姜相爭(zhēng)，李凱，李貴茹，趙張鵬

（陸軍工程大學(xué) 石家莊校區(qū)，河北 石家莊 050003）

0 引言

軍事智能決策是現(xiàn)代作戰(zhàn)體系的重要組成部分，是奪取戰(zhàn)爭(zhēng)勝利的核心部分。在具有智能化特征的信息化戰(zhàn)爭(zhēng)時(shí)代，戰(zhàn)場(chǎng)具有作戰(zhàn)力量多元、任務(wù)轉(zhuǎn)換頻繁、作戰(zhàn)空間相互交融、戰(zhàn)場(chǎng)情況瞬息萬(wàn)變、信息瞬時(shí)涌現(xiàn)等特點(diǎn)，時(shí)效性要求不斷提高，戰(zhàn)爭(zhēng)進(jìn)入發(fā)現(xiàn)即摧毀的“秒殺”時(shí)代。傳統(tǒng)的基于專(zhuān)家系統(tǒng)的智能決策支持系統(tǒng)已難以跟上現(xiàn)代戰(zhàn)爭(zhēng)節(jié)奏變化的速度，迫切需要研發(fā)功能更加多樣、指揮更加高效的智能決策支持系統(tǒng)［1-3］。

隨著云計(jì)算、大數(shù)據(jù)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)的成熟與發(fā)展，決策環(huán)境的云端化、決策資源的共享化、決策數(shù)據(jù)的涌現(xiàn)化、決策流程的協(xié)同化的特點(diǎn)更加鮮明［4-5］。要求軍事智能決策支持系統(tǒng)必須由傳統(tǒng)結(jié)構(gòu)化的、適應(yīng)性弱的基于規(guī)則推理的決策模式向非結(jié)構(gòu)化的、自學(xué)習(xí)的、自適應(yīng)的決策模式轉(zhuǎn)變，決策驅(qū)動(dòng)方式由“條件-結(jié)論”式驅(qū)動(dòng)向“條件-結(jié)論-學(xué)習(xí)”式驅(qū)動(dòng)轉(zhuǎn)變，決策模式由固定模式?jīng)Q策向自我更新模式轉(zhuǎn)變。針對(duì)上述情況，本文提出了一種在云環(huán)境下，人工神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng)并行集成的智能決策支持系統(tǒng)。

1 云環(huán)境下的智能決策支持系統(tǒng)

1.1 智能決策支持系統(tǒng)介紹

智能決策支持系統(tǒng)（intelligent decision support system，IDSS）是在決策支持系統(tǒng)（decision support system，DSS）的基礎(chǔ)上發(fā)展起來(lái)的，具有知識(shí)化結(jié)構(gòu)和智能化推理等特點(diǎn)的決策系統(tǒng)。其實(shí)質(zhì)是通過(guò)決策支持系統(tǒng)與人工智能技術(shù)（artificial intelligence，AI）的結(jié)合，將智能技術(shù)和思想融入到?jīng)Q策支持系統(tǒng)之中，充分發(fā)揮智能化技術(shù)在模糊判斷分析和智能推理決策方面的優(yōu)勢(shì)，有針對(duì)性地解決結(jié)構(gòu)化、半結(jié)構(gòu)化甚至非結(jié)構(gòu)化的決策問(wèn)題，為指揮人員作出正確決策提供智能型人機(jī)交互信息系統(tǒng)［6］。

決策支持系統(tǒng)一般是由數(shù)據(jù)庫(kù)子系統(tǒng)、模型庫(kù)子系統(tǒng)、方法庫(kù)子系統(tǒng)等子系統(tǒng)組成。在決策支持系統(tǒng)的基礎(chǔ)上，增加推理機(jī)、知識(shí)庫(kù)，問(wèn)題處理與人機(jī)交互子系統(tǒng)，就形成了簡(jiǎn)單的智能決策支持系統(tǒng)。其基本結(jié)構(gòu)圖如圖1 所示［7］。

圖1 傳統(tǒng)的IDSS 基本結(jié)構(gòu)圖Fig. 1 Traditional IDSS basic structure diagram

從圖1 可知，智能決策支持系統(tǒng)是一種多庫(kù)系統(tǒng)結(jié)構(gòu)，由模型庫(kù)子系統(tǒng)、數(shù)據(jù)庫(kù)子系統(tǒng)、方法庫(kù)子系統(tǒng)、知識(shí)庫(kù)子系統(tǒng)、推理機(jī)等基本部件組成。其中，模型庫(kù)子系統(tǒng)是智能決策支持系統(tǒng)中最復(fù)雜與最難實(shí)現(xiàn)的核心部件，是負(fù)責(zé)存儲(chǔ)、構(gòu)建和管理決策模型的計(jì)算機(jī)軟件系統(tǒng)；數(shù)據(jù)庫(kù)子系統(tǒng)是方法庫(kù)和模型庫(kù)的基礎(chǔ)，對(duì)二者起著支撐作用，其主要功能是用于存儲(chǔ)、提供、管理和維護(hù)決策支持系統(tǒng)數(shù)據(jù)；方法庫(kù)系統(tǒng)是智能決策支持系統(tǒng)中數(shù)據(jù)庫(kù)系統(tǒng)和模型庫(kù)系統(tǒng)的綜合體，主要功能是用于存儲(chǔ)、管理、調(diào)用及維護(hù)決策系統(tǒng)中的通用算法、標(biāo)準(zhǔn)函數(shù)等方法；知識(shí)庫(kù)系統(tǒng)是智能決策支持系統(tǒng)中存放模型決策規(guī)則和專(zhuān)家經(jīng)驗(yàn)規(guī)則的部件，主要用于在決策過(guò)程中提供分析和解決問(wèn)題的規(guī)則；推理機(jī)是智能決策支持系統(tǒng)中進(jìn)行智能推理的一組程序，主要功能是針對(duì)當(dāng)前實(shí)際的決策問(wèn)題，依據(jù)知識(shí)庫(kù)中的具體的知識(shí)案例，運(yùn)用在方法庫(kù)中合適的推理原則，匹配模型庫(kù)中具有相同屬性的模型，進(jìn)行智能推理決策。

1.2 云環(huán)境對(duì)決策支持系統(tǒng)的影響

在云環(huán)境下，決策資源可以看作是在一個(gè)共享式虛擬的數(shù)據(jù)處理平臺(tái)。其核心思想是通過(guò)網(wǎng)絡(luò)鏈接，將分散在不同區(qū)域、具有不同功能的計(jì)算資源進(jìn)行統(tǒng)一管理和調(diào)度，形成虛擬資源池，滿足不同用戶(hù)的決策需求［8］。云環(huán)境是一種完全開(kāi)放的、動(dòng)態(tài)的服務(wù)環(huán)境，具備強(qiáng)大的存儲(chǔ)能力和決策處理能力，能夠根據(jù)決策主體的需要提供各種計(jì)算與決策資源。與其他條件下的決策支持系統(tǒng)相比，云環(huán)境下的決策支持系統(tǒng)具有以下新的特點(diǎn)：

（1） 決策資源豐富。云環(huán)境下，數(shù)據(jù)資源、信息資源、知識(shí)資源等各種資源的異構(gòu)性被屏蔽，在云端匯集形成一種彈性、動(dòng)態(tài)的決策云資源池，以云的方式為用戶(hù)提供服務(wù)。云平臺(tái)通過(guò)構(gòu)設(shè)高擴(kuò)展性、高配置性、高透明性的智能決策環(huán)境，實(shí)現(xiàn)決策數(shù)據(jù)、信息、知識(shí)的云端交互，以增強(qiáng)決策資源共享的實(shí)效性，可以根據(jù)不同用戶(hù)的動(dòng)態(tài)需求，提供實(shí)時(shí)的決策資源。

（2） 決策能力強(qiáng)大。智能決策支持系統(tǒng)能夠在決策過(guò)程中通過(guò)將龐大的決策任務(wù)分布在由大量計(jì)算機(jī)構(gòu)成的決策資源池上，借助云端強(qiáng)大的并行分布式計(jì)算能力，對(duì)海量決策數(shù)據(jù)進(jìn)行快速處理，使得以前由于計(jì)算量巨大而無(wú)法完成的決策處理任務(wù)，依托云平臺(tái)整合、管理、調(diào)配分布在網(wǎng)絡(luò)各處的計(jì)算資源，即可高效、準(zhǔn)確地完成。

2 智能化決策支持系統(tǒng)結(jié)構(gòu)分析

2.1 基于專(zhuān)家系統(tǒng)的智能決策支持系統(tǒng)分析

在IDSS 發(fā)展的初始階段，研究方向主要是DSS與人工智能技術(shù)中的專(zhuān)家系統(tǒng)（expert system，ES）的結(jié)合。該系統(tǒng)的智能性主要體現(xiàn)在利用專(zhuān)家系統(tǒng)的知識(shí)推理能力解決實(shí)際的決策問(wèn)題，其知識(shí)的獲取途徑是將專(zhuān)家的知識(shí)按一定的知識(shí)表示形式輸入決策支持系統(tǒng)的知識(shí)庫(kù)中。

傳統(tǒng)智能決策支持系統(tǒng)存在的缺陷主要表現(xiàn)在以下幾個(gè)方面［9］：一是知識(shí)獲取困難?；趯?zhuān)家系統(tǒng)的智能決策支持系統(tǒng)在進(jìn)行決策的過(guò)程中，其知識(shí)獲取行為是靜態(tài)的、被動(dòng)的，即系統(tǒng)缺乏自我學(xué)習(xí)機(jī)制，只能按照既定的規(guī)則對(duì)實(shí)際決策問(wèn)題進(jìn)行分析處理，難以進(jìn)行知識(shí)和經(jīng)驗(yàn)的自動(dòng)化積累，知識(shí)的獲取方式缺乏靈活性和適應(yīng)性差，知識(shí)庫(kù)更新困難。二是系統(tǒng)的脆弱性。傳統(tǒng)IDSS 通常使用符號(hào)邏輯機(jī)制，通過(guò)非數(shù)量化的邏輯語(yǔ)句來(lái)表達(dá)知識(shí)，用程序化的推理方式進(jìn)行問(wèn)題求解，要求知識(shí)的表達(dá)非常準(zhǔn)確。由于大部分決策問(wèn)題是非程序化的，當(dāng)處理問(wèn)題所需知識(shí)超出或偏離了知識(shí)庫(kù)的范圍時(shí)，就無(wú)法得到正確的推理結(jié)果。三是封閉性。傳統(tǒng)IDSS 系統(tǒng)是單獨(dú)個(gè)體，系統(tǒng)之間無(wú)法實(shí)現(xiàn)信息的互聯(lián)互通，這就決定了決策系統(tǒng)只能利用自身決策資源，難以實(shí)現(xiàn)決策資源的共享共用，難以形成分布式?jīng)Q策能力對(duì)瞬間涌現(xiàn)的戰(zhàn)場(chǎng)數(shù)據(jù)進(jìn)行快速處理。上述問(wèn)題制約了ES 的進(jìn)化與發(fā)展，同時(shí)也限制了基于ES 的IDSS 知識(shí)庫(kù)的自我更新。

2.2 基于人工神經(jīng)網(wǎng)絡(luò)的智能決策支持系統(tǒng)分析

人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)一般由輸入層、隱含層和輸出層組成。每一層都由大量用以對(duì)戰(zhàn)場(chǎng)信息進(jìn)行加工處理的神經(jīng)元組成，相鄰的層之間均由用以提供信息通道并能夠儲(chǔ)存一定信息的權(quán)相連。人工神經(jīng)網(wǎng)絡(luò)通過(guò)上述結(jié)構(gòu)模式模仿人的神經(jīng)網(wǎng)絡(luò)，是一種具備較強(qiáng)模式識(shí)別能力、學(xué)習(xí)記憶能力和海量數(shù)據(jù)并行處理能力的非線性自適應(yīng)系統(tǒng)，能夠快速有效地處理海量非結(jié)構(gòu)化的數(shù)據(jù)［10］。

基于人工神經(jīng)網(wǎng)絡(luò)的智能決策系統(tǒng)是通過(guò)借助計(jì)算機(jī)或可實(shí)現(xiàn)的物理器件來(lái)模擬生物體中神經(jīng)網(wǎng)絡(luò)的某些功能與結(jié)構(gòu)，就其性質(zhì)而言，該系統(tǒng)屬于基于案例學(xué)習(xí)的決策模型系統(tǒng)［11］。相比于其他決策支持系統(tǒng)，該智能決策支持系統(tǒng)的知識(shí)庫(kù)無(wú)需大量規(guī)則，也不需要進(jìn)行樹(shù)的搜索，而是通過(guò)建立人工神經(jīng)網(wǎng)絡(luò)進(jìn)行系統(tǒng)自組織、自學(xué)習(xí)、自進(jìn)化，實(shí)現(xiàn)系統(tǒng)知識(shí)庫(kù)自動(dòng)更新。該系統(tǒng)能夠解決基于專(zhuān)家系統(tǒng)的智能決策系統(tǒng)在開(kāi)發(fā)過(guò)程中的知識(shí)獲取困難、表達(dá)死板和難以并行推理等問(wèn)題，大幅提升決策支持系統(tǒng)的智能化水平。

2.3 智能決策支持系統(tǒng)的并行結(jié)構(gòu)設(shè)計(jì)

在云環(huán)境條件下，對(duì)專(zhuān)家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行集成耦合，構(gòu)建并行結(jié)構(gòu)的智能決策支持系統(tǒng)。該系統(tǒng)能夠?qū)?zhuān)家系統(tǒng)的知識(shí)推理能力與人工神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)進(jìn)化能力充分結(jié)合，克服傳統(tǒng)智能決策支持系統(tǒng)固有的學(xué)習(xí)能力弱、知識(shí)庫(kù)更新困難等缺陷，能夠顯著提升智能決策的效率［12-13］?；谶@種思路實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng)并行結(jié)構(gòu)的智能決策支持系統(tǒng)，其結(jié)構(gòu)如圖2所示。

圖2 智能決策支持系統(tǒng)并行結(jié)構(gòu)圖Fig. 2 Parallel structure diagram of IDSS

（1） 人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)

利用專(zhuān)家系統(tǒng)和云端決策資源為人工神經(jīng)網(wǎng)絡(luò)提供的訓(xùn)練樣本進(jìn)行知識(shí)學(xué)習(xí)，并監(jiān)督和指導(dǎo)學(xué)習(xí)過(guò)程，使神經(jīng)網(wǎng)絡(luò)塊庫(kù)存儲(chǔ)相關(guān)知識(shí)和規(guī)律，不斷充實(shí)完善人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)知識(shí)庫(kù)。

（2） 專(zhuān)家系統(tǒng)知識(shí)庫(kù)的更新

針對(duì)由感知端提供的新鮮的、不完善的、部分錯(cuò)誤的甚至矛盾的數(shù)據(jù)，這類(lèi)數(shù)據(jù)無(wú)法與專(zhuān)家系統(tǒng)規(guī)則條件相匹配，必須通過(guò)訓(xùn)練成熟的神經(jīng)網(wǎng)絡(luò)，對(duì)其進(jìn)行求解后，進(jìn)行推理規(guī)則的提取，并用于專(zhuān)家系統(tǒng)知識(shí)庫(kù)的更新。

（3） 決策問(wèn)題處理流程

將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)塊庫(kù)和更新后的專(zhuān)家系統(tǒng)知識(shí)庫(kù)納入知識(shí)庫(kù)管理系統(tǒng)。在處理實(shí)際決策問(wèn)題時(shí)，根據(jù)所提供的決策資源，可以合理地選擇專(zhuān)家系統(tǒng)或者神經(jīng)網(wǎng)絡(luò)進(jìn)行獨(dú)立決策。當(dāng)獲取的戰(zhàn)場(chǎng)信息是規(guī)則的，符合專(zhuān)家系統(tǒng)知識(shí)庫(kù)要求的，則優(yōu)先選用專(zhuān)家系統(tǒng)進(jìn)行決策；當(dāng)獲取的戰(zhàn)場(chǎng)信息是新鮮的，在專(zhuān)家知識(shí)庫(kù)中搜索不到時(shí)，則不能啟動(dòng)專(zhuān)家系統(tǒng)進(jìn)行推理，智能決策支持系統(tǒng)會(huì)將獲取的戰(zhàn)場(chǎng)信息傳送到神經(jīng)網(wǎng)絡(luò)模塊，由訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行推理決策。

3 智能決策支持系統(tǒng)推理過(guò)程分析

3.1 基于專(zhuān)家系統(tǒng)的IDSS 推理機(jī)制

專(zhuān)家系統(tǒng)推理是根據(jù)知識(shí)庫(kù)中的推理規(guī)則進(jìn)行的，其規(guī)則常用if-then 的形式來(lái)定義問(wèn)題領(lǐng)域內(nèi)概念間的邏輯關(guān)系。在進(jìn)行規(guī)則推理時(shí)，如果實(shí)際條件與if 子句相吻合，則激活相關(guān)結(jié)論then子句［14］。

基于專(zhuān)家系統(tǒng)的IDSS 采用模糊推理方法進(jìn)行規(guī)則推理［15］，其算法過(guò)程如下：

其 中，A1，A2，…，An屬于規(guī)則條件；A1'，A2'，…An'是事實(shí)條件；C是規(guī)則條件下的推理結(jié)論；C′是事實(shí)條件下的推理結(jié)論；CFr是規(guī)則條件的可信度；CFf是事實(shí)條件的可信度；CFc是推理結(jié)論的可信度。

現(xiàn) 實(shí) 條 件A1'(t′1)，A2'(t′2)，…，An'(t′n)中，t′i是 可信度，如果現(xiàn)實(shí)條件的可信度符合max{0，ti-t′i}≤λi(i= 1，2，…，n)，則說(shuō)明現(xiàn)實(shí)條件與上述規(guī)則條件匹配，其中，λi是不同條件的閾值。閾值的存在能夠有效提高推理結(jié)論的可信度，同時(shí)使推理過(guò)程更加簡(jiǎn)捷、快速。

事實(shí)可信因子為

式中：bi= 1 - max {0，ti-ti'}，i= 1，2，…，n。

對(duì)于精確型推理規(guī)則，在知識(shí)庫(kù)規(guī)則條件與事實(shí)進(jìn)行匹配的過(guò)程中，不存在模糊集合之間的運(yùn)算，需在A′和A完全匹配時(shí)才能啟用相應(yīng)規(guī)則。在這種情況下，結(jié)論C′與C相等，此時(shí)推理結(jié)論的可信度為

對(duì)于模糊-精確型規(guī)則，即A是模糊集合，當(dāng)匹配事實(shí)A′與模糊集合A同屬于一個(gè)模糊模板，模糊變量A和事實(shí)A′的值分別由模糊集合Fa和Fa'表示，模糊變量A和A′的值不相等時(shí)，則兩者相交，事實(shí)推理結(jié)論C′與規(guī)則推理結(jié)論C相等，并確定結(jié)論可信度為

式中：S為模糊集合Fa和Fa'的相似程度的度量。

建立在必要性度量N和可能性度量P基礎(chǔ)上的相似程度的度量S值可根據(jù)如下公式計(jì)算：

式中：P(Fa|F′a)= max(min(μFa(u)，μF′a(u)))u ∈U； N(Fa|F′a) = 1 - P(|F′a)。而是由以下隸屬函數(shù)定義的Fa 的補(bǔ)集：

上述推理過(guò)程的實(shí)現(xiàn)：運(yùn)用專(zhuān)家系統(tǒng)開(kāi)發(fā)語(yǔ)言CLIPS 對(duì)推理過(guò)程進(jìn)行編程，其語(yǔ)法規(guī)則可以概括為“事實(shí)命題+可信度”：（事實(shí)命題CF［可信度］），CF 為事實(shí)命題與可信度之間的分隔符，[·]應(yīng)代表一個(gè)命題可選項(xiàng)。其中，可信度作為語(yǔ)法規(guī)則的重要部分，可以在規(guī)則的任何部分對(duì)可信度進(jìn)行描述。

在基于專(zhuān)家系統(tǒng)的IDSS 處理決策問(wèn)題時(shí)，每完成一個(gè)完整的決策問(wèn)題推理，輸入產(chǎn)生器將專(zhuān)家系統(tǒng)的處理結(jié)果生成相應(yīng)的事例，將其轉(zhuǎn)換為符合神經(jīng)網(wǎng)絡(luò)系統(tǒng)數(shù)據(jù)要求的樣本事例，建立訓(xùn)練數(shù)據(jù)庫(kù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，如圖3 所示。其轉(zhuǎn)換過(guò)程：在決策事例中的if-then 的邏輯關(guān)系描述語(yǔ)句中，在if語(yǔ)句中提取事例的屬性特征值，即神經(jīng)網(wǎng)絡(luò)的輸入值，在then 語(yǔ)句中提取事例的決策結(jié)果值，即輸出值，輸入值與輸出值組合就產(chǎn)生了一個(gè)訓(xùn)練樣本，隨著決策事例的增多，就形成了訓(xùn)練樣本集。通過(guò)產(chǎn)生的訓(xùn)練樣本對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到用于決策的神經(jīng)網(wǎng)絡(luò)模型，用于處理超出專(zhuān)家系統(tǒng)知識(shí)范圍的決策問(wèn)題。

圖3 訓(xùn)練樣本產(chǎn)生過(guò)程示意圖Fig. 3 Schematic diagram of the training sample generation process

3.2 基于神經(jīng)網(wǎng)絡(luò)的IDSS 推理機(jī)制

基于專(zhuān)家系統(tǒng)的IDSS 適用于那些側(cè)重于知識(shí)并且知識(shí)能夠形式化表達(dá)的領(lǐng)域，推理比較精確，而且邏輯性強(qiáng)，容易理解。當(dāng)面對(duì)知識(shí)貧乏、信息不完整的情況時(shí)，單純規(guī)則推理則顯得無(wú)能為力。神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng)的推理過(guò)程不同，它是非線性的并行處理系統(tǒng)。在規(guī)則不完備、信息不完全的情況下，專(zhuān)家系統(tǒng)不能依靠自身的規(guī)則推理解決實(shí)際問(wèn)題時(shí)，決策系統(tǒng)將使用神經(jīng)網(wǎng)絡(luò)進(jìn)行決策［16］。其推理過(guò)程如下：

假設(shè)云平臺(tái)或?qū)＜蚁到y(tǒng)提供的訓(xùn)練樣本輸入集為X={X1，X2，…，XN}，其中Xi= (xi1，xi2，…，xi m)；Xi為訓(xùn)練樣本輸入集的不同輸入情況；xij為該情況包含的第j個(gè)元素。訓(xùn)練樣本的輸出集為，其中Yi為訓(xùn)練樣本輸出集的不同輸出情況，yij為該情況包含的第j個(gè)元素。

建立神經(jīng)網(wǎng)絡(luò)模型

式中：X為神經(jīng)網(wǎng)絡(luò)輸入集；Θ為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的每層權(quán)重參數(shù)集合；J(Y，P)為神經(jīng)網(wǎng)絡(luò)的輸出，包含輸出集Y和對(duì)應(yīng)的置信度P兩部分內(nèi)容；f(·)為神經(jīng)網(wǎng)絡(luò)各層組成的計(jì)算函數(shù)。通過(guò)云平臺(tái)或?qū)＜蚁到y(tǒng)提供的輸入集和輸出集訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，確定權(quán)重參數(shù)集合Θ。

面對(duì)新的輸入集X′，經(jīng)訓(xùn)練成熟的神經(jīng)網(wǎng)絡(luò)計(jì)算輸出結(jié)果為

式中：新的輸入集X′按照所學(xué)知識(shí)，在原輸出集中選取并確定輸出Y′=Yi，并給出其相應(yīng)的判定置信度Pi，即

神經(jīng)網(wǎng)絡(luò)系統(tǒng)認(rèn)定擁有最大置信度Pi（即Pi＞Pj，j∈{1，2，…，N}，j≠i）的Yi為 解 決 新 輸 入 集X′的方案。如果Pi＞α，則認(rèn)定Yi為適合解決輸入集X′的最終方案，否則將Y*認(rèn)定為適合解決輸入集X′的最終方案：

其中，α為判定閾值，根據(jù)經(jīng)驗(yàn)獲得，而且可根據(jù)實(shí)際情況調(diào)整。

人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)主要包括3 個(gè)部分： 輸入轉(zhuǎn)換和選擇器、神經(jīng)網(wǎng)絡(luò)算法、輸出轉(zhuǎn)換器，其結(jié)構(gòu)如圖4 所示。作為一種數(shù)值計(jì)算方法，神經(jīng)網(wǎng)絡(luò)算法的輸入量和輸出量都是數(shù)值向量。因此，輸入轉(zhuǎn)換和選擇器的主要作用是將輸入信息轉(zhuǎn)換為數(shù)值信息，用于神經(jīng)網(wǎng)絡(luò)識(shí)別應(yīng)用；輸出轉(zhuǎn)換器的主要作用是將輸出的決策信息轉(zhuǎn)換成專(zhuān)家系統(tǒng)能夠識(shí)別讀取的邏輯信息，用于專(zhuān)家系統(tǒng)知識(shí)庫(kù)的更新。其轉(zhuǎn)換過(guò)程：將神經(jīng)網(wǎng)絡(luò)的輸入量轉(zhuǎn)換成專(zhuān)家系統(tǒng)規(guī)則的if 語(yǔ)句，神經(jīng)網(wǎng)絡(luò)的輸出量轉(zhuǎn)換成專(zhuān)家系統(tǒng)規(guī)則的then 語(yǔ)句，形成ifthen 的規(guī)則形式。

圖4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig. 4 Schematic diagram of neural network structure

4 結(jié)束語(yǔ)

本文主要對(duì)云環(huán)境下的新型智能決策支持系統(tǒng)進(jìn)行了設(shè)計(jì)分析。首先，在介紹決策支持系統(tǒng)和云環(huán)境的基礎(chǔ)上，分析了云環(huán)境對(duì)決策支持系統(tǒng)的影響；其次，提出了在云環(huán)境下智能決策支持系統(tǒng)的并行結(jié)構(gòu)模式。通過(guò)采用并行結(jié)構(gòu)模式，將人工神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng)進(jìn)行集成；最后，對(duì)并行結(jié)構(gòu)的智能決策支持系統(tǒng)的工作原理和推理過(guò)程進(jìn)行了分析。由于戰(zhàn)場(chǎng)信息存在不完全、數(shù)據(jù)結(jié)構(gòu)不規(guī)則、信息海量涌現(xiàn)等情況，為了提高決策支持系統(tǒng)的實(shí)用性和可操作性，還需要進(jìn)一步研究該決策支持系統(tǒng)的工程化應(yīng)用能力。