سيستم های تصميم يار هوشمند

صفحه 1:
eystem 0 "اون 9 

صفحه 2:
‎Me‏ موا ذا ‎ec estou‏ ها یی اه ‎mt‏ در کامییوتر 1255 جایگاه ‎Dr. Ahmad‏ 8 تعريف 10255 ‏ا مقايسه 1955 با سیستم هاي پردازش ‎epee‏ ‏لا روند تغییرات 1255 ‎a at ‎ ‎Amirkabir University of Technology, Computer ‎Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 3:
موارد استفاده سیستم های تصمیم پار IT( Information Technology) MS( Management System) Computer based systems Computer Engineering ¥ كه ما دراين درس بر روي موارد 3و4 تمركز خواهیم کرد Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 4:
جایگاه 0096)در کامییو تر CG: Cxpent Gpstew )21: ‏اساسا یه‎ (KO: (oowledye Orquistios REL: Reasvaiey & Learcicry CR: Koowtedye Represecicion 

صفحه 5:
تعريف 155 ا 255 يكمجموعه از رويه ها را در مدلمشخص ی ریپ ردازش‌داده و کمك به مدیرلن‌در تصمیم گبري‌سيان‌مي‌کند. ا 1255 املينبار در سا لهاي1970 توسط لقاي1.65]61 مطرح شد ا واحد عملياتي در 1255 پرس وجو (0116177) که فقط مي تواند واكشي داده را انجام دهد) است و امروزه مبتني بر دانش است. 0551# م تولك دو رويكرد ملهنه باشن 21۶ اقا ۱ ۳ Goal Seeking ‏ایدلبتدا کد مجازوآن‌نوشته‎ Lt. .t.u1Modeling Systems, 95 

صفحه 6:
دازش تراکنش در سال 1970 سر 1 ‘ سیستم تصمیم یار . سیستم پردازش تراکنش پارامترهای ارزیابی واسط کاربري محاوره اي غیر محاوره اي ا سس 59 ‎ang‏ سهیل در تصم ل حال + آینده حال + گذشته ee) ‏انعطاف پذ انعطاف یذ‎ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 7:
Bea aay, روند تغییرات در 255 از سال 1970 تا 1989بگونه ای بود که در اين سال يك سيستم تصمیم پار شامل 1 يك واسط كاربري لا يك يايكاه دانش لا ومكانيزم بردازش تنل لا و این يعني ورود به دنياي 5 (آهوشمند ‎.dDSS)‏ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 8:
تفاوت يك سیستم هوشمند با يك سیستم غیرهوشمند را چگونه تشخیص میدهند؟ آنتالوزي ارائه شده در اسلاید 19 را کامل کنید. بك یم ی ار رو سیلایس درس 98( در دانشگاه هاي دیگر مقایسه تعاریف 55 از سال 1970 تاکنون و پارامترهاي ارزيابي و تغییرات آنها. بت 1299 با سیستمهای كامپيوتري دیگر ( داده و دانش) از ‎MIS. EIS. ater‏ ‎KBMS‏ 25 راجا دقر باس ای ات در 0 بيان كنيد. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 9:
معماري چند لایه ۳1 و جایگاه 5 در آن Monitor & 1 Integrator} 1 Ai 0 6" ابزارهاي سطح بالا ‎OLAP‏ پایگاه داده تحليلي ‎eae‏ 

صفحه 10:
معماري چند لایه 1ظ و جایگاه 66ظ در آن (ادامه) ] 0 777 Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 11:
معماري چند لایه ۳81 و جایگاه 055 در آن (ادامه) ] 0 777 Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 12:
معماري ره و۱۰۱۵ 

صفحه 13:
تعریف دیگری از 1055 in jp wl tub. DSS ‏در مجموعه سیستم هاي هوش تجاري‎ . ۲6101156 ‏در يك معماري‎ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 14:
ره ‎OLA‏ ‏نمی ۱۳ دک 2 omputer Engineering Falls Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 15:
معماري ۳۱6۲01156 (ادامه) اهداف و مأموریت ذخیره سازي و م‌بازنمايي سیستم اصول سیتم برنامه هاي كاربردي عملیات نشیستم عملياتي برنامة اداره را هات كار رك كل داده اي دسترسي به دادم یه برنامه هاي كاربردي آنالیز ‎٠‏ استاندارد داده سازي داده پایگاه داده برنامه هاي ۰ مجتمع سازي كاربردي داده > تلفیق اداده 

صفحه 16:


صفحه 17:
مدل سایمون- فاز هوشمندی فاز هوشمندي ‎dntelligence)‏ ‏آزمايش وضعيت جاري و تشخيص مسأله ]ل بيمايش محيط به صورت ييوسته يا متناوب ‎mt‏ تشخیص مساله قل جمه‌آوري داده‌ها و تخمین داده‌هاي آتی. تصمیمگیری أيا مسأله قابل حل هست يا خير؟ ‎at‏ مسأله دسته يندي مساله فلا درك مساله با هدف قرار دا عرضه راه حل استاندارد برا * معیار مهم دسته بندي: میزان ساخت يافتگي ( # مدل مسأله تعریف شده 1 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh آن در يك دسته از مسائل تعریف شده آ برنامه ريزي شده (ساخت یافته» برنامه ريزي نشده (ساخت نایافته» 

صفحه 18:
مدل سایمون فاز هوشمندی 8 در ‎DSS‏ ‏# تبدیل یک مسأله بزرگ (پیچیده) و بدون ساختار به یکسری مر کر وا در # انجام این کار در فاز هوشمندی # توسط 12660100511102 انجام ميشود. لا خروجی فاز هوشمندی مدل مسأله تعریف شده است. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 19:
مدل سایمون- فاز طراحی # فاز طرا احي ‎(Planning)‏ ‏فلز مدل ۸100۳0001116 ها در فاز طراحی ساخته میشود مدلسازی یعنی منهومي ساختن مسأله و مجردسازي آن به شکل كيفي يا كمي ‎Tet‏ ساخت مدل گزيتههاي مختلف تصمیم گيري ‎me‏ رويدادهاي غير قابل كنترل معيارها رابطه سمبوليك يا عددي بين متفيرهاي فوق لا بهترين 41661311506 بر اساس بارامترهاى ارزيابى براى حل مساله انتخاب ميشود Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 20:
مدل سایمون- فاز طراحی توصیف دقیق واقعیات معمولا بسیار پیچیده است ۱ 18 نقش نداشتن بسیاری از این پیچیدگی ها در حل یک مسأله خاص لا یک مدل یک نمایش ساده یا مجرد از واقعیت است و موجب 1# ساده شدن حل مسایل ا ارزيابى سريع و إرزان راه حل هاى مختلف ميشود ]ل مدل بايد ا خاصيت ياسخكوبي به تست حساسيت را داشته باشد ول با دنياى واقعى و نحوه شناخت انسان نزديك باشد Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh _ 

صفحه 21:
مدل سایمون" فاز طراحي 8 نمايش سيستم ها يا مسايل توسط مدل هاء مى تواند در سطوح مختلفى از ت 1# مدل ها براساس درجه تجردشان در سه كروه طبقه بندی می شوند: 1 مدل تجسمى (100516) كه يك نسخه فيزيكى از سيستم است. ‎(Analog) l3 Jo: iat‏ را ترح ‎oe NERS oat lan eer obs‏ انس نسبت به مدل 1001810 مجردتر ا مدل رياضى ‎(Mathematical)‏ ‏ل بيجيدكى روابط در بسيارى از سيستم هاى سازمانى را نمى توان با دو مدل قبلى نشان داد: #لمدل ریاضی از هر دو مدل قبلی مجردتر اشت. # بیشتر تحلیل های 255 توسط این مدل انجام می شود. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 22:
مدل سایمون- فاز طراحی لا در رابطه با هر مدل موضوعات زیر باید روشن باشد: ا اجزاء مدل ‎Mt‏ متغیرهای تصمیم گیری متغیرهای غیر قابل کنترل (پارامترها) ‎Mt‏ متفیرهای نتیجه (خروجی) # ساختار مدل لا نحوه انتخاب مدل (ارزیابی) ‎Altenative sJ,3 mf‏ ا تخمين خروجى ل اندازه كيرى خروجى Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 23:
مدل سایمون" فاز طراحي روشهای مختلف تست مدل در مرحله ارزیابی مدل: ‎Sensetive Test m‏ محکم بودن (اکتاط30) : 1016 باشد # کامل بودن (0۳00[61670655)) : همه استثناء‌ها را پوشش دهد ‎Multiple Goal Test m‏ ‎Trial and Error‏ ‎What If analysis m‏ ‎Goal Seeking m‏ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 24:
مدل سایمون- فاز طراحی مدل ریاضی در 4 قدم تشکیل میگردد: # شناخت متفیرها اجزاء مدل) یاه رابطه بين متغيريها بوسيلة عبارات رياضى واجدرى: معاد لات و نامعادلات قلا ساده سازی ازطریق ارائه مفروضات درمورد متفیرها و روابط بين آنها الا تطابق ‎(lo GG) Gis clots beat San‏ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 25:
مدل سایمون- فاز طراحی فلز پارامترهای ارزیابی برای انتخاب بهترین ۸1۲6۳0۵1376 لا زمان ميزان سادكى ساخت (يادكيرى + زمان + هزينه) 1 هزينه اجرا ]لا ميزان ريسك ‎It‏ وضعيت 163128129 مدل ميزان استفاده از ابزارهاى كرافيكى ]قا بمنظور مقايسه و ارزيابى كزينه هاء بيش بينى خروجى هريك از كزينه هاى بيشنهادى ضرورى ست ]9 انواع خروجى مطمئن ف همزا )ريس لا ‎obs‏ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 26:
مدل سایمون- فاز طراحی فلا بسته به اينکه برای انتخاب یکی از ‎Alternative... ;| » Alternative‏ هاى موجود به عنوان راه حل مسأله. چه اصولی را لحاظ کنیم. دو نوع مدل وجود دارد: ]لا ‎Normative Js:‏ ‎eal‏ من سود كد عرزي ‎uss sed aga‏ برای سل ستاله ینت بهترين كزينه بر اساس تئوری تصمیم گیری 10۳001156 انجام می شود ‎Descriptive J+ lat‏ 1 جيزها را آنكونه كه بايد باشند توصیف مى كند. نه. آنكونه كه انتظار مى رودء باشند اين مدل مبتنى بر رياضى است ... کرت مف توت این سل ‎ate a‏ ‎Sui Enough‏ #6 متداولترین ‎Gimulationy 5,1. + Descriptive ila. jp!‏ != ]قل ساير ابزارها Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh داب ممكن نيست بلكه انتخابى مبتنى بر 6000 

