W 4)目标函数(决策准则):记为F。损益函数只给出了系统的实际收益情况,但没给出 收益的评价标准,即“抉择”时的优化准则。决策准则对于不同的决策者、问题、方法都是 不同的,它最终决定了方案的形成 综上所述,可以将一个决策问题记为: Udm=F, 4,g,w) 其中,F为目标函数或决策准则,A为侯选方案集,Q为状态集,W为损益函数。 决策学常规方法用于解决普通决策问题,这类问题满足以下条件: 存在决策者希望达到的明确目标 存在可供决策者选择且可以明确组分的侯选方案; 存在不受决策者控制的系统状态,系统状态集与侯选方案集相互独立 损益值可以精确数量化,A,Q均为可数集合 当系统状态集Q中状态数n=l时,为确定性决策问题;当n>1时,且系统各状态出现 的概率未知时,为不确定性决策问题:当n>1,且系统各状态出现的概率服从一个已知的概 率分布时,为风险决策问题 空间决策与一般决策问题同样有确定性决策、不确定性决策和风险决策。确定性决策实 际上是一个最优化问题,象土地适宜性评价的多准则决策和线性规划均属此类决策问题,它 们可以和地理信息系统的空间分析功能完全集成。而大量的空间决策问题往往涉及到结构 非结构化知识,人的评价和判断等不同形式的知识,决策的不确定性和风险性的成分很大 以设施配置为例,领域专家已经有一组有关位置适宜性的判别规则,这些规则属于描述性方 式表达的知识,设施位置的选择是建立在有关社会经济、地质条件、环境质量等因素分析的 基础上的在判别规则启发下的推理过程:另外领域专家还有有关社会经济、地质条件和环境 质量的评价模拟模型,这些知识都属于程式式知识,设施位置的选择是建立在定量模型计算 分析的基础上估算过程 随信息技术的快速发展,为决策者提供了越来越多的空间和非空间的信息,包括地图、 航片、表格、遥感和数字测量信号等。决策者需要通过知识和经验来有效的处理和理解这些 海量的信息。而人类的知识可分为结构化和非结构化两种知识。结构化的知识有着高度结构 化的形式和结构化的求解程序,包括数学模型,统计方法,计算机算法等都属此类型的知识, 它们在表现和分析方面遵循固定的框架,大多数情况下只能被专家理解,又称为程式式知识 ( Procedural Knowledge)。然而大量的知识都是非结构化的,象人类的体验、直觉、价值观, 专家经验,本质上是定性的,不能用固定的程序进行表达,又称为描述性知识( Declarative 决策者使用信息和知识,在解决结构化、非结构化和半结构化问题上的复杂程度大不相 同。以设施配置为例,在某些特定约束条件下配置最少数量的设施是一个结构化问题,可以 通过最优化方法进行求解;寻找最优设施配置的所有可能的位置则是一个半结构化问题,涉 及多种准则评价和价值评判:为设施配置确定总体目标和总体方针政策则属非结构化问题, 涉及灵活的定性问题,不能用固定的程式式知识来解决。 总之,空间决策是一个涉及多目标和多约束条件的复杂过程,通常不能简单地通过描述 性知识或程式式知识进行解决,往往要求综合地使用信息,领域专家知识和有效地交流手段。 空间决策中信息和知识往往是互相作用的,如图10-5所示:A1 W11 W12 ... W1n ... ... ... ... ... Am Wm1 Wm2 ... Wmn 4）目标函数（决策准则）：记为 F。损益函数只给出了系统的实际收益情况，但没给出 收益的评价标准，即“抉择”时的优化准则。决策准则对于不同的决策者、问题、方法都是 不同的，它最终决定了方案的形成。 综上所述，可以将一个决策问题记为： Udm = F, A,Q,W 其中，F 为目标函数或决策准则，A 为侯选方案集，Q 为状态集，W 为损益函数。 决策学常规方法用于解决普通决策问题，这类问题满足以下条件： ⚫ 存在决策者希望达到的明确目标； ⚫ 存在可供决策者选择且可以明确组分的侯选方案； ⚫ 存在不受决策者控制的系统状态，系统状态集与侯选方案集相互独立； ⚫ 损益值可以精确数量化，A，Q 均为可数集合。 当系统状态集 Q 中状态数 n=1 时，为确定性决策问题；当 n>1 时，且系统各状态出现 的概率未知时，为不确定性决策问题；当 n>1，且系统各状态出现的概率服从一个已知的概 率分布时，为风险决策问题。 空间决策与一般决策问题同样有确定性决策、不确定性决策和风险决策。确定性决策实 际上是一个最优化问题，象土地适宜性评价的多准则决策和线性规划均属此类决策问题，它 们可以和地理信息系统的空间分析功能完全集成。而大量的空间决策问题往往涉及到结构、 非结构化知识，人的评价和判断等不同形式的知识，决策的不确定性和风险性的成分很大。 以设施配置为例，领域专家已经有一组有关位置适宜性的判别规则，这些规则属于描述性方 式表达的知识，设施位置的选择是建立在有关社会经济、地质条件、环境质量等因素分析的 基础上的在判别规则启发下的推理过程；另外领域专家还有有关社会经济、地质条件和环境 质量的评价模拟模型，这些知识都属于程式式知识，设施位置的选择是建立在定量模型计算 分析的基础上估算过程。 随信息技术的快速发展，为决策者提供了越来越多的空间和非空间的信息，包括地图、 航片、表格、遥感和数字测量信号等。决策者需要通过知识和经验来有效的处理和理解这些 海量的信息。而人类的知识可分为结构化和非结构化两种知识。结构化的知识有着高度结构 化的形式和结构化的求解程序，包括数学模型，统计方法，计算机算法等都属此类型的知识， 它们在表现和分析方面遵循固定的框架，大多数情况下只能被专家理解，又称为程式式知识 （Procedural Knowledge）。然而大量的知识都是非结构化的，象人类的体验、直觉、价值观， 专家经验，本质上是定性的，不能用固定的程序进行表达，又称为描述性知识（Declarative Knowledge）。 决策者使用信息和知识，在解决结构化、非结构化和半结构化问题上的复杂程度大不相 同。以设施配置为例，在某些特定约束条件下配置最少数量的设施是一个结构化问题，可以 通过最优化方法进行求解；寻找最优设施配置的所有可能的位置则是一个半结构化问题，涉 及多种准则评价和价值评判；为设施配置确定总体目标和总体方针政策则属非结构化问题， 涉及灵活的定性问题，不能用固定的程式式知识来解决。 总之，空间决策是一个涉及多目标和多约束条件的复杂过程，通常不能简单地通过描述 性知识或程式式知识进行解决，往往要求综合地使用信息，领域专家知识和有效地交流手段。 空间决策中信息和知识往往是互相作用的，如图 10-5 所示：