پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات

word 5 MB 31082 105
1390 کارشناسی ارشد مهندسی کامپیوتر
قیمت قبل:۶۲,۹۰۰ تومان
قیمت با تخفیف: ۲۳,۶۰۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پایان‌نامه کارشناسی ارشد در رشته مهندسی کامپیوتر (هوش مصنوعی)

    چکیده

     

     

    طراحی و پیاده­سازی رفع کننده­ی تناقض در یک سیستم تصمیم ­همیار هوشمند مبتنی بر تنوع نقطه نظرات

     

     

    رفع ناسازگاری یک رویه­ی مهم در بسیاری از سیستم­ های هوشمند از جمله سیستم­ های مبتنی برقانون می­باشد. این رویه، ترتیب اجرای قوانین را در شرایطی که بیش از یک قانون برای اجرا وجود دارد، تعیین می­نماید. برای رفع ناسازگاری، روش­های مختلفی وجود دارد. در این پژوهش، به منظور رفع ناسازگاری در یک سیستم مبتنی بر قانون، از پیگیری نقطه نظرات مختلف در مسیرهای استنتاج مجزا، استفاده شده است. این سیستم، یک سیستم تصمیم­همیار هوشمند است که در هنگام وقوع ناسازگاری، با در نظر گرفتن خطوط استنتاج جداگانه برای هر یک از قوانین ناسازگار، امکان آگاهی از تمامی انتخاب­های ممکن را برای تصمیم­گیرنده فراهم می­سازد.

    به طورکلی، سیستم­های تصمیم­همیار هوشمند با وارد نمودن تکنیک­های مختلف هوش مصنوعی در ساختار سیستم­های تصمیم­همیار، این سیستم­ها را به منظور حمایت بیشتر و ارتقاء تصمیم­گیری، بهبود بخشیده­اند.

    سیستم تصمیم ­همیار هوشمندی که در این پژوهش ارائه شده، به منظور یاری­رساندن به یک بازیکن در یک بازی استراتژیک بلادرنگ پیاده­سازی شده است. ایجاد برنامه­های کامپیوتری در رابطه با بازی­های استراتژیک بلادرنگ، یک زمینه­ی جدید در حیطه­ی بازی در هوش مصنوعی به حساب می­آید. این برنامه­ها محدود به ایجاد حریفان هوشمند به منظور سرگرم نمودن بازیکن­های انسانی نمی­باشد و امرزوه شبیه­سازهایی با کارایی بالا جهت تمرین افراد نظامی، از خواسته­های مطرح بوده و تحقیقات هوش مصنوعی در زمینه­ی این نوع از بازی­ها، علاوه بر تولیدکنندگان تجاری بازی­ها، از حمایت­های وسیع برخی از موسسات دفاعی نیز برخوردار می­باشد.

    نتایج بدست آمده از ارزیابی سیستم ارائه شده در این پژوهش، حاکی از آن است که بازیکن به کمک این دستیار هوشمند می­تواند عملکرد بهتری نسبت به سایر بازیکنان داشته باشد.

    فصل اول

    مقدمه

     

    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[1] هنگامی روی می­دهد که تصمیم­های گوناگونی، متناظر با مسیرهای پاسخ متمایز، فراهم باشد.

    به طور کلی در سیستمی که دارای مجموعه­های 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.

    سیستم­ های هوشمند از قبیل سیستم­های مبتنی بر قانون، ابزارهای برنامه­ریزی، و ساختارهای وابسته به دانش، از استراتژی­های متفاوتی برای رفع ناسازگاری استفاده می­کنند] 2[.

    در این پژوهش در ابتدا در رابطه با این شیوه­های متفاوت توضیحاتی ارائه می­گردد و پس از آن ایده­ایی که به منظور رفع ناسازگاری در سیستم پیشنهادی بکار برده شده، شرح داده می­شود. سیستم پیشنهادی یک سیستم تصمیم­همیار هوشمند است که به منظور یاری رساندن به یک بازیکن در یک بازی استراتژیک بلادرنگ طراحی و پیاده­سازی شده و شرح ساختار و ویژگی­های آن در فصول آتی آمده است. همچنین در این پایان­نامه در ارتباط با سیستم­های تصمیم­همیار هوشمند و ساختارهای مختلفی که محققان برای پیاده­سازی این سیستم­ها در نظر گرفته­اند، نیز مطالبی ارائه شده  است.

