基于云计算的智能决策发展综述
郜炎峰
（哈尔滨商业大学计算机学院哈尔滨Y1310120306 ）摘要：随着计算机和通信技术的快速发展，一些基于不同环境下的智能决策支持系统层出不穷，本文主要简单介绍了智能决策支持系统的发展现状，然后重点介绍了基于云计算的智能决策的研究现状，对云计算环境下的智能决策受到的影响，决策资源管理，决策问题协同求解，智能决策支持系统等进行简单分析，进一步提出今后的智能决策系统的研究思路。
关键词：发展现状；云计算；智能决策；
Abstract:With the rapid development of computer andcommunicatio n technology, a number of different environments based intelligent decisionsupport systemafter another,This paper briefly introduces the development status of intelligent decision support system, and then focuses on the research status of cloud-based intelligent decis ion.The impact of cloud computing environments being intelligent
decision,decision-making resource management,collaborative deci sion-making problem solving, intelligent decision support system fo r simple analysis.Further research ideas putted forward in the futur e of intelligent decision system.
Keywords：Development Status;Cloudcomputing;intelligent decision;
1 IDSS国际国内发展现状
智能决策支持系统起源于20世纪80年代初期，由Bonczek等[1]率先提出，美、英、德、日等国外发达国家，从上个世纪八十年代中期开始将专家系统应用到产品设计、医疗诊断、故障排除、企业管理以及宏观经济的决策领域。其中主要的一些研究成果主要有美国麻省理工学院智能工程系统实验室开发了分布集成环境开发（DICE），欧洲最大的多智能体的研究项目ARCHON等，另外在经济决策领域，美国爱荷华州立大学、斯坦福大学、英国爱丁堡大学等进行的研究项目对基于多智能体的经济系统决策进行了探讨和实践。
我国DSS的研究始于上个世纪80年代中期，其中应用最广泛的领域是区域发展规划，随着AI的发展，IDSS的研究在理论、结构、功能等方面取得了明显的进步，IDSS是决策支持系统与人工智能相结合的产物[2]。但由于技术上的难度，实际开发的IDSS仍然比较少。基于数据库的智能决策支持系统[3]和基于云计算的智能决策仍在研究中，并取得了一些成果。到目前为止国内比较有代表性的人物只有杨善林，黄梯云等。
2 基于云计算环境下的智能决策研究现状
2.1云计算的概况
云计算(CloudComPuting)环境是近年来在互联网基础上建
立的一种新型信息服务环境.目前,关于云计算的定义有很多种,但总的说来,云计算是一种通过互联网络将虚拟化的数据中心和智能的用户终端有机地联系起来,提供便捷服务的信息服务环境.云计算提供了方便按需的网络接入模式和多种可配置的服务资源共享池,能够通过较少地管理工作或者较少地与服务者的交互实现对资源的快速定制与释放.然而,需要指出的是,云计算是在现有虚拟化技术、互联网技术以及信息终端技术等多类信息技术以及决策科学、服务科学、管理科学等多门学科的基础上发展而形成的,所以云计算有着其自身的理论和技术基础.但是,另一方面,云计算又不是上理论和技术的简单组合,而是提供了一种新型的计算服务环境和商业服务环境,所以云计算又与以往的服务环境、决策环境等存在着本质的区别[4]。
云计算具有以下优点：超大规模，虚拟化，高可靠性，通用性，高可扩展性，按需服务，机器廉价。云计算环境下的智能决策就是针对云计算环境下决策问题的新特点和新要求,综合运用系统理论、信息技术、运筹方法等多种理论、技术和方法,研究智能决策中的决策过程、准则、类型以及方法。目前我国企业应用云计算技术解决企业商务智能化问题尚处在起步阶段，大部分企业主和员工还难以理解云计算概念并接受相应的工作方式[5]。
2.2 云计算对智能决策的影响
云计算环境则是一个完全开放的服务环境,在进行智能决策的过程中,不仅各种服务资源能够自由地加入或者退出云计算环境,具有
很强的不确定性和动态性,而且参与决策的主体规模也能够动态地在
云中伸缩,极大地影响了整个云计算环境下的决策过程。由于人们所处的决策环境更多的还是不确定性环境,因而如何在动态、多变以及具有多种不确定性因素的环境下做出科学合理的决策是许多研究人员致力于解决的关键问题。在不确定性环境下的智能决策过程中,由于每个专家的知识总是有限的、不完全的,并且能够以符号逻辑表示并用来推理的知识更为有限,所以必须对这些知识进行预处理以形成支持决策的决策信息,同时还要对决策信息的一致性、可靠性进行分析、判断和度量,设计合理高效的决策过程,实现准确合理的决策结果。
同时，在决策的过程中要处理海量的信息，在云计算环境下怎么对海量的信息进行处理、融合是一个全新的挑战。目前，很多研究人员及机构对其展开了研究。国外有研究者采用映射与化简的方法构造基本运算单元，决策者通过自身的映射与化简函数实现对海量数据的并行处理；有通过对格式化和半格式化数据进行处理，构建弱一致性的大规模数据库系统，使其性能能够符合应用的需求；还有采用多层虚拟化技术和资源分配策略分别在硬件级别和开源软件方面实现了虚拟化。国内的有杨善林等人针对决策过程中可能存在的内在联系，采用距离代价函数为最佳聚类数的有效性检验函数，并给出K-Means 算法中的K值优化算法。如何更好地从云计算环境中获取决策所需的决策信息，建立动态的决策过程，对决策信息进行处理与分析仍然是云计算环境下智能决策巫待解决的问题。
2.3云计算对决策资源管理
决策资源的管理大部分都是分布式资源的管理，云计算环境是一种特殊的分布式环境，它拥有的各种决策资源规模超大，而且这些资源是分散在不同地区的大量服务器上。它区别于分布式环境下的智能决策的是，这些资源是不断变化的，它们只是根据需求进行组合和扩展，伸缩性较好。另外，采用虚拟化技术的智能决策技术对决策资源的管理，使得决策者更加关注决策问题的本身，而不是繁琐的求解过程。在云计算环境下对决策资源的计划、预测、组织、分配、协调、和控制的过程可以确保对决策资源的有效利用。
在云计算环境下,通过对求解复杂决策问题和决策任务的多种决策资源进行组合与优化,能够提高决策资源的服务效率和服务质量。国外一些研究者已经在决策资源分配架构方面，决策资源定位方面，实现技术等方面取得了突破。与此同时，决策资源的定价机制也是一个关键的问题，在激烈的市场竞争中，经济学与博弈学理论也也引入了该领域，并对决策资源的管理起着重要的指导意义。在云计算环境下，决策资源的全生命周期管理也仍然是一个非常复杂的过程性问题。
2.4 云计算环境下的决策问题的协同求解
在决策问题的协同求解方面，云环境使得决策问题的非结构化和不确定性更加突出，求解规模发生很大变化，这些都使得云计算环境下的决策问题的复杂程度越来越大，决策者之间，决策资源之间，决策者与决策资源之间需要通过相互的协调与合作实现云计算环境下
复杂决策问题的协同求解。目前,在云计算环境下对于复杂决策问题的求解通常采用Map-Reduce的模式,即将决策问题按照一定的机制
分解为若干个子问题,然后将这些子问题的求解过程分别放在不同的云中执行,再将求解的结果进行集结,通过对子问题之间的协同求解
实现复杂决策问题的求解.现有的相关方法常用到贝叶斯网络、Agent 理论、证据理论、粗糙集、模糊逻辑、概率推理等方面的知识，虽然上述理论为云计算环境下的智能决策问题的求解提供了强有力的支持，但是有关云计算环境下复杂大群体决策等方面的大规模协同求解方法仍然还需要一段较长期的发展。
2.5 云计算环境下的智能决策支持系统
在智能决策支持系统方面，智能决策支持系统利用多种智能决策方法在决策模型的支持下以人机交互的方式辅助决策者完成决策过程。近些年来，互联网技术的发展带动了智能决策支持系统的发展，一些研究人员针对互联网下的智能决策支持系统的研究取得了一定
