【技术实现步骤摘要】
本专利技术涉及智能决策领域，尤其涉及一种标准化评估的人工智能辅助决策方法及系统。
技术介绍
1、在当今社会，各个领域的决策问题变得越来越复杂。无论是企业的战略规划、项目投资决策，还是政府的公共政策制定，都需要考虑众多因素。传统的决策方法往往依赖于决策者的经验和主观判断，难以全面、准确地分析复杂的决策问题。因此，需要引入更加科学、客观的决策方法来满足复杂决策需求。
2、传统的决策方法往往依赖于专家经验和主观判断，而人工智能技术的引入，为建设项目决策提供了新的思路和方法，能够实现数据的快速处理、智能分析和精准预测，为决策者提供更为科学、客观的决策依据。
3、在人工智能辅助决策中，标准化评估是至关重要的，可以确保决策的客观性、准确性和可靠性。因此，需要建立一套标准化的评估方法，为决策者选择合适的算法提供依据。
技术实现思路
1、本专利技术的目的是要提供一种标准化评估的人工智能辅助决策方法及系统。
2、为达到上述目的，本专利技术是按照以下技术方案实施的：
3、本专利技术第一方面提供了一种标准化评估的人工智能辅助决策方法，包括：
4、s100获取决策场景和决策目标；
5、s200根据所述决策场景确定标准化评估指标，根据所述决策目标生成多目标函数，结合所述多目标函数和所述标准化评估指标构建标准化评估模型；
6、s300对所述决策场景进行变量分析，获得决策变量，对所述决策变量通过所述标准化评估模型进行标准化评估，
7、s400基于所述决策变量评估体系采用神经网络构建决策智能体，基于所述决策智能体获得决策选项集，对所述决策选项集进行协调过滤，获得初始决策选项；
8、s500通过无监督学习缩小所述初始决策选项的范围，在缩小后的范围内基于所述决策者智能体在即时回报与长期回报进行权衡，获得最优决策；
9、s600根据每次最优决策的采纳情况通过强化学习优化所述决策智能体。
10、作为进一步的方法，所述根据所述决策目标生成多目标函数的方法，包括：
11、获取各决策目标的期望水平，以最小化各决策目标与期望水平间的偏差构建多目标函数，多目标函数的表达式为：
12、
13、其中，n为决策目标的数量，ωi为第i个决策目标的权重系数，yi为第i个决策目标的实际值，di为第i个决策目标的期望水平，αi为zij对决策目标偏差的影响程度，mi为第i个决策目标的直接成本因素集合的数量，zij为第i个决策目标的直接成本因素集合中的第j个因素，βi为uik对决策目标偏差的影响程度，li为第i个决策目标的间接成本因素集合的数量，uik为第i个决策目标的间接成本因素集合中的第k个因素。
14、作为进一步的方法，所述结合所述多目标函数和所述标准化评估指标构建标准化评估模型的方法，包括：
15、计算标准化评估指标间的皮尔逊系数用于衡量标准化评估指标间的线性相关性，为皮尔逊系数大于0.4的标准化评估指标之间构建线性回归的关联函数；
16、将标准化评估指标代入至多目标函数，并将标准化评估指标间的线性回归关联函数作为约束条件，形成标准化评估模型。
17、作为进一步的方法，所述对所述决策变量通过所述标准化评估模型进行标准化评估，基于评估结果建立决策变量评估体系的方法，包括：
18、通过标准化评估模型对决策变量进行标准化评估，获得每个决策变量的标准化得分；
19、根据决策变量的标准化得分和决策变量的可变异程度通过熵权法计算每个决策变量的权重值；
20、基于每个决策变量的权重值构建决策变量的标准化矩阵；
21、计算决策变量的标准梯度阈值，基于标准化矩阵和标准梯度阈值建立决策指标体系，其中标准梯度阈值的计算公式为：
22、
23、其中，α为缩放因子，i为评价对象的索引，m为决策变量的数量，λj为第j个决策变量的权重值，yij为第i个评价对象在第j个决策变量上的标准化得分，为第i个评价对象在所有决策变量上的评价标准化得分，ψ为评价对象的数量。
24、作为进一步的方法，所述基于所述决策变量评估体系采用神经网络构建决策智能体的方法，包括：
25、基于神经网络构造决策智能体的网络架构，具体为：
26、输入层，用于接收决策变量，输入层的节点数量等于决策变量的数量；
27、中间层，用于融合决策指标体系，对输入层的决策变量进行梯度划分；
28、模型层，基于决策树创建决策模型，基于中间层的梯度划分等级做出决策；
29、输出层，用于输出决策结果，若为决策变量的取值问题，输出为决策变量的决策值；若为决策变量的选取问题，对输出的决策值进行0-1化，当决策值为0时表示为未选取该决策变量，决策值为1表示选取该决策变量；
30、收集历史决策数据训练决策智能体，使用反向传播算法计算损失函数对决策智能体网络架构各层偏置的梯度；
31、使用随机梯度下降算法根据各层偏置的梯度更新决策智能体的参数，得到最终的决策智能体。
