[发明专利]基于树状知识的复杂决策问题形式化的计算机处理方法

说明书

技术领域

本方法涉及一种复杂问题形式化的计算机处理方法，尤其是涉及一种基于树状知识的复杂决策问题形式化的计算机处理方法。

背景技术

Herbert A.Simon依据对决策问题结构化程度，将决策划分为程序化决策和非程序化决策。良结构的决策问题可用程序化的方法求解；不良结构的决策问题需用非程序化方法求解。这种观点通常侧重对决策问题结构复杂程度的认识，忽视对决策问题计算复杂程度的认识。然而，任何问题都有结构和计算两方面客观存在的特性，求解问题必须透彻理解问题的这两方面。为此，本方法将复杂决策问题定义为：具有结构复杂和计算复杂两种复杂的决策问题。其中，结构复杂是指决策问题组成元素及其关系的复杂；而计算复杂是指决策问题所含有的数据量大、计算时间长，在人的计算效率所允许的时间与空间范围内手工无法解决，需要借助计算工具来完成问题求解中计算过程的复杂。

表达与求解复杂决策问题是问题形式化的根本目的。本方法认为复杂决策问题的形式化是认识、理解，并表达问题的结构，从而提高问题的结构化程度，解决问题结构复杂的过程。问题形式化的结果作为问题求解的基础，有助于促使人们将问题形式化的结果与机器相结合，借助机器来解决问题的计算复杂。

传统的决策问题结构复杂的形式化过程一般首先是专家在错综复杂的情况下判断问题的结构，提出假设以及各种数据和信息，然后经过计算机的加工和处理求得问题的最优或满意的解决方案。然而这种方法难以适应复杂管理环境对管理决策在线和高效的要求，从而成为了复杂问题求解系统的瓶颈。而对于解决决策问题的计算复杂，决定着决策与求解质量的能力和技术不仅仅存储在我们人类的大脑中，也同样蕴涵于今天称之为“计算机”的工具之中，利用并发挥人类和计算机各自的长处，而把计算机和人结合起来，才是正确的追求目标。人们将人工智能与认知科学的理论成果引入复杂问题求解过程中，给机器注入了类似于人类的基于知识的定量处理能力，使问题求解过程建立在人的“心智”与计算机的“智能”的基础之上，对分布在人与机器之间的不同层次、不同领域的信息和知识、定性与定量进行综合集成，达到对整体的完整认识，实现人与机器的完美结合。

纵观复杂问题形式化的研究成果，按其问题知识处理范围的不同可以分为问题整体形式化方法和问题分解形式化方法。问题整体形式化方法将问题视为一个整体，使用规范的表示形式或者先前的类似问题处理经验，从全局上进行整个问题的形式化；而基于认知科学的思想，问题分解形式化方法将复杂的大问题分解为多个相对简单的小问题，然后再依次形式化这些小问题。这些研究成果将问题形式化过程中的一部分知识推理工作交由机器处理，在一定程度上提高了人机交互中机器完成工作的比重，推动了复杂决策问题形式化的研究。然而它们存在如下几个严重缺陷：

(1)复杂决策问题的形式化的目标是自动实现“问题条件改变→数学模型改变→模型求解程序改变”的连锁发应。然而，目前的方法对动态环境的适应能力依然较差，缺乏对于其领域中各类问题的辨识与理解能力，没有将问题领域知识作为其形式化工作的基础；

(2)目前多数研究成果不自觉地将复杂决策问题形式化过程中人的思考与机器的“思考”(推理)分割开来。然而，对于人类来说复杂决策问题的形式化并非一蹴而就，这一过程更需要机器的支持；并且，人机完美结合的思想认为人与机器的认知过程是统一的、相互促进、相辅相成的，作为人脑的延长，机器应能够协同人类探索问题形式化的规律，共同完成问题的形式化工作；

(3)目前的复杂决策问题形式化方法的研究成果多停留在理论层面，少有成功的应用案例，复杂决策问题的形式化方法难以兼顾通用性与实用性。

方法内容

本方法的目的就是为了克服上述现有技术存在的缺陷而提供一种动态环境的适应能力强，且具有良好的通用性与实用性的基于树状知识的复杂决策问题形式化的计算机处理方法。

本方法的目的可以通过以下技术方案来实现：

一种基于树状知识的复杂决策问题形式化的计算机处理方法，其特征在于，包括以下步骤：

1)通过人机交互系统输入问题信息，系统在问题分类树中依次遍历属性节点，搜索取值分支，直到达到问题类别所对应的叶节点；

2)系统确定复杂决策问题结构；

3)系统判断问题结构是否已经确立，如果判断结果为是则进行步骤4)，如果判断结果为否则转到步骤2)直到规则文件中的启发式知识顺次使用完毕，即得到问题的结构信息；

4)获取复杂决策问题数据信息；