的成就。云计算是在并行计算、分布式计算、网格计算、效用计算等计算模式的发展和应用过程中产生的一种新的资源利用模式。对于传统的智能决策支持系统,可以通过系统移植方法将其向云计算环境进行移植,从而降低云计算环境下智能决策支持系统的开发和维护代价.此外,在云计算环境下智能决策支持系统的移植准则和评估标准等方面也开展了相应的研究.但是,对于难以移植的系统或应用,研究人员进一步从体系结构、系统设计、应用管理等方面设计了多种云服务应用模式下的智能决策系统构建方法和实现规范,以用户为中心研究了
云计算环境下智能决策支持系统的动态扩展机制和自适应维护方法。与此同时，由于专家知识的有限，在应用云环境下的决策支持系统，一些知识是通过学习得到的。这就需要用到神经网络、进化算法、蚁群算法等在不确定的信息中进行学习，得到较为准确的认识。
3 总结
从简单的数据到海量的数据，从确定性的信息到不确定性的信息，从单一分析到智能学习，在智能决策研究的各个阶段决策环境、决策问题、以及决策模型的不断发展都对决策理论和方法起到了巨大的推动作用。本文重点以云计算为基础简单的介绍了智能决策相关的特征，描述了云计算环境对决策过程的影响，分析了不同的决策环境对决策过程的影响；探讨了决策资源管理与分配的方法，分析了虚拟化技术使云计算环境下的决策资源管理在决策资源管理组织、分配、管理模式以及管理策略等方面与分布式环境下的决策资源管理的不同点；对云计算下的决策问题的协同求解和智能决策支持系统的发展状况做了一些简单描述。
参考文献：
[1] 杨善林.智能决策方法与智能决策支持系统[M].北京;科学出版社，2005.
[2] 李红良.智能决策支持系统的发展现状及应用展望[J].重庆工学院（自然科学版），2009,23(10):140-144.
[3] 李跃林,肖慜.基于数据库的智能决策系统研究[J].煤炭技
术,2012,31(5):269-270.
[4] 罗贺,杨善林,丁帅.云计算环境下的智能决策研究综述[J].系统工程学报,2013,28(1)：134-140.
[5] 姚立,葛福江.基于云计算的企业智能营销决策支持系统研究[J].统计与决策,2014(6):177-180.
智能决策支持系统 一、智能决策支持系统的定义 决策支持系统(Decision Support System,简称DSS),就是以管理科学、运筹学、控制论、与行为科学为基础,以计算机技术、仿真技术与信息技术为手段,针对半结构化的决策问题,支持决策活动的具有智能作用的人机系统。该系统能够为决策者提供所需的数据、信息与背景资料,帮助明确决策目标与进行问题的识别,建立或修改决策模型,提供各种备选方案,并且对各种方案进行评价与优选,通过人机交互功能进行分析、比较与判断,为正确的决策提供必要的支持。它通过与决策者的一系列人机对话过程,为决策者提供各种可靠方案,检验决策者的要求与设想,从而达到支持决策的目的。 决策支持系统一般由交互语言系统、问题系统以及数据库、模型库、方法库、知识库管理系统组成。在某些具体的决策支持系统中,也可以没有单独的知识库及其管理系统,但模型库与方法库通常则就是必须的。由于应用领域与研究方法不同,导致决策支持系统的结构有多种形式。 传统DSS 采用各种定量模型,在定量分析与处理中发挥了巨大作用, 它也对半结构化与非结构化决策问题提供支持, 但由于它通过模型来操纵数据,实际上支持的仅仅就是决策过程中结构化与具有明确过程性的部分、随着决策环境日趋复杂,DSS的局限性也日趋突出, 具体表现在:系统在决策支持中的作用就是被动的, 不能根据决策环境的变化提供主动支持, 对决策中普遍存在的非结构化问题无法提供支持,以定量数学模型为基础,对决策中常见的定性问题、模糊问题与不确定性问题缺乏相应的支持手段。[1] DSS应具备以下特征[2]: ●系统的主要功能就是为管理人员提供决策支持,其目的就是帮助管理人员进行决策 而不就是代替她们,就是为了提高决策的效能而不就是组织的管理效率; ●传统数据管理技术与有关的模型技术、分析技术相结合; ●系统应该有很强的灵活性、适应性、便于用户使用。 智能决策支持系统(IDSS)就是决策支持系统与人工智能技术相结合的系统[3],她包括决 策支持系统所拥有的组件,包括数据库系统、模型库系统与人机交互系统,同时集成了最新发展的人工智能技术,如专家系统、多代理以及神经网络与遗传算法等。它就是以信息技术为手段,应用管理科学、计算机科学及有关学科的理论与方法,针对半结构化与非结构化的决策问题,通过提供背景材料、协助明确问题、修改完善模型、列举可能方案、进行分析比较等方式,为管理者做出正确决策提供帮助的智能型人机交互式信息系统。智能决策支持系统的广义结构如下图所示。
第一章 概述（1简1空2名词） 1.1 1.数据处理（EDP ） ? 数据处理:包括数据收集、数据录入、数据正确性检查、数据操作与加工、数据输出等 ? 数据处理的特点:数据量大、时效性强、运算较简单、每次处理一条记录 2.管理信息系统（MIS ） ? 管理信息系统的定义：管理信息系统是由人和计算机相结合的对管理信息进行收集、存储、维护、 加工、传递和使用的系统。 ? 管理信息系统的特性：事务处理为主；为结构化决策服务；具有系统的特性；以数据库为基础 ? 管理信息系统的功能：事务处理、数据库的更新和维护、产生各类报表、查询功能、用户的交互 3.管理科学（MS ） ? 管理科学（或称为运筹学）：是对管理问题用定量分析方法，建立数学模型，通过求解计算，达 到辅助管理决策的一门科学。 ? 管理科学解决问题的步骤： ① 定义问题和确定目标 ② 建立模型： 模型：对客观规律的抽象描述 ① 求解模型，优化方案 ② 检验、评价模型是否合理 ③ 运用模型解决问题、不断优化模型 数据仓库（DW ） 联机分析处理（OLAP ） 数据挖掘（DM ） 新决策支持系统 （NDSS ） 智能决策支持系统（IDSS ） 综合决策支 持系统 （SDSS ） Internet 网络环境下的综合决策支持系统 （https://www.doczj.com/doc/3232984.html, ） 电子数据处理 (EDP) 管理信息系（MIS ） (数据库) 运筹学（OR)、管理科学（MIS ） ( 模型) 决策支持系统（DSS ） (模型库＋数据库) 专家系统（ES ） （知识库＋推理机） 神经网络（NN ） （MP 模型＋网络权值） 智能决策支持系统 （IDSS ）
基于云计算的智能决策发展综述 郜炎峰 （哈尔滨商业大学计算机学院哈尔滨Y1310120306 ）摘要：随着计算机和通信技术的快速发展，一些基于不同环境下的智能决策支持系统层出不穷，本文主要简单介绍了智能决策支持系统的发展现状，然后重点介绍了基于云计算的智能决策的研究现状，对云计算环境下的智能决策受到的影响，决策资源管理，决策问题协同求解，智能决策支持系统等进行简单分析，进一步提出今后的智能决策系统的研究思路。 关键词：发展现状；云计算；智能决策； Abstract:With the rapid development of computer andcommunicatio n technology, a number of different environments based intelligent decisionsupport systemafter another,This paper briefly introduces the development status of intelligent decision support system, and then focuses on the research status of cloud-based intelligent decis ion.The impact of cloud computing environments being intelligent decision,decision-making resource management,collaborative deci sion-making problem solving, intelligent decision support system fo r simple analysis.Further research ideas putted forward in the futur e of intelligent decision system.
