数据库读后感
- 格式:doc
- 大小:30.50 KB
- 文档页数:2
《智能算法在公交专家系统中的应用研究》
——读后感
随着信息技术的迅速发展,特别是数据库技术和计算机网络的广泛应用,企业拥有的数据量急剧增加。在大量的数据与信息中,蕴藏着企业运营的利弊得失,若能够对这种海量的数据与信息进行快速有效深入分析和处理,就能从中找出规律和模式,获取所需知识,帮助企业更好地进行决策。数据挖掘技术和产品在这种市场需求中逐渐发展成熟,并使企业获得极高的投资回报。同样,数据挖掘和商务智能算法在专家系统中同样具有的重要作用。
数据挖掘是目前人工智能和数据库领域研究的热点问题,所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程,它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等,高度自动化地分析企业的数据,做出归纳性的推理,从中挖掘出潜在的模式,帮助决策者调整市场策略,减少风险,做出正确的决策。近年来,数据挖掘引起了信息产业界的极大关注,其主要原因是存在大量数据,可以广泛使用,并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用,包括商务管理,生产控制,市场分析,工程设计和科学探索等。数据挖掘的发展有三个阶段,第一阶段:电子邮件阶段:这个阶段可以认为是从70年代开始,平均的通讯量以每年几倍的速度增长;第二阶段:信息发布阶段 从1995年起,以Web技术为代表的信息发布系统,爆炸式地成长
起来,成为目前Internet的主要应用。中小企业如何把握好从“粗放型”到“精准型”营销时代的电子商务;第三阶段:EC(Electronic
Commerce),即电子商务阶段 EC在美国也才刚刚开始,之所以把EC列为一个划时代的东西,是因为Internet的最终主要商业用途,就是电子商务。第四阶段:全程电子商务阶段 随着SaaS(Software as
a service)软件服务模式的出现,软件纷纷登陆互联网,延长了电子商务链条,形成了当下最新的“全程电子商务”概念模式。
公交专家系统中引入智能算法,是将人工智能和现有调度系统的有机结合的探索,在这个领域,如何将人工智能转化为对于现实有意义的调度方案,这是最重要的。在公交车辆调度和线网优化两个大问题上引入多种智能算法,并对其进行理论上的分析与讨论,最后根据各自的特点进行了比较,得出了用遗传算法进行车辆调度和用蚁群算法进行线网优化的推荐方案,事实上,公交专家系统的功能包括但不局限于车辆调度和线网优化,而不论如何这都是一个系统,是个有机的整体。正因为如此,对于整体而言引入遗传算法和蚁群算法的公交专家系统恰好就是各种智能算法的有机结合。各种智能算法的理论研究已经开展了几十年,也取得了大量的成果。然而,就智能算法的工程应用来说,到现实的需求还有很大的距离,很多理论转化为实践还需要探索。智能算法在公交专家系统中的应用是是充满诱惑力的,同时也是复杂的。