本書以人工智能的發(fā)展為契機，以決策理論與方法為核心，闡述了決策分析方法與機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等人工智能算法。全書大致可分為三大部分，第一部分主要介紹貝葉斯決策、多目標(biāo)決策、多屬性決策、序貫決策、行為決策、知識發(fā)現(xiàn)與數(shù)據(jù)挖掘以及群決策等決策理論；第二部分介紹解決各類決策問題的基本人工智能算法，主要包括群智能算法、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)等；第三部分介紹決策理論與人工智能相結(jié)合的實踐應(yīng)用，即智能決策支持系統(tǒng)。各章均配有習(xí)題，大部分習(xí)題根據(jù)管理中的實際問題編撰，注重解決實際問題。本書內(nèi)容由淺入深，旨在幫助讀者理解智能決策這一決策模式。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
2004.2-2007.6，中國科學(xué)技術(shù)大學(xué)，博士研究生；
2000.1-至今，中國科學(xué)技術(shù)大學(xué)管理學(xué)院，教師。
分布式?jīng)Q策環(huán)境下的數(shù)據(jù)包絡(luò)分析理論與方法，安徽省科學(xué)技術(shù)獎一等獎，2017年，排名第4
目錄
第1章 貝葉斯決策 1
1.1 貝葉斯定理 1
1.2 貝葉斯決策問題及基本方法 23
1.3 貝葉斯決策信息的價值 32
課后習(xí)題 39
第2章 多目標(biāo)決策 42
2.1 多目標(biāo)決策的概念及特點 42
2.2 多目標(biāo)決策問題的效用函數(shù) 46
2.3 多目標(biāo)決策問題的解 51
2.4 多目標(biāo)決策方法 52
課后習(xí)題 64
第3章 多屬性決策 67
3.1 多屬性決策指標(biāo)體系 67
3.2 多屬性決策方法 73
3.3 隨機多屬性決策方法 103
課后習(xí)題 111
第4章 序貫決策 114
4.1 單目標(biāo)確定性序貫決策問題 114
4.2 單目標(biāo)隨機性序貫決策 132
4.3 多目標(biāo)序貫決策 150
課后習(xí)題 157
第5章 行為決策 161
5.1 行為決策概述 161
5.2 行為決策理論發(fā)展歷程 165
5.3 行為決策研究理論 170
5.4 行為決策模型及應(yīng)用 176
課后習(xí)題 178
第6章 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘 180
6.1 數(shù)據(jù)的快速發(fā)展 180
6.2 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘相關(guān)理論 183
6.3 數(shù)據(jù)挖掘的應(yīng)用—商務(wù)智能 203
課后習(xí)題 208
第7章 群決策 209
7.1 群決策概述 209
7.2 社會選擇函數(shù) 214
7.3 社會福利函數(shù) 221
7.4 群決策方法 226
課后習(xí)題 241
案例分析 242
第8章 群智能算法 244
8.1 群智能算法產(chǎn)生的背景及其分類 244
8.2 遺傳算法 244
8.3 粒子群算法 253
8.4 蟻群算法 256
8.5 人工蜂群算法 262
8.6 螢火蟲算法 263
8.7 布谷鳥搜索算法 265
課后習(xí)題 266
第9章 機器學(xué)習(xí) 267
9.1 機器學(xué)習(xí)的發(fā)展歷程 267
9.2 機器學(xué)習(xí)研究基礎(chǔ) 271
9.3 機器學(xué)習(xí)算法分類 275
9.4 機器學(xué)習(xí)主要算法 280
9.5 機器學(xué)習(xí)的應(yīng)用 287
課后習(xí)題 290
第10章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 291
10.1 神經(jīng)網(wǎng)絡(luò)概述 291
10.2 深度學(xué)習(xí)概述 302
課后習(xí)題 307
第11章 智能決策支持系統(tǒng)及其應(yīng)用 308
11.1 決策支持系統(tǒng) 308
11.2 智能決策支持系統(tǒng) 332
11.3 智能決策支持系統(tǒng)的應(yīng)用 341
課后習(xí)題 394
參考文獻 395
書單推薦