     

    1-1- رفع ناسازگاری

    در بسیاری از سیستم ­های 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] 47[. 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 روش­ های 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] 2[.

    روشی که در این پژوهش به منظور رفع ناسازگاری بکار برده شده، با در نظر گرفتن یک خط استنتاج جداگانه برای هر یک از قوانین ناسازگار در طی روند استنتاج، تمامی حالات ممکن برای اولویت­بندی در اجرای قوانین را تحت پوشش قرار می­دهد.

     

     

     

    1-2- سیستم­ های تصمیم­ همیار و سیستم ­های تصمیم­ همیار هوشمند

    به طور کلی، اخذ تصمیم، یکی از مهم­ترین و حساس­ترین فعالیت­هایی است که در هر سازمان و یا تشکیلاتی صورت می­گیرد] 48[. 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 سیستم ­ها 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] 49[.

    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 زمینه­های 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] 19[.

    اگرچه، سیستم ­های 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] 12[، 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] 50[.

    تعاریف مختلفی از تفاوت­های میان یک سیستم تصمیم­همیار و یک سیستم تصمیم­همیار 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 سیستم های تصمیم­همیار، بهبود سازگاری در تصمیمات، بهبود تشریح و تفسیر و توجیه پیشنهادات ارائه شده توسط سیستم می­باشد] 19[.

    Holsapple و Whinston از اولین محققانی بودند که به طراحی و مطالعه­ی سیستم­های تصمیم­همیار هوشمند، پرداختند] 51[. 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[2] مانند نگهداری رویداد[3] 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.

     

     

     

     

    1-3- هدف از این پایان­نامه

    هدف از این پایان­نامه، ارائه­ی یک سیستم تصمیم­همیار هوشمند است که در هنگام وقوع ناسازگاری، برای هر یک از قوانین ناسازگار، یک خط استنتاج مجزا را در نظرگرفته و با پیشبرد استنتاج در هر یک از این خطوط، امکان آگاهی از نتایج انتخاب هر یک از راه­حل­های ممکن را برای تصمیم­گیرنده فراهم می­سازد. این سیستم، یک سیستم مبتنی بر قانون است که به منظور یاری­نمودن یک بازیکن در یک بازی استراتژیک بلادرنگ طراحی و پیاده­سازی شده است.

    در این پژوهش، روش­های گوناگونی که به منظور رفع ناسازگاری در سیستم­های هوشمند بکار برده شده و نیز ساختارهای مختلفی که برای سیستم­های تصمیم­همیار هوشمند مورد استفاده قرار گرفته، بررسی و ارائه شده است.

    1-4- نگاه کلی به فصول پایان­نامه

    مطالب عنوان شده در این پایان نامه در قالب هفت فصل آورده شده‌اند. در فصل دوم، روش­های گوناگون رفع ناسازگاری شرح داده شده و فصل سوم به بیان ساختارهایی که برای سیستم­های تصمیم­همیار هوشمند در تحقیقات مختلف ارائه شده، می­پردازد. در فصل چهارم بازی­های کامپیوتری استراتژیک بلادرنگ معرفی و ویژگی­های سیستم­های مربوط به این نوع از بازی­ها مطرح شده است. فصل پنجم، ساختار و مولفه­های سیستم پیشنهادی و نیز روش رفع ناسازگاری بکار برده شده در این سیستم را شرح می­دهد. ارزیابی سیستم پیشنهادی و نتایج آن در فصل ششم آورده شده و فصل انتهایی نیز به نتیجه­گیری و ارائه­ی کارهای آینده­ی می­پردازد.

     

    فصل دوم

    روش­های رفع ناسازگاری

     

    روش­های رفع ناسازگاری

    2-  

    2-1- مقدمه

    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 [1]:

    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[4].

     

     در استراتژی­های رفع ناسازگاری، لیست اجرا[5]، فهرستی از تمامی قوانینی است که شرایط آنها ارضاء شده ولی هنوز اجرا نشده­اند. این لیست، همانند یک پشته[6] 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.

