- 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。
33010编辑于 2025-09-18- 来自专栏全栈程序员必看
介绍篇 决策引擎环节
最重要的事情最后都会讲：建模是始终服务于业务的，没有业务的评分卡就没有灵魂 决策引擎概念简述 在我理解上 决策引擎类似是一个管道、运输系统，连通整个风控流程，所有的规则和评分卡以及流程都覆盖其中，分配到每一个环节 （比如人工），将结果返回给决策引擎，走入下一个流程 决策引擎的使用规则 决策引擎的分流效果 评分卡是内置在决策引擎当中，基于评分卡的分段，评分卡的使用具体参见：评分卡在策略中的使用，进行分流，分流决策的目的是为让好客户以及有借款欲望客户进一步走入下一流程 决策引擎规则的顺序 1 并行和串行并举 客户命中规则 或者 客户在某评分卡的某个阶段，共同作用，即条件A或条件B均可进入C环节 2 规则的先后性 内部规则 优于 外部规则，比如黑名单信息，用户的基本信息等 ，内部规则的准确性实际上要优于外部规则 3 IV很强的变量实际更适合作为决策引擎的规则 一个变量分箱后，里面全部都是坏客户，那么可以直接作为TK规则，而不是放入评分卡中 4 规则的效率 直接结果和二次处理结果的效率是不同的
79230编辑于 2022-09-10 - 来自专栏全栈程序员必看
风控决策引擎经验
一套完整的风控体系，在风控中，少不了决策引擎，今天就浅谈一下风控决策引擎。 一、优先级 风控决策引擎是一堆风控规则的集合，通过不同的分支、层层规则的递进关系进行运算。 所以，整套风控决策引擎的搭建设计思路，基于规则优先级运算的注意要点如下： 1、自有规则优先于外部规则运行 举例说明：自有本地的黑名单库优先于外部的黑名单数据源运行，如果触发自有本地的黑名单则风控结果可直接终止及输出 所以，整个风控决策引擎的搭建设计思路，基于可调整与可维护的注意要点如下： 1、非刚需与必要的风控规则，能够“开关化” 举例说明：一些必要的风控规则，如用户的银行4要素验证是否一致性，这是必要规则，就无需可开关 因为芝麻信用分是否可作为决策依据将主要取决于业务方向与用户群体，因为理论上芝麻信用分的高低主要与用户在芝麻信用体系内的数据绑定维度的多与少相关，并不一定绝对反映用户的信用程度。
2K30编辑于 2022-07-02 决策引擎系统的7个级别
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。 6级顺序决策问题在这里，我们解决的问题由序列决策，信息，决策，信息,...鉴于尚未到达的信息的不确定性，必须做出决策。优化问题是找到做出决策的最佳方法（称为策略）。 顺序决策问题的特殊情况包括：决策，信息（这描述了经典的随机搜索问题）和决策，信息，决策（这描述了两阶段随机规划问题）。更一般的问题具有延伸到有限或无限视野的“决策、信息”序列。 AI社区（计算机科学）在“强化学习”的旗帜下研究这个问题，但大约有15个不同的领域，每个领域都有一本书或多本书，使用8种不同的符号系统。这种多样性反映了顺序决策问题的巨大丰富性。 创造力–优化涉及从一组定义明确的决策中找到最佳，其中一组决策被清楚地阐明，并带有可用于评估不同决策的绩效指标。当我们有绩效指标但可能没有指定可用的决策时，需要创造力。
31610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
从某种意义上讲，求解器就像运筹学里的“芯片”，绝大多数复杂系统的决策问题，都需要用求解器寻求最优解决方案。 市场体量的增大与结构性变化的频生，都对智能决策优化的演进创造了良好条件。 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。
1K10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。
85910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。
31410编辑于 2025-09-09- 来自专栏向治洪
Google V8 引擎
