智能管理技術與方法

前言
第一章 智能管理與智能管理系統
1.1 智能管理的基本概念
1.1.1 管理與管理系統
1.1.2 信息系統
1.1.3 人工智能
1.1.4 人工智能在管理系統中的應用
1.2 智能管理系統的基本理論
1.2.1 智能管理系統的產生
1.2.2 智能管理系統的框架
1.2.3 智能管理系統的設計方法與技術
1.2.4 智能管理系統的常用技術
1.3 智能技術與方法概述
參考文獻
第二章 機器學習
2.1 概述
2.1.1 引言
2.1.2 機器學習的主要策略
2.1.3 機器學習的算法理論基礎
2.2 案例學習
2.2.1 CBR的工作特點
2.2.2 相似
2.2.3 案例索引與檢索
2.2.4 CBR的修正技術
2.2.5 案例庫維護
2.3 粗糙集理論
2.3.1 粗糙集基本理論
2.3.2 決策表達邏輯
2.3.3 粗糙集與案例學習系統
2.4 神經網絡
2.4.1 神經網絡基本理論
2.4.2 神經網絡與案例學習
2.4.3 神經網絡與智能管理系統
2.5 基於機器學習的智能管理系統
2.5.1 基於 機器學習的智能管理系統
2.5.2 基於粗糙集的智能決策支持系統
2.5.3 一種基於相似粗糙集技術的案例庫維護
2.5.4 基於多層前饋神經網絡的案例學習系統
參考文獻
第三章 多Agent技術
3.1 現代管理與多Agent技術
3.1.1 組織結構與決策機制的變化趨勢
3.1.2 現代管理對信息技術的依賴性和要求
3.1.3 多Agent技術在現代管理中的作用
3.2 Agent和多Agent系統的基本理論
3.2.1 Agent的基本概念及發展歷程
3.2.2 Agent組織的形成
3.2.3 MAS中的協商、協調與合作機制
3.2.4 MAS的社會性和社會規范
3.2.5 Internet環境下的Agent/MAS研究
3.3 多Agent系統的問題求解
3.3.1 多Agent系統的問題求解能力分析
3.3.2 MDP與狀態空間搜索
3.3.3 基於動態MDP模型的MAS系統合作求解能力分析
3.4 證據理論與多Agent合作問題求解
3.4.1 D-S證據理論簡介
3.4.2 基於概念樹結構的多Agent合作求解模型
3.4.3 多Agent環境下辨識空間的調整
3.4.4 多Agent環境下的相關證據問題
3.4.5 Agent求解結果的合成
3.5 多Agent環境下的決策支持和知識共享
3.5.1 分布式環境下多Agent協作決策與知識共享的特點
3.5.2 面向任務的知識共享多Agent系統模型
3.5.3 分布式環境下多Agent系統的知識發現及共享
3.6 多Agent系統中的任務調度和資源配置
3.6.1 多Agent系統任務調度機制的設計與評價
3.6.2 基於經濟學模型的資源配置機制
3.6.3 基於均衡市場機制的多Agent系統任務調度算法及效果分析
參考文獻
第四章 智能優化技術
第五章 數據挖掘技術
第六章 知識管理
第七章 分形管理與技術