صفحه 27:
مدل سایمون- فاز طراحی #الا تلوری تصمیم گیری 017081176[ بر اساس فرضیات منطقی و عقلانی زیر فى باش 89081 ‏انسان یک موجود اقتصادی است که هدفش. بیشینه ساختن امکان دستیابی به‎ Ill ‏هاست‎ #ل[ برلى اتخاذ يك تصميم تمام كزينه هاى حل مسأله و نتايج حاصل از أنها بايد شناخته Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 28:
مدل سایمون" فاز طراحي Descriptive c;Joo clo,)}) pL. Mt winformation flow mScenario analysis mFinancial planning wmComplex inventory decisions wm Markov analysis (predictions) wEnvironmental impact analysis mTechnological forecasting mWaiting line (queuing) management Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 29:
تعرین # مفهوم واژه های زیر و رابطه آنها با مدل چیست؟ ‎(-l-5) Deduction 1#‏ ‎Trial and Error @‏ )»+9 43( ‎Ge sSe4 pl4) Abduction mt‏ ‎Default m‏ )+4 & وستصدعة1 5618 (خودلمويى ‎mf‏ 1102-2202060216 (لستنتاج غيريكواخيك ‎Gop] tas fs.) Heuristic mt‏ #6 122611161012 (دركشهودى 1# ۸0۵1006 (تمنیق ‎Amirkabir University of Technology, Computer‏ Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 30:
۱ ‎Mt‏ انواع روشهای 160503100 را توضیح دهید؟ ‎Sas; Lineare Programing | abil, ‏چند مثال در‎ mt ‏# تولید ۸۸6۲۳۵1376 در 285 بر مبنای مدل ریاضی چه زمانی متوقف ميشود؟ ‎im‏ يك 026161156 براى ساخت مدل ارائه دهيد. ‏ذا مدل 110171316156 خودكشى را رسم كنيد ‎Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 31:
مدل سايمون- فاز انتخاب ا ‎BN ee‏ شده در فاز مدلسازی بعنوان راه حل مسأله انتخاب می شود این فاز شامل جستجو ارزيابي و پیشنهاد يك راه حل مناسب برای مدل است #[ حل مدل به معنی حل مسأله ای که آن مدل نشان می دهد. ثیست حل مدل به حل مسأله منجر مى شود ل يك راه حل ‎ly‏ مدل به معنى تعيين مقادير متفيرهاي تصميمكيري برلي كزينه انتخابى است ابي 9# در ین فاز برای انتخاب گزینه مناسب حل مسأله ازطلمت56 استفاده می شود Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, i Dr. Ahmad Abdollahzadeh 

صفحه 32:
انواع ‎Search‏ ويؤكى ها مدل سايمون- فاز انتخاب ptimizatio| n (Analytical) اتولید راه حل بهبود یافته یا یافتن راه أحل بهينه بطور عن عد ديك امكان هيج بهبود دی وود انداشته باشد. مدلهای ا تاقوا Complete n تمام راه حلهای اتمام مقایسه: زماتی] که همه راه حلها چک شنده باشتد: هينه مدلهاى Normativ |Enumeratio آممکن چک میشوندا Blind Partial فقط بعضی راه حلها چک میشوند (بطورسیستماتیک راه حلهای نامناسب حذف يشوند) eer acl atl 6000 ‏مانی که به‎ «=» Enough] بهترين در بين راه حل ‎cle‏ جى شذه مدلهاى Necrrintive Heuristics فقط راه حلهای امید بخش ‎Se‏ میشوند ان که ند ‎Good Enough‏ برسيم Good Enough مدلهای Descriptiv 

صفحه 33:
مدل سایمون- فاز اجرا فاز اجرا (010ع6 ص016 #سنجش تحلیل‌ها و پیشنهادات #ارزش گذاری نتایج و اطمینان از تصمیم اتخاذ شده #ایجاد طرخ اخرایی ‎Mt‏ تامين منابع ‎a‏ ‏#اجراي راه حل Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 34:
‎Ml‏ روشها و تئوریهای تصمیم گیری چیست؟ ا تمرينهاى آخر فصل 2 ‏1# (ص.83-82) تمارين 13-1 به فارسى تايب كنيد و تمارين 3و4و12و3 1راخل كنيد ‏ها ص.85 تمرين3 حل شود 1 بقيه تمرينات فقط خوانده شوند ‎Search choi bol mt‏ هوشمند چیست؟ ‎ ‎Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 35:
نوع تصميم اساخت يافته كنترل عملياتي خسايهاي درياقتية اكيت سفارش ساختنياقته oe عورد يا انوع کنترل کنترل مديريتي | طراحي استراتزيك تحلیل بودچه, مدیریت مالي ( سرمایه ‎saat See,‏ گذاري). گزارشات شخمي, مكان يبي انار ‎yar bs‏ کرک سيستم‌هاي توزیع شده رین جر که طرح‌بندي کارگاه.زمان‌بندي تبادلنظرءاستخدم ید مجري جدید, خرید سخت ‎i‏ بشتراي: سيستم‌هاي اطلاعات مدبریت؛ ‎DSS. ES. EIS‏ ne ‏سات كاركاه‎ eee eee Sais Jes ole 102 ‏طراعي‎ ‏توسعه تكنولوزي جدید.‎ ‏اجتماعی‎ ily ole ‏سيستم تصميعيار.‎ oe شبكه‌هاي غصبی نمونه >[01 ۳۲81061۷7 براي تعیین سيستمهاي مورد نیاز يك سازمان مدیریت, مدل‌هاي علوم مدیریت, مدل‌هاي ‎“gs‏ مدل‌هايآماري Peace ‏سيستم‎ Peers ps gts uss 

