智能管理技术与方法PDF|Epub|txt|kindle电子书版本网盘下载

智能管理技术与方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章　智能管理与智能管理系统1

1.1　智能管理的基本概念1

1.1.1　管理与管理系统1

1.1.2　信息系统4

1.1.3　人工智能5

1.1.4　人工智能在管理系统中的应用8

1.2　智能管理系统的基本理论12

1.2.1　智能管理系统的产生13

1.2.2　智能管理系统的框架13

1.2.3　智能管理系统的设计方法与技术15

1.2.4　智能管理系统的常用技术18

1.3　智能技术与方法概述22

参考文献28

第二章　机器学习30

2.1　概述30

2.1.1 引言30

2.1.2　机器学习的主要策略31

2.1.3　机器学习的算法理论基础33

2.2　案例学习34

2.2.1　CBR的工作特点34

2.2.2　相似性35

2.2.3　案例索引与检索37

2.2.4　CBR的修正技术38

2.2.5　案例库维护39

2.3　粗糙集理论41

2.3.1　粗糙集基本理论41

2.3.2　决策表达逻辑43

2.3.3　粗糙集与案例学习系统47

2.4　神经网络49

2.4.1　神经网络基本理论49

2.4.2　神经网络与案例学习51

2.4.3　神经网络与智能管理系统52

2.5　基于机器学习的智能管理系统55

2.5.1　基于机器学习的智能管理系统55

2.5.2　基于粗糙集的智能决策支持系统57

2.5.3　一种基于相似粗糙集技术的案例库维护59

2.5.4　基于多层前馈神经网络的案例学习系统63

参考文献67

第三章　多Agent技术69

3.1　现代管理与多Agent系统69

3.1.1　组织结构与决策机制的变化趋势69

3.1.2　现代管理对信息技术的依赖性和要求72

3.1.3　多Agent技术在现代管理中的作用73

3.2　Agent和多Agent系统的基本理论73

3.2.1　Agent的基本概念及发展历程73

3.2.2　Agent组织的形成75

3.2.3　MAS中的协商、协调与合作机制76

3.2.4　MAS的社会性和社会规范78

3.2.5　Internet环境下的Agent/MAS研究79

3.3　多Agent系统的问题求解80

3.3.1　多Agent系统的问题求解能力分析80

3.3.2　MDP与状态空间搜索85

3.3.3　基于动态MDP模型的MAS系统合作求解能力分析88

3.4　证据理论与多Agent合作问题求解94

3.4.1　D-S证据理论简介95

3.4.2　基于概念树结构的多Agent合作求解模型97

3.4.3　多Agent环境下辨识空间的调整98

3.4.4　多Agent环境下的相关证据问题102

3.4.5　Agent求解结果的合成104

3.5　多Agent环境下的决策支持和知识共享105

3.5.1　分布式环境下多Agent协作决策与知识共享的特点105

3.5.2　面向任务的知识共享多Agent系统模型106

3.5.3　分布式环境下多Agent系统的知识发现及共享109

3.6　多Agent系统中的任务调度和资源配置114

3.6.1 多Agent系统任务调度机制的设计与评价114

3.6.2　基于经济学模型的资源配置机制117

3.6.3　基于均衡市场机制的多Agent系统任务调度算法及效果分析118

参考文献122

第四章　智能优化技术124

4.1　智能优化概述124

4.1.1　智能优化124

4.1.2　智能优化技术的类型125

4.1.3　智能优化技术的特点126

4.1.4　算法及收敛127

4.2　禁忌搜索算法129

4.2.1　禁忌搜索算法129

4.2.2　禁忌搜索算法关键参数132

4.2.3　禁忌搜索算法求解TSP问题137

4.2.4　禁忌搜索算法对图结构案例的检索141

4.2.5　禁忌搜索算法的改进145

4.3　遗传算法146

4.3.1　遗传算法的主要特征146

4.3.2　遗传算法的关键问题及方法148

4.3.3　遗传算法在智能管理中的应用158

4.4　蚁群优化技术164

4.4.1　蚁群算法164

4.4.2　蚁群算法的改进168

4.4.3　蚁群算法与聚类问题171

参考文献177

第五章　数据挖掘技术180

5.1　概述180

5.2　数据挖掘的功能与方法181

5.2.1　数据挖掘的功能181

5.2.2　数据挖掘的方法183

5.3　聚类分析184

5.3.1　聚类分析概述184

5.3.2　基于密度树的网格快速聚类算法的研究186

5.3.3　一种新的基于网格的聚类算法189

5.3.4　聚类算法应用前景及发展191

5.4　文本分类192

5.4.1 文本的向量空间表示192

5.4.2　文本分类的常用方法193

5.4.3　基于交叉覆盖算法的文本分类194

5.5　时间序列分析197

5.5.1　概述197

5.5.2　基于经验模态分解的时间序列相似模式匹配197

5.5.3　时间序列预测201

5.6　离群数据挖掘206

5.6.1　概述206

5.6.2　基于粗糙集与超图的高维离群数据挖掘研究207

5.7　基于数据挖掘的智能管理系统209

5.7.1　概述209

5.7.2　结合数据仓库、联机分析处理和数据挖掘的智能决策支持系统212

参考文献215

第六章　知识管理217

6.1　知识217

6.1.1　知识概述217

6.1.2　数据、信息、知识220

6.1.3　元知识与知识地图221

6.2　知识管理222

6.2.1　知识管理222

6.2.2　知识管理与信息管理225

6.2.3　知识管理战略226

6.2.4　知识管理的运作过程227

6.3　知识管理技术229

6.3.1　知识仓库230

6.3.2　知识地图232

6.3.3　群件技术233

6.3.4　人工智能技术235

6.3.5　数据挖掘技术238

6.3.6　其他技术239

6.4　知识管理系统241

6.4.1　知识管理系统概述242

6.4.2　知识管理系统的组成及基本功能242

6.4.3　知识管理系统实现框架244

6.4.4　知识管理系统的模式246

6.4.5　知识管理系统的构建原则250

参考文献251

第七章　分形管理与技术253

7.1　分形理论及其发展253

7.1.1　分形理论253

7.1.2　分形维数257

7.1.3　分形理论的研究现状261

7.2　分形在管理领域中的应用263

7.2.1　分形在企业管理中的应用263

7.2.2　分形在经济管理中的应用264

7.2.3　分形在知识管理中的应用266

7.3　基于分形的智能技术267

7.3.1　分形聚类分析267

7.3.2　分形时间序列分析272

7.3.3　分形关联规则挖掘276

7.3.4　分形分类278

7.3.5　分形神经网络280

7.4　分形理论的进一步研究方向283

参考文献284