第十一章决策支持系统 1 决策支持系统的概念 1.1 决策支持系统的产生与发展 诺贝尔奖获得者西蒙强调管理就是决策，认为一个组织的管理活动主要就是决策活动。对于决策依赖有两个观点： ?依靠决策者的经验、智慧、洞察力和魄力 ?依靠科学方法和技术 为克服人性的弱点和计算机的机械性，综合人的分析判断能力和计算机强大的信息处理能力，产生了决策支持系统。 – 20世纪70年代，产生了许多较有代表性的DSS： 支持投资者对顾客证券管理日常决策的Profolio Management System； 用于产品推销、定价和广告决策的Brandaid； 用以支持企业短期规划的Projector； 用于大型卡车生产企业生产计划决策的Capacity Information System，等等 DSS的发展也体现在部件的扩展和新技术、新方法的不断引入。增加知识库和推理机，形成了智能DSS；应用网络技术，形成了群体DSS；集成分布的资源，形成了分布式DSS；结合Web 、智能系统和／或电子商务，形成了基于Web的DSS。
1.2决策支持系统的功能与定义 DSS的定义： DSS是一种以计算机为工具，应用决策科学及有关学科的理论与方法，以人机交互方式辅助决策者解决半结构化和非结构化决策问题的信息系统。 DSS实现以下目标： 在人的分析与判断能力的基础上，借助计算机与科学方法，支持对半结构化和非结构化问题的有序决策，以获得尽可能令人满意的客观的解或方案。 不同类型的DSS，目标和功能略有不同。 DSS的主要功能： 能存储、管理、维护和组织决策模型、求解方法； 用模型与方法对数据进行加工、汇总、分析和预测，得出综合信息与预测信息； 具有方便的人机对话和图象输出功能，能满足随机的数据查询要求，回答“What … if … ” 之类的问题。 DSS 的主要特征： 对准结构化程度不高、说明不够充分的决策问题 模型或分析技术与传统的数据存取及检索技术相结合 易于为非计算机专业人员以交互方式使用； 强调对环境及用户特点的灵活性适应性； 支持但不是代替高层决策者制定决策。 例： 某企业为确定生产规模和合适的库存量建立DSS。模型库存有生产计划、库存模拟模型等，数据库存有历年销售量、资金流动情况、成本等。 决策者通过计算机终端屏幕，根据DSS 提供最佳订货量和重新订货时间，相应的生产成本、库存成本等信息，进行“如果……将会怎样？”的询问。 对所提方案进行灵敏度分析，或者以新的参数进行模拟而得到一个新方案。 需要特别说明： 决策支持系统并不强调寻找最优解，也不意味着提供最后结果，而是为决策者做出自己的判断提供支持； 由决策者在一系列选择中，综合其他不适宜进入模型的因素，得出最后的合理的决策方案。 1.3 决策支持系统的应用与分类 按总体功能划分，DSS有以分析为主、以求解为主和兼有分析与求解等三大类。 分析类既为把握决策问题又为决策前期工作，能为决策方案的设计和抉择提供依据； 求解类为决策者提供决策过程和方案抉择支持； 分析求解类具备分析类与求解类的共同功能。 DSS的分类有多种角度： 按社会领域划分：经济、管理、教育、科技、医疗、政治、军事 按管理层次划分：战略、控制和作业 按管理职能或管理对象划分：营销、生产、采购、财务、人力资源、研发 按决策者划分：个人、群体、高层主管 从发展角度划分：传统、智能、群体、分布式 概括起来，比较成功的DSS应用具有以下特点： （1）大都带有问题分析功能，有些实质上就是一类决策分析系统。 （2）有积累大量数据的信息系统，如ERP系统、CRM系统、经济统计系统的信息支
IDSS案例分析 IDSS，也称智能决策支持系统，是人工智能（AI，Artificial Intelligence）和DSS相结合，应用专家系统（ES，Expert System）技术，使DSS能够更充分地应用人类的知识，如关于决策问题的描述性知识，决策过程中的过程性知识，求解问题的推理性知识，通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。以下以中国铁路哈尔滨局集团公司货运智能决策支持系统为例分析。 为加强哈尔滨局集团公司各系统间货运数据资源整合，提升营销精准度，在众多物流企业中占据竞争优势，阐述哈尔滨局集团公司铁路货运营销管理现状，针对现有信息系统缺少对市场行情、经济形势的采集和分析等问题，结合商业智能相关技术，分析当前货运营销管理策的特点及需求，提出构建哈尔滨局集团公司货运智能决策支持系统的目标及架构，设计智能人机交互、智能搜索引擎、市场营销管理、客户行为感知、市场行情监测、自定义报表查询等功能，为哈尔滨局集团公司货运营销管理提供了重要支持。 在市场经济的浪潮中，提升铁路企业市场竞争力需要抓住瞬息万变的行业数据，科学的加以分析和充分利用，为制订市场营销计划、开发货运产品、调整价格策略提供数据支持。目前，中国铁路哈尔滨局集团有限公司( 以下简称“哈尔滨局集团公司”)具有货运相关的信息系统约有30 余个，各系统之间数据统计口径各异、协同联动能力较低，繁琐的报表定制及传递严重制约着市场开发工作效率。同时，相关业务部门缺乏对客户上游原料、下游产品、库存、销量、运输量
等信息的市场调查及动态监控平台，导致不能最大限度并有效的挖掘客户资源、追溯客户关系、监测运输趋势。针对现有信息系统缺少对市场行情、经济形势、运价指数的采集和分析，还缺少对铁路局集团公司、站段、品类等维度的运量完成指标的倒逼和增量减量预警，以及对重点货源客户的多角度(运输趋势、库存结构、上下游品类等)分析及预测等问题。因此，研究构建哈尔滨局集团公司货运智能决策支持系统，加强各系统间货运数据资源整合、全面掌控铁路客户资源，改善铁路货运市场分析工具薄弱、营销计划与市场衔接不紧密等问题，更好地提升铁路货运市场营销决策工作的效率和质量，提高铁路货运产品的服务水平和客户黏度，满足哈尔滨局集团公司应对市场竞争的需要。 系统架构 哈尔滨局集团公司货运智能决策支持系统从架构设计上分为数据中心、分析服务层、应用层和展示层。数据中心作为数据接收和存储的容器，集成大量铁路货运生产系统的数据资源，包括货票系统、运货五系统、十八点系统、现车系统、箱管系统、运价系统等，通过统一的集成标准提供规范化的基础数据支撑；分析服务层将多样的、有价值的货运大数据资源进行关联分析，满足智能决策过程中逻辑判断、趋势预警、方案制定和行为感知所需；应用层定义系统通用功能，共包括智能语义识别、智能搜索引擎、市场营销管理、客户行为感知、市场行情监测、自定义报表查询、多维预警分析等功能，辅助决策层决策管理所需；展示层通过移动终端设备和浏览工具进行访问，实现