صفحه 36:
تعریف کاملي براي آن ارائه ‎Ml‏ مشخصات کلی سيستمي به منظور پشتيباني از تصمیم‌گيري نیمه ساخت‌یافته لا مشاوري براي تصميم كيران ولي تصميم كيري نمي كند ]لا مبتني بر کامپیوتر ‎(On-line) L » i‏ ا رابط كاربر و خروجي هاي كرافيكي Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 37:
سطوح گوناگون تصمیم‌یاری ا انواع سيستمهاي موجود بر اساس شيوه يشتيباني از تصميم كير ]8 سیستم تصمیم یار (055) ]ا سيستم اطلاعات اجرايي (1515) ]ا سيستم مبتني بر دانش (1685) سيستم يادكيري ماشين ‎(MLS)‏ ‏]للا سيستم بهبود خلاقيت (0155) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 38:
روشهاي ‎Scone Learning‏ ‎‘cu. DataBase , Knowledgebase «,us‏ ‎Methodology ,Process 3,3‏ چیست ؟ (حداقل بر مبناي 3 مرجع ) و نقش 86 در آن چیست؟ 1 دو ‎sly Framework‏ طراحي و تحلیل سیستمها در 81 معرفی کنید. ‎Definition‏ 006ز۲۳0 در ساخسیستمهاینرم لفزاري‌چیسگ دارلی‌چه ساختٍولسک انواع روشهاي تست سیستم چیست؟ ‎Framework‏ لساد 20 را برلي131 در ی كسازمان‌دلخولم (مانند وزارتب ‎GIF J‏ تسهیه کید 1 ? Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 39:
يك سیستم مجموعه اي از اشیاه مانند: کاربران؛ منابع» مفاهیم و رویه ها مي باشد كه به متاو ‎Ben rae es ee‏ هر سیستمی در واقع یک زیر سیستم درون یک سیستم بزرگتر است (سیستم دارای خاصیت سلسله مراتمی است) ارتباطات درونی و محاورات بین زیر سیستم های یک سیستم. رابط ‎terface)‏ نامیده می شود. ‏هر سیستم به سه بخش مجزا تقسیم می شود: ‎me‏ ورودى ها ‎ ‎mt‏ پردازش ها خروجى ها 1 ‏بخش هاى فوق توسط يك محيط احاطه مى شوند و غالباً شامل يك مكانيزم بازخرد مى باشند. در ضمن يك فرد تصميم كير نيز به عنوان بخشى از سيستم در نظر كرفته عي بود ‎Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 40:
تعریف سیستم (ادامه) محیط یک سیستم شامل عناصر متعددی است که خارج از سیستم قرار می کیک ویر وى عملکره شش واه سای ملسم نه امد افق تاذ می گذارند. یک روش برای تشخیص عناصر محیط یک سیستم. طرح دو سئوال زیر است: 1 ابا تیان به اف بت ‎GM pte ay way‏ 2 آیا کنترل عنصر در اختیار تصمیم كير است؟ فقط در صورتی که پاسخ سئوال اول مثبت و پاسخ سئوال دوم منفی باشد. مسر كور ‎AAMAS I INNER‏ #: یک سیستم توسط یک مرز از محیطش جدا می شود. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 41:
تعریف سیستم (ادامه) ‎il‏ سیستمها از نظر وابستگی به محبط دو نوع اند: یس بسكه مانتد 2259-9125 سیستم باز مانند 55 و ‎ ‏2 براى تشخيص باز يا بسته بودن یک سیستم دو سئوال زیر مطرح می شود: 1 ی مس رنه مت ‎٠2‏ أآيا مى توان مخيط را تاذيدة كرفت؟ ‏فقط در صورتی که پاسخ سئوال اول مثبت و پاسخ سئوال دوم منفی باشد. یشنم مد کوربه محیطتین وامشته مات اگر یک سیستم به محیطش وابسته باشد. باز و در غیر اینصورت بسته است. ‎Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 42:
دو معیار ارزیابی عملکرد یک سیستم ‎Mm‏ عملکرد یک سیستم با دو معیار زیر ارزیابی می شود: 1. ۳666011۷60695 لنجام کار دیست ‎Susy pleil Efficiency .2‏ ‎mt‏ در 1۷155 تأکید ب » ‎Effectiveness) C19 poi Skul‏ | 5 است تا درستی محاسبات مربوط به رسيدن به ن تصميم ‎(Efficiency)‏ ‎ ‎Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 43:


صفحه 44:
# روشهای مختلف بازنمایی دانش چیست؟ روشهای ارزیابی یک سیستم داده ای؟ ‎Gm Ad-hoc Reasoning ™‏ 255 هر مرحله از 66017016 را بنویسید؟ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 45:
نمایشی دیگر از معماری 155 داده: خارجی و داخلی 

صفحه 46:
oes _روشهای مختلف تخمین چیست؟ ‎Ml‏ تمرینات آخر فصل 3 لورت زین هکرس ایو # یکی از آنها به اختیار حل شود؟ # حداقل 2 تا از تمارین اینترنتی به دلخواه حل شوند؟ برای یک بیمارستان میخواهیم یک 1958 بسازیم. خروجیهای پیشنهادی این 5 را بیان کنید. برای فعال نمودن ۸166۲10811۷6 هاء سناریو بنوبوسید. Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 47:
دسته بندی مدلها ابهیته سازی مسائلی که دارای ‎bAlternative‏ ‎ities‏ محدودی بهینه سازی از طریق الگوریتم بهینه سازی از طریق یک فرمول تحلیلی شبیه سازی «طمتاهلهنع) Heuristics مدلهای دیگر فرایند و اهداف یافتن بهترین راه حل از بین تعداد ‎Alternative _.5‏ یافتن بهترین راه حل از بين تعداد زياد ‎Alternative osx Ly 5‏ | استفاده از فرایند بهبود قدم به قدم یافتن بهترین راه حل در یک قدم با استفاده از یک فرمول يافتن يك ‎good enough J> al,‏ يا بهترين راه حل از بين 161816 های چک شده با استفاده از آزمایش یافتن یک راه حل ‎good enough‏ با استفاده از قواعد حل يك مورد181186-15 با استفاده از ال جداول تصميم كيرى و درختهاى تصميم كيرى مدل برنامه سازى خطى و ساير مدلهاى برئامه سازى رياضى و مدلهاى شبكه مدل برنامه سازى خطى و ساير مدلهای برنامه سازی ریاضی. مدلهای مورد استفاده در تعیین مکان انبارداری روشهاى مختلف51112111361011 برنامه سازى 181610215806 و اسيستم هاى خبره waiting lines, Jl cles 

صفحه 48:
ub Verification, Validaton لا مدل باید همواره موجب کاهش هزینه و زمان پردازش شود. مدل سس داده + دانش ‎if‏ دانش سسه ]مج و101 : وجود 18016 لازم ولی وجود 7200 اختیاری است ‎Mf‏ دانش 33 4 ‎Verification, Validation‏ دارد ( 6۵ ۷) لا فرضيات 1# دانش موردنظر در اينجا به صورت 181116 است 19 كليه قواعد يايكاه دائش. قطعى هستند (017 آنها برابر 1 ميباشد) فلز استراتژی استنتاج از نوع رو به عقب (128310120© 026110/310) ميباشد فلز (2)1 مجوعه شرليط قاعده >1 لا (7)6)مجموعه نتایج قاعده ۲ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 49:
ob Verification , Validaton 1 دانش باید لازم و کافی باشد: اگر ‎FC(R1)} {P(R2)} ={P(R1))} +‏ (رمعع) آنگاه 8۱ اضافی است و باید حذف شود R1: If A=x and B=b Then C=z R2: If A=x and B=b Then C=z and D=w (ass Verifylel cu! Valid ) ‏لذا طبق اصل ۰1 1 اضافی است‎ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 50:
ob Verification, Validaton 2 رفع تضاد بين قواعد: ((6)51)- زر2عم) 2 اما ((0)861) در تضاد با ((182)©) باشد, آنكاه 11 و12 با هم متضادند. R1: If A=x and B=b Then C=z R2: If A=x and B=b Then C=w Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 51:
ob Verification, Validaton 3 ‎ )2)81(( ssi‏ “رمعم و ((0)81) - ررمعن) آنكاه 2 اضافی است و بايد حذف شود: ‎R1: If A=x ‎Then C=z ‎R2: If A=x and B=b Then C=z ‎Amirkabir University of Technology, Computer ‎Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 52:
ob Verification, Validaton 4 مقادیر غیرارجاع: مثلاً فرض کنید متغیر 1 بتولند یکی از مقادیر ط0لط وصننهع و10 را بكيرد. در اينصورت ما بليد قواعدى داشته باشيم که هر سه مقداری را که 1 If I=high Then In=b1 If I=low Then In=b2 همانطور كه مشاهده ميشود براى ‎medium jks‏ قاعده ای در نظر گرفته نشده است. در این حالت ‎medium jade‏ يك مقدار غير ارجاع ميباث Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 53:
ob Verification, Validaton 5 مقادیر غیر قانونی If I=veryhigh Then In=b4 كل با فرضی که برای متذیر 1 در اسلاید قبلی کردیم. این متفیر مقدار و۲6۳7 را نمیتواند بگیرد. لذا استفاده از این مقدار در قاعده فوق غير ‎edt‏ ف در ‎leas eas ae cs Se‏ از ان کر دا سید فاعده در خللى كه لن مقدار در مجموعه مقادير قلبل انتساب يدا لن متفیر نباشدء غير قانونى Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 54:
ob Verification, Validaton 6 مقادیر غیر قابل دسترسی به عنوان مثال زنجیره قواعد زیر را در نظر بگیرید: R1: If A=U Then C=W 132: 1۶ 02۷ Then D=X R3: If D=X Then E=Q R4: If E=Q Then goal=yes اگر قاعده 13 نباشد دسترسی به 0021 غیر ممکن میشود Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 55:
مدلسازی هل ستیشتههای انضمیم: با رغال اردملهای-کمی ات فاده میکتهه در تعالنکه سای خيزه ار مدلهای مس الیو کف تسده لا مدل ایستا: یک برش از فعالیتهای ثابت ‎by Mt‏ ارائه سناريوهاى مختلف و متغير در طول زمان ايك مدل توسعه يافته ايستا ميباشد ا متغيرها دراين مدل. مطمئن. غيرمطمكن ويا همراه با ريسك ميباشند Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 56:
بهینه سازی از طریق برنامه سازی ریاضی که سای ری سی یی رارهای ات ری رات ‎Linear Programming (LP) i‏ معرمفتریرتکنیکدر خانوادم برنامه ‎on ee ay‏ ‎LP fat‏ بطور گسسترده در 195 لستفاده میشود ‎Jal‏ خصوصیات مسائل قابل حل توسط ‎LP‏ ‏ال منابع اقتصادی محدودی برای تخصیص وجود دارد ‎IML‏ منابع در تولید محصولات یا خدمات مورد استفاده قرار میگیرند 19# دو یا بیشتر راه برای استفاده منابع وجود دارد و هر یک از این راه ها یک ‎oly‏ حل یا برنامه تامیده میشوند 19 هر فعاليت موجب توليد محصول در راستاى هدف ميشود ‎Ma‏ تخضیص معمولا بوسیله تعذاد زبادی محدودیت و نیازمتدی محدود میشون Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 57:
Heuristic Programming Heuristic Programming ‏را پشتیبانی میکند‎ 0000 enough «ls LP 3 Ji ‏است:‎ JbLs Heuristic Programming Ji Tabu search ja Genetic algorithms Ja ‏لو میباشد‎ ‏]للا كاريرد‎ ‏ورودى غيردقيق و محدود باشد‎ oslo ‏واقعيت بحدى بيجيده باشد كه از مدلهاى بهينه سازى نتوان استفاده نمود‎ ‏يك الكوريتم قابل اعتماد و دقيق موجود نباشد‎ 8] ‏مسائل بيجيده براى بهينه سازى يا شبيه سازى. صرفه اقتصادى ندارند و یا زمان محاسبات زيادى را‎ 1] ‏مي‎ ‏امكان بهبود كارابي فرايند بهينه سازى وجود داشته باشد (مثلاً از طريق توليد يك راه حل شروع‎ I 5 Me ‏نياز به اتخاذ تصمیم سریع باشد و امكان الستفادهازکامپیوترنباشد (بحضی 830007356 ها نز به‎ #6 کامپیوترتدارند ) Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 58:
متدولوزی شبیه سازی شامل مراحل: تعريف مسأله ]ل تعيين هدف و منظور ]ا تعريف محيط و محدوديتهاى سيستم ]قا ساخت مدل شبيه سازى قل تعيين متغيرها و روابط بين آنها و جمع آوریداده ]ل اغلب قرايتد بوسيله يك فلوجارت. توصيف و سيس يك برنامه كامبيوترى نوشته ميشود ]ا تست و اعتبارسنجى مدل ]1 طراحى آزمايش 18 اداره كردن أزمايش ا مسائلى از قبيل توليد اعداد تصادفى و ارائه نتايج آزمایش بياده سازى نتایج شبیه سازی Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 59:
انواع شبیه سازی لا شبیه سازی احتمالی شامل یک یا چند متغیر مستقل احتمللی که از توزیع احتمال معینی توزیع احتمال پیوسته 6 توزيع احتمال گسسته 6 شبیه سازی بصری # نمایش گرافیکی نتایج کامپیوتری که ممکن است شامل متحرک سازی یز باشند لا شبيه سازى شيء كرا 1111 ی کلبزار مدلسازیلستکه برلی‌سیستمها و کلبردهای‌شی گرا طرلحی شده لست Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 60:
زبانهای مدلسازی لا زبانهای مدلسازی برای ساخت مدلهای ریاضی ‎Lingo m‏ ,۸۵۷۲۳ ‎GAMS m‏ Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 61:
oes {c..>AHP (Analytical Hierarchical Processing) ‎Mt‏ انواع 100016 چیست؟ ‏8 نحوه نگهداری ‎Case‏ در 58856 160016006 ؟ ‎Mm‏ چارچوب ‎Sys‏ دارای چه مفهوم و مشخصاتی است؟ ‏ارلئه يك مسأله و آناليز آن به كمك ‎Gils oly 5 Influence Diagram‏ آن برروی 50۲6۵06۳66 ‎Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 62:
مراجع 1] Burstein F., Bui T., Arnott D., Decision support in the new millennium, Decision Support Systems 31/2, Elsevier Science B.V., pp. 163-164, June 2001 [2] Carlsson C., Turban E., DSS: directions for the next decade, Decision Support Systems 33/1, Elsevier Science B.V., pp. 105-110, May 2002 ‏كرايشات آتي تحقيقاتي و كاربردي‎ 3] Courtney J.F., Decision making and knowledge management in inquiring organizations: toward a new decision-making paradigm for DSS, Decision ‎Support Systems 31, Elsevier Science B.V., pp. 17-38, 2001‏ شيوه تصميم كبري بأ سيستم تصمیم یار ‎4] Forgionne G. A, Mora M. Decision making support systems: achievements, challenges and opportunities, Decision Making Support ‎Systems; Mora & Forgionne, Jadinter Gupta, pp. 392-402, 2002 ‏دست يافته هاو مباحث تحقيقاتي‎ ‎Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh ‏هص 