32、作为进一步的方法，所述基于所述决策智能体获得决策选项集，对所述决策选项集进行协调过滤，获得初始决策选项的方法，包括：
33、获取决策时的内部可调数据和外部影响数据，组合作为决策数据，将决策数据输入至决策智能体，获得满足决策模型的决策选项集；
34、计算决策选项集中决策选项间的相似度，表达式为：
35、
36、其中，d(a,b)为决策选项a和b间的相似度，值越小表示两个决策选项越相似，n为决策选项中特征的数量，ξi为第i个特征的特征权重因子，ai和bi分别表示为决策选项a和b在第i个特征上的值，δ为距离调整参数，和分别表示为决策选项a和b的向量，为决策选项a和b之间的欧式距离，为决策选项a和b的模的和，∈为协方差调整参数，∑-1表示为决策选项a和b之间协方差的逆矩阵，si为特征缩放因子，用于调整第i个特征的尺度，为重要性调整参数，ii为决策选项中第i个特征的信息增益，hi为决策选项中第i个特征的信息熵，η为调整因子，避免信息熵为零时重要性函数项的分母为零，取0.01；
37、将相似度进行0到1的归一化，设定划分标准，以划分标准对决策选项集进行聚类，获得获得若干簇，从每个簇中选择信息增益最大的决策选项组合作为初始决策选项。
38、作为进一步的方法，所述应用高斯混合模型对初始决策选项进行分组，获得每个决策选项所属的群组的概率，表达式为：
39、
40、其中，p(k|xi)表示为第i个决策选项属于第k个群组的概率，πk为第k个高斯分布的混合系数，表示为第k个高斯分布的概率密度函数，xi为第i个决策选项的特征向量，μk为第k个高斯分布的均值向量，∑k为第k个高斯分布的协方差矩阵，υ为群组的数量；...
【技术保护点】
1.一种标准化评估的人工智能辅助决策方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述根据所述决策目标生成多目标函数的方法，包括：
3.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述结合所述多目标函数和所述标准化评估指标构建标准化评估模型的方法，包括：
4.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述对所述决策变量通过所述标准化评估模型进行标准化评估，基于评估结果建立决策变量评估体系的方法，包括：
5.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述基于所述决策变量评估体系采用神经网络构建决策智能体的方法，包括：
6.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述基于所述决策智能体获得决策选项集，对所述决策选项集进行协调过滤，获得初始决策选项的方法，包括：
7.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述通过
8.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述在缩小后的范围内基于所述决策者智能体在即时回报与长期回报进行权衡的方法，包括：
9.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述根据每次最优决策的采纳情况通过强化学习优化所述决策智能体的方法，包括：
10.一种标准化评估的人工智能辅助决策系统，用以执行权利要求1-9所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述系统，包括：
...【技术特征摘要】
1.一种标准化评估的人工智能辅助决策方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述根据所述决策目标生成多目标函数的方法，包括：
3.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述结合所述多目标函数和所述标准化评估指标构建标准化评估模型的方法，包括：
4.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述对所述决策变量通过所述标准化评估模型进行标准化评估，基于评估结果建立决策变量评估体系的方法，包括：
5.根据权利要求1所述的一种标准化评估的人工智能辅助决策方法，其特征在于，所述基于所述决策变量评估体系采用神经网络构建决策智能体的方法，包括：
6.根据权利要求1所述的一种标准化评估...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。