决策支持系统 1、运筹学和系统工程利用计算机技术后，形成了模型辅助决策系统。 2、MIS的主要爱功能是事务处理。 3、DSS是面向高层人员。为辅助决策是的系统。 4、DSS支持的是半结构化决策或非结构化决策 4、DSS是以模型库系统和知识库系统为基础、以模型和知识驱动的系统。 4、DSS追求的是效益，即决策的正确性。 5、人工智能（AI）的基本内容包括：知识获取、知识组织和知识处理方法。 6、在AI系统中，将与问题有关的知识组织和存储在一起，称为知识库。 7、西蒙认为决策过程包括四个阶段：信息、设计、选择和实现。 8、在决策全过程中需要遵循的原则：实事求是原则，外脑原则，经济原则。 9、在决策实施过程中需要遵循的原则：跟踪原则，反馈原则。 10、决策过程开始于信息阶段。 11、决策变量描述行动方案，该变量的值由决策人确定。 12、模型的解是某选定方案中决策变量的一组特定值。 13、选择阶段包括从设计阶段已找到的行动方案集合中，搜索适当的行动方案，用于解决问题。 14、对于规范模型，既可用分析方法，也可用穷举法。 14良好的DSS必须能容易进行What-if分析和目标搜索。 15按决策的对象和范围可将决策分为宏观决策和微观决策。 16、企业家们做出决策的众多方式具有三个特点：合理性、策略性和灵活性。 17、最常用的结构化决策模型有两种：决策影像图模型和决策树模型。 18、在决策影响图中，椭圆表示偶然事件。 19、在决策树中，圆框表示变化的事件。 20、决策树用于风险分析。 21做决策所包含的信息包含大量的不完全信息。 22、DSS主要由数据库子系统、模型库子系统和用户接口子系统构成。 23、模型库子系统由模型库和模型库管理系统组成，他是DSS的核心部分，也是DSS区别于其他信息系统的重要标志。 24、在DSS基本结构中，增加了知识库子系统。 25、数据结构有六种。 25、依照模型库建立和使用的特点可以把模型库分为三类：通用模型库，专用模型库，智能模型库。 26、操作模型是指为解决业务操作的决策问题而建立的模型库。 27、知识库系统的核心部分是知识库和推理机制。 28利用行动语言表达用户需求的方式称为接口交互模式。 28原型法有下列主要优点：1开发时间短2用户反馈速度快3用户对系统及其信息需求和功能的理解增强4费用低。 28面向对象方法是以对象或数据为中心。 29系统实现阶段包括下列任务：测试、评价、演示、说明、训练和配置。 30、电子表格是最流行的终端用户建模工具之一。 31、两种最流行PC表格软件包是Microsoft Excel和Lotus1-2-3。 32、物理集成包含完成功能继承所需要的硬件、软件和通信功能的集成。
企业智能综合决策支持系统方案设计 厦门巨龙软件工程有限公司王三明硕士 2003-1-22 投稿 一般来讲，企业管理中的决策基本上可以分为两种：即结构化决策和非结构化决策。结构化决策涉及到的变量较少，只要采用专门的公式来处理相关信息，就能够得到准确的答案。通过计算机语言来编制相应的程序，就可以在计算机上面处理这些信息。结构化决策完全可以用计算机来代替。 在非结构化决策中，可能提供出很多正确的解决方案，但是没有精确的计算公式能够计算出哪个解决方案是最优。也没有规则和标准能够衡量那种方案是最佳解决方案。在没有决策支持系统作基础的情况下是难以迅速而有效地进行决策的。 因此，企业智能综合决策支持系统（InterigentDecisionSupportSystem，IDSS）应有高度的灵活性和良好的交互性，适用于非结构化决策的支。 一、智能综合决策支持系统IDSS方案设计 企业决策支持系统应以支持经营决策为主要目的，故IDSS应支持： ◆企业外部环境研究分析决策支持； ◆企业内部条件分析决策支持； ◆经营决策，其中包括产品决策、销售决策与财务决策等。 1.企业外部环境研究决策支持 为了支持外部环境调查分析，IDSS系统中应提供以下一些主要因素的检索机制: §国家有关经济政策和法规，尤其是金融、财务、税收、外贸进出口方面的政策和法规； §国际国内相关行业的市场行情及产量、价格等；产品市场分析；主要原、燃、材料供应情况及价格等等。 2.企业内部条件分析决策支持 IDSS应支持：产品分析、市场分析、资金利润分析、盈亏分析等。 市场分析决策模块 包括市场开拓决策、销售策略决策等。 ◆市场分析模块应提供： §市场面分布分析 §市场产品竞争分析 §价格变动对需求影响程度分析 §开辟新市场分析 为此，IDSS应提供市场潜力模型，以便支持管理者考虑提高产品竞争能力，占领未实现市场，开辟未开发市场 ◆销售决策支持 IDSS应包括： §预测模型（可用于销售量预测、价格预测等）
决策支持系统复习 单选判断改错（10个）名词解释（4个）问答（4个）综合（计算画图回答）2个 第一章DSS 决策的概念：决策时人们在政治、经济、技术和日常生活中普遍存在的一种行为，它是经过周密推断和分析后在众多替代方案中选出最佳的方案。 决策的过程：决策学家西蒙在其决策过程模型理论中指出，每个决策都必须经过4个阶段：信息、设计、选择和实现。这4个阶段属于一个连续的统一体，这个连续的区间的范围从高度的结构化逐渐向高度的非结构化过渡。 信息阶段：情报阶段包括找出、识别和确切地表述需要做出决策的问题或情况。它包括3个方面: (1)找出问题 (2)问题分类与分解 (3)问题的所有者 设计阶段用于创立、发展和分析可能的行动方案。 在选择阶段，我们要对在设计阶段开发的各项替代方案进行评估，从其中选择一项满意的行动方案。 决策的分类： 1、Anthony的控制类型分类 按决策性质的重要性分类：战略决策、策略决策、执行决策或称为战略计划、管理控制、运行控制（非结构化、半结构化、结构化） 2、Simon决策阶段的结构化分类 从信息技术角度，根据决策过程中各个阶段的结构化程度来分类：结构化决策、非结构化决策、半结构化决策 决策模式： 理性模式（完全理性模式、有限理性模式）、有效理性模式、非理性模式、过程性模式、组织和策略决策模式 对现代决策的要求（了解） 1、据侧质量的要求更高
