنتاج یک رویهی سه مرحلهایی شناسایی- رفع – عمل را بر روی مجموعهی قوانین اعمال میکند [۱]:
شناسایی: تشخیص قوانینی که میتوانند اجرا گردند و قراردادن آنها در مجموعهی ناسازگاری.
رفع: استفاده از یک استراتژی به منظور انتخاب یک قانون از مجموعهی ناسازگاری.
عمل: اجرای قانون منتخب و افزودن نتایج آن به حافظهی کاری[۴].
در استراتژیهای رفع ناسازگاری، لیست اجرا[۵]، فهرستی از تمامی قوانینی است که شرایط آنها ارضاء شده ولی هنوز اجرا نشدهاند. این لیست، همانند یک پشته[۶] عمل میکند و قانونی که در بالای آن قرار دارد، پیش از سایر قوانین موجود در آن اجرا میگردد. یک استراتژی رفع ناسازگاری، ترتیبی را برای اجرای قوانین موجود در لیست اجرا با اولویت یکسان تعیین مینماید.
در این فصل در رابطه با روشهایی که به منظور رفع ناسازگاری در سیستمهای مختلف بکار برده میشود، توضیحاتی ارائه شده است. این توضیحات، در ابتدا استراتژیهای سادهتر و در ادامه روشهایی با پیچیدگی بیشتر را شرح میدهد.
به طور کلی به منظور رفع ناسازگاری در بسیاری از سیستمها، از روشهای سادهایی استفاده شده که در ادامه در رابطه با هر یک از این استراتژیها توضیحات مختصری ارائه میگردد [۱]:
استراتژی تصادفی: در این استراتژی، به هر فعالسازی[۷]، یک عدد تصادفی نسبت داده میشود که به منظور تعیین مکان قرارگیری آن فعالسازی، در میان فعالسازیهایی با اولویت یکسان، بکار برده خواهد شد. در برخی از سیستمها، این عدد تصادفی هنگامی که استراتژی تغییر مییابد نیز نگاه داشته میشود تا در هنگام انتخاب مجدد این استراتژی ترتیبی مشابه، تولید گردد.
استراتژی عمقی: در این استراتژی، قوانینی که بتازگی فعال شدهاند، در لیست اجرا، در بالای تمامی قوانین با اولویت یکسان قرار میگیرند. به عنوان مثال، فرض کنید در یک مجموعهی قوانین و حقایق، حقیقت fact-a منجر به فعالسازی قوانین rule-1 و rule-2 گردد و حقیقت fact-b منجر به فعالسازی قوانین rule-3 و rule-4 گردد. حال اگر حقیقت fact-a پیش از حقیقت fact-b وارد سیستم گردد، قوانین rule-3 و rule-4 در بالای قوانین rule-1 و rule-2 در لیست اجرا قرار خواهند گرفت. مکان rule-1 نسبت به rule-2 و rule-3 نسبت به rule-4، قراردادی خواهد بود.
[۱] Conflict
[۳] Record keeping
[۴] Working Memory
[۵] Agenda
[۶] Stack
[۷] Activation
تمامی فایل های پیشینه تحقیق و پرسشنامه و مقالات مربوطه به صورت فایل دنلودی می باشند و شما به محض پرداخت آنلاین مبلغ همان لحظه قادر به دریافت فایل خواهید بود. این عملیات کاملاً خودکار بوده و توسط سیستم انجام می پذیرد. جهت پرداخت مبلغ شما به درگاه پرداخت یکی از بانک ها منتقل خواهید شد، برای پرداخت آنلاین از درگاه بانک این بانک ها، حتماً نیاز نیست که شما شماره کارت همان بانک را داشته باشید و بلکه شما میتوانید از طریق همه کارت های عضو شبکه بانکی، مبلغ را پرداخت نمایید.
ارسال نظر