- 综合排序
- 最热优先
- 最新优先
决策引擎中的敏捷决策平台
现在是时候缩小差距，为供应链领导者提供敏捷的决策能力了。高管敏捷决策平台的关键属性，以最大限度地提高供应链绩效。高管们面临巨大压力，需要快速做出数据驱动的决策，这些决策会影响整个组织，包括供应链。 所以，现在是时候重新思考如何支持高管决策，以提高供应链绩效。这意味着要接受为高管提供专用供应链决策平台的概念。可能和需要的是一个敏捷决策平台，它让企业领导者能快速执行决策以优化供应链绩效。 下面，我们会介绍专用于执行层决策的敏捷决策平台的理想属性。这些软件属性包括有针对性的数据收集、敏捷决策智能、用于决策周期的高管级UI、基于决策的快速通信以及决策可追溯性。 此外，敏捷决策平台需要促进信息收集过程，收集有针对性的相关信息，以支持及时、明智的决策。以下是快速收集决策所需信息的五步流程。 d.快速决策沟通。面向高管的敏捷决策平台也需要促进协作决策。
41410编辑于 2025-09-18决策引擎系统的7个级别
2.让计算机比人类更智能。让计算机“表现得像人类”通常等同于高水平的智能，因为人类代表了最智能的生命形式。对于主要类别的非结构化问题，我认为这是正确的。 目前有许多商业“规则引擎”被广泛使用。2级基础机器学习这包括使用查找表、参数模型（包括线性或非线性模型和神经网络）或非参数模型的已知统计模型。 模型的输入包括可控参数，也称为行动或决策。使用复杂的算法搜索可行区域以优化性能指标。与必须使用训练数据集进行训练的基于机器学习的技术（2-4级）不同，确定性优化不涉及任何训练。 2级是自1900年代初以来一直研究的一组熟悉的估计问题。相比之下，第3级解决了各种模式识别问题，这些问题表现出与第2级中解决的问题完全不同的结构。 我们经常将真正的人类智能与爱因斯坦发明广义相对论或推导出E=mc^2等例子联系起来。或者，也许是硅基晶体管的发明取代了真空管。新闻界的文章不断强调人工智能做出战略军事决策的潜力，这需要7级的技能。
43010编辑于 2025-09-17- 来自专栏IT创事记
智能决策优化新引擎的“求解”之道
在近日上海举办的“新起点·新引擎”2021发布会上，杉数科技宣布完成近2亿元规模的C轮融资，并展示了COPT整数规划求解器的最新成果。 罗小渠认为，杉数科技生逢其时，更要把握良机——“目前，我们已形成以求解器COPT为核心计算引擎+决策技术中台+业务场景的完整技术平台，通过对底层技术引擎的升级来驱动更为高效的产品平台和服务，赋能产业向智能化转型 从调度优化到提供端到端的决策优化解决方案，从涉足零售电商到深耕工业互联网，再到成功服务逾20个行业超百家龙头企业，杉数科技的技术引擎一直在迭代更新，而唯一不变的是对客户需求的跟踪与洞察。 复杂业务场景纷繁交织的航空业是决策优化技术的天然拥趸。 此次完成由中银国际领投、天任投资跟投的近2亿元C轮融资，让走在正确路上的杉数科技如虎添翼。
1.2K10编辑于 2022-08-30 一文读懂AI引擎与Together规则引擎重塑智能决策
AI引擎的三大能力革命动态规划能力Together规则引擎通过可视化的DRG图和装箱表达式，把“季度营收增长20%”这样的宏观目标转化为可执行的决策模型。 多工具调用能力基于Together标准化的决策服务接口，AI引擎可以在ERP、CRM等系统间建立决策中枢。 当某次供应链中断事件触发规则库未覆盖的场景时，AI引擎会将决策过程反哺至Together知识库，形成“决策-反馈-优化”的闭环学习。 Together的标准化决策建模语言，企业可以直观验证AI引擎的决策逻辑是否匹配业务需求，避免“伪智能”方案。 当每一次AI引擎的决策都通过Together引擎沉淀为可复用的业务规则资产，当每一个流程优化都能转化为标准化的决策模型，企业管理软件将真正进入“决策即服务”的新纪元。
1.1K10编辑于 2025-09-05规则引擎系统中决策管理的最佳实践