2、决策时要考虑的因素更复杂 3、决策速度要求更快 4、决策失败的代价更高 （1）分析工作量大 （2）分析结果滞后 （3）无法按照商业习惯进行分析 （4）无法进行复杂的分析 （5）无法提供关键问题的解决方案 （6）缺乏量化的恒定指标 决策支持系统的学科内容及与其他学科的关系（了解）：交叉性边缘 第二章 决策支持系统的特点： 1、用于半结构化或者非结构化的决策领域 2、用来辅助决策者，而不是取代决策者 3、交互式、友好的用户界面 4、着重于决策制定过程的效果，而不是效率 5、使用基础的数据和模型 6、可以为各种类型的知识工作者提供支持 7、强调对环境及用户决策方法的灵活性及适应性 决策支持系统的任务： 1、分析和识别问题 2、描述个表达决策问题及决策知识 3、形成候选的决策方案，即目标、规则、方法和途径等 4、构造决策问题的求解模型，如数学模型、运筹学模型、程序模型、经验模型等 5、建立评价决策问题的各种准则，如价值准则、科学准则、效益准则等 6、多方案、多目标、多准则情况下的比较和优化 7、综合分析，包括把决策结果或方案放到特定的环境中所做的“情景分析”，决策结果或 方案对实际问题可能产生的作用和影响分析，以及各种环境因素、变量对决策方案或结果的影响程度分析等。 决策支持系统的功能： 1、管理并随时提供与决策问题有关的组织内部信息 2、收集、管理并提供与决策问题有关的组织外部信息 3、数据挖掘和数据分析 4、在DSS的各模块数据基础上组织分析数据，通过抽样、探索、修改、建模、评估几个步骤，结合标准的运筹学、质量管理、数理统计分析算法，使得DSS的数据能够帮助企业决策者制定重大决策。 5、收集、管理并提供各项决策方案执行情况的反馈信息。 6、能以一定的方式存储和管理与决策问题有关的各种数学模型。 7、能灵活地运用模型与方法对数据进行加工、汇总、分析、预测，得出所需的综合信息与预测信息。 8、DSS数据分析图表。 9、具有方便的人机对话和图像输出功能，能满足随机的数据查询要求，回答“如果……则……”之类的问题。
第1章决策支持系统概述 ▲数据： 记载下来的事实，客观属性的值 ▲信息： 构成一定含义的一组数据 ▲系统： 由若干相互联系相互制约的元素结合在一起，并具有特定功能的有机整体。 ▲系统的组成： 1、系统由各元素或子系统组成 2、至少包含两个以上的元素 3、各元素之间相互联系或相互制约 4、具有目的性 5、适应环境的变化 ▲数据处理系统： 是对大量数据进行收集、组织、存储、加工与传播的总和 ▲数据处理系统的特征： 1、数据量大； 2、没有特别复杂的运算； 3、时效性强 ▲管理信息系统MIS： 运用系统管理的理论方法，以计算机网络和现代通信技术为手段，对信息进行收集、组织、存储、加工、传播和使用的人机系统。
▲管理信息系统的基本组成： 管理业务应用系统、数据库系统 ▲管理信息系统特点： 1、以数据库系统为基础； 2、数据录入； 3、数据传输； 4、数据存储； 5、数据查询； 6、数据统计； 7、指标计算 ▲决策支持系统： 以管理科学、运筹学、行为科学、控制论为基础，以计算机技术、模拟技术、信息技术为手段，面向半结构化的决策问题，支持决策活动的具有智能作用的人机系统。 ▲决策支持系统主要特征： 1、关注上层管理人员经常遇到的结构化程度不高、规范化不明 确的问题 2、把模拟或分析技术与传统的数据存取和检索技术结合起来 3、易于非计算机专业的人员，以交互会话的方式使用 4、强调对环境及用户决策方法改变的适应性和灵活性 5、提供决策的良好效果 ▲DSS的功能： 1、管理并提供外部信息 2、收集、管理并提供内部信息 3、收集、管理并提供反馈信息 4、存储和管理数学模型 5、修改和添加数据、模型、方法
简述决策支持系统的功能和结构 1、模型库 “模型”的概念，最初被用于自然科学的研究和工程设计，如分子模型、天体运动模型、建筑模型等。这些被称为模拟模型，在应用中发现这些模型有一定的局限性，构造一个模型往往要花费大量的人力物力，而且对于一些问题的研究不能借助于这种模拟模型，比如要研究事物随时间或外界条件的变化而变化的规律，静态的模拟模型就不能适用，这时，找到了另一种模拟方法，即数学模拟方法。这种方法将客观事物的变化用数学方法表现出来，将事物外界或内部条件的变化用自变量表示，将要反映的事物变化用应变量表示。 计算机技术的形成和发展，使人们能够依赖计算机求解一些较为庞大、复杂的数学模型。如对于国民经济的计划模型、宏观预测模型等，必须借助于较大规模的计算机系统才能容纳其巨大的数据量，完成亿万次的工作量。在管理领域常见的是信息处理模型，它的表达式为数学表达式、计算机程序等，通过对模型的建立和使用，决策者可以获得有用的辅助决策信息。建立模型是有关决策领域的专家学者在探索事物的变化规律中抽象出它们的数学模型，这项工作是创造性的劳动，需要花费大量的精力来得到规律性或相近的数学模型。 数学模型建立之后的一具重要问题就是该模型的求解算法，它可以是精确求解，也可以是近似求解，这种算法的提出由计算机数值计算学者来完成。有了模型算法，就可以用计算机语言来编制成程序。实际的决策者就可以利用模型程序在计算机上执行，计算出结果，得到辅助决策信息。模型是辅助决策的重要手段，模型库是模型的集合，它按照一定的组织方法，将模型有机地汇集起来，由模型库管理系统统一管理。模型库以及模型库管理系统构成模型库系统。 2、方法库 方法库系统由方法库和方法库管理系统组成。它的基本功能是为各种模型的求解分析提供必要的算法以及为用户的决策活动提供所需的方法。方法库中的方法通常可以包括各种优化方法、预测方法、统计方法、对策方法、风险方法、矩阵方程求解等。 方法库管理系统负责对方法的描述、录入、存储、增加、修改、删除等处理。通常采用的方法是选择适当的计算机程序设计语言，将有关算法变成一组可执行的程序存入计算机内。这些程序可以表示为附有描述说明的函数或过程，而后按照求解问题的需要调用对应程序模型，从而达到求解问题的目的。另外，方法库管理系统还应具有与数据库、模型库进行交互的能力以及为用户选择算法提供灵活方便的交互揭示功能。 3、“三库”的联系 从支持决策过程来看，数据库、方法库和模型库，即“三库”是DSS?的三大组成部分，
作者简介：蒋慧贤（1984—）,女，武漢人，碩士，研究方向：信息咨询服务。摘要：从智能决策支持系统的概念、性能出发，探讨了该系统应用于管理决策的优势，并大胆描述了智能决策支持系统将对企业管理决策带来的巨大变化。关键词：智能决策支持系统；AI；ES 1智能决策支持系统的概念 智能决策支持系统（IDSS，Intelligence Decision Supporting Sys tem），是人工智能（AI，Artifieial Intelligence）和DSS相结合而成的决策支持系统，它应用专家系统（ES，Expert System）技术，通过逻辑推理的手段充分应用人类知识处理复杂的决策问题。 2智能决策支持系统的特点和功能 智能决策支持系统，我们又称为高阶决策支持系统，它将决策支持系统的人机交互系统、模型库系统、数据库系统和专家系统的知识库、推理机及动态数据库相结合，因此能拥有优于传统决策支持系统的特性和功能： ①由于智能DSS具有推理机构，能模拟决策者的思维过程，所以能根据决策者的需求，通过提问会话、分析问题、应用有关规则引导决策者选择合适的模型。②智能DSS的推理机能跟踪问题的求解过程，从而可以证明模型的正确性，增加了决策者对决策方案的可信度。③决策者使用DSS解决半结构化或非结构化的问题时，有时对问题的本身或问题的边界条件不是很明确，智能DSS却可以通过询问决策者来辅助诊断问题的边界条件和环境④智能DSS能跟踪和模拟决策者的思维方式，所以它不仅能回答“what……if……”,而且还能够回答“why”,“when”之类的解释性原因，从而能使决策者不仅知道结论，而且知道为什么会产生这样的结论。 IDSS充分发挥了专家系统以知识推理形式解决定性分析问题的特点，又发挥了初级决策支持系统模型计算为核心解决定量分析问题的特点，充分做到定性分析和定量分析的有机结合，使得解决问题的能力和范围得到了一个大的发展。IDSS中DSS和ES的结合主要体现在三个方面： ①DSS和ES的总体结合。由人机交互系统把DSS和ES一体化。②KB 和MB的结合。模型库中的数学模型作为知识的一种形式即过程性知识，加入到知识推理过程中去。③DB和动态DB的结合。DSS中的DB可以看成是相对静态的数据库，它为ES中的动态数据库提供初始数据。ES推理结束后，动态DB 中的结果再送回到DSS中的DB中去。 3管理决策中智能决策支持系统的应用 DSS与ES相结合，意味着智能化决策支持系统不仅能提供许多传统的决策支持功能，还可以提供知识编辑、推理、学习等更接近于人类决策方式的功能。同时，系统还可能在一定程度上接受自然语言所提出的问题，让系统使用起来更加友好。人工智能技术引入DSS中可以有几种途径。首先Simon提出有限合理性模型是和人工智能技术紧密结合的，有限合理要求建立一个紧密跟踪人的行为的系统，而专家系统正是这样的一种系统。其次，人工智能因为可以处理定性的、近似的知识而引入DSS中，这方面正是专家系统的优势所在。最后，DSS的一个共同特征是交互性强，这就要求高阶的决策支持系统使用起来更方便，并且在接口水平和在进行的推理上更为透明。人工智能在接口水平，尤其在对话功能上对此可以做出有益的贡献。 正因为智能决策支持系统具有优于一般决策支持系统的特性，使其有可能在企业日常管理中发挥重要作用，甚至影响企业组织的方方面面。
市场营销决策支持系统概述 在现代市场经济条件下，企业面临的市场环境越来越复杂多变。在复杂多变的市场环境下，企业如何把握好航向，如何积极有效地开展市场营销工作，进行营销决策，这是一个需要认真研究和解决的问题。本文在分析市场营销系统及其特点的基础上，提出将DSS技术运用到市场营销决策上，开发MDSS（MarketingDecisionSupportSystem）的建议，并就MDSS的总体设计思想及研究方向作简要介绍，以明确系统的基本组成与结构。 一．何谓市场营销系统 市场营销以研究综合性市场营销活动及其规律为目标，它通过发现顾客的需求，并将其转化为对产品与服务的要求，再通过有效的促销、分销渠道和价格策略来最大限度地满足顾客需求。 市场营销作为由企业、顾客、相关的环境因素组成的系统，体现了企业和顾客在一定环境条件下的相互协调关系。 由于企业的市场营销所面临的环境是复杂多变的，因而市场营销决策系统是一种半结构化系统，这类系统的决策含有大量的不确定因素，缺乏程序化的工作范式。因此，在这种系统下企业如何有效地进行营销决策，如何更有效地开展营销活动，这一直是多年来市场营销决策理论研究的重点与难点。 二．市场营销系统有什么特点 从以上对市场营销系统的分析，我们可以看到市场营销系统因受到企业外部环境多方面的影响，具有极大的随机性和不确定性，因而也反
映出市场营销系统有如下特点： （1）“市场营销系统是一个动态的、有机地结合的系统。”市场营销系统运行过程中的诸多具体决策应该在企业总的营销战略指导下，有机地结合起来。各营销策略应在互相联系、互相配合、互相协调的基础上共同发挥作用。另外，企业的营销活动涉及到生产过程和销售过程。如果我们将两者割裂开来，往往会陷入生产观念、产品观念或推销观念的误区，生产的产品难于被市场所接受，造成产品的适销性问题，进而影响到企业的利润。因此，必须把企业在生产过程中的活动和销售过程中的活动作为一个系统，为满足已选定的目标市场顾客的需求而互相配合、协调一致。 （2）市场营销系统是一个灵敏的反应系统。市场营销系统涉及的因素很多，其中既有企业内部因素又有企业外部因素，而这些因素无一例外都在发展变化着。因此企业的营销策略及其组合应能随着企业内外环境的变化而适时作出相应调整。如果企业的营销策略的调整落后于环境的变化，必将带来企业营销工作的失败。 （3）市场营销系统运作的好坏对企业的发展影响很大。企业的经营目标决定了其发展方向，而营销系统所要实现的目标是达到企业经营目标的最主要的保证。市场营销系统目标包括销量、市场份额、销售收入、盈利等目标。这诸多的目标影响着企业人员和资金需求，研究开发以及日常运作的资金投入。因此，营销在企业的整个运作中有着举足轻重的地位，一个好的市场营销系统总体决策可以极大地提高企业赢利水平，保证企业发展目标的实现。