صفحه 63:
oe [ 5] Forgionne G. A., An architecture for the integration of decision making support functionalities, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 40-70, 2002 سطوح مختلف تصمیم ياري و سيستمهاي تصمیم یار مرکب [ 6]Nemati H.R, Steiger D. M., Iyer L. S., Herschel R. T., Knowledge warehouse: an architectural integration of knowledge management, decision support, artificial intelligence and data warehousing, Decision Support Systems 33/2, Elsevier Science B.V., pp. 143-161, June سیستم هاي تصمیم یار راهبر داده و راهبر دانش ‎71Pomerol J.C., Adam F., From human decision making to DMSS‏ [ ‎architecture, Decision Making Support Systems; Mora & Forgionne,‏ ‎Jadinter Gupta, pp. 40-70, 2002‏ تصمیم گيري بشر و سطوح مختلف تصمیم گيري ‎Power DJ., Categorizing Decision Support Systems, A‏ ]8[ ‎‘Multidimensional Approach, Decision Making Support Systems; Mora‏ ‎Forgionne, Jadinter Gupta, pp. 1-19, 2002‏ & ‎Power D,J., Supporting Decision-Makers: An Expanded Framework,‏ ]9 [ ‎Informing Science, June 2001‏ Amirkabir University of Technology, ebmmptitas® A s+ Ss Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

صفحه 64:
مراجع [ 10] Sen A., From DSS to DSP: A Taxonomic Retrospection, Communications of the ACM (CACM) 41/5, pp. 206-216, May 1998 ‏تاریخچه و سیر تكاملي سيستمهاي تصمیم یار‎ [11] Shim J.P., Warkentin M., Courtney J. F., Power D. J., Sharda R., Carlsson C., Past, present, and future of decision support technology, Decision Support Systems 33/2, Elsevier Science B.V. pp. 111-126, June 2002 گذشته و حال و آینده سيستمهاي تصمیم یار ‎Turban E., Aronson J.E., Decision support systems and‏ ]12 [ ‎intelligent systems, Prentice Hall, 2001‏ تعاریف اولیه ‎Turban E., McLean E., Wetherbe J., Information technology for‏ ]13 [ ‎management, John Wiley, 2000‏ تاریخچه و چارچوب تصمیم ياري Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 