随着时间的推移，很多公司会发现，让业务负责人自己做决策，能让他们从决策管理系统中得到更好的结果。 决策管理系统利用公司已经收集或可以获取的数据来改进决策方式，方法是预测决策可能的结果，而不是什么都不做。决策总是和未来有关，因为它们只能影响未来。公司拥有的所有数据都是关于过去的。 专注于实时评分将使决策管理系统更加强大。把数据挖掘和业务规则结合起来用。很多构建决策管理系统的公司会把基于规则的决策逻辑开发和分析完全分开。 为了提供集成决策改进环境，公司应汇总过去决策制定的日志、使用这些决策所取得的业务成果信息以及决策逻辑/分析管理环境本身。 最佳实践是考虑在这些情况下使用机器学习和自适应分析引擎。在组织中建立对分析工作的信任将越来越多地允许分析系统自己做出更多决策。
39810编辑于 2025-09-09物联网规则引擎：数据驱动决策的分步指南
机器学习和人工智能在数据驱动决策中的主要应用有：预测建模，预测未来会发生什么情绪分析，了解客户怎么想推荐引擎，个性化营销的好帮手异常检测，找出欺诈或错误自然语言处理，分析文本数据像亚马逊这样的公司，用机器学习算法优化供应链 衡量数据驱动决策的影响要真正了解数据驱动决策的好处，组织得有办法衡量它对业务绩效的影响。数据驱动决策的关键绩效指标（KPI）KPI是帮助组织跟踪数据驱动方法有效性的关键指标。 决策质量和速度：这个指标关注决策过程的强化。比如用数据分析和直觉做选择的结果对比，以及实时数据带来的决策时间缩短。通过持续跟踪这些KPI，组织可以量化数据驱动决策带来的好处，并展示它对利润的实际影响。 数据驱动决策的示例数据分析虽然在幕后，但数据驱动决策对消费者的影响可是明摆着的。不同行业数据驱动决策的一些例子包括：电子商务你在网上购物时有没有好奇为啥会收到某些推荐？ 虽然你可能没意识到自己的偏见，但内心的偏见或价值观会影响你做决策的方式。直接根据事实和数字做决策可以使你的决策保持客观和公平。
41010编辑于 2025-09-16- 来自专栏兜兜毛毛
MySQL 存储引擎（2）原
首先我们带着下边三个问题来认识存储引擎 存储引擎在MySQL中的作用是什么？ MySQL都有哪些存储引擎 SQL又与存储引擎有什么关系？ 存储引擎在MySQL中的作用是什么？ 在MySQL中，支持多种存储引擎，他们是可以替换的，所以叫插件式的存储引擎。为什么要弄这么多存储引擎呢？一种还不够用吗？ MySQL都有哪些存储引擎？ 存储引擎的使用是以表为单位的。而且，创建表之后还可以修改存储引擎。 SQL无法独立执行，他是通过执行引擎执行的，执行引擎是通过公共的API调用存储引擎并返回结果。 ? 2(实时写，延迟刷) 每次事务提交时MySQL都会把logbuffer的数据写入logfile。但是flush操作并不会同时进行。该模式下，MySQL会每秒执行一次flush操作。
84440发布于 2020-04-23 一文看懂决策引擎平台必备功能都有哪些
这个决策引擎平台就是为了让公司能轻松管理、执行和部署各种半自动和全自动的决策。随着各种技术的出现，决策自动化越来越受到关注，这些技术设计得特别好，能帮助人工智能在很多公司和行业里无缝工作。 这些报告和数据清楚地告诉我们，人工智能投资的商业预期和人工智能驱动的投资计划的预期回报之间有很大的差距，特别是在决策自动化项目上。幸运的是，公司们可以通过用Together规则引擎来改变这种局面。 Together规则引擎也是一个决策智能平台，主要目标是通过给企业提供一个统一且通用的决策建模平台来弥合这个差距，这个平台满足了决策自动化的所有独特要求，特别是支持完全和半自动化的业务决策。 更重要的是，决策智能平台还必须在必要时为无状态或有状态的决策过程提供人工干预的机会。Together规则引擎让你拥有这些能力。 这凸显了以决策为中心的方法™。Together规则引擎正是实现这些业务价值的工具，通过可视化决策模型的构建将你的管理渗透到你业务的方方面面。
56210编辑于 2025-09-03- 来自专栏利志分享