第一章 1、管理者扮演的角色：人际关系，信息传递，决策制定（最关键） 2、管理和决策的关系决策是管理的根本和核心所在，但它并不等同于管理 3、决策：人们在政治经济技术和日常生活中普遍存在的一种行为，它是经过周密的推断和分析后在众多替代方案中 选出的最佳方案。简言之，决策就是针对预期目标，在一定条件的约束下，从诸多方案中选择一个并付诸实施。 4、决策特征：决策陈述（表明正试图做出怎样的决策），替代方案（是人们能做出的可能决策），决策准则（是找一 个决策中希望优化的对象） 5、科学决策的基本原则：信息化原则，定量分析与定性分析紧密结合的原则，对比优化原则，反馈原则，复杂问题 群体决策的原则。 6、决策系统要素：决策主体（人是决策主体）、决策目标、决策方案、结局（一个结局为确定型决策，多个可能结局 称为风险型决策或不确定型决策）、效用。 7、P11西蒙决策阶段模型：信息阶段，设计阶段，选择阶段，实现阶段。 信息阶段又称为情报阶段，它用于寻找要求决策的条件。它包括找出、识别和确切地表述需要作出决策的问题或情况。 设计阶段用于创建、发展和分析可能的行动方案。该阶段涉及建立、开发和分析各种可能的可行方案。 选择阶段，决策者要对在设计阶段开发的各种方案的利弊进行评价，评估每种方案的可能实施结果，并从中选择一项令人满意的最优方案。 实施阶段是执行选中的方案，检测实施的结果，并做出必要的调整。 7、决策分类 按决策性质的重要性分：战略决策、策略决策和执行决策。 按结构化程度分：结构化决策（有章可循、可重复进行、具有严格定义的决策程序），非结构化决策（无章可循、凭经验和直觉做出应变的、通常是一次性的），半结构化决策（求解这类问题需要结合标准的求解过程与决策者的判断进行） 8、问题的结构化程度的区分因素：问题形式化描述的难易程度、解题方法的难易程度、解题中所需计算量的多少。 9、决策模式：即决策的模型和方式，它是决策系统中对决策过程的客观规律的表述，是决策者进行决策必须遵从的 规律。 具体分为：理性模式（完全理性模式、有限理性模式），有效理性模式，非理性模式，过程性模式（面对现实的），组织和策略决策模式。 10、对现代决策的要求：决策质量的要求更高、决策时要考虑的因素更复杂、决策速度要求更快、决策失败的代价更 高 11、DSS与运筹学和信息管理科学之间的关系 决策支持系统是一个融计算机技术、人工智能、管理决策科学、行为科学等学科与技术于一体的集成系统，要想成功地开发一个决策支持系统，除了需要用到近代数学、决策分析理论、计算机技术、管理理论和人工智能等知识外，还需要了解与决策问题相关的知识以及决策人的行为和心理活动。 第二章 1、DSS的三个阶段：数据库阶段，数据仓库阶段，商务智能阶段 2、Tymshare于1969年设计出的财政规划决策支持系统REVEAL是世界上的第一个决策支持系统 3、1981年Boneczak等提出了DSS三系统结构：语言系统LS 、问题处理系统PPS、知识系统KS。 4、DSS的组成：人机接口，数据库，模型库，知识库，方法库。 5、DSS的定义（无统一定义）：决策支持系统是以计算机为基础的完成信息收集、信息整理、信息处理和信息提供的 人机系统。 6、DSS的特点：①用于半结构化或者非结构化的决策领域②用来辅助决策者，而不是取代决策者③交互式友好的用 户界面④着重于决策制定过程的效果，而不是效率⑤使用基础的数据和模型⑥可以为各种类型的知识工作者提供支持⑦强调对环境及用户决策方法改变的灵活性及适应性。 7、DSS与MIS的关系 ①MIS是DSS中的一部分； ②DSS是MIS中的一部分； ③MIS与DSS是同一信息系统中的两个不同的、相互联系而又相互配合的部分； ④MIS和DSS是计算机应用于管理系统中的两个不同的发展阶段； ⑤DSS和MIS没有什么区别，只是名字不同而已。
决策支持系统理论综述 摘要：本文首先介绍了决策、决策系统及决策支持相关的概念，进而对决策支持系统的概念和一般结构作了介绍。结合各决策支持系统的具体内容，阐述了各决策支持系统的思想和特点。最后，总结了决策支持系统今后的研究方向和工作建议。 关键词:决策;决策支持系统;复杂问题 1.引言 决策是一个为了解决问题而寻求最优的解决方案的过程。决策支持系统的出现，为决策者提供了辅助决策的科学有效的工具。决策支持的主要任务在于帮助决策者将人的主观性，创造性，知识性与计算机设备等硬件的强大信息处理能力相结合，在问题分析，方法探索，结果评价等方面提供有效支持。自提出以来，决策支持系统的研究取得了很多进展[1]。目前决策支持系统的发展方向主有要群决策系统（GDSS）、决策支持中心（DSC）、智能决策支持系统（IDSS）、综合决策支持系统（SDSS）等。2.决策支持相关概念 决策是指决策者为了达到一定的行为目的，根据决策环境做出的一些决定[2]。决策不是一个静态过程，而是一个动态变化的过程。随着决策环境的变化和预期目标的变动，决策行为需要作出相应合理的调整，驱使决策系统不断重复问题识别、问题求解和作出决策的过程。因此，决策系统本身也是动态的，它们在决策者的主观意愿和客观条件影响下，确定决策问题，在相应问题的驱动下，决策者作出决策方法，在对应的环境下实施决策方案，得到决策实施的结果。 决策支持的概念独立于具体的实施过程，它存在于决策者和决策支持系统之
间，表现为在有关的决策环境中为决策者作出决策提供帮助，即识别和解决决策问题。因此决策支持被定义为支持决策问题的识别和支持决策问题的求解的集合。决策支持同样是动态的过程，它是问题识别和问题求解的有机结合，决策问题求解是决策问题求解的前提[2]，如果问题识别有误，则问题的求解就失去了意义。但目前很多研究都注重于决策问题的求解，没有充分的把决策问题识别和决策问题求解放到统一的框架中进行分析。 3.决策支持系统 3.1.DSS概念 P.W.Kenn等人于1978年首次给出DSS的定义：“决策支持系统是一个计算机系统，该系统对决策有其影响。其中，计算机及分析辅助工具是有作用的，但管理者的判断仍是决策制定的基础。”[3]此时对DSS的定义并不完善，主要指出了DSS的作用，即辅助作出决策的作用。 1980年，Bonczek提出：“DSS是一个基于计算机的系统，该系统由三个部分组成：语言系统、问题处理系统和知识系统”。该定义从系统构成上定义了DSS[4]。1981年，Ginzberg提出：“DSS是一个基于计算机的信息系统，用于支持不可能或不期望有一个自动的系统实现整个决策制定过程情况下的决策制定活动。”这是Ginzberg在总结有关DSS概念的基础上提出的定义，他第一次强调了DSS的核心问题——支持半结构化情况下的决策制定过程。 在数年之内，DSS成为计算机应用中引人关注的领域。当DSS的概念进入我国后，立即引起了国内学者的关注，并对DSS概念作出了解释和定义。 1990年，席酉民指出：“决策支持系统是以计算机为基础的完成信息收集、信息整理、信息处理、信息提供的人机交互系统，它利用计算机运算速度快、存储容量大等特点，应用决策理论方法、心理学、行为科学、人工智能、计算机网络、数据库等技术，根据决策者的决策思维方式，
决策支持系统试题 一、填空题 1、一般情况下，DSS工具可分为两大类：语言类和。外壳类 2、DSS生成器是由相关的一组软件和硬件组成的模块，其目的是提供迅速而方便地开发SDSS 的功能。DSS生成器只能用来开发。DSS工具 3、ROMC一词来源于四个面向用户目标，即、、和控制机构。表达操作记忆辅助 4、决策过程分为、、三步。理解设计选择 5、决策支持系统的四库一接口是指、数据库、和。知识库方法库模型库人机接口 6、自然语言处理包括四个步骤：查字典、、和。句法分析语义理解语用分析 7、开发知识库的关键技术是：知识的获取和解释、、以及知识库的管理和维护。知识的表示知识推理 8、DSS所必需的三个主要功能是用户与系统间的对话管理、和。数据管理模型管理 9、DSS的内部资源主要有四类：硬件、软件、和。模型数据 10、系统的柔性是根据对DSS用户、任务、环境等因素的观察提出来的概念模式。柔性可分为4个层次：求解的柔性、、修改的柔性、。适应性柔性发展的柔性11、在对环境条件和资源可用性之间的关系进行分析时，确定待定问题求解情形中有用的动词和宾语集。请求变换器和对话控制两者应反映这一用户词典。词性特征12、语义数据模型主要包括E-R模型、、TAXIS模型、、函数模型、SAM*模型、以及SHM+模型等。RM/T模型 SDM模型事件模型 二、名词解释 1、模型：是以某种形式对一个系统的本质属性的描述，以揭示系统的功能、行为及其变化规律。 2、数据开采：就是从大型数据库的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的潜在有用信息，提取的知识表示为概念、规则、规律、模式等形式。 3、元数据：是关于源数据的明确信息，它包括从数据源中所抽取数据的民成、数据内容的定义、创建的日期、数据的来源和源点。 4、知识发现：是指识别出存在于数据库中有效地、新颖的、具有潜在效用的、最终可理解的模型。知识发现的整个过程包括在指定的数据库中用数据开采方法提取模型，以及围绕数据开采进行的预处理和结果表达等一系列的计算步骤。 5、数据仓库：就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。 6、群决策：是相对个人而言的，两个或多个召集在一起，讨论实质性问题，提出解决某一问题的若干方案，评价这些策略各自的优劣，最后作出决策，这样的决策过程称为群决策。 7、分布式决策支持系统：是由多个物理上分离的信息处理特点构成的计算机网络，网络的每个结点至少含有一个决策支持系统或具有若干辅助决策的功能。任一实用的DDSS都包括有机结合起来的硬、软件两部分。 8、智能决策支持系统：是DSS和AI相结合的产物，其设计思想应着重研究把AI的知识推
基于人工智能的决策支持 系统 Last updated on the afternoon of January 3, 2021
基于人工智能的决策支持系统的发展现状及趋势 2013年12月18日智能决策支持系统作为人工智能的一个重要研究领域，允许决策者和信息经营者、资源配置者和管理者、策略规划者和装备控制者改进他们的工作效率，已经成为学术界关注的焦点，其发展前景备受世人瞩目。 人工智能（ArtificialIntelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，它是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。近十年来，人工智能已得到迅速传播与发展，并在决策支持系统中获得了日益广泛的应用，越来越多的决策支持系统应用了网络技术和分布式人工智能技术。 决策支持系统（DSS）作为人工智能的一个重要研究领域，是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统（MIS）向更高一级发展而产生的先进信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。随着科学技术的进步以及人工智能技术的日趋成熟，决策支持系统智能化已经成为业界研究与实现的目标，尽管目前为止已有一些先进的智能决策支持系统在商业、工业、政府和国防等部门获得成功应用，但是，这一系统远未完善，仍处于发展阶段，可以预见的是在未来的研究过程中，智能决策支持系统必将对社会和组织产生更加重大的影响。智能决策支持系统的工作是可预测和可规划的，它是实实在在可以造福全人类。 基于人工智能的智能决策支持系统（IDSS）属于一个新兴的交叉学科领域，是运筹学、管理科学和计算机科学结合的产物，在我国许多应用领域有了初步的运用，例如税务稽查、渔业专家系统、中国工商银行风险投资决策、为电信部门进行VIP分析，等等。渔场预报系统就是CBR （基于范例的推理）一个很好的应用实例（由中科院计算所史忠植老师指导完成），这个系统已被应用于中国东海渔业中心的预测；在国外IDSS也有着非常深入的研究与广泛的应用，如Hill，Holsaple等人采用神经网络、遗传算法等实现了综合(holistic)决策支持系统，系统在某种程度上体现了人类思维和决策过程的性质；在应用方面有Web和Agent的协同决策支持系统，Web的专家系统，如好莱坞经理决策支持系统。 IDSS未来的的发展趋势主要有5个方面： ①注重基于知识的人机交互 决策支持系统强调决策过程的交互性，对人机对话系统有较高的要求，长期以来，人们对数据、信息和知识的认识仅限于数据--信息--知识的单链条关系，实际上，从数据中获得信息，再从信息中获得知识，仅仅是决策过程的开始，对数据、信息和知识的关系的研究表明，对其他关系的研究对提高决策质量也具有重要意义。在如何从数据中提取信息、信息如何呈现给决策者等问