     

    2-2- برخی استراتژی­ های ساده برای رفع ناسازگاری

    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 [1]:

     

    استراتژی تصادفی: در این استراتژی، به هر فعال­سازی[7]، 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.

     

    استراتژی عرضی: در این استراتژی، قوانینی که بتازگی فعال شده­اند،  در پایین 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-1 و rule-2 در بالای قوانین rule-3 و rule-4 در لیست اجرا قرار خواهند گرفت. در این روش نیز مکان rule-1 نسبت به rule-2 و rule-3 نسبت به rule-4، قراردادی خواهد بود.

     

    استراتژی سادگی[8]: در این استراتژی، در میان قوانین با اولویت یکسان، قوانینی که بتازگی فعال شده­اند، در بالای تمامی قوانین فعال­شده با مشخصه[9]­ی یکسان و یا بیشتر، قرار می­گیرند. مشخصه­ی یک قانون با تعداد مقایسه­هایی که باید در قسمت سمت چپ[10] یک قانون انجام گیرد، تعیین می­شود. هر مقایسه با یک ثابت و یا متغیرهایی که سابقاً مقید شده­اند، یک واحد به مشخصه­ی قانون می­افزاید. همچنین هر فراخوانی تابع که در قسمت سمت چپ یک قانون انجام گیرد، نیز مشخصه­ی قانون را یک واحد افزایش می­دهد. توابع بولی and، or و not، مشخصه­ی یک قانون را تغییر نمی­دهند، اما آرگومان­های آنها سبب تغییر مشخصه می­گردند. فراخوانی توابع در صورتی که در داخل یک فراخوانی تابع صورت گیرند نیز سبب افزایش مشخصه نمی­گردند. به عنوان مثال مشخصه­ی قانونی که در زیر تعریف شده است، 5 می­باشد.

     

     

    Abstract

     

     

    Design and Implementation of an IDSS conflict resolver
    using different view points

    Conflict Resolution is an important procedure in many intelligent systems such as rule-based systems. This procedure determines the sequence of firing rules when more than one rule can fire.

    Different systems rely on various approaches to resolve a conflict. This thesis presents design and implementation of an Intelligent Decision Support System wherein when a conflict occurs, it follows distinct reasoning line for each incompatible rule, and informs the decision maker about all possible options.

    In general, intelligent decision support systems extend traditional decision support systems by incorporating techniques to supply intelligent behaviors.

    The proposed system is implemented for the purpose of assisting a player in a Real-Time Strategic (RTS) Game.

    In recent years, Artificial Intelligence research has been concentrated on RTS games, as testing devices for learning complex behavior. AI attention to this field is because of the many levels of complexity involved during these games, such as resource management, decision-making under uncertainty, etc.

    Developing applications related to RTS games is not limited to creating smart opponents to entertain human players; however, research on AI in this kind of games is receiving broad support from defense agencies interested in strategy development as well as commercial game producers.

    Obtained results of the proposed system evaluation indicate that player helped by this intelligent assistant can have better achievements over other players

  • فهرست:

    فصل اول. مقدمه.. 1

    1-1- مقدمه 2

    1-2- رفع ناسازگاری.. 3

    1-3- سیستم­های تصمیم­همیار و سیستم­های تصمیم­همیار هوشمند.. 4

    1-4- هدف از این پایان­نامه. 6

    1-5- نگاه کلی به فصول پایان­نامه. 6

    فصل دوم. روش­های رفع ناسازگاری... 7

    2-1- مقدمه. 8

    2-2- برخی استراتژی­های ساده برای رفع ناسازگاری.. 9

    2-3- رفع ناسازگاری با استفاده از یک مقدار سودمندی.. 13

    2-4- رفع ناسازگاری با استفاده از هزینه­های تخمین زده شده­ی تصادفی.. 15

    2-4-1- تخمین امید ریاضی هزینه  17

    2-4-2- برآورد بازگشتی   18

    2-4-3- رفع ناسازگاری   19

    2-5- رفع ناسازگاری با استفاده از برنامه­نویسی خطی.. 21

    2-6- رفع ناسازگاری با استفاده از تئوری بازی.. 22

    2-7- رفع ناسازگاری با استفاده از مدل گراف... 23

    2-8- رفع ناسازگاری با استفاده از روند سلسله مراتبی تحلیلی و بهبود آن.. 25

    فصل سوم. سیستم­های تصمیم­همیار هوشمند... 31

    3-1- مقدمه. 32

    3-2- ویژگی­های سیستم­های تصمیم­همیار هوشمند.. 33

    3-3- معرفی چند سیستم تصمیم­همیار هوشمند با ساختارهای متفاوت... 36

    3-3-1- استفاده از الگوریتم­های تکاملی در ساختار IDSS  36

    3-3-2- استفاده از عامل هوشمند در ساختار IDSS  38

    3-3-3- استفاده از روش­های داده­کاوی و شبکه­های عصبی مصنوعی در ساختار IDSS  40

    3-3-4- استفاده از یک روش تصمیم­گیری مبتنی بر منطق فازی در ساختار IDSS  46

    3-3-5- استفاده از استنتاج مبتنی بر مورد در ساختار IDSS  51

    3-3-6- استفاده از مولفه­های مبتنی بر قانون در ساختار IDSS  55

     

     

    فصل چهارم. بازی­های کامپیوتری استراتژیک بلادرنگ و سیستم­های هوشمند مرتبط با آنها 57

    4-1- مقدمه. 58

    4-2- ویژگی­های بازی­های استراتژیک بلادرنگ.... 59

    4-3- مروری بر سیستم­های هوشمند مرتبط با بازی­های استراتژیک بلادرنگ.... 63

    فصل پنجم. سیستم پیشنهادی... 71

    5-1- مقدمه. 72

    5-2- معرفی سیستم پیشنهادی.. 73

    5-3- مولفه­های اصلی سیستم پیشنهادی.. 74

    5-4- روش رفع ناسازگاری بکار برده شده در سیستم پیشنهادی.. 77

    فصل ششم. ارزیابی و نتایج... 80

    فصل هفتم. نتیجه­گیری و کارهای آینده. 89

    فهرست منابع............................................................................................................... 92

             

     

    منبع:

    [1]        Giarratano, J. C. (2003). “CLIPS 6.21 User's Guide”, International Thompson Publishing.

    [2]        Belavkin, R. V. (2003). “Conflict resolution by random estimated costs”, Proceedings of the 17th European Simulation Multiconference (c) SCS Europe, BVBA.

    [3]        Jones, G., Ritter, F. E., Wood, D. J. (2000). “Using a cognitive architecture to examine what develops”, Psychological Science, 11(2), 93–100.

    [4]        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. 21–26). Bamberg, Germany: Universit¨ats–Verlag Bamberg.

    [5]        Belavkin, R. V. (2002). “On emotion, learning and uncertainty: A cognitive modelling approach”, PhD Thesis, The University of Nottingham, United Kingdom.

    [6]        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’05), 268-271.

    [7]        Fang L., Hipel K. W., Kilgour D. M. (1993). Interactive Decision Making: The Graph Model for Conflict Resolution. New York: Wiley.

    [8]        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.

    [9]        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.

    [10]      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.

    [11]      Saaty T. L. (2001). The Analytic Network Process: Decision Making with Dependence and Feedback. 2nd ed., Pittsburgh: RWS Publications.

    [12]      Gupta J., et al. (2006). Intelligent Decision-making Support Systems, Foundations, Applications and Challenges. Springer, 1st Edition, XXIV, 503p.105 illus.

     [13]     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.

    [14]      Phillips-Wren G., Forgionne G. (2002). “Evaluating web-based and real-time decision support systems”, Proceedings of the DSIAge Conference, 166-175.

    [15]      Han J. (1998). “Data Mining: An Overview from Databases Perspective”, Tutorial on the Pacific-Asia Conference in Knowledge Discovery and Data Mining (PKDD-98).

    [16]      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.

    [17]      Michalewicz Z., et al. (2005). “Case study: An intelligent decision-support system”, IEEE Intelligent Systems: putting AI into practice, 20 (4):44-49.

    [18]      Edwards JS., Duan Y., Robins PC. (2000). “An analysis of expert systems for business decision-making at different levels and in different roles”, European Journal of Information Systems, 9:36-46.

    [19]      Foster D., et al. (2005). “A Survey of Agent-Based Intelligent Decision Support Systems to Support Clinical Management and Research”, In: 1st Intl. Workshop on Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics.

    [20]       Turban E., Aronson J., Liang T. (2005). Decision Support Systems and Intelligent Systems.7th Edn., New Jersey: Pearson Prentice-Hall.

    [21]      Hayes-Roth F., Jacobstein N. (1994). “The state of knowledge-based systems”, Communications of the ACM, 37 (3); 27-39.

    [22]      Tecuci G., Kodratoff Y. (1995). Machine Learning and Knowledge Acquisition: Integrated Approaches. London UK: Academic Press.

    [23]     Azvine B., Azarmi N., Nauck D. (2000). Intelligent Systems and Soft Computing: Prospects, Tools and Applications. (Eds. Carbonell, J. and Siekmann, J.), Lecture Notes in Artificial Intelligence. Adastral Park, UK: Springer-Verlag.

    [24]      Sun R. (2001). “Artificial intelligence: connectionist and symbolic approaches”, In (Eds.Smelser, N.J. and Baltes, P.B.), International Encyclopedia of the Social and Behavioral Sciences, 783-789.

    [25]      Viademonte S. (2004). “A Hybrid Model for Intelligent Decision Support: Combining Data Mining And Artificial Neural Networks”, PhD. Thesis, Faculty of Information Technology, Monash University, Australia.

    [26]      Agrawal R., Imielinsk T., Swami A. (1993). “Mining association rules between sets of items in large databases”, ACM SIGMOD Conference on Management of Data (SIGMOD'93), New York, NY: ACM Press: 207-216.

    [27]      Machado RJ., Rocha AF. (1990). “The combinatorial neural network: a connectionist model for knowledge based systems”, Uncertainty in knowledge bases. Berlin, Germany: Springer Verlag.

    [28]      Leao BF., Rocha A. (1990). “Proposed methodology for knowledge acquisition: a study on congenital heart disease diagnosis”, Methods of Information in Medicine, 29: 30-40.

    [29]       El-Gayar OF., Leung PS. (2001). “A multiple criteria decision-making framework for regional aquaculture development”, European Journal of Operational Research, 133: 462-482

    [30]      Kirby N. (2010). Introduction to Game AI. Course Technology PTR.

    [31]       Proctor M., et al. (2008). “Drools Documentation”, JBoss Community.

    [32]       Buro M., Furtak T.M. (2004). “RTS games and real-time AI research” Proceedings of the Behavior Representation in Modeling and Simulation Conference (BRIMS), 51–58.

    [33]      Herz J.C., Macedonia M.R. (2002). “Computer games and the military: Two views. Defense Horizons”, Center for Technology and National Security Policy, National Defense University.

    [34]      Hsieh J.L., Sun Ch. T. (2008). “Building a Player Strategy Model by Analyzing Replays of Real-Time Strategy Games”, International Joint Conference on Neural Networks (IJCNN).

    [35]      Aha D., et al. (2005). “Learning to Win: Case-Based Plan Selection in a Real-Time Strategy Game”, Case-Based Reasoning Research and Development, 5-20.

    [36]     Ponsen M., Spronck P. (2004). “Improving adaptive game AI with evolutionary learning”, MSc. Thesis, 389-396.

    [37]      Buchanan B.G. (2005). “A (Very) Brief History of Artificial Intelligence” AI Magazine, Vol. 26: 53-60.

    [38]      Samuel A. L. (1995). “Some studies in machine learning using the game of checkers” Computers & thought, MIT Press: 71-105.

    [39]      Schaeffer J. (2001). “A Gamut of Games,” AI    Magazine, vol. 22: 29-46.

    [40]      Laird J. (2001). “Using a computer game to develop advanced AI”, Computer, 34(7):70–75.

    [41]      Laird J., Newell A., Rosenbloom P.S. (1987). “SOAR: An architecture for general intelligence”, Artificial Intelligence Journal, 33(3):1–64.

    [42]      Atkin M.S. (1998). “AFS and HAC: Domain-general agent simulation and control”, In AAAI Workshop on Software Tools for Developing Agents.

    [43]      Atkin M.S., Cohen P.R. (1998). “Physical planning and dynamics”, In Working notes of the AAAI Fall Symposium on Distributed Continual Planning.

    [44]     Wikipedia, the free encyclopedia, “Stratagus”,

    [Online]. . [12 Sept 2011].

    [45]     Spronck P., Sprinkhuizen-Kuyper I., Postma E. (2004). “Online Adaptation of

    Game Opponent AI in Theory and Practice”, Proceedings of the 4th International

    Conference on Intelligent Games and Simulation (GAME-ON 2004), 93-100.

    [46]     Wikipedia, the free encyclopedia, “Age of Empires III”,

    [Online]. . [10 May 2011].

    [47]      Hicks R. C. (2007). “The no inference engine theory — Performing conflict resolution during development”, Decision Support Systems, Vol. 43: 435-444.

    [48]      Simon H.A. (1997). Administrative behavior: a study of Decision-Making process in Administrative Organizations. New York: Free Press.

    [49]      Shim J.P., et al.  (2002). “Past, present and future of decision support technology” Decision Support Systems, Vol. 33:111-126.

    [50]      Tozour P. (2002). The Perils of AI Scripting. AI Game Programming Wisdom (ed. S. Rabin), Charles River Media. 541-547. 

    [51]      Holsapple CW., Whinston AB. (1996). Decision Support Systems-A Knowledge-Based Approach, West Publishing Company.

    [52]      Woodcock, S. (2003). “AI RoundTable Moderator’s Report 2003”,

    [online]. .

    [53]      Sweetser P. (2002). “Current AI in Games: A review”, Australian Journal of Intelligent Information Processing Systems, Scool of ITEE, University of Queensland.

     


موضوع پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, نمونه پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, جستجوی پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, فایل Word پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, دانلود پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, فایل PDF پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, تحقیق در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, مقاله در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, پروژه در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, پروپوزال در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, تز دکترا در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, تحقیقات دانشجویی درباره پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, مقالات دانشجویی درباره پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, پروژه درباره پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, گزارش سمینار در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, پروژه دانشجویی در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, تحقیق دانش آموزی در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, مقاله دانش آموزی در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات, رساله دکترا در مورد پایان نامه طراحی و پیاده سازی رفع کننده ی تناقض در یک سیستم تصمیم همیار هوشمند مبتنی بر تنوع نقطه نظرات

پایان‌نامه دوره کارشناسی ارشد مهندسی ابزاردقیق و اتوماسیون صنعتی در صنایع نفت چکیده سیستم­های دینامیکی غیرخطی با چالش­های متعددی روبرو هستند که باید آنها را مورد بررسی قرار داد. از جملۀ این مشکلات می­توان به مواردی همچون غیرخطی بودن شدید، تغییر شرایط عملیاتی، عدم قطعیت دینامیکی اعم از ساختار یافته و ساختار نیافته، و اغتشاشات و اختلالات خارجی اشاره کرد. به رغم پیشرفت­های اخیر در ...

پایان نامه برای دریافت درجه کارشناسی ارشد در رشته برق گرایش قدرت چکیده : تولید انرژی الکتریکی برای سیستم‌‌های قدرت با هدف کمینه‌سازی کل هزینه تولیدی برای واحدهای فعال موجود در شبکه قدرت، از مهمترین مباحث برای سیستم­های مدرن امروزی است. به بیانی دیگر هدف از توزیع اقتصادی بار، برنامه­ریزی بهینه و مناسب برای واحدهای تولیدی با در نظر گرفتن عوامل و محدودیت­های غیر خطی موجود در شبکه ...

دریافت درجه‌ی کارشناسی ارشد در رشته مهندسی برق گرایش الکترونیک چکیده مکانیزه کردن ادوات، یکی از مهم ترین و گسترده‌ترین زمینه‌هایی است که در فرآیندهای تولید استفاده می‌شود. با توجه به پیچیدگی و عدم اطمینان از فرآیندهای ماشین‌کاری، اخیراً تکنیک‌های محاسبات نرم[1] مبتنی بر مدل‌های فیزیکی برای پیش‌بینی عملکرد ماشینکاری فرآیندها و بهینه سازی آنها به روش‌های متداول ترجیح داده شده‌اند. ...