تم يس ‏س مهای مي  منديارتص هوش ارائهدهندهدکتراحمدعبداللهزاده باسسولزادگان تنظيمکنندهع ر فهرست موارد استفاده سيستم هاي تصميم يار Dr. Ahmad Abdollahzadeh جايگاهDSS در كامپيوتر DSS تعريف با سيستم هاي پردازش تراكنشDSS مقايسه ‌ DSS روند تغييرات ... 2 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh موارد استفاده سيستم های تصميم يار IT( Information Technology) MS( Management System) Computer based systems Computer Engineering .1 .2 .3 .4 تمركز خواهيم كرد4و3 كه ما دراين درس بر روي موارد 3 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh دركامپيوترDSS جايگاه کامپيوتر مهندسی کامپيوتر ارتباطات نرم افزار سيستم های پردازش داده تکنيک کاربرد MIS DSS ابزار علم کامپيوتر سخت افزار سيستم های پردازش دانش سيستم های هوشمند تکنيک کاربرد ابزار KR KA R&L NLP ES BIDSS Lisp ES: Expert System BI: Business Intelligent KA: Knowledge Acquisition تکنيک کاربرد ابزار R&L: Reasoning & Learning Amirkabir University of Technology, Computer KR: Knowledge Representation Engineering Faculty , Intelligent Systems Laboratory, ESDSSMIS 4 Dr. Ahmad Abdollahzadeh تعريف DSS DSSي>>ك م>جموعه از رو>ي>ه ها را در م>دلم>شخصب>>را>يپ>>رداز>شداد>ه> و ك>مك ب>>ه م>ديرا>ندر ت>>صميم گ>>يريب>>يانم>يك>ند. DSSاو>ل>ينب>>ار در س>>ا>>له>اي 1970ت>>وس>ط آ>قاي Lesterم>طرح ش >د. واحد عملياتي در DSSپرس وجو ( Queryكه فقط مي تواند واكشي داده را انجام دهد) است و امروزه مبتني بر دانش است. DSSم>يت>>وا>ند دو رو>ي>كرد دا>ش>ته ب>>اشد: ‏What If ‏Goal Seeking >تي>>عنيب>>ايد ا>ب>تدا ك>د م>جاز>يآ>نن>>وش>ته DSSي>>ك Modeling Systemا>س ، ش>>ود. ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 5 مقايسه DSSبا سيستم هاي پردازش تراكنش در سال 1970 انواع سيستم پارامترهاي ارزيابي سيستم تصميم يار سيستم پردازش تراكنش واسط كاربري محاوره اي غير محاوره اي نوع كاربر مديران اجرايي هدف تسهيل در تصميم گيري تسهيل دراجرا زمان حال +آينده حال +گذشته قابليت انعطاف انعطاف پذيرتر انعطاف پذير ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 6 ‌ ‏DSS روند تغييرات رون>د تغييرات در ‌DSSاز س>ال 1970ت>ا 1989بگون>ه اي بود كه در اين سال يك سيستم تصميم يار شامل يك واسط كاربري يك پايگاه دانش ومكانيزم پردازش شد. و اين يعني ورود به دنياي DSSهوشمند (. )IDSS ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 7 تمرين تفاوت يك سيستم هوشمند با يك سيستم غيرهوشمند را چگونه تشخيص ميدهند؟ آنتالوژي ارائه شده در اساليد 19را كامل كنيد. يك سيستم هوشمند‌ ،نيمه هوشمند و غيرهوشمند مثال بزنيد. سيالبس درس DSSدر دانشگاه هاي ديگر مقايسه تعاريف DSSاز سال 1970تاكنون و پارامترهاي ارزيابي و تغييرات آنها. تفاوت DSSبا س>يستمهاي كامپيوتري ديگ>ر (مبتني بر داده و دانش) از جمله MIS، EIS، ES، KBMSو ...را با ذكر پارامترهاي ارزيابي استاندارد در قالب يك جدول بيان كنيد‌ . ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 8 معماري چند اليه BIو جايگاه DSSدر آن کاربردها تحليل داده‌كاوي پرس‌وجو و گزارش‌گيري سرويس ‏DSS ‏Monitor & ‏Integrator داده‌جانبي پايگاه داده تحليلي استخراج تغييرشكل بارگذاري نوسازي سايرمنابع پايگاه‌هاي داده عملياتي ‏Data Marts ابزارهاي سطح باال ‏OLAP پايگاه داده تحليلي منابع داده 9 DSS و جايگاهBI معماري چند اليه )در آن (ادامه DATA SOURCES STAGING AREA DATA WAREHOUSE Application Databases DECISION SUPPO _________ _________ _________ _________ _________ _________ _________ _________ _________ _________ _________ _________ Reports Packaged application/ERP Data DATA MARTS INCOME INCOME ANNUAL ANNUAL REPORT REPORT ___ ___ ___ ___ ____ ____ _____ _____ ___ ___ __ __ ___ ___ ___ ___ ____ ____ _____ _____ ___ ___ __ __ ___ ___ ___ ___ ____ ____ _____ _____ ___ ___ __ __ Desktop Data EXTRACTION TRANSFORMING CLEANING AGGREGATION EIS DATA WAREHOUSE OLAP External Data Web-based Data 10 OR Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh Statistical & Financial Analysis  درDSS و جايگاهBI معماري چند اليه )آن (ادامه DATA SOURCES STAGING AREA DATA WAREHOUSE Application Databases DECISION SUPPO _________ _________ _________ _________ _________ _________ _________ _________ _________ _________ _________ _________ Reports Packaged application/ERP Data DATA MARTS INCOME INCOME ANNUAL ANNUAL REPORT REPORT ___ ___ ___ ___ ____ ____ _____ _____ ___ ___ __ __ ___ ___ ___ ___ ____ ____ _____ _____ ___ ___ __ __ ___ ___ ___ ___ ____ ____ _____ _____ ___ ___ __ __ Desktop Data EXTRACTION TRANSFORMING CLEANING AGGREGATION EIS DATA WAREHOUSE OLAP External Data Web-based Data 11 OR Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh Statistical & Financial Analysis برخي از خصوصيات DSS تصميم گيري مستقل يا .غير وابسته ارائه كند به روشهاي مختلف تصميمگيري دسترسي داشته باشد بايد بتواند داده هاي نيم ساختيافته .را پردازش كند انعطاف پذير باشد برمبناي مدل باشد براي گروه و تصميم گيري آنان مؤثر باشد ‏DSS بايد با توجه به اصول معماري ‏Enterprise ساخته شود. براي مديريت مورد استفاده قرار مي گيرد واسط كاربري قابل استفاده براي همگان .داشته باشد Effectiveب>>اشد بطور زايشي تكامل يابد >ت>ن>جام د>هد) (ك>ار>شرا در>س ا (داراي قابليت ‏Learningباشد) ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, كاربر باشد در كنترل ‏Dr. Ahmad ‏Abdollahzadeh 12 DSS تعريف ديگري از ت>>حليلي >ت>ا س>>يستمت>>حليلي ي>>كس>>يستم >تاز ي>>ك >ت>سس>تاز ع>ع>بابارر اDSS DSS تجاري هوش تجاري هاي هوش سيستم هاي مجموعه سيستم دردر مجموعه . . Enterprise Enterprise معماري يك معماري در يك در 13 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh Enterprise معماري م ش ت ر ي پ ش ت ي ب ا ني CRM EIM DW DM توزيع DB KMS OLA OLTP P SCM ار IDSS ليست اموال ز ا ب 14 ER P فرو ش IA قيمت گذاري محصول ام و ر م الي Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh معماري ( Enterpriseادامه) ذخيره سازي و بازنمايي کاربردي هايکاربردي برنامههاي برنامه عملياتي عملياتي کاربردي هايکاربردي برنامههاي برنامه داده دسترسيبهبهداده دسترسي آناليز کاربرديآناليز هايکاربردي برنامههاي برنامه داده داده هاي برنامه داده افزاري سخت بستر هاي برنامه پايگاهداده پايگاه افزاري سخت بستر کاربردي شبکه کاربردي شبکه داده پايگاهداده مديريتپايگاه سيستممديريت سيستم ابزار ووابزار افزار ميانافزار ميان معماري تجارت معماري اطالعات معماري برنامة کاربردي .2 معماري تکنولوژي ارائه داده .1مديريت مأموريت اهدافوومأموريت اهداف سيستم سيستم يتم سِ سيتم اصول اصول ِ سيستم عملياتسيستم عمليات سيستم ادارهسيستم برنامةاداره برنامة اي دادهاي مدلداده مدل ‏Enterprise ‏Enterprise • • استاندارد استاندارد داده سازيداده سازي • سازي مجتمع • مجتمع سازي داده داده • داده تلفيقداده • تلفيق • داده کيفيتداده •کيفيت محتوا داده • • دسترسي به داده دستکاري داده • • مجتمع سازي داده پاکسازي داده 15 Simon’s 4( فاز4 درDSSمعماري ) Phase 16 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh مدل سايمون -فاز هوشمندی فاز هوشمندي ()Intelligence آزمايش وضعيت جاري و تشخيص مسأله پيمايش محيط به صورت پيوسته يا متناوب تشخيص مساله جمع‌آوري داده‌ها و تخمين داده‌هاي آتي تصميمگيری آيا مسأله قابل حل هست يا خير؟ تعريف مسأله دسته بندي مساله درك مساله با هدف قرار دادن آن در يك دسته از مسائل تعريف شده عرضه راه حل استاندارد براي آن برنامه ريزي معيار مهم دسته بندي :ميزان ساخت يافتگي مدل مسأله تعريف شده شده (ساخت يافته) برنامه ريزي نشده (ساخت نايافته) ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 17 مدل سايمون -فاز هوشمندی در DSS تبديل يک مسأله بزرگ (پيچيده) و بدون ساختار به يکسری مسائل کوچک و با ساختار انجام اين کار در فاز هوشمندی توسط Decompositionانجام ميشود. خروجی فاز هوشمندی مدل مسأله تعريف شده است. ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 18 مدل سايمون -فاز طراحی فاز طراحي ()Planning مدل Alternativeها در فاز طراحی ساخته ميشود مدلسازی يعنی مفهومي ساختن مسأله و مجرد‌سازي آن به شكل كيفي يا كمي ساخت مدل گزينه‌هاي مختلف تصميم‌گيري رويدادهاي غير قابل كنترل معيارها رابطه سمبوليك يا عددي بين متغيرهاي فوق بهترين Alternativeبر اساس پارامترهای ارزيابی برای حل مساله انتخاب ميشود ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 19 مدل سايمون -فاز طراحی توصيف دقيق واقعيات معمو ًال بسيار پيچيده است نقش نداشتن بسياری از اين پيچيدگی ها در حل يک مسأله خاص يک مدل يک نمايش ساده يا مجرد از واقعيت است و موجب ساده شدن حل مسايل ارزيابی سريع و ارزان راه حل های مختلف ميشود مدل بايد خاصيت پاسخگويي به تست حساسيت را داشته باشد با دنيای واقعی و نحوه شناخت انسان نزديک باشد ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 20 مدل سايمون -فاز طراحی نمايش سيستم ها يا مسايل توسط مدل ها ،می تواند در سطوح مختلفی از تجرد انجام شود. مدل ها بر اساس درجه تجردشان در سه گروه طبقه بندی می شوند: مدل تجسمی ( )Iconicکه يک نسخه فيزيکی از سيستم است. مدل قياسی ()Analog که از نظر رفتاری مشابه سيستم ،اما از نظر فيزيکی در مقياس کوچکتری است. نسبت به مدل Iconicمجردتر است. مدل رياضی ()Mathematical پيچيدگی روابط در بسياری از سيستم های سازمانی را نمی توان با دو مدل قبلی نشان داد. مدل رياضی از هر دو مدل قبلی مجردتر است. بيشتر تحليل های DSSتوسط اين مدل انجام می شود. ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 21 مدل سايمون -فاز طراحی در رابطه با هر مدل موضوعات زير بايد روشن باشد: اجزاء مدل متغيرهای تصميم گيری متغيرهای غير قابل کنترل (پارامترها) متغيرهای نتيجه (خروجی) ساختار مدل نحوه انتخاب مدل (ارزيابی) توليد Altenative تخمين خروجی اندازه گيری خروجی ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 22  فاز طراحی-مدل سايمون :روشهای مختلف تست مدل در مرحله ارزيابی مدل Sensetive Test باشدReliable : )Robust( محکم بودن همه استثناءها را پوشش دهد: )Completeness( کامل بودن Multiple Goal Test Trial and Error What If analysis Goal Seeking 23 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh مدل سايمون -فاز طراحی مدل رياضی در 4قدم تشکيل ميگردد: شناخت متغيرها (اجزاء مدل) ايجاد رابطه بين متغيرها بوسيله عبارات رياضی و جبری ،معادالت و نامعادالت ساده سازی ازطريق ارائه مفروضات درمورد متغيرها و روابط بين آنها تطابق مدل ساخته شده با موقعيتهای مختلف (ارزيابی مدل) ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 24 مدل سايمون -فاز طراحی پارامترهای ارزيابی برای انتخاب بهترين Alternative زمان ميزان سادگی ساخت (يادگيری +زمان +هزينه) هزينه اجرا ميزان ريسک وضعيت Learningمدل ميزان استفاده از ابزارهای گرافيکی بمنظور مقايس>ه و ارزيابی گزينه ه>ا ،پيش بينی خروج>ی هري>ک از گزينه های پيشنهادی ضروری است انواع خروجی مطمئن همراه با ريسک نامطمئن ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 25 مدل سايمون -فاز طراحی بس>ته ب>ه اينک>ه برای انتخاب يک>ی از Alternativeها از بينAlternative های موجود ب>ه عنوان راه ح>ل مس>أله ،چ>ه اص>ولی را لحاظ کنيم ،دو نوع مدل وجود دارد: مدل Normative ثابت می شود که گزينه منتخب بهترين انتخاب ممکن برای حل مسأله است بهترين گزينه بر اساس تئوری تصميم گيری Normativeانجام می شود مدل Descriptive چيزها را آنگونه که بايد باشند توصيف می کند .نه ،آنگونه که انتظار می رود ،باشند اين مدل مبتنی بر رياضی است گزينه منتخب توسط اين مدل ،لزوماً بهترين انتخاب ممکن نيست بلکه انتخابی مبتنی بر Good Enoughاست متداولترين ابزار مدلسازی ،Descriptiveشبيه سازی ( )Simulationاست ساير ابزارها ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 26 مدل سايمون -فاز طراحی تئوری تص>ميم گيری Normativeبر اس>اس فرضيات منطق>ی و عقالن>ی زير می باشد: انس>ان ي>ک موجود اقتص>ادی اس>ت که هدف>ش ،بيشين>ه س>اختن امکان دس>تيابی به goal هاست برا>ی اتخاذ ي>ک تص>ميم تمام گزين>ه های ح>ل مس>أله و نتاي>ج حاص>ل از آنه>ا باي>د شناخته شوند تص>ميم گيرندگان اي>ن اختيار را دارن>د که ميزان مطلوبي>ت هم>ه نتاي>ج آنالي>ز را رتبه بندی کنند ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 27  فاز طراحی-مدل سايمون :Descriptive ساير ابزارهای مدلسازی Information flow Scenario analysis Financial planning Complex inventory decisions Markov analysis (predictions) Environmental impact analysis Technological forecasting Waiting line (queuing) management 28 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh تمرين مفهوم واژه های زير و رابطه آنها با مدل چيست؟ س ) (ق>>ياDeduction ) (س>>عیو خ>طاTrial and Error س ) (ق>>ياسم>عکوAbduction ض ) (پ>>يشف>>رDefault >ی ) (خ>ودآ>موزSelf-learning >ت ) (ا>س>تنتاج غ>يري>کنوا>خNon-monotonic ش ) > (ي>>اد>گ>يریم>بتنیب>>رآ>موزHeuristic >ی ) (در>کش>>هودIntuition (ت>>مثيل ) Analogue 29 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh تمرين را توضيح دهيد؟Reasoning انواع روشهای بزنيد؟Lineare Programing چند مثال در رابطه با بر مبنای مدل رياضی چه زمانی متوقفDSS درAlternative توليد ميشود؟ . برای ساخت مدل ارائه دهيدChecklist يک خودکشی را رسم کنيدNormative مدل 30 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh مدل سايمون -فاز انتخاب دراي>ن فاز يک>ی از گزين>ه های موجود براس>اس اص>ول ،معياره>ا و اهداف تعريف شده در فاز مدلسازی بعنوان راه حل مسأله انتخاب می شود اين فاز شامل جستجو ،ارزيابي و پيشنهاد يك راه‌ حل مناسب برای مدل است حل مدل به معنی حل مسأله ای که آن مدل نشان می دهد ،نيست حل مدل به حل مسأله منجر می شود ي>ک راه ح>ل برای مدل ب>ه معن>ی تعيي>ن مقادي>ر متغيرهاي تص>ميم‌گيري برا>ي گزين>ه انتخابي است در اي>ن فاز برای انتخاب گزين>ه مناس>ب ح>ل مس>أله از Searchاس>تفاده می شود ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 31 مدل سايمون -فاز انتخاب انواع ‏Optimizatio Search ‏Complete ‏n ويژگی ها (Enumeratio )Analytical ‏n ‏Blind فرايند جستجو توقف آزمايش راه حل ‏Partial ‏Heuristics فقط بعضی راه حلها چک توليد راه حل بهبود تمام راه حلهای ميشوند (بطورسيستماتيک فقط راه حلهای اميد يافته يا يافتن راه حل بهينه بطور ممکن چک ميشوند راه حلهای نامناسب حذف بخش چک ميشوند ميشوند) مستقيم زمانی که ديگر زمانی که به اتمام مقايسه ،زمانیا>تم>ام مقايسه و شبيه سازی، امکان هيچ بهبود ‏Good به که زمانی >ها ل ح راه همه که ‏Good Enough جديدی وجود برسيم ‏Enough باشند شده چک برسيم نداشته باشد بهينه بهينه مدلهای مدلهای بهترين در بين راه حل های چک شده ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh کاربرد Normativ Normativ مدلهای ‏Good ‏Enough مدلهای 32 ‏Descriptiv مدل سايمون -فاز اجرا فاز اجرا ()Implementation بازبيني سنجش تحليل‌ها و پيشنهادات ارزش‌گذاري نتايج و اطمينان از تصميم اتخاذ شده ايجاد طرح اجرايي تامين منابع اجراي راه حل ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 33 تمرين روشها و تئوريهای تصميم گيری چيست؟ تمرينهای آخر فصل 2 (ص )83-82.تمارين 13-1را> به فارسی تايپ کنيد و تمارين 3و4و12و13راحل کنيد ص 85.تمرين 3حل شود بقيه تمرينات فقط خوانده شوند ساختار سيستمهای Searchهوشمند چيست؟ ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 34 يك نمونه Frameworkبراي تعيين سيستمهاي مورد نياز يك سازمان نوع كنترل نوع تصميم كنترل عملياتي كنترل مديريتي طراحي استراتژيك پشتيباني مورد نياز چارچوب تصميم ياري ساخت يافته حسابهاي دريافتي، ثبت سفارش تحليل بودجه، پيش‌بيني كوتاه مدت، گزارشات شخصي، تحليل توليد يا خريد مديريت مالي ( سرمايه گذاري)، مكان يابي انبار، سيستم‌هاي توزيع شده سيستم‌هاي اطالعات مديريت ،مدل‌هاي علوم مديريت ،مدل‌هاي مالي، مدل‌هاي آماري نيمه ساخت‌يافته زمانبندي توليد، كنترل انبار اعتبارسنجي ،تهيه بودجه، طرح‌بندي كارگاه ،زمان‌بندي پروژه ساخت كارگاه جديد، طراحي محصول جديد، طراحي جبران خسارت، طراحي كنترل كيفيت سيستم تصميم‌يار ساخت‌نيافته انتخاب جلدي براي مجله، خريد نرم‌افزار، تصويب تقاضاي وام تبادل نظر ,استخدام يك مجري جديد ،خريد سخت افزار، سخنراني طراحي تحقيق و توسعه، توسعه تكنولوژي جديد، طراحي وظايف اجتماعي سيستم تصميم‌يار، سيستم خبره، شبكه‌هاي عصبي پشتيباني مورد نياز سيستم‌هاي اطالعات مديريت، علوم مديريت سيستم‌هاي اطالعات مديريت، ‏DSS، ES، EIS سيستم تصميم‌يار، سيستم خبره، شبكه‌هاي عصبي ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 35 تعريف سيستم تصميم‌يار تعريف کاملي براي آن ارائه نشده است مشخصات کلي سيستمي به منظور پشتيباني از تصميم‌گيري نيمه‌ساخت‌يافته مشاوري براي تصميم‌گيران ولي تصميم‌گيري نمي‌کند مبتني بر کامپيوتر بر خط ()On-line رابط کاربر و خروجي‌هاي گرافيکي ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 36 سطوح گوناگون تصميم‌ياري انواع سيستمهاي موجود بر اساس شيوه پشتيباني از تصميم گير سيستم تصميم يار ()DSS سيستم اطالعات اجرايي ()EIS سيستم مبتني بر دانش ()KBS سيستم يادگيري ماشين ()MLS سيستم بهبود خالقيت ()CES ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 37 تمرين روشهاي Learningچيست؟ تفاوت Knowledgebaseو DataBaseچيست؟ فرق Processو Methodologyچيست ؟ (حداقل بر مبناي 3مرجع ) و نقش Lifecycleدر آن چيست؟ دو Frameworkبراي طراحي و تحليل سيستمها در BIمعرفي كنيد. >ت >ي>س ؟ >يست دارا>يچ>ه س>>اخ>تار ا س>>يستمهاي>>رم ا>فزار>يچ ؟ ن Project Definitionدر س>>اخ>ت انواع روشهاي تست سيستم چيست؟ >گان>ي ت>>هيه Frameworkا>س>اليد 20را ب>>را>ي BIدر ي>>ك س>>از>ماند>ل>خوا>ه> (م>ان>ند وزار>تب>>ازر ) ك>نيد. ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 38 تعريف سيستم يك سيستم مجموعه اي از اشياء مانند :كاربران ‌،منابع ،مفاهيم و رويه ها مي باشد كه به منظور انجام يک کار معلوم يا رسيدن به يک هدف مشترک با هم در ارتباطند. هر سيستمی در واقع يک زير سيستم درون يک سيستم بزرگتر است (سيستم دارای خاصيت سلسله مراتبی است) .ارتباطات درونی و محاورات بين زير سيستم های يک سيستم ،رابط ( )Interfaceناميده می شود. هر سيستم به سه بخش مجزا تقسيم می شود: ورودی ها پردازش ها خروجی ها بخش های فوق توسط يک محيط اح>اطه می شوند و غالباً شامل يک مکانيزم بازخرد می باشند .در ضمن يک فرد تصميم گير نيز به عنوان بخشی از سيستم در نظر گرفته می شود. ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 39 تعريف سيستم (ادامه) محيط يک سيستم شامل عناصر متعددی است که خارج از سيستم قرار می گيرند و بر روی عملکرد سيستم و متعاقباً دستيابی سيستم به اهدافش تأثير می گذارند. يک روش برای تشخيص عناصر محيط يک سيستم ،طرح دو سئوال زير است: .1 .2 آيا دستيابی به اهداف سيستم وابسته به عنصر است؟ آيا کنترل عنصر در اختيار تصميم گير است؟ فقط در صورتی که پاسخ سئوال اول مثبت و پاسخ سئوال دوم منفی باشد، عنصر مذکور يکی از عناصر موجود در محيط آن سيستم است. يک سيستم توسط يک مرز از محيطش جدا می شود. ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 40 تعريف سيستم (ادامه) سيستم ها از نظر وابستگی به محيط دو نوع اند: سيستم بسته مانند TPSو ESو ... سيستم باز مانند DSSو ... برای تشخيص باز يا بسته بودن يک سيستم دو سئوال زير مطرح می شود: .1 .2 آيا سيستم به محيط وابسته است؟ آيا می توان محيط را ناديده گرفت؟ فقط در صورتی که پاسخ سئوال اول مثبت و پاسخ سئوال دوم منفی باشد، سيستم مذکور به محيطش وابسته است. اگر يک سيستم به محيطش وابسته باشد ،باز و در غير اينصورت بسته است. ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 41 دو معيار ارزيابی عملکرد يک سيستم :عملکرد يک سيستم با دو معيار زير ارزيابی می شود >ت . ا>ن>جام کاِر در>س:Effectiveness .1 . ا>ن>جام در>سِ>تکار:Efficiency .2 ياEffectiveness( >ميم درس>ت ِ تأکي>د بيشت>ر بر اتخاذ تصMSS در ) اس>ت ت>ا درس>تی محاس>بات مربوط ب>ه رس>يدن ب>ه آ>ن تصميمGoodness .)Efficiency( 42 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh محيط د سيستم و مح>يط آن مشتريان ولت خروجی ها ‏عملکردها ‏نتايج ‏خدماتی که سيستم رقبا ارائه می کند ‏محصوالت نهايی بازخرد سيستم ب انک ها پردازش ها ‏رويه ها ‏برنامه ها ‏ابزارها ‏فعاليت ها ‏تصميم گيری ها شرا ي طآ ورودی ها ‏مواد خام ‏هزينه ها ‏منابع تصميم گيرنده ‏Amirkabir University ‏of Technology, Computer ذينفعان ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh فر ب و هوا و شن گان د مرز سيستم 43 تمرين روشهای مختلف بازنمايی دانش چيست؟ روشهای ارزيابی يک سيستم داده ای؟ >يست چ ؟Ad-hoc Reasoning را بنويسيد؟Lifecycle خروجی هر مرحله از 44 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh نمايشی ديگر از معماری DSS سيستم های مبتنی بر کامپيوتر ديگر ،اينترنت اينترانتها و اکسترانتها داده :خارجی و داخلی مدلهای خارجی مديريت مدل مديريت داده زير سيستم های مبتنی بر دانش رابط کاربر ‏Amirkabir University of Technology, ‏Computer پايگاه دانش سازمانی کاربر (مدير) ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 45 تمرين روشهای مختلف تخمين چيست؟ تمرينات آخر فصل 3 صورت تمارين به فارسی تايپ شود؟ يکی از آنها به اختيار حل شود؟ حداقل 2تا از تمارين اينترنتی به دلخواه حل شوند؟ برای ي>ک بيمارس>تان ميخواهي>م يک DSSبس>ازيم ،خروجيهای پيشنهادی اين DSSرا بيان کنيد .برای فعال نمودن Alternativeها ،سناريو بنويسيد. ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 46 دسته بندی مدلها فرايند و اهداف ابزار بهين>ه س>ازی مس>ائلی که دارای يافت>ن بهتري>ن راه ح>ل از بين تعداد جداول تصميم گيری و درختهای محدودی ‏Alternativeهای تصميم گيری کمی Alternative هستند يافتن بهتري>ن راه ح>ل از بين تعداد زياد مدل برنام>ه س>ازی خط>ی و ساير و ي>>ا نامحدود Alternativeبا مدلهای برنام>ه س>ازی رياضی و بهينه سازی از طريق الگوريتم مدلهای شبکه استفاده از فرايند بهبود قدم به قدم مدل برنام>ه س>ازی خط>ی و ساير بهين>ه س>ازی ا>ز طري>ق يک فرمول يافت>ن بهتري>ن راه ح>ل در ي>ک قدم با مدلهای برنام>>ه س>>ازی رياضی، مدلهای مورد اس>تفاده در تعيين استفاده از يک فرمول تحليلی مکان انبارداری يافت>ن ي>ک راه حل good enough ي>>ا بهتري>>ن راه ح>>ل از بين روشهای مختلفsimulation شبيه سازی ()simulation alternativeهای چ>ک شده با استفاده از آزمايش يافت>ن ي>ک راه حل good enoughبرنام>>ه سازی Heuristicو ‏Heuristics سيستم های خبره با استفاده از قواعد استفاده از what-ifب>ا ‏Computerح>ل ي>ک مورد ‏Amirkabir ‏University ‏of Technology, مدلهای مالی وwaiting lines مدلهای ديگر ‏Engineering Faculty , Intelligent Systems ‏Laboratory, فرمول 47 ‏Dr. Ahmad Abdollahzadeh  Validatonو Verificationدا>ن>ش مدل بايد همواره موجب کاهش هزينه و زمان پردازش شود. داده +دانش مدل : Rule+Factوجود Ruleالزم ولی وجود Factاختياری است دانش دانش نياز به Validationو Verificationدارد ( )V &V فرضيات دانش موردنظر در اينجا به صورت Ruleاست کليه قواعد پايگاه دانش ،قطعی هستند ( CFآنها برابر 1ميباشد) استراتژی استنتاج از نوع رو به عقب ( )backward chainingميباشد ) P(kم>جوعه ش >را>ي>ط ق>>اعده> k )C(kمجموعه نتايج قاعده k ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 48  دا>ن>شVerification وValidaton اگر: دانش بايد الزم و کافی باشد.1 اضاف>ی اس>ت و بايدR1 } آنگاهC(R2){ }C(R1){ }P(R2){ =}P(R1){ , حذف شود R1: If A=x and B=b Then C=z R2: If A=x and B=b Then C=z and D=w ) نشدVerify است اماValid ( اضافی استR1 ،1 لذا طبق اصل 49 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh  دا>ن>شVerification وValidaton : رفع تضاد بين قواعد.2 R2 وR1 آنگاه،} باشدC(R2){ } در تضاد باC(R1){ اما }P(R2){ =}P(R1){ .با هم متضادند R1: If A=x and B=b Then C=z R2: If A=x and B=b Then C=w 50 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh  دا>ن>شVerification وValidaton اضاف>ی است وR2 } آنگاهC(R2){ = }C(R1){ } وP(R2){ }P(R1){ اگ>ر :بايد حذف شود R1: If A=x Then C=z R2: If A=x and B=b Then C=z 51 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh .3  Validatonو Verificationدا>ن>ش .4مقادير غيرارجاع: مث ً ال فرض کني>د متغي>ر Iبتوان>د يک>ی از مقادير highو mediumو lowرا بگيرد .