V8引擎就是为解决这一问题而生，在Node中也采用该引擎来解析JavaScript。 那么，V8是如何使得实现对JavaScript的解析，又是如何实现高性能的呢？ JavaScriptCore是WebKit的默认引擎，在谷歌系列产品中被替换为V8引擎。 引擎 前面，我们介绍了V8引擎的一些历史，下面我们重点来看看V8项目一些知识。 V8引擎渲染过程 V8引擎在执行JavaScript的过程中，主要有两个阶段：编译和运行。 V8引擎会为上述示例代码生成 v8MyObj.h (MyObj类具体的实现代码)和 V8MyObj.cpp (桥接代码，辅组注册桥接的函数到V8引擎)两个绑定文件。
2.3K61发布于 2018-02-06 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。
31910编辑于 2025-09-16- 来自专栏WD学习记录
机器学习 学习笔记（8） 决策树
决策树学习算法包含特征选择、决策树的生成与决策树的剪枝过程，由于决策树表示一个条件概率分布，因此深浅不同的决策树对应着不同复杂度的概率模型。 决策树的生成对应于模型的局部选择，决策树的剪枝对应于模型的全局选择。决策树的生成只考虑局部最优，决策树的剪枝对应于模型的全局选择。 信息增益 信息熵是度量样本集合纯度最常用的一种指标。 后剪枝则是先从训练集生成一棵完整的决策树，然后自底向上地对非叶结点进行考察，若将该结点对应的子树替换为叶结点能带来决策树泛化的提升，则将该子树替换为叶结点。 只有一层划分的决策树，称为决策树桩。 预剪枝基于贪心的本质禁止这些分支展开，给预剪枝决策树带来了欠拟合的风险。 后剪枝决策树通常比预剪枝决策树保留了更多的分支。一般情况下，后剪枝决策树欠拟合的风险很小，泛化性能往往优于预剪枝决策树。 多变量决策树 多变量决策树又称为斜决策树，实现如下图所示的斜划分 甚至更复杂的决策树： image.png image.png 参考 《机器学习》 《统计学习方法》 《机器学习实战》
1.1K10发布于 2018-09-03 - 来自专栏向治洪
V8引擎
V8引擎就是为解决这一问题而生，在Node中也采用该引擎来解析JavaScript。 那么，V8是如何使得实现对JavaScript的解析，又是如何实现高性能的呢？ JavaScriptCore是WebKit的默认引擎，在谷歌系列产品中被替换为V8引擎。 引擎 前面，我们介绍了V8引擎的一些历史，下面我们重点来看看V8项目一些知识。 V8引擎渲染过程 V8引擎在执行JavaScript的过程中，主要有两个阶段：编译和运行。 V8引擎会为上述示例代码生成 v8MyObj.h (MyObj类具体的实现代码)和 V8MyObj.cpp (桥接代码，辅组注册桥接的函数到V8引擎)两个绑定文件。
1.5K41编辑于 2022-11-30 - 来自专栏米扑专栏
Android 8款开源游戏引擎
项目地址：http://code.google.com/p/angle/ 2、Rokon （2D Java） rokon是一款Android 2D游戏引擎，基于OpenGL ES技术开发，物理引擎为 项目地址：http://code.google.com/p/loon-simple/ 4、AndEngine andengine同样是一款基于OpenGL ES技术的Android游戏引擎，物理引擎同样为 ，物理引擎采用Box2D实现。 该引擎与LGame（此为2D游戏引擎）相类似，目前拥有PC(J2SE)以及Android两个开发版本。 jPCT的最大优势之一，就在于它惊人的向下兼容性。 项目地址：http://code.google.com/p/alien3d/ 8、Catcake Catcake是一款跨平台的Java 3D图形引擎，目前支持PC(J2SE)及Android环境运行（已有
5.2K30发布于 2019-02-19 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。
48110编辑于 2025-09-03- 来自专栏Michael阿明学习之路
8. 非线性分类和决策树
本文为 scikit-learn机器学习（第2版）学习笔记 相关知识：《统计学习方法》决策树（Decision Tree，DT） 1. 决策树优缺点 优点： 不要求对数据进行标准化 可以进行多元分类而无需使用OvO，OvA等策略 缺点： 更容易过拟合，需要剪枝（设置树的最大深度、节点实例数量超过阈值才建立子节点） 本质上是贪心算法，不保证全局最优