clickhouse表引擎学习2
( id Int32 comment 'id', name String comment '名称', money AggregateFunction(sum, Decimal32(2) INSERT…SELECT语句进行数据插入 insert into table test_aggremergetree select 1,'测试',sumState(toDecimal32(10333,2) ),now(); insert into table test_aggremergetree select 1,'测试',sumState(toDecimal32(10,2)),now(); insert into table test_aggremergetree select 1,'测试',sumState(toDecimal32(10,2)),now(); 查询数据结果如下： select id Int32 COMMENT 'id', `name` String COMMENT '名称', `money` AggregateFunction(sum, Decimal32(2)
88840编辑于 2022-04-25 - 来自专栏PostgreSQL研究与原理解析
PG 向量化引擎--2
PG 向量化引擎--2 向量化引擎是OLAP数据库提升性能的有效技术。翻到PostgreSQL邮件列表有对向量化引擎的讨论。这里继续进行整理，以作分析。 对于Int32，此区域大小时4*BATCHSIZE，而对于Int16，大小时2*BATCHSIZE。所以使用原生数据可以只做一个memcpy来填充vtype的batch。 2、为什么VectorTupleSlot中包含元组的数据（batch）而不是向量（vtype的数组）？ 我们是否可以得出结论，对于OLAP查询使用向量化引擎，对于OLTP查询使用行引擎会更好。 5、对于不能向量化的查询捕获并抛出异常不是处理此类情况最安全和最有效的方法。
1.5K20编辑于 2022-02-09 - 来自专栏前端博客
JS引擎(2)：Java平台上JavaScript引擎—RhinoNashorn概述
可以后端开发的 javascript引擎有 Chrome V8 基于C++ java的Rhino引擎(JDK6被植入)，Java8 被替换为Nashorn Rhino和Nashorn都是用Java实现的 JavaScript引擎。 ECMAScript 5.1 实现语言: Java 代码: http://hg.openjdk.java.net/nashorn/jdk8/nashorn 代码版本控制工具: Mercurial 开源许可证: GPLv2 Nashorn是一个纯编译的JavaScript引擎。 博客收集帖 https://hllvm-group.iteye.com/group/topic/37596 转载本站文章《JS引擎(2)：Java平台上JavaScript引擎—Rhino/Nashorn
4.6K10编辑于 2023-04-09 - 来自专栏开源物联网平台开发
Node-RED 规则引擎：开启物联网时代的智能决策
Node-RED 规则引擎：开启物联网时代的智能决策 随着物联网技术的快速发展，大量的设备和传感器正在不断产生海量的数据。 为了有效处理这些数据，并实现智能决策，规则引擎在物联网领域扮演着至关重要的角色。而 Node-RED 规则引擎则以其灵活性和易用性，在物联网开发领域中引起了广泛的关注和应用。 二、Node-RED 规则引擎的特点 灵活性：Node-RED 支持自定义节点和插件，用户可以根据需求扩展功能，实现个性化的规则设计。 三、Node-RED 规则引擎的应用场景 智能家居：在智能家居领域，Node-RED 可以连接各种智能设备，实现设备的联动控制、自动化场景设置等功能。 四、总结 随着物联网技术的不断发展，规则引擎在物联网应用中的作用将越来越重要。Node-RED 规则引擎以其灵活性和易用性为物联网开发者提供了一个强大的工具，使得开发者能够轻松地构建复杂的物联网应用。
2.1K10编辑于 2024-03-19 Agent决策核心：从规则引擎到LLM驱动的规划器
随着大模型技术工程化落地，运维决策范式完成第三次演进：规则自动化→ 统计模型决策 → LLM认知规划决策。 关键词：AIOps；SRE；LLM Agent；智能规划；ReAct；LangGraph；故障自愈；混合决策架构 一、传统运维决策：规则引擎的能力边界与生产困境 1.1 传统决策体系构成 传统运维自动化体系的决策核心由三类能力构成 （2）规则爆炸，维护成本指数级增长 微服务架构下，服务数量、指标维度、依赖拓扑、发布节奏持续增长，单业务域规则数量年增速普遍超过40%。 因此业界落地现状： 1.仅用于离线仿真训练、流量调度参数调优、资源调度辅助； 2.无法独立承担线上故障自愈决策； 3.当前前沿落地模式为神经符号RL + 规则约束，作为LLM规划的参数优化辅助模块。 2.Action 并行调用指标查询、依赖拓扑查询、变更记录查询、集群资源查询工具。
39810编辑于 2026-07-14- 来自专栏7DGroup
性能分析之分析决策树2
千江有水千江月,万里无云万里天》今天咱们谈谈7DGroup创始人高楼老师的性能分析之决策树分析法二。 分析树图一 ?
85330发布于 2019-12-10 - 来自专栏数据科学（冷冻工厂）
机器学习经典算法：决策树（2）
概述决策树（Decision Tree）是有监督学习中的一种算法，并且是一种基本的分类与回归的方法。决策树有两种：分类树和回归树。 决策树是用于分类和回归的工具，它将数据特征值拆分为决策节点处的分支（例如，如果特征是一种颜色，则每种可能的颜色都会成为一个新分支），直到做出最终决策输出。 一般来说，决策树只是一个嵌套 if-else 条件的结构。在数学上，决策树使用平行于任何一个轴的超平面将坐标系切割成超长方体。树形结构图片2. 构建过程包括：特征选择、决策树的生成和决策树的剪枝特征选择标准：希望决策树的分支节点所包含的样本尽可能属于同一类别，也就是节点的纯度（purity）越来越高。 数据集总行数 iset = dataSet.iloc[:,-1].value_counts() #标签的所有类别 p = iset/n #每一类标签所占比 ent = (-p*np.log2(
71920编辑于 2023-01-19 - 来自专栏数据科学（冷冻工厂）
机器学习经典算法：决策树（2）
概述 决策树（Decision Tree）是有监督学习中的一种算法，并且是一种基本的分类与回归的方法。决策树有两种：分类树和回归树。 决策树是用于分类和回归的工具，它将数据特征值拆分为决策节点处的分支（例如，如果特征是一种颜色，则每种可能的颜色都会成为一个新分支），直到做出最终决策输出。 一般来说，决策树只是一个嵌套 if-else 条件的结构。在数学上，决策树使用平行于任何一个轴的超平面将坐标系切割成超长方体。 树形结构 树形结构 2. 构建 过程包括：特征选择、决策树的生成和决策树的剪枝 特征选择 标准：希望决策树的分支节点所包含的样本尽可能属于同一类别，也就是节点的纯度（purity）越来越高。 iset = dataSet.iloc[:,-1].value_counts() #标签的所有类别 p = iset/n #每一类标签所占比 ent = (-p*np.log2(
65720编辑于 2023-02-27 - 来自专栏程序员千羽
MySQL进阶笔记-2(存储引擎)