در اينص>ورت م>ا باي>د قواعدی داشت>ه باشي>م که ه>ر س>ه مقداری را که I ممکن است بگيرد ،پوشش دهند. ‏If I=high ‏Then In=b1 ‏If I=low ‏Then In=b2 همانطور که مشاهده ميشود برای مقدار mediumقاعده ای در نظ>ر گرفته نشده است .در اين حالت مقدار mediumيک مقدار غير ارجاع ميباشد ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 52  Validatonو Verificationدا>ن>ش .5مقادير غير قانونی ‏If I=veryhigh ‏Then In=b4 با فرضی که برای متغير Iدر اساليد قبلی کرديم ،اين متغير مقدار veryhighرا نميتواند بگيرد .لذا استفاده از اين مقدار در قاعده فوق غير قانونی است. در حال>ت کل>ی ،انتس>اب مقداری ب>ه ي>ک متغي>ر و اس>تفاده از آ>ن در ي>ک ي>ا چند قاعده در حال>ی که آ>ن مقدار در مجموع>ه مقادي>ر قاب>ل انتس>اب ب>ه آ>ن متغير نباشد ،غير قانونی است. ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 53  دا>ن>شVerification وValidaton مقادير غير قابل دسترسی.6 R1: If A=U Then C=W R2: If C=W Then D=X R3: If D=X Then E=Q R4: If E=Q Then goal=yes :به عنوان مثال زنجيره قواعد زير را در نظر بگ>يريد غير ممکن ميشودgoal نباشد دسترسی بهR3 اگر قاعده 54 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh مدلسازی کم> ی اس>تفاده ميکند ،در س>يستمهای تص>ميم يار غالباً از مدلهای ّ حاليک>ه س>يستمهای خ>بره از مدلهای مبتن>ی بردان>ش و کيف>ی استفاده ميکنند. مدل ايستا :يک برش از فعاليتهای ثابت پويا: ارائه سناريوهای مختلف و متغير در طول زمان يک مدل توسعه يافته ايستا ميباشد متغيرها در اين مدل ،مطمئن ،غيرمطمئن و يا همراه با ريسک ميباشند ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 55 بهينه> سازی از طريق برنامه سازی رياضی برنامه سازی رياضی يکی ابزارهای بهينه سازی است ) Linear Programming (LPم>عرو>ف>تري>نت>>کنيکدر خ>انواد>ه> ب>>رنام>ه س>>از>یر>ياض>یم>يباشد LPب>>طور گ>>سترد>ه> در DSSا>س>تفاد>ه> م>يشود خصوصيات مسائل قابل حل توسط :LP منابع اقتصادی محدودی برای تخصيص وجود دارد منابع در توليد محصوالت يا خدمات مورد استفاده قرار ميگيرند دو يا بيشتر راه برای استفاده منابع وجود دارد و هر يک از اين راه ها يک راه حل يا برنامه ناميده ميشوند هر فعاليت موجب توليد محصول در راستای هدف ميشود تخصيص معموالً بوسيله تعداد زيادی محدوديت و نيازمندی محدود ميشود ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 56 Heuristic Programming يکی از LPها که good enoughرا پشتيبانی ميکند Heuristic Programming است Heuristic Programmingش>>ام>ل ‏Tabu search ‏Genetic algorithms و ...ميباشد کاربرد داده ورودی غيردقيق و محدود باشد واقعيت بحدی پيچيده باشد که از مدلهای بهينه سازی نتوان استفاده نمود يک الگوريتم قابل اعتماد و دقيق موجود نباشد مسائل پيچيده برای بهينه سازی يا شبيه سازی ،صرفه اقتصادی ندارند و يا زمان محاسبات> زيادی را مي طلبند امکان بهبود کارايي فرايند بهينه سازی وجود داشته باشد (مث ً ال از طريق توليد يک راه حل شروع خوب) نياز به اتخاذ تصميم سريع باشد و امکان استفاده ازکامپيوتر نباشد (بعضی Heuristicها نياز به کامپيوتر ندارند ) ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 57 شبيه سازی متدولوژی شبيه سازی شامل مراحل: تعريف مسأله تعيين هدف و منظور تعريف محيط و محدوديتهای سيستم ساخت مدل شبيه سازی تعيين متغيرها و روابط بين آنها و جمع آوری داده اغلب فرايند بوسيله يک فلوچارت ،توصيف و سپس يک برنامه کامپيوتری نوشته ميشود تست و اعتبارسنجی مدل طراحی آزمايش اداره کردن آزمايش مسائلی از قبيل توليد اعداد تصادفی و ارائه نتايج آزمايش ارزيابی نتايج پياده سازی پياده سازی نتايج شبيه سازی ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 58 انواع شبيه سازی شبيه سازی احتمالی شام>ل ي>ک ي>ا چن>د متغي>ر مس>تقل احتمال>ی که از توزي>ع احتمال معينی تبعيت ميکنند توزيع احتمال پيوسته توزيع احتمال گسسته شبيه سازی بصری نمايش گرافيکی نتايج کامپيوتری که ممکن است شامل متحرک سازی نيز باشند شبيه سازی شيء گرا ي گ>>را ط>را>ح>ی >ی>س>تکه ب>>را>یس>>يستمها و کار>برد>هایش>> ء ي>>ک>بزار م>دل>ساز ا ا ‏UML ش>>ده> ا>س>ت ‏Amirkabir University of Technology, Computer ‏Engineering Faculty , Intelligent Systems Laboratory, ‏Dr. Ahmad Abdollahzadeh 59 زبانهای مدلسازی زبانهای مدلسازی برای ساخت مدلهای رياضی Lingo AMPL GAMS 60 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh تمرين چيست؟AHP (Analytical Hierarchical Processing) چيست؟Rule انواع ؟Knowledge Base درCase نحوه نگهداری چارچوب تئوريک دارای چه مفهوم و مشخصاتی است؟ و پياده سازیInfluence Diagram ارائ>ه ي>ک مس>أله و آنالي>ز آ>ن ب>ه کم>ک .Spreadsheet آن برروی 61 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh مراجع [ 1] Burstein F., Bui T., Arnott D., Decision support in the new millennium, Decision Support Systems 31/2, Elsevier Science B.V., pp. 163-164, June 2001 [ 2] Carlsson C., Turban E., DSS: directions for the next decade, Decision Support Systems 33/1, Elsevier Science B.V., pp. 105-110, May 2002 گرايشات آتي تحقيقاتي و کاربردي [ 3] Courtney J.F., Decision making and knowledge management in inquiring organizations: toward a new decision-making paradigm for DSS, Decision Support Systems 31, Elsevier Science B.V., pp. 17-38, 2001 شيوه تصميم گيري با سيستم تصميم يار [ 4] Forgionne G. A, Mora M. Decision making support systems: achievements, challenges and opportunities, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 392-402, 2002 دست يافته ها و مباحث تحقيقاتي 62 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh مراجع [ 5] Forgionne G. A., An architecture for the integration of decision making support functionalities, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 40-70, 2002 سطوح مختلف تصميم ياري و سيستمهاي تصميم يار مرکب [ 6]Nemati H.R, Steiger D. M., Iyer L. S., Herschel R. T., Knowledge warehouse: an architectural integration of knowledge management, decision support, artif icial intelligence and data warehousing, Decision Support Systems 33/2, Elsevier Science B.V., pp. 143-161, June 2002 سيستم هاي تصميم يار راهبر داده و راهبر دانش [ 7]Pomerol J.C., Adam F., From human decision making to DMSS architecture, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 40-70, 2002 تصميم گيري بشر و سطوح مختلف تصميم گيري [ 8] Power D.J., Categorizing Decision Support Systems, A Multidimensional Approach, Decision Making Support Systems; Mora & Forgionne, Jadinter Gupta, pp. 1-19, 2002 [ 9] Power D.J., Supporting Decision-Makers: An Expanded Framework , Informing Science, June 2001 دسته بندي سيستم هاي تصميم يار Amirkabir University of Technology, Computer 63 Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh مراجع [ 10] Sen A., From DSS to DSP: A Taxonomic Retrospection, Communications of the ACM (CACM) 41/5, pp. 206-216, May 1998 تاريخچه و سير تکاملي سيستمهاي تصميم يار [ 11] Shim J.P., Warkentin M., Courtney J. F., Power D. J., Sharda R., Carlsson C., Past, present, and future of decision support technology, Decision Support Systems 33/2, Elsevier Science B.V., pp. 111-126, June 2002 گذشته و حال و آينده سيستمهاي تصميم يار [ 12] Turban E., Aronson J.E., Decision support systems and intelligent systems, Prentice Hall, 2001 تعاريف اوليه [ 13] Turban E., McLean E., Wetherbe J., Information technology for management, John Wiley, 2000 تاريخچه و چارچوب تصميم ياري 64 Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh