基于数据耕种的对抗决策支持系统

本课题从数据耕种技术入手，对基于数据耕种的对抗决策支持技术进行深入探索。通过将数据耕种模型包括已经开发的Agent模型用一定接口加入到仿真环境中，解决数据耕种模型统一问题，以基本对象模型的方法来实现模型动态重构。采用以数据耕种和数据挖掘相结合的方式对决策问题需要的知识进行深度挖掘，构建基于数据耕种的知识库。建立以云计算服务为数据耕种生长机制，通过对负载平衡算法等研究解决数据耕种需要超大计算量的问题。同时用改进的模糊层次分析法对耕种结果进行有效评估。构建的对抗决策支持系统以数据仓库为平台；数据耕种用来搜寻未知信息和没有预料到的知识；数据挖掘从海量数据中提取出可信、新颖、有价值的知识，从而对模型进行改进；并针对不同态势建立相应博弈模型。通过将数据耕种、数据挖掘、数据仓库和博弈论等方法的有机结合，解决现有决策系统存在的面向模型、封闭的、禁止不确定性和风险等弊端，为决策支持技术的研究开辟新途径。

本项目首先以决策支持系统为基础，分析了现有决策支持系统关键技术，在此基础上研究提出了基于数据耕种的对抗决策支持系统框架。该框架以数据仓库为平台；高性能计算服务为生长平台的数据耕种模块用来搜索未知信息和知识；数据挖掘从海量数据中提取出可信、有价值的知识，以此来解决现有决策支持系统存在的弊端。. 进而项目对系统中各关键技术进行逐步分析和研究。研究了基于数据耕种的态势评估模型，包括：运用信息融合方法对具体决策态势评估所关心的因素进行分析和整合，用一定量化方式提交给决策系统作为决策依据，以此建立数据耕种态势评估模型。研究自适应对抗决策模型，采用数据耕种技术对模型进行优化，包括：模型种植、分析及再生等步骤，通过对模型中各参数进行合理设置，不断对模型进行运行，从而使模型获得广阔的变量分析空间，挖掘出用户关心的决策问题答案，达到优化模型目的。研究决策系统中的推理技术，包括：提出二级案例推理的自动推理框架，以“案例调整”来驱动“案例重用”，一级案例库存储原始案例，二级差异案例库存储案例调整知识，通过两级案例推理配合完成自动推理过程。. 此外，将提出的技术应用到机器人足球比赛系统中进行分析和验证。使提出的新型决策技术在复杂动态环境下，通过“知识”和“环境”及时进行决策，并通过国际上机器人足球对抗比赛验证技术的有效性。. 通过本项目研究，建立对抗决策支持原型系统，将数据耕种、数据挖掘和数据仓库等技术有机结合起来为解决现有决策支持系统存在的面向模型、禁止不确定性等缺陷，为决策支持技术的研究开辟新途径。. 项目研究过程中，在国内外学术期刊及会议上发表学术论文14篇，其中1篇被SCI索引，12篇被EI索引。项目组成员有2人次出国(境)参加国际学术会议，10人次参加国内举办的国际学术会议、2人次参加国内学术会议。项目部分成果应用在机器人足球比赛系统中，代表中国队于2012年参加英国布里斯托尔举行的第17届机器人足球世界杯，并在比赛中获SimuroSot5v5和SimuroSot11v11两个项目的世界冠军；2013年在马来西亚吉隆坡举行的第18届机器人足球世界杯上再次成功卫冕了这两个项目的世界冠军。项目成果获授权发明专利1项，正在申请发明专利1项。培养博士生2人；硕士生8人，其中2人毕业，6人在读。