53110发布于 2020-07-13 - 来自专栏向治洪
Google V8引擎
V8引擎就是为解决这一问题而生，在Node中也采用该引擎来解析JavaScript。 那么，V8是如何使得实现对JavaScript的解析，又是如何实现高性能的呢？ JavaScriptCore是WebKit的默认引擎，在谷歌系列产品中被替换为V8引擎。 引擎 前面，我们介绍了V8引擎的一些历史，下面我们重点来看看V8项目一些知识。 V8引擎渲染过程 V8引擎在执行JavaScript的过程中，主要有两个阶段：编译和运行。 V8引擎会为上述示例代码生成 v8MyObj.h (MyObj类具体的实现代码)和 V8MyObj.cpp (桥接代码，辅组注册桥接的函数到V8引擎)两个绑定文件。
2.2K50发布于 2018-01-26 - 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。
1.9K10编辑于 2024-03-19 - 来自专栏Nicky's blog
JDK8系列之JavaScript引擎Nashorn
从JDK1.8开始，Java采用Nashorn作为嵌入式 JavaScript 引擎。JDK1.6和JDK1.7采用Rhino。
2K30编辑于 2022-09-21 轻量级规则引擎在数字化决策中的商业优势
决策建模（DM）是决策管理的一部分，它侧重于使用专为业务分析师和主题专家而非开发人员设计的标准化符号来表示业务决策。通过决策建模，业务分析师可以构建和共享有关其业务决策如何运作的可靠文档。 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。
35910编辑于 2025-09-16- 来自专栏全栈程序员必看
javascript引擎PK:V8 vs Spidermonkey
Nodejs是什么，一个基于chrome的javascript V8引擎的platform，特点是事件驱动，异步非阻塞IO模型，轻量。 之所以是个引子，正由于它是基于V8引擎的，而让我感叹V8的威力时，不由想到另外一个firefox的JS引擎SpiderMonkey，进而忍不住想PK一下他们的性能。 说明下PK用的环境吧， 1． 备注：本来是想通过V8和SpiderMonkey原生C/C++库来运行js代码进行测试的，那样结果应该更客观，V8环境调试运行都成功了，但是SpiderMonkey编译后，运行测试代码时显示加载dll失败了 各个测试结果都显示V8在性能上比当前版本的Spidermonkey要出色很多。 2. 在Linux及多核计算能力一般的CPU环境下，异步非阻塞IO的V8性能优势非常大。 3. Dict字典操作上，优势没有其他两项明显，说明V8在字典操作上的优化还有待进一步提高。期待后续新版本V8在这一项上性能的进一步优化。 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。
1.4K21编辑于 2022-11-03 - 来自专栏Nodejs技术栈
Javascript 引擎 V8 7.7 版本发布
作者: afterer 链接: https://www.oschina.net/news/109069/v8-7-7-released JavaScript 引擎 V8 发布了 7.7 版本，目前处于测试阶段 为了减少 V8 的内存使用量，现在只在函数执行了一定数量的字节码之后才分配反馈向量。这避免了为没有从已收集反馈中受益的短期函数分配反馈向量。 实验表明，延迟分配反馈向量可以节省约 2-8% 的 V8 堆大小。 ? 对于 Chrome 用户来说，V8 的堆大小在桌面版上减少了 1-2%，在移动平台上减少了 5-6%。 根据使用的线程数，与 V8 的 7.4 版本相比，编译所需时间不到一半。 ? ? Stack trace 改进 几乎所有由 V8 引发的错误在创建时都会捕获跟踪栈信息。 详情见发布说明：https://v8.dev/blog/v8-release-77
94530发布于 2019-08-20
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