第三講第1章人工智能應用領域與學科發(fā)展年3月課件

人工智能

ArtificialIntelligence

第三次課概論（3）董春游(ChunyouDong)PhD,ProfessorEmail:chunyoudong@126.com1

人工智能

ArtificialIntelligen第二次課主要內(nèi)容1.2AI的產(chǎn)生與發(fā)展

第一階段:孕育期（1956年以前）第二階段:形成期（1956----1970年）第三階段:知識應用期（1970----80年代）第四階段:從學派分離走向綜合（20世紀80年代末到本世紀初）第五階段：智能科學技術學科興起(目前)AI研究的不同學派

1.符號主義學派（邏輯主義、心理學派）主要觀點：AI起源于數(shù)理邏輯，人類認知的基元是符號，認知過程是符號表示上的一種運算代表性成果：紐厄爾和西蒙等人研制的稱為邏輯理論機的數(shù)學定理證明程序LT

代表人物：紐厄爾、肖、西蒙和尼爾遜(Nilsson)等

2.連接主義學派（仿生學派或心理學派）主要觀點：AI起源于仿生學，特別是人腦模型，人類認知的基元是神經(jīng)元，認知過程是神經(jīng)元的連接活動過程代表性成果：由麥克洛奇和皮茲創(chuàng)立的腦模型，即MP模型

代表人物：麥克洛奇和皮茲3.行為主義學派（進化主義、控制論學派）主要觀點：AI起源于控制論，智能取決于感知和行為，取決于對外界復雜環(huán)境的適應，而不是推理。代表性成果：Brooks教授研制的機器蟲代表人物：Brooks教授2第二次課主要內(nèi)容21.2人工智能的產(chǎn)生與發(fā)展1.3AI的主要研究內(nèi)容1機器思維4計算智能1.推理1.神經(jīng)計算2.搜索2.進化計算3.規(guī)劃3.模糊計算2機器感知5機器學習1.計算機視覺1.符號學習2.模式識別2.神經(jīng)學習3.自然語言處理3.知識發(fā)現(xiàn)和數(shù)據(jù)挖掘3機器行為（行為主義）6智能系統(tǒng)1.智能控制1.決策支持系統(tǒng)2.智能檢索2.專家系統(tǒng)3.智能機器人331.4AI應用領域1.難題求解這里的難題，主要指那些沒有算法解，或雖有算法解但在現(xiàn)有機器上無法實施或無法完成的困難問題。例如：路徑規(guī)劃、運輸調(diào)度、電力調(diào)度、地質(zhì)分析、測量數(shù)據(jù)解釋、天氣預報、市場預測、股市分析、疾病診斷、故障診斷、軍事指揮（模擬）、機器人行動規(guī)劃、機器博弈等等。41.4AI應用領域42.自動定理證明自動定理證明就是機器定理證明，這也是人工智能的一個重要的研究領域，也是最早的研究領域之一。定理證明是最典型的邏輯推理問題之一，它在發(fā)展人工智能方法上起過重大作用。自動定理證明的方法主要有四類：(1)自然演繹法。它的基本思想是依據(jù)推理規(guī)則，從前提和公理中可以推出許多定理，如果待證的定理恰在其中，則定理得證。(2)判定法。即對一類問題找出統(tǒng)一的計算機上可實現(xiàn)的算法解。在這方面一個著名的成果是我國數(shù)學家吳文俊教授1977年提出的初等幾何定理證明方法。(3)定理證明器。它研究一切可判定問題的證明方法。(4)計算機輔助證明。它是以計算機為輔助工具，利用機器的高速度和大容量，幫助人完成手工證明中難以完成的大量計算、推理和窮舉。52.自動定理證明53.自動程序設計自動程序設計就是讓計算機設計程序。具體來講，就是人只要給出關于某程序要求的非常高級的描述，計算機就會自動生成一個能完成這個要求目標的具體程序。所以，這相當于給機器配置了一個“超級編譯系統(tǒng)”，它能夠?qū)Ω呒壝枋鲞M行處理，通過規(guī)劃過程，生成所需的程序。但這只是自動程序設計的主要內(nèi)容，它實際是程序的自動綜合。自動程序設計還包括程序自動驗證，即自動證明所設計程序的正確性。4.自動翻譯自動翻譯即機器翻譯，就是完全用計算機作為兩種語言之間的翻譯。機器翻譯由來已久。早在電子計算機問世不久，就有人提出了機器翻譯的設想。隨后就開始了這方面的研究。當時人們總以為只要用一部雙向詞典及一些語法知識就可以實現(xiàn)兩種語言文字間的機器互譯，結果遇到了挫折。機器翻譯的實現(xiàn)依賴于自然語言理解研究的進展。63.自動程序設計65.智能控制智能控制就是把人工智能技術引入控制領域，建立智能控制系統(tǒng)。自從國際知名美籍華裔科學家傅京孫(KS.Fu)在1965年首先提出把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)以來，國內(nèi)外眾多的研究者投身于智能控制研究，并取得一些成果。75.智能控制76.智能管理智能管理就是把人工智能技術引入管理領域，建立智能管理系統(tǒng)。智能管理是現(xiàn)代管理科學技術發(fā)展的新動向。智能管理是人工智能與管理科學、系統(tǒng)工程、計算機技術及通信技術等多學科、多技術互相結合、互相滲透而產(chǎn)生的一門新技術、新學科。它研究如何提高計算機管理系統(tǒng)的智能水平，以及智能管理系統(tǒng)的設計理論、方法與實現(xiàn)技術。7.智能決策智能決策就是把人工智能技術引入決策過程，建立智能決策支持系統(tǒng)。智能決策支持系統(tǒng)是在20世紀80年代初提出來的。它是決策支持系統(tǒng)與人工智能，特別是專家系統(tǒng)相結合的產(chǎn)物。

86.智能管理8一般來說，智能部件中可以包含如下一些知識：(1)建立決策模型和評價模型的知識。(2)如何形成候選方案的知識。(3)建立評價標準的知識。(4)如何修正候選方案，從而得到更好候選方案的知識。(5)完善數(shù)據(jù)庫，改進對它的操作及維護的知識。9一般來說，智能部件中可以包含如下一些知識：98.智能通信智能通信就是把人工智能技術引入通信領域，建立智能通信系統(tǒng)。智能通信就是在通信系統(tǒng)的各個層次和環(huán)節(jié)上實現(xiàn)智能化。例如在通信網(wǎng)的構建、網(wǎng)管與網(wǎng)控、轉接、信息傳輸與轉換等環(huán)節(jié)，都可實現(xiàn)智能化。這樣，網(wǎng)絡就可運行在最佳狀態(tài)，使呆板的網(wǎng)變成活化的網(wǎng)，使其具有自適應、自組織、自學習、自修復等功能。9.智能仿真智能仿真就是將人工智能技術引入仿真領域，建立智能仿真系統(tǒng)。我們知道，仿真是對動態(tài)模型的實驗，即行為產(chǎn)生器在規(guī)定的實驗條件下驅(qū)動模型，從而產(chǎn)生模型行為。108.智能通信1010.智能CAD智能CAD（簡稱ICAD）就是把人工智能技術引入計算機輔助設計領域，建立智能CAD系統(tǒng)。事實上，AI幾乎可以應用到CAD技術的各個方面。從目前發(fā)展的趨勢來看，至少有下述四個方面：(1)設計自動化。(2)智能交互。(3)智能圖形學。(4)自動數(shù)據(jù)采集。從具體技術來看，ICAD技術大致可分為如下幾種方法：(1)規(guī)則生成法。(2)約束滿足方法。(3)搜索法。(4)知識工程方法。(5)形象思維方法。1110.智能CAD1111.智能CAI智能CAI就是把人工智能技術引入計算機輔助教學領域，建立智能CAI系統(tǒng)，即ICAI。ICAI的特點是能對學生因才施教地進行指導。為此，ICAI應具備下列智能特征:(1)自動生成各種問題與練習。(2)根據(jù)學生的水平和學習情況自動選擇與調(diào)整教學內(nèi)容與進度。(3)在理解教學內(nèi)容的基礎上自動解決問題生成解答1211.智能CAI121.5AI學科位置1.學科的性質(zhì)：AI是一門新興的邊緣學科，是自然科學與社會科學交叉學科AI的交叉包括：邏輯、思維、生理、心理、計算機、電子、語言、自動化、光、聲等AI的核心是思維與智能，構成了自己獨特的學科體系AI基礎學科包括：數(shù)學（離散、模糊）、思維科學（認知心理、邏輯思維學、形象思維學）和計算機（硬件、軟件）等自然科學社會科學哲學數(shù)學交叉學科系統(tǒng)科學思維科學人體科學人工智能基礎學科指導學科131.5AI學科位置自然科學社會科學哲學數(shù)學交叉學科系統(tǒng)科學2.學科的特點：AI是腦科學和認知科學的交叉研究

腦科學：又稱神經(jīng)科學，其目的是要認識腦、保護腦和創(chuàng)造腦。人腦是自然界中最復雜、最高級的智能系統(tǒng)：這種復雜性主要表現(xiàn)在人腦是由巨量神經(jīng)元經(jīng)其突觸的廣泛并行互聯(lián)所形成的一個巨復雜系統(tǒng)?，F(xiàn)代腦科學的基本問題主要包括：

(1)揭示神經(jīng)元之間的連接形式，奠定行為的腦機制的結構基礎；

(2)闡明神經(jīng)活動的基本過程，說明在分子、細胞到行為等不同層次上神經(jīng)信號的產(chǎn)生、傳遞、調(diào)制等基本過程；(3)鑒別神經(jīng)元的特殊細胞生物學特性；(4)認識實現(xiàn)各種功能的神經(jīng)回路基礎；(5)解釋腦的高級功能機制等。腦科學是人工智能的基礎：研究的任何進展，都將會對人工智能的研究起到積極的推動作用，因此人工智能應該加強與腦科學的交叉研究，以及人類智能與機器智能的集成研究。142.學科的特點：AI是腦科學和認知科學的交叉研究

14

認知：美國心理學家浩斯頓(Houston)等人把認知歸納為以下5種主要類型：(1)認知是信息的處理過程；(2)認知是心理上的符號運算；(3)認知是問題求解；(4)認知是思維；(5)認知是一組相關的活動，如知覺、記憶、思維、判斷、推理、問題求解、學習、想象、概念形成及語言使用等。認知科學：認知科學（亦稱思維科學）是研究人類感知和思維信息處理過程的一門學科，其主要研究目的就是要說明和解釋人類在完成認知活動時是如何進行信息加工的。認知科學也是人工智能的重要理論基礎，對人工智能發(fā)展起著根本性的作用。

15認知：美國心理學家浩斯頓(Houston)等人把認知歸納為*研究生課題論文（綜述寫作方法）一、題目（一般小于20個字）基于不確定性理論的煤炭城市可持續(xù)發(fā)展評價基于云模型的多屬性決策系統(tǒng)應用研究主要包含內(nèi)容1.研究對象煤炭城市可持續(xù)發(fā)展（多屬性決策系統(tǒng)）2.研究方法不確定性理論（云模型）3.研究內(nèi)容評價（應用）二、概論1緒論1.1研究背景、目的及意義1.1.1研究背景1.1.2研究目的及意義1.2國內(nèi)外研究現(xiàn)狀（研究進展）{查閱大量資料，對前人的結果進行分析}1.2.1資源城市可持續(xù)發(fā)展研究現(xiàn)狀1.2.2理論方法研究現(xiàn)狀1.3主要研究工作1.4技術路線及創(chuàng)新之處1.4.1技術路線1.4.2創(chuàng)新之處

16*研究生課題論文（綜述寫作方法）一、題目（一般小于20個字）

資源城市可持續(xù)發(fā)展研究現(xiàn)狀（國際）

最早對資源城市的研究是在西方的工業(yè)化國家進行的。就工業(yè)化的歷史而言，西方發(fā)達國家比發(fā)展中國家要早的多。工業(yè)化必須依賴大量能源和礦產(chǎn)資源來支持，因此在西方很多資源較豐富的國家，較早地出現(xiàn)了很多主要產(chǎn)業(yè)為資源開采及對資源型產(chǎn)品初加工的礦區(qū)，如：德國的魯爾礦區(qū)、加洛礦區(qū)等，但這些礦區(qū)都隨著資源枯竭都一度陷入逐漸沒落的池沼[7,8]。20世紀30年代，加拿大著名學者英尼斯(H.A.Innis)開創(chuàng)性的針對資源型城市可持續(xù)進行了相關研究[9]。1929年，赫瓦特提出了基于礦產(chǎn)資源加工和利用程度的礦區(qū)城鎮(zhèn)五階段發(fā)展論，自此礦區(qū)的生命周期開始被研究[10]。而學者們對資源城市（礦區(qū)）進行系統(tǒng)性的研究是在六十年代以后。1962年，羅賓遜(Robinson)首次全面而系統(tǒng)的評估了加拿大的資源型社區(qū)。1971年，盧卡斯(R.A.Lucas)提出了資源型城市發(fā)展的四階段理論，即：第一階段，建設期；第二階段，人員雇用期；第三階段，過渡期；第四階段，成熟期[11]。布萊德伯里(Bradbury)在70年代末在對加拿大的一個名叫Schefferville的礦業(yè)型城市進行實證研究基礎上，進一步對魯卡斯的四階段理論進行了拓展與補充，在他看來，之前盧卡斯的研究忽略了資源型城鎮(zhèn)發(fā)展到后期的情況，以及此類城市最終的結局，因此是不全面的。所以他又增加了第5個階段，衰退階段和第6個階段，衰亡階段[12]。隨后，米爾沃德(H.Millward)和阿什曼(H.AschMann)對加拿大某礦區(qū)的歷史地理進行了一系列研究，并歸納和抽象得出6階段模式[13,14]。進入20世紀80年代，學者們在研究內(nèi)容及研究方法上不僅加強了實證研究，而且對資源城市的理論研究也進展良好，并且在研究過程中將行為區(qū)域發(fā)展理論、地理學、資源環(huán)境理論、城市規(guī)劃學和依附理論等相融合，并應用于礦產(chǎn)資源型城市可持續(xù)發(fā)展的研究中。80年代以后，學者們不僅重視實證研究，還將其與規(guī)范研究想結合，研究內(nèi)容也相對更加廣泛。

1717

國內(nèi)研究評述我國的工業(yè)化歷史比較短，因此對資源型城市可持續(xù)發(fā)展發(fā)展方面的研究也比較晚。在國內(nèi)，學術界和政府最早關注資源城市的發(fā)展問題是在改革開放以后，1978年，李文彥先生提出了界定煤炭城市的4個標準及在我國煤炭資源城市存在的一些問題，論述了此類城市實行多元化綜合發(fā)展的必要性并對其綜合發(fā)展的類型進行了歸納[15]。1987年，煤礦城市政策科研組在對煤炭城市可持續(xù)發(fā)展問題進行了深入探討并出版了題名為《煤礦城市有關政策的研究》的報告。在隨后的二、三十年里，相繼出現(xiàn)不少相關研究成果，但對煤炭城市的相關研究相對較少，大多以煤炭行業(yè)為研究對象[16]。與西方國家相比，國內(nèi)學者的研究較多集中于可持續(xù)發(fā)展經(jīng)濟轉型、產(chǎn)業(yè)結構調(diào)整等方面，實證研究涵蓋面較窄，而且一般都是從宏觀角度對問題進行研究：魏心鎮(zhèn)，梁仁彩等人分別就礦區(qū)的形成、分類與綜合發(fā)展進行了具體研究，為煤炭城市綜合發(fā)展提供了更廣的思路[17,18]。湯萬金和張鳳武等提出幾個模式，對資源型城市的產(chǎn)業(yè)結構調(diào)整問題進行了討論分析[19,20]；在趙國浩所著的《中國煤炭工業(yè)與可持續(xù)發(fā)展》中，他以系統(tǒng)工程為視角對煤炭工業(yè)的協(xié)調(diào)以及可持續(xù)發(fā)展問題進行了分析[21]；也有學者從礦區(qū)整體或者單就其某一方面從系統(tǒng)論角度進行了研究[22]：董春游對煤炭建設項目進行了系統(tǒng)分析，他把可持續(xù)發(fā)展的煤炭建設項目REES’P作為系統(tǒng)整體，研究了煤炭建設項目中的環(huán)境評價、資源配置等理論，并建立了系統(tǒng)發(fā)展度、協(xié)調(diào)度、持續(xù)度測度模型[23]；曾旗在對自組織機理研究基礎上討論了基于可持續(xù)發(fā)展的產(chǎn)業(yè)結構如何更好優(yōu)化的問題[24]；李堂軍建立了煤炭礦區(qū)動態(tài)仿真系統(tǒng)并對其可持續(xù)發(fā)展模式進行了探究[25]。以上這些對資源城市可持續(xù)發(fā)展方面的研究，對探究礦產(chǎn)資源城市的未來可持續(xù)發(fā)展之路具有重要的理論價值，也為本文研究奠定了非常良好理論基礎。1818

理論方法研究現(xiàn)狀通過查閱文獻發(fā)現(xiàn)：很多文獻對煤炭城市可持續(xù)發(fā)展問題的研究僅停留在純理論上，通過理論性的歸納對煤炭城市的特征以及現(xiàn)存的問題進行了分析并提出政策建議。當然，也有一些學者借助一定的研究方法進行了實證分析，但是其研究方法往往較單一且存在各種缺陷或不足，比如：任菊香，王斌運用層次分析法(AHP)對煤炭城市可持續(xù)發(fā)展狀況進行了評價[26]，這種方法的權重獲取方面往往帶有很強的主觀性，而且定量指標與定性指標間不能實現(xiàn)有效地不確定轉化，因而分析所得的結果往往都不夠精確；烏蘭等人利用模糊綜合評價模型，借助專家咨詢確定指標權重，對礦區(qū)可持續(xù)發(fā)展程度進行了評價，其指標權重仍依賴于人的主觀判斷來獲取，因而也不能排除主觀因素的影響，而且對含較多指標的評價模型在確定隸屬度函數(shù)方面非常繁瑣[28-29]；董鋒,譚清美等引入灰色關聯(lián)分析方法，建立系統(tǒng)分析與模糊分析相結合的資源型城市可持續(xù)發(fā)展水平評價體系，該方法的缺陷在于該方法對因評價指標相關而造成的信息交叉重復束手無策，故一旦指標選擇不合理就會對對評判結果產(chǎn)生極大的不良影響[30]；呂小師等則運用人工神經(jīng)網(wǎng)絡建立了包含3層BP神經(jīng)網(wǎng)絡的模型，對樣本數(shù)據(jù)進行訓練，利用訓練好的網(wǎng)絡對煤炭企業(yè)可持續(xù)發(fā)展狀況進行了評價[31]，該方法使權重的主觀影響得到弱化，但網(wǎng)絡訓練需要的海量樣本數(shù)據(jù)往往很難獲取，且在精度方面也不高。以上方法存在一個共性的缺陷，即：均存在忽略或部分忽略評價中隨機性及模糊性因素的問題。19理論方法研究現(xiàn)狀191.2國內(nèi)外研究現(xiàn)狀1.2.1多屬性決策研究現(xiàn)狀

決策的思想和和方法一直伴隨著人類歷史的發(fā)展，有意無意的被人們所接受并應用著，而決策理論的研究是1931年拉姆西把決策理論建立在效用和主觀概率的基礎上才開始的。到1944年馮.諾依曼和摩根斯坦建立了在不確定情況下制定決策的現(xiàn)代效用理論，使隨機決策有了重大的突破，至今仍然在這領域中占有重要地位[7]。50年代初，瓦爾德和賽維奇分別研究了統(tǒng)計決策問題，發(fā)表了專著并提出了相應的公理體系。60年代初，Schlaiffer研究了貝葉斯決策理論，進一步發(fā)展了統(tǒng)計決策理論。1966年Howard在論文中提出了決策分析的概念[8]。與此同時，很多學者從不同角度研究了決策理論。對于多屬性決策的研究始于1957年，當時Churohman.Ackoff和Amoff首次正式利用簡單加權法處理了“選擇企業(yè)投資方針”這樣一個多屬性決策問題[9]。多屬性評價隨著多目標決策技術的發(fā)展而發(fā)展。60年代，多屬性決策的理論及應用研究有較大進展。1964年，Aumann最先對多目標決策問題提出了效用函數(shù)的概念。同年，美國的Rand公司創(chuàng)立了著名的Delphi法[10]。其間還有不少研究成果問世，如Jehnsen于1968年出版的關于標度方法的著述等。歐洲的學者也有杰出貢獻，如法國的R.Benayoun、B.Roy等人在1966年提出并多次改進的ELECTRE方法[11]，它為離散的多屬性決策提供了強有力的工具。進入70年代，多屬性決策技術的發(fā)展加快。1976年R.L.Keeny和H.Raiffa進一步發(fā)展了多屬性效用理論；與此同時，美國學者T.L.Saaty提出了具有劃時代意義的AHP[12]法，它體現(xiàn)了人們分解、判斷和綜合的決策思維特征，具有系統(tǒng)性、綜合性和簡便性等特點，這種方法在多屬性評價中得到極為廣泛的應用[13]。80年代初，C.L.Hwang即提出了基于理想點原理的TOPSIS方法；人們還將模糊數(shù)學引入到多屬性評價中，形成了模糊綜合評判法等模糊評價方法；由A.Charnes和W.W.Cooper等人以相對效率概念為基礎發(fā)展起來的DEA方法是又一種多屬性評價決策方法[14,15]。80年代后，許多學者研究了求解多屬性決策問題的各種類型的交互式算法。90年代，Singh，Yang和Sen對不確定多屬性決策問題又進行了研究[16]。Chen和Hwang寫了模糊多屬性決策方面的專著《FuzzyMultipleAttributeDecisionMaking-MethodandApplication》，把模糊數(shù)學引入了決策理論，對模糊多屬性決策進行了系統(tǒng)的綜述[17]。1982年，波蘭數(shù)學家Pawlak提出了粗糙集的概念，Slowinski、Greco、Matarzzo將粗糙集理論引入決策中，提出了基于粗糙集的決策方法[18]。二十世紀九十年代開始，隨著計算機技術的發(fā)展，研究人員又提出了基于人工智能技術、神經(jīng)網(wǎng)絡、遺傳算法和粗集理論的多屬性決策方法。如1993年C．M．Fonseca在第五屆國際遺傳學會議上提出了基于遺傳算法的多屬性決策問題；2002年，SalvatoreGreco提出了基于粗糙集理論的多屬性分類方法；同年，AzibiR等提出了基于規(guī)則的分類模型，多屬性決策問題的研究也越來越復雜化[19]。201.2國內(nèi)外研究現(xiàn)狀20關于投稿（論文寫作）AI期刊及會議的一點建議一、投稿AI期刊SystematicWorks（系統(tǒng)性、完整性、創(chuàng)新性工作）ThreeElements(IRS):“OriginalNovelIdeas+PrettyGoodResults+HighWritingSkills”要有“屢敗屢戰(zhàn)”的勇氣要符合特定期刊的“胃口”英文語言關至關重要（至少要改20多遍）先投頂級或著名的AI會議，錄用并做Presentation后，盡快補充、完善，然后再投國際AI期刊(投稿時要聲明：部分工作已在XX會議上宣讀過)……二、投稿AI會議不一定非得有SystematicWorks，但Ideas必須新！投稿會議的目標要明確：切入特定的研究圈子！同樣要有“屢敗屢戰(zhàn)”的勇氣要有針對性地投稿，不主張到處“亂撒種”不在迫不得已的情況下，不主張投不入流的會議若論文被錄用，要參加會議并做Presentation，更重要的是，爭取以后每年都有論文被錄用，持之以恒，遲早會成為圈子中的一員，而不是學術上的“游擊隊員”……21關于投稿（論文寫作）AI期刊及會議的一點建議一、投稿AI期刊2222232324242525262627272828

引發(fā)的思考：

1.AI的核心是什么？Nilsson ——演繹推理Newell,Simon——思維規(guī)律Sloman ——智能系統(tǒng)Feigenbaum——知識工程McCarthy ——核心還未構成……2.中國AI的研究現(xiàn)狀如何？中國大陸重要的AI研究機構清華大學智能技術與系統(tǒng)國家重點實驗室南京大學軟件新技術國家重點實驗室中科院自動化所模式識別國家重點實驗室……中國大陸著名的老一輩AI專家張鈸院士：清華大學計算機系戴汝為院士：中科院自動化所陸汝鈐院士：中科院數(shù)學與系統(tǒng)科學研究所……中國大陸年輕一代的AI領軍人物應明生教授：清華大學計算機系周志華教授：南京大學計算機系……1.7思考及拓展：

總結：以創(chuàng)新的思維方式，開發(fā)自己的想象空間

1.三大學派；2.AI的發(fā)展進程；五個階段要求：小論文：綜述性論文，大論文：綜述：國內(nèi)外研究動態(tài)。講述如何寫？讀書報告：寫一篇人工智能發(fā)展的綜述或三大學派發(fā)展趨勢。29

引發(fā)的思考：

1.AI的核心是什么？Nilsson 3.當前AI的研究熱點有哪些？統(tǒng)計學習理論(SLT)&支持向量機(SVM)統(tǒng)計學習理論支持向量機核（Kernel）方法……概率圖模型（ProbabilisticGraphicModels）隱馬爾可夫模型（HMM）貝葉斯網(wǎng)絡（BayesianNetworks）……MarkovLogicNetworks（MLNs）Markov隨機場（MarkovRandomField）符號機器學習符號邏輯與統(tǒng)計邏輯的綜合集成……數(shù)據(jù)挖掘&知識發(fā)現(xiàn)WebMining商務智能基于DM/KDD的智能輔助決策……Web智能&IntegratedIntelligenceCapabilitiesWeb智能（WebIntelligence，簡稱WI）IntegratedIntelligenceCapabilities……生物信息學&神經(jīng)信息學（NeuralInformatics）生物信息學（Bioinformatics）神經(jīng)信息編碼及處理腦機工程（Brain-MachineEngineering，BME）……新的機器學習方法流形學習（ManifoldLearning）增強學習（ReinforcementLearning）多示例學習（Multi-instanceLearning）半監(jiān)督學習（Semi-supervisedLearning）關系學習（RelationalLearning）Ranking學習（LearningforRanking）數(shù)據(jù)流學習（DataStreamLearning）……303.當前AI的研究熱點有哪些？統(tǒng)計學習理論(SLT)&4.AI的國際會議及主要期刊有哪些？國際頂級的2個AI綜合性學術會議AAAI:NationalConferenceonArtificialIntelligenceIJCAI:Intl.JointConferenceonArtificialIntelligence國際頂級的幾個著名AI專業(yè)性學術會議UAI:Intl.Conf.onUncertaintyinAIICML:Intl.Conf.onMachineLearningNIPS:AnnualConf.onNeuralInformationProcessingSystems……最頂級的AI期刊（部分）ArtificialIntelligenceJournalofMachineLearningResearch……權威的AI期刊（部分）ArtificialIntelligenceReviewAIMagazineMachineLearningComputationalIntelligenceJournalofAIResearchPatternRecognitionArtificialIntelligenceinMedicineIEEETrans.onPatternAnalysis&MachineIntelligenceIEEETrans.onKnowledge&DataEngineeringIEEETrans.onNeuralNetworksJournalofDataMining&KnowledgeDiscovery……314.AI的國際會議及主要期刊有哪些？國際頂級的2個AI綜智能科學與技術研究生專業(yè)建設一級學科名稱智能科學與技術二級學科名稱

智能科學技術理論與方法AI理論、認知、計算智能、專家系統(tǒng)、智能決策、分布智能、Agent技術、人工情感、人工生命等。智能信息處理自然語言處理、數(shù)據(jù)挖掘、模式識別、機器感知、信息融合、智能信息網(wǎng)絡等。智能系統(tǒng)與工程智能接口與人機交互、集成智能、機器視覺、智能機器、智能機器人、智能控制、智能工程、智能教學系統(tǒng)等

32智能科學與技術研究生專業(yè)建設一級學科名稱32智能科學與技術本科專業(yè)的現(xiàn)狀專業(yè)名稱

稱采用一級名稱“智能科學與技術”專業(yè)專業(yè)概念智能科學技術專業(yè)是一個多學科交叉的跨應用領域的新專業(yè)。國內(nèi)智能科學與技術本科教育的現(xiàn)狀

自2004年北京大學申報的“智能科學與技術”本科專業(yè)經(jīng)教育部正式批準以來，截至2006年底，國內(nèi)已有北京郵電大學、南開大學、西安電子科技大學、首都師范大學、武漢工程大學、西安郵電學院和北京信息工程學院共8所院校經(jīng)教育部批準，正式設立“智能科學與技術”本科專業(yè)。寫一篇，人工智能發(fā)展的綜述33智能科學與技術本科專業(yè)的現(xiàn)狀專業(yè)名稱33演講完畢，謝謝觀看！演講完畢，謝謝觀看！

人工智能

ArtificialIntelligence

第三次課概論（3）董春游(ChunyouDong)PhD,ProfessorEmail:chunyoudong@126.com35

人工智能

ArtificialIntelligen第二次課主要內(nèi)容1.2AI的產(chǎn)生與發(fā)展

第一階段:孕育期（1956年以前）第二階段:形成期（1956----1970年）第三階段:知識應用期（1970----80年代）第四階段:從學派分離走向綜合（20世紀80年代末到本世紀初）第五階段：智能科學技術學科興起(目前)AI研究的不同學派

1.符號主義學派（邏輯主義、心理學派）主要觀點：AI起源于數(shù)理邏輯，人類認知的基元是符號，認知過程是符號表示上的一種運算代表性成果：紐厄爾和西蒙等人研制的稱為邏輯理論機的數(shù)學定理證明程序LT

代表人物：紐厄爾、肖、西蒙和尼爾遜(Nilsson)等

2.連接主義學派（仿生學派或心理學派）主要觀點：AI起源于仿生學，特別是人腦模型，人類認知的基元是神經(jīng)元，認知過程是神經(jīng)元的連接活動過程代表性成果：由麥克洛奇和皮茲創(chuàng)立的腦模型，即MP模型

代表人物：麥克洛奇和皮茲3.行為主義學派（進化主義、控制論學派）主要觀點：AI起源于控制論，智能取決于感知和行為，取決于對外界復雜環(huán)境的適應，而不是推理。代表性成果：Brooks教授研制的機器蟲代表人物：Brooks教授36第二次課主要內(nèi)容21.2人工智能的產(chǎn)生與發(fā)展1.3AI的主要研究內(nèi)容1機器思維4計算智能1.推理1.神經(jīng)計算2.搜索2.進化計算3.規(guī)劃3.模糊計算2機器感知5機器學習1.計算機視覺1.符號學習2.模式識別2.神經(jīng)學習3.自然語言處理3.知識發(fā)現(xiàn)和數(shù)據(jù)挖掘3機器行為（行為主義）6智能系統(tǒng)1.智能控制1.決策支持系統(tǒng)2.智能檢索2.專家系統(tǒng)3.智能機器人3731.4AI應用領域1.難題求解這里的難題，主要指那些沒有算法解，或雖有算法解但在現(xiàn)有機器上無法實施或無法完成的困難問題。例如：路徑規(guī)劃、運輸調(diào)度、電力調(diào)度、地質(zhì)分析、測量數(shù)據(jù)解釋、天氣預報、市場預測、股市分析、疾病診斷、故障診斷、軍事指揮（模擬）、機器人行動規(guī)劃、機器博弈等等。381.4AI應用領域42.自動定理證明自動定理證明就是機器定理證明，這也是人工智能的一個重要的研究領域，也是最早的研究領域之一。定理證明是最典型的邏輯推理問題之一，它在發(fā)展人工智能方法上起過重大作用。自動定理證明的方法主要有四類：(1)自然演繹法。它的基本思想是依據(jù)推理規(guī)則，從前提和公理中可以推出許多定理，如果待證的定理恰在其中，則定理得證。(2)判定法。即對一類問題找出統(tǒng)一的計算機上可實現(xiàn)的算法解。在這方面一個著名的成果是我國數(shù)學家吳文俊教授1977年提出的初等幾何定理證明方法。(3)定理證明器。它研究一切可判定問題的證明方法。(4)計算機輔助證明。它是以計算機為輔助工具，利用機器的高速度和大容量，幫助人完成手工證明中難以完成的大量計算、推理和窮舉。392.自動定理證明53.自動程序設計自動程序設計就是讓計算機設計程序。具體來講，就是人只要給出關于某程序要求的非常高級的描述，計算機就會自動生成一個能完成這個要求目標的具體程序。所以，這相當于給機器配置了一個“超級編譯系統(tǒng)”，它能夠?qū)Ω呒壝枋鲞M行處理，通過規(guī)劃過程，生成所需的程序。但這只是自動程序設計的主要內(nèi)容，它實際是程序的自動綜合。自動程序設計還包括程序自動驗證，即自動證明所設計程序的正確性。4.自動翻譯自動翻譯即機器翻譯，就是完全用計算機作為兩種語言之間的翻譯。機器翻譯由來已久。早在電子計算機問世不久，就有人提出了機器翻譯的設想。隨后就開始了這方面的研究。當時人們總以為只要用一部雙向詞典及一些語法知識就可以實現(xiàn)兩種語言文字間的機器互譯，結果遇到了挫折。機器翻譯的實現(xiàn)依賴于自然語言理解研究的進展。403.自動程序設計65.智能控制智能控制就是把人工智能技術引入控制領域，建立智能控制系統(tǒng)。自從國際知名美籍華裔科學家傅京孫(KS.Fu)在1965年首先提出把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)以來，國內(nèi)外眾多的研究者投身于智能控制研究，并取得一些成果。415.智能控制76.智能管理智能管理就是把人工智能技術引入管理領域，建立智能管理系統(tǒng)。智能管理是現(xiàn)代管理科學技術發(fā)展的新動向。智能管理是人工智能與管理科學、系統(tǒng)工程、計算機技術及通信技術等多學科、多技術互相結合、互相滲透而產(chǎn)生的一門新技術、新學科。它研究如何提高計算機管理系統(tǒng)的智能水平，以及智能管理系統(tǒng)的設計理論、方法與實現(xiàn)技術。7.智能決策智能決策就是把人工智能技術引入決策過程，建立智能決策支持系統(tǒng)。智能決策支持系統(tǒng)是在20世紀80年代初提出來的。它是決策支持系統(tǒng)與人工智能，特別是專家系統(tǒng)相結合的產(chǎn)物。

426.智能管理8一般來說，智能部件中可以包含如下一些知識：(1)建立決策模型和評價模型的知識。(2)如何形成候選方案的知識。(3)建立評價標準的知識。(4)如何修正候選方案，從而得到更好候選方案的知識。(5)完善數(shù)據(jù)庫，改進對它的操作及維護的知識。43一般來說，智能部件中可以包含如下一些知識：98.智能通信智能通信就是把人工智能技術引入通信領域，建立智能通信系統(tǒng)。智能通信就是在通信系統(tǒng)的各個層次和環(huán)節(jié)上實現(xiàn)智能化。例如在通信網(wǎng)的構建、網(wǎng)管與網(wǎng)控、轉接、信息傳輸與轉換等環(huán)節(jié)，都可實現(xiàn)智能化。這樣，網(wǎng)絡就可運行在最佳狀態(tài)，使呆板的網(wǎng)變成活化的網(wǎng)，使其具有自適應、自組織、自學習、自修復等功能。9.智能仿真智能仿真就是將人工智能技術引入仿真領域，建立智能仿真系統(tǒng)。我們知道，仿真是對動態(tài)模型的實驗，即行為產(chǎn)生器在規(guī)定的實驗條件下驅(qū)動模型，從而產(chǎn)生模型行為。448.智能通信1010.智能CAD智能CAD（簡稱ICAD）就是把人工智能技術引入計算機輔助設計領域，建立智能CAD系統(tǒng)。事實上，AI幾乎可以應用到CAD技術的各個方面。從目前發(fā)展的趨勢來看，至少有下述四個方面：(1)設計自動化。(2)智能交互。(3)智能圖形學。(4)自動數(shù)據(jù)采集。從具體技術來看，ICAD技術大致可分為如下幾種方法：(1)規(guī)則生成法。(2)約束滿足方法。(3)搜索法。(4)知識工程方法。(5)形象思維方法。4510.智能CAD1111.智能CAI智能CAI就是把人工智能技術引入計算機輔助教學領域，建立智能CAI系統(tǒng)，即ICAI。ICAI的特點是能對學生因才施教地進行指導。為此，ICAI應具備下列智能特征:(1)自動生成各種問題與練習。(2)根據(jù)學生的水平和學習情況自動選擇與調(diào)整教學內(nèi)容與進度。(3)在理解教學內(nèi)容的基礎上自動解決問題生成解答4611.智能CAI121.5AI學科位置1.學科的性質(zhì)：AI是一門新興的邊緣學科，是自然科學與社會科學交叉學科AI的交叉包括：邏輯、思維、生理、心理、計算機、電子、語言、自動化、光、聲等AI的核心是思維與智能，構成了自己獨特的學科體系AI基礎學科包括：數(shù)學（離散、模糊）、思維科學（認知心理、邏輯思維學、形象思維學）和計算機（硬件、軟件）等自然科學社會科學哲學數(shù)學交叉學科系統(tǒng)科學思維科學人體科學人工智能基礎學科指導學科471.5AI學科位置自然科學社會科學哲學數(shù)學交叉學科系統(tǒng)科學2.學科的特點：AI是腦科學和認知科學的交叉研究

腦科學：又稱神經(jīng)科學，其目的是要認識腦、保護腦和創(chuàng)造腦。人腦是自然界中最復雜、最高級的智能系統(tǒng)：這種復雜性主要表現(xiàn)在人腦是由巨量神經(jīng)元經(jīng)其突觸的廣泛并行互聯(lián)所形成的一個巨復雜系統(tǒng)?，F(xiàn)代腦科學的基本問題主要包括：

(1)揭示神經(jīng)元之間的連接形式，奠定行為的腦機制的結構基礎；

(2)闡明神經(jīng)活動的基本過程，說明在分子、細胞到行為等不同層次上神經(jīng)信號的產(chǎn)生、傳遞、調(diào)制等基本過程；(3)鑒別神經(jīng)元的特殊細胞生物學特性；(4)認識實現(xiàn)各種功能的神經(jīng)回路基礎；(5)解釋腦的高級功能機制等。腦科學是人工智能的基礎：研究的任何進展，都將會對人工智能的研究起到積極的推動作用，因此人工智能應該加強與腦科學的交叉研究，以及人類智能與機器智能的集成研究。482.學科的特點：AI是腦科學和認知科學的交叉研究

14

認知：美國心理學家浩斯頓(Houston)等人把認知歸納為以下5種主要類型：(1)認知是信息的處理過程；(2)認知是心理上的符號運算；(3)認知是問題求解；(4)認知是思維；(5)認知是一組相關的活動，如知覺、記憶、思維、判斷、推理、問題求解、學習、想象、概念形成及語言使用等。認知科學：認知科學（亦稱思維科學）是研究人類感知和思維信息處理過程的一門學科，其主要研究目的就是要說明和解釋人類在完成認知活動時是如何進行信息加工的。認知科學也是人工智能的重要理論基礎，對人工智能發(fā)展起著根本性的作用。

49認知：美國心理學家浩斯頓(Houston)等人把認知歸納為*研究生課題論文（綜述寫作方法）一、題目（一般小于20個字）基于不確定性理論的煤炭城市可持續(xù)發(fā)展評價基于云模型的多屬性決策系統(tǒng)應用研究主要包含內(nèi)容1.研究對象煤炭城市可持續(xù)發(fā)展（多屬性決策系統(tǒng)）2.研究方法不確定性理論（云模型）3.研究內(nèi)容評價（應用）二、概論1緒論1.1研究背景、目的及意義1.1.1研究背景1.1.2研究目的及意義1.2國內(nèi)外研究現(xiàn)狀（研究進展）{查閱大量資料，對前人的結果進行分析}1.2.1資源城市可持續(xù)發(fā)展研究現(xiàn)狀1.2.2理論方法研究現(xiàn)狀1.3主要研究工作1.4技術路線及創(chuàng)新之處1.4.1技術路線1.4.2創(chuàng)新之處

50*研究生課題論文（綜述寫作方法）一、題目（一般小于20個字）

資源城市可持續(xù)發(fā)展研究現(xiàn)狀（國際）

最早對資源城市的研究是在西方的工業(yè)化國家進行的。就工業(yè)化的歷史而言，西方發(fā)達國家比發(fā)展中國家要早的多。工業(yè)化必須依賴大量能源和礦產(chǎn)資源來支持，因此在西方很多資源較豐富的國家，較早地出現(xiàn)了很多主要產(chǎn)業(yè)為資源開采及對資源型產(chǎn)品初加工的礦區(qū)，如：德國的魯爾礦區(qū)、加洛礦區(qū)等，但這些礦區(qū)都隨著資源枯竭都一度陷入逐漸沒落的池沼[7,8]。20世紀30年代，加拿大著名學者英尼斯(H.A.Innis)開創(chuàng)性的針對資源型城市可持續(xù)進行了相關研究[9]。1929年，赫瓦特提出了基于礦產(chǎn)資源加工和利用程度的礦區(qū)城鎮(zhèn)五階段發(fā)展論，自此礦區(qū)的生命周期開始被研究[10]。而學者們對資源城市（礦區(qū)）進行系統(tǒng)性的研究是在六十年代以后。1962年，羅賓遜(Robinson)首次全面而系統(tǒng)的評估了加拿大的資源型社區(qū)。1971年，盧卡斯(R.A.Lucas)提出了資源型城市發(fā)展的四階段理論，即：第一階段，建設期；第二階段，人員雇用期；第三階段，過渡期；第四階段，成熟期[11]。布萊德伯里(Bradbury)在70年代末在對加拿大的一個名叫Schefferville的礦業(yè)型城市進行實證研究基礎上，進一步對魯卡斯的四階段理論進行了拓展與補充，在他看來，之前盧卡斯的研究忽略了資源型城鎮(zhèn)發(fā)展到后期的情況，以及此類城市最終的結局，因此是不全面的。所以他又增加了第5個階段，衰退階段和第6個階段，衰亡階段[12]。隨后，米爾沃德(H.Millward)和阿什曼(H.AschMann)對加拿大某礦區(qū)的歷史地理進行了一系列研究，并歸納和抽象得出6階段模式[13,14]。進入20世紀80年代，學者們在研究內(nèi)容及研究方法上不僅加強了實證研究，而且對資源城市的理論研究也進展良好，并且在研究過程中將行為區(qū)域發(fā)展理論、地理學、資源環(huán)境理論、城市規(guī)劃學和依附理論等相融合，并應用于礦產(chǎn)資源型城市可持續(xù)發(fā)展的研究中。80年代以后，學者們不僅重視實證研究，還將其與規(guī)范研究想結合，研究內(nèi)容也相對更加廣泛。

5117

國內(nèi)研究評述我國的工業(yè)化歷史比較短，因此對資源型城市可持續(xù)發(fā)展發(fā)展方面的研究也比較晚。在國內(nèi)，學術界和政府最早關注資源城市的發(fā)展問題是在改革開放以后，1978年，李文彥先生提出了界定煤炭城市的4個標準及在我國煤炭資源城市存在的一些問題，論述了此類城市實行多元化綜合發(fā)展的必要性并對其綜合發(fā)展的類型進行了歸納[15]。1987年，煤礦城市政策科研組在對煤炭城市可持續(xù)發(fā)展問題進行了深入探討并出版了題名為《煤礦城市有關政策的研究》的報告。在隨后的二、三十年里，相繼出現(xiàn)不少相關研究成果，但對煤炭城市的相關研究相對較少，大多以煤炭行業(yè)為研究對象[16]。與西方國家相比，國內(nèi)學者的研究較多集中于可持續(xù)發(fā)展經(jīng)濟轉型、產(chǎn)業(yè)結構調(diào)整等方面，實證研究涵蓋面較窄，而且一般都是從宏觀角度對問題進行研究：魏心鎮(zhèn)，梁仁彩等人分別就礦區(qū)的形成、分類與綜合發(fā)展進行了具體研究，為煤炭城市綜合發(fā)展提供了更廣的思路[17,18]。湯萬金和張鳳武等提出幾個模式，對資源型城市的產(chǎn)業(yè)結構調(diào)整問題進行了討論分析[19,20]；在趙國浩所著的《中國煤炭工業(yè)與可持續(xù)發(fā)展》中，他以系統(tǒng)工程為視角對煤炭工業(yè)的協(xié)調(diào)以及可持續(xù)發(fā)展問題進行了分析[21]；也有學者從礦區(qū)整體或者單就其某一方面從系統(tǒng)論角度進行了研究[22]：董春游對煤炭建設項目進行了系統(tǒng)分析，他把可持續(xù)發(fā)展的煤炭建設項目REES’P作為系統(tǒng)整體，研究了煤炭建設項目中的環(huán)境評價、資源配置等理論，并建立了系統(tǒng)發(fā)展度、協(xié)調(diào)度、持續(xù)度測度模型[23]；曾旗在對自組織機理研究基礎上討論了基于可持續(xù)發(fā)展的產(chǎn)業(yè)結構如何更好優(yōu)化的問題[24]；李堂軍建立了煤炭礦區(qū)動態(tài)仿真系統(tǒng)并對其可持續(xù)發(fā)展模式進行了探究[25]。以上這些對資源城市可持續(xù)發(fā)展方面的研究，對探究礦產(chǎn)資源城市的未來可持續(xù)發(fā)展之路具有重要的理論價值，也為本文研究奠定了非常良好理論基礎。5218

理論方法研究現(xiàn)狀通過查閱文獻發(fā)現(xiàn)：很多文獻對煤炭城市可持續(xù)發(fā)展問題的研究僅停留在純理論上，通過理論性的歸納對煤炭城市的特征以及現(xiàn)存的問題進行了分析并提出政策建議。當然，也有一些學者借助一定的研究方法進行了實證分析，但是其研究方法往往較單一且存在各種缺陷或不足，比如：任菊香，王斌運用層次分析法(AHP)對煤炭城市可持續(xù)發(fā)展狀況進行了評價[26]，這種方法的權重獲取方面往往帶有很強的主觀性，而且定量指標與定性指標間不能實現(xiàn)有效地不確定轉化，因而分析所得的結果往往都不夠精確；烏蘭等人利用模糊綜合評價模型，借助專家咨詢確定指標權重，對礦區(qū)可持續(xù)發(fā)展程度進行了評價，其指標權重仍依賴于人的主觀判斷來獲取，因而也不能排除主觀因素的影響，而且對含較多指標的評價模型在確定隸屬度函數(shù)方面非常繁瑣[28-29]；董鋒,譚清美等引入灰色關聯(lián)分析方法，建立系統(tǒng)分析與模糊分析相結合的資源型城市可持續(xù)發(fā)展水平評價體系，該方法的缺陷在于該方法對因評價指標相關而造成的信息交叉重復束手無策，故一旦指標選擇不合理就會對對評判結果產(chǎn)生極大的不良影響[30]；呂小師等則運用人工神經(jīng)網(wǎng)絡建立了包含3層BP神經(jīng)網(wǎng)絡的模型，對樣本數(shù)據(jù)進行訓練，利用訓練好的網(wǎng)絡對煤炭企業(yè)可持續(xù)發(fā)展狀況進行了評價[31]，該方法使權重的主觀影響得到弱化，但網(wǎng)絡訓練需要的海量樣本數(shù)據(jù)往往很難獲取，且在精度方面也不高。以上方法存在一個共性的缺陷，即：均存在忽略或部分忽略評價中隨機性及模糊性因素的問題。53理論方法研究現(xiàn)狀191.2國內(nèi)外研究現(xiàn)狀1.2.1多屬性決策研究現(xiàn)狀

決策的思想和和方法一直伴隨著人類歷史的發(fā)展，有意無意的被人們所接受并應用著，而決策理論的研究是1931年拉姆西把決策理論建立在效用和主觀概率的基礎上才開始的。到1944年馮.諾依曼和摩根斯坦建立了在不確定情況下制定決策的現(xiàn)代效用理論，使隨機決策有了重大的突破，至今仍然在這領域中占有重要地位[7]。50年代初，瓦爾德和賽維奇分別研究了統(tǒng)計決策問題，發(fā)表了專著并提出了相應的公理體系。60年代初，Schlaiffer研究了貝葉斯決策理論，進一步發(fā)展了統(tǒng)計決策理論。1966年Howard在論文中提出了決策分析的概念[8]。與此同時，很多學者從不同角度研究了決策理論。對于多屬性決策的研究始于1957年，當時Churohman.Ackoff和Amoff首次正式利用簡單加權法處理了“選擇企業(yè)投資方針”這樣一個多屬性決策問題[9]。多屬性評價隨著多目標決策技術的發(fā)展而發(fā)展。60年代，多屬性決策的理論及應用研究有較大進展。1964年，Aumann最先對多目標決策問題提出了效用函數(shù)的概念。同年，美國的Rand公司創(chuàng)立了著名的Delphi法[10]。其間還有不少研究成果問世，如Jehnsen于1968年出版的關于標度方法的著述等。歐洲的學者也有杰出貢獻，如法國的R.Benayoun、B.Roy等人在1966年提出并多次改進的ELECTRE方法[11]，它為離散的多屬性決策提供了強有力的工具。進入70年代，多屬性決策技術的發(fā)展加快。1976年R.L.Keeny和H.Raiffa進一步發(fā)展了多屬性效用理論；與此同時，美國學者T.L.Saaty提出了具有劃時代意義的AHP[12]法，它體現(xiàn)了人們分解、判斷和綜合的決策思維特征，具有系統(tǒng)性、綜合性和簡便性等特點，這種方法在多屬性評價中得到極為廣泛的應用[13]。80年代初，C.L.Hwang即提出了基于理想點原理的TOPSIS方法；人們還將模糊數(shù)學引入到多屬性評價中，形成了模糊綜合評判法等模糊評價方法；由A.Charnes和W.W.Cooper等人以相對效率概念為基礎發(fā)展起來的DEA方法是又一種多屬性評價決策方法[14,15]。80年代后，許多學者研究了求解多屬性決策問題的各種類型的交互式算法。90年代，Singh，Yang和Sen對不確定多屬性決策問題又進行了研究[16]。Chen和Hwang寫了模糊多屬性決策方面的專著《FuzzyMultipleAttributeDecisionMaking-MethodandApplication》，把模糊數(shù)學引入了決策理論，對模糊多屬性決策進行了系統(tǒng)的綜述[17]。1982年，波蘭數(shù)學家Pawlak提出了粗糙集的概念，Slowinski、Greco、Matarzzo將粗糙集理論引入決策中，提出了基于粗糙集的決策方法[18]。二十世紀九十年代開始，隨著計算機技術的發(fā)展，研究人員又提出了基于人工智能技術、神經(jīng)網(wǎng)絡、遺傳算法和粗集理論的多屬性決策方法。如1993年C．M．Fonseca在第五屆國際遺傳學會議上提出了基于遺傳算法的多屬性決策問題；2002年，SalvatoreGreco提出了基于粗糙集理論的多屬性分類方法；同年，AzibiR等提出了基于規(guī)則的分類模型，多屬性決策問題的研究也越來越復雜化[19]。541.2國內(nèi)外研究現(xiàn)狀20關于投稿（論文寫作）AI期刊及會議的一點建議一、投稿AI期刊SystematicWorks（系統(tǒng)性、完整性、創(chuàng)新性工作）ThreeElements(IRS):“OriginalNovelIdeas+PrettyGoodResults+HighWritingSkills”要有“屢敗屢戰(zhàn)”的勇氣要符合特定期刊的“胃口”英文語言關至關重要（至少要改20多遍）先投頂級或著名的AI會議，錄用并做Presentation后，盡快補充、完善，然后再投國際AI期刊(投稿時要聲明：部分工作已在XX會議上宣讀過)……二、投稿AI會議不一定非得有SystematicWorks，但Ideas必須新！投稿會議的目標要明確：切入特定的研究圈子！同樣要有“屢敗屢戰(zhàn)”的勇氣要有針對性地投稿，不主張到處“亂撒種”不在迫不得已的情況下，不主張投不入流的會議若論文被錄用，要參加會議并做Presentation，更重要的是，爭取以后每年都有論文被錄用，持之以恒，遲早會成為圈子中的一員，而不是學術上的“游擊隊員”……55關于投稿（論文寫作）AI期刊及會議的一點建議一、投稿AI期刊5622572358245925602661276228

引發(fā)的思考：

1.AI的核心是什么？Nilsson ——演繹推理Newell,Simon——思維規(guī)律Sloman ——智能系統(tǒng)Feigenbaum——知識工程McCarthy ——核心還未構成……2.中國AI的研究現(xiàn)狀如何？中國大陸重要的AI研究機構清華大學智能技術與系統(tǒng)國家