پايان نامه کارشناسي ارشد دانشکده هنر و معماري گروه فرش (مواد اوليه و رنگرزي) شهريور 1393 چکيده: توسعه روز افزون کاربرد کامپيوتر‌ها در تمامي عرصه هاي دانش بشري و از جمله صنعت رنگرزي و

پایان‌نامه کارشناسی‌ارشد مهندسی برق گرایش کنترل چکیده روش‌های‌‌ نوین شناسایی خطا در سیستم‌‌ها‌ همچون استفاده از تحلیل کیفی‌وقایع می‌تواند منجر به نتایج ملموس و قابل فهمی‌برای همگان باشد. سیستم توربین گازی جزو سیستم‌هایی است که احتمال وقوع خطاهای زیادی در آن وجود دارد. و حتی گاهی مدلسازی آنها با روش‌های ریاضی به سختی قابل انجام می‌باشد. روش تحلیل‌ کیفی‌وقایع به زبانی ساده و گویا ...

پایان‏نامه جهت دریافت کارشناسی ارشد رشته مهندسی کامپیوتر- هوش مصنوعی و رباتیک چکیده هر ساله تصادفات رانندگی زیادی به دلیل خواب‏ آلودگی و عدم تمرکز حواس راننده در سراسر دنیا رخ می‏دهد که خسارت‏های جانی و مالی فراوانی به همراه دارند. یکی از روش‏های تشخیص خستگی و عدم تمرکز حواس، استفاده از سیستم‏های نظارت چهره راننده است. سیستم‏های نظارت چهره راننده با دریافت تصاویر از دوربین و ...

پایان نامه برای دریافت درجه کارشناسی ارشد (M.A) گرایش : مالی چکیده پایان نامه (شامل خلاصه، اهداف، روش‌های اجرا و نتایج به دست آمده) : هدف این پژوهش ساخت پورتفوی­های مناسب به وسیلۀ درنظر­ گرفتن میزان ریسک­پذیری سرمایه­گذاران و ترجیحات آن­ها به صورتی انعطاف پذیر، کاربردی و واقع گرایانه می­باشد. به همین منظور یک سیستم خبرۀ فازی مبتنی بر قاعده برای حمایت از مدیران سرمایه­گذاری در ...

پایان نامه دوره کارشناسی ارشد مهندسی کامپیوتر(هوش مصنوعی) چکیده سیستم­ های پیشنهادگر ابزارهای نرم افزاری و تکنیک­ هایی هستند که اقلام را مطابق با نیاز کاربر به او معرفی می­کنند. روش­های محتوا محور و فیلترینگ اشتراکی از راهکارهای موفق در سیستم­های پیشنهادگر می­باشند. روش محتوا محور بر اساس ویژگی­های اقلام تعریف می­شود. این روش بررسی می­کند که اقلام مورد علاقه کاربر دارای چه ...

پایان ‌نامه برای دریافت درجه کارشناسی ارشد رشته مهندسی کامپیوتر - هوش مصنوعی چکیده با توجه به رشد سریع پیچیدگی و اندازه نرم­ا فزارهای شبیه­ سازی، طراحی ساختارهای کارآمد برای ارزیابی و اعتبارسنجی مسئله­ی مهمی است. امروزه به منظور اعتبارسنجی و درستی‌سنجی از شبکه پتری استفاده می‌شود. استفاده از شبکه‌ های پتری برای مدل‌سازی سیستم‌هایی از رویدادهای گسسته است که این رویدادها ممکن است ...

پایان نامه کارشناسی ارشد رشته مهندسی عمران – سازه‌ های هیدرولیکی چکیده: رودخانه‌ ها از مهم‌ترین و متداول‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعتی به شمار می‌آیند. این منابع به علت عبور از بسترهای مختلف و ارتباط مستقیم با محیط پیرامون خود نوسانات کیفی زیادی دارند. از اینرو پیش‌بینی کیفیت جریان رودخانه‌ها که پدیده‌ای غیر قطعی، تصادفی و تأثیرپذیر از برخی عوامل طبیعی و غیر ...

ثبت سفارش