فایل ورد کامل تحقیق روشهای رفع ناسازگاری و سیستمهای تصمیم همیار هوشمند و بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها ۷۹ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل تحقیق روشهای رفع ناسازگاری و سیستمهای تصمیم همیار هوشمند و بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها ۷۹ صفحه در word دارای ۷۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل تحقیق روشهای رفع ناسازگاری و سیستمهای تصمیم همیار هوشمند و بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها ۷۹ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل تحقیق روشهای رفع ناسازگاری و سیستمهای تصمیم همیار هوشمند و بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها ۷۹ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن فایل ورد کامل تحقیق روشهای رفع ناسازگاری و سیستمهای تصمیم همیار هوشمند و بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها ۷۹ صفحه در word :

بخشی از فهرست مطالب فایل ورد کامل تحقیق روشهای رفع ناسازگاری و سیستمهای تصمیم همیار هوشمند و بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها ۷۹ صفحه در word

فصل اول:مقدمه    
۱-۱-مقدمه    
۱-۲-رفع ناسازگاری    
۱-۳-سیستمهای تصمیمهمیار و سیستمهای تصمیمهمیار هوشمند    
فصل دوم:روشهای رفع ناسازگاری    
۲-۱-مقدمه    
۲-۲-برخی استراتژیهای ساده برای رفع ناسازگاری    
۲-۳-رفع ناسازگاری با استفاده از یک مقدار سودمندی    
۲-۴-رفع ناسازگاری با استفاده از هزینههای تخمین زده شدهی تصادفی    
۲-۴-۱-تخمین امید ریاضی هزینه    
۲-۴-۲-برآورد بازگشتی    
۲-۴-۳-رفع ناسازگاری    
۲-۵-رفع ناسازگاری با استفاده از برنامه نویسی خطی    
۲-۶-رفع ناسازگاری با استفاده از تئوری بازی    
۲-۷-رفع ناسازگاری با استفاده از مدل گراف    
۲-۸-رفع ناسازگاری با استفاده از روند سلسله مراتبی تحلیلی و بهبود آن    
فصل سوم:سیستمهای تصمیمهمیار هوشمند    
۳-۱-مقدمه    
۳-۲- ویژگیهای سیستمهای تصمیمهمیار هوشمند    
۳-۳-معرفی چند سیستم تصمیمهمیار هوشمند با ساختارهای متفاوت    
۳-۳-۱-استفاده از الگوریتمهای تکاملی در ساختار IDSS    
۳-۳-۲-استفاده از عامل هوشمند در ساختار IDSS    
۳-۳-۳-استفاده از روشهای دادهکاوی و شبکههای عصبی مصنوعی در ساختار IDSS    
۳-۳-۴-استفاده از یک روش تصمیمگیری مبتنی بر منطق فازی در ساختار IDSS    
۳-۳-۵-استفاده از استنتاج مبتنی بر مورد در ساختار IDSS    
۳-۳-۶-استفاده از مولفههای مبتنی بر قانون در ساختار IDSS    
فصل چهارم:بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها    
۴-۱-مقدمه    
۴-۲-ویژگیهای بازیهای استراتژیک بلادرنگ    
۴-۳-مروری بر سیستمهای هوشمند مرتبط با بازیهای استراتژیک بلادرنگ    
فهرست منابع    

بخشی از منابع و مراجع فایل ورد کامل تحقیق روشهای رفع ناسازگاری و سیستمهای تصمیم همیار هوشمند و بازیهای کامپیوتری استراتژیک بلادرنگ و سیستمهای هوشمند مرتبط با آنها ۷۹ صفحه در word

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

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

[۳]        Jones, G., Ritter, F. E., Wood, D. J. (2000). “Using a cognitive architecture to examine what develops”, Psychological Science, 11(2), 93–۱۰۰

[۴]        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. 21–۲۶). Bamberg, Germany: Universit¨ats–Verlag Bamberg

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

[۶]        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’۰۵), ۲۶۸-۲۷۱

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

[۸]        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-

[۹]        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-

[۱۰]      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

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

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

[۱۳]     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

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

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

[۱۶]      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-

  فصل اول:مقدمه

۱-۱-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[۱] هنگامی روی می­دهد که تصمیم­های گوناگونی، متناظر با مسیرهای پاسخ متمایز، فراهم باشد

به طور کلی در سیستمی که دارای مجموعه­ های 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

سیستم­های هوشمند از قبیل سیستم­های مبتنی بر قانون، ابزارهای برنامه­ریزی، و ساختارهای وابسته به دانش، از استراتژی­های متفاوتی برای رفع ناسازگاری استفاده می­کنند] ۲[

۱-۲-رفع ناسازگاری

در بسیاری از سیستم­های 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] ۴۷[. 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 روش­های 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] ۲[

۱-۳-سیستم­های تصمیم ­همیار و سیستم­های تصمیم ­همیار هوشمند

به طور کلی، اخذ تصمیم، یکی از مهم­ترین و حساس­ترین فعالیت­هایی است که در هر سازمان و یا تشکیلاتی صورت می­گیرد] ۴۸[. 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 سیستم­ها 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] ۴۹[

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 زمینه­ های 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] ۱۹[

اگرچه، سیستم­های 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] ۱۲[، 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] ۵۰[

تعاریف مختلفی از تفاوت­های میان یک سیستم تصمیم ­همیار و یک سیستم تصمیم­ همیار 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 سیستم­های تصمیم­همیار، بهبود سازگاری در تصمیمات، بهبود تشریح و تفسیر و توجیه پیشنهادات ارائه شده توسط سیستم می­باشد] ۱۹[

Holsapple و Whinston از اولین محققانی بودند که به طراحی و مطالعه­ی سیستم­های تصمیم­همیار هوشمند، پرداختند] ۵۱[. 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[۲] مانند نگهداری رویداد[۳] 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

فصل دوم:روش­های رفع ناسازگاری

۲-۱-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 [۱]

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[۴]

در استراتژی­های رفع ناسازگاری، لیست اجرا[۵]، فهرستی از تمامی قوانینی است که شرایط آنها ارضاء شده ولی هنوز اجرا نشده­اند. این لیست، همانند یک پشته[۶] 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

۲-۲-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 [۱]

استراتژی تصادفی: در این استراتژی، به هر فعال­سازی[۷]، 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

[۱] Conflict

۲ Descriptive knowledge

[۳] Record keeping

[۴] Working Memory

[۵] Agenda

[۶] Stack

[۷] Activation