2） 服务层 第二层架构主要完成大多数的核心服务功能，如SQL接口，并完成缓存的查询，SQL的分析和优化，部分内置函数的执行。所有跨存储引擎的功能也在这一层实现，如 过程、函数等。 3） 引擎层 存储引擎层， 存储引擎真正的负责了MySQL中数据的存储和提取，服务器通过API和存储引擎进行通信。不同的存储引擎具有不同的功能，这样我们可以根据自己的需要，来选取合适的存储引擎。 主要体现在存储引擎上，插件式的存储引擎架构，将查询处理和其他的系统任务以及数据的存储提取分离。这种架构可以根据业务的需求和实际需要选择合适的存储引擎。 2. 存储引擎 2.1 存储引擎概述 和大多数的数据库不同, MySQL中有一个存储引擎的概念, 针对不同的存储需求可以选择最优的存储引擎。 MySQL提供了插件式的存储引擎架构。所以MySQL存在多种存储引擎，可以根据需要使用相应引擎，或者编写存储引擎。
84110发布于 2021-01-14 轻量级规则引擎在数字化决策中的商业优势
决策模型由两个视图组成：决策要求视图和决策逻辑视图。决策要求视图描述了如何将复杂的决策分解为更简单的子决策，以及确切需要哪些数据和业务知识来支持这些决策。它显示了决策的层次结构。右边有个示例。 主题专家发现，创建此视图是引发和巩固他们对关键决策的理解的有效方式。决策逻辑视图（请看左边的示例）定义决策的逻辑。通常（但并非总是）它使用决策表来表示决策如何决定其结果。 这使业务分析师能够准确描述其组织中如何进行决策。决策模型还可以以其他格式（例如，决策树、文本）表示逻辑，或与其他方式集成以做出决策（例如，分析、认知模型和优化引擎）。决策模型不仅仅是关于需求。 这种模型驱动的决策架构方法减少了错误并允许快速更改决策—它为业务决策提供了安全的敏捷性，并确保您的决策规范始终具体且与实施一致。 2．透明、准确地传达业务政策决策建模的主要动机之一是以对业务主题专家透明的方式捕获和传达业务决策。这使他们能够理解、验证甚至模拟决策。
43910编辑于 2025-09-16语义层vs业务规则引擎：该服务计算，还是服务流程决策？
业务规则引擎（Business Rules Engine）则用于将业务决策条件从应用代码和流程程序中抽离，以规则、决策表、条件表达式或决策模型的形式集中管理。 成熟架构应形成清晰链路：语义层把数据计算成事实，规则引擎把事实转化为决策。 审批阈值、优惠资格、风险处置和流程分支则属于决策规则，更适合放入规则引擎。 误区 2：语义层里也能写 CASE WHEN，所以它完全可以替代规则引擎正解：语义层确实可以利用条件表达式定义客户分类、有效订单范围或派生指标，但这些逻辑仍然服务于数据计算和业务事实表达。 如果规则是“高价值客户且三个月未消费时发放 50 元优惠券”，这属于行动政策，应进入业务规则引擎。Q2：为什么规则引擎不能直接承担企业指标平台的角色？
16210编辑于 2026-09-22- 来自专栏数据猿
金融科技&大数据产品推荐：恒丰银行实时智能决策引擎
2、产品分类 金融科技·风控、反欺诈、实时营销 3、产品介绍 恒丰银行实时智能决策引擎是恒丰银行业务策略管理解决方案的核心产品，该产品让策略业务人员轻松高效地配置出风控、反欺诈、实时营销等场景下实时 恒丰银行实时智能决策引擎凭借和大数据相关技术和服务平台进行结合，例如流处理技术、具有推理能力的规则引擎、分布式微服务计算框架、分布式消息队列、具有海量数据查询和分析能力的内存数据库构建的决策引擎具有实时智能决策能力 5、产品功能 恒丰银行实时智能决策引擎分为SaaS和私有版本，产品由运营管理和决策引擎2个系统组成。 系统原理图 决策引擎 决策引擎提供一组API接口，用于集成业务系统，业务数据从业务系统实时下发决策引擎，决策引擎根据运营管理系统的资源配置信息、决策模型/规则配置信息，进行分析计算，计算结果实时输出给业务系统 基于时间滑动窗口的复杂事件处理)：当前实时交易流水的卡号5分钟内交易金额大于5万，且客户年龄小于16岁： 2) 常量配置管理 常量是一种数据类型的固定值，可被引用于多个决策模型/规则的定义中作为条件的计算因子
3.8K90发布于 2018-04-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号