一、智能决策支持系统的定义
决策支持系统（Decision Support System，简称DSS），是以管理科学、运筹学、控制论、和行为科学为基础，以计算机技术、仿真技术和信息技术为手段，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、信息和背景资料，帮助明确决策目标和进行问题的识别，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和优选，通过人机交互功能进行分析、比较和判断，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，检验决策者的要求和设想，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，但模型库和方法库通常则是必须的。由于应用领域和研究方法不同，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,在定量分析和处理中发挥了巨大作用, 它也对半结构化和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,实际上支持的仅仅是决策过程中结构化和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、模糊问题和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]：
系统的主要功能是为管理人员提供决策支持,其目的是帮助管理人员进行决策而不是代替他们,是为了提高决策的效能而不是组织的管理效率；
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）是决策支持系统与人工智能技术相结合的系统[3],他包括决策支持系统所拥有的组件，包括数据库系统、模型库系统和人机交互系统，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和遗传算法等。它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和方法,针对半结构化和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。
二、智能决策支持系统与能量管理的区别
可以从以下几个方面来说明智能决策支持系统与能量管理系统的区别[4]：
（1）数据源：决策支持系统的数据源包括稳态信息和故障信息，而能量管理的数据源只包含稳态信息。
（2）对故障信息的利用：决策支持系统利用故障信息进行故障诊断，而能量管理系统则没有。
（3）对系统运行的综合分析：决策支持系统提供考虑安全性和经济性的综合评估报告，而能量管理系统未提供。
（4）分析工具：决策支持系统提供稳态信息和故障信息的分析工具，而能量管理系统只提供稳态信息的分析工具。
三、智能决策支持系统的几种结构
（1）基于多代理的智能决策支持系统
以下是应用于智能电网的多代理决策支持系统[5]，电网决策支持系统主要由SCADA 及故障信息管理层、网络分析分析层和指挥系统协调层3部分组层，器结构如下图所示
实时监测数据保护等相关信息
SCADA及故障信息数据管理层：实时收集电力系统的数据，监控系统的运行状态。
网络分析层：由实时稳态分析、智能电网调度操作票、电网故障诊断、电网故障恢复、电网故障操作票组成。
指挥系统协调层：主要由指挥系统构成，主要功能是协调各种网络分析层软件的调用逻辑及执行顺序，以及在有复杂的电网状态变化时，协调调用不同的应用软件，使其以合作的方式完成复杂的任务。
一般来说，智能调度决策支持系统包括如下能够独立完成一定功能的智能体单元：
运行状态评估智能体：实时的监视系统的运行状况，对目前以及未来的系统状况进行安全评估，依据预测的可能系统状况，协调智能层的其他智能体进行预防性策略跟踪，使系统保持在正常经济、安全的状态。
经济运行决策智能体：在正常状况下，根据系统约束条件，在运行规则的指导下，运用相应
的算法、模型和知识，综合运用全局系统信息，进行不同优化算法、不同优化模型、不同优化目标之间的优化协调，使得优化决策具有全局可行性，避免优化孤岛的出现。
故障诊断决策智能体：在紧急状况下，自动依据系统运行状况，诊断故障地点和类型等，制定紧急控制，并告知或帮助调度人员进行紧急控制策略。
故障恢复决策智能体：在故障状况下，依据系统状况，结合先验知识，采用不同的模型和算法进行系统恢复决策。
人机交互智能体：在任何情况下，调度人员或电力专家均可以通过它与决策支持系统进行友好、协调的交互，以便于完成特定的任务或进行系统的维护管理等。
日常管理智能体：除了完成调度人员进行的监视、维护、处理异常等日常工作外，还需要进行编写调度日志、操作票、事故报告等一系列工作。
模拟培训智能体：进行决策支持系统的培训、模拟、决策跟踪等。
系统智能体结构如下图所示
以下是应用于沥青混凝土路面施工机群的基于多代理的智能决策支持系统[6], 最高层(顶层)为中央智能决策调度支持系统,它负责整个系统的调度决策,实时处理下级决策调度能Agent汇报的信息,并作出决策。中间层为功能决策智能Agent层,包括拌和智能决策调度
支持系统、运输智能决策调度支持系统、摊铺智能决策调度支持系统、压路智能决策调度支持系统等,它们负责各自下层的功能Agent,功能Agent层指在路面施工中完成某种施工任务的施工机械或设备,它们的任务是负责调度其下层的功能Agent,来完成系统设定的任务,维持生产节拍、保证质量参数、接受中央的指令并把涉及到改变整个系统状态的决策结果通知中央智能决策调度支持系统。下图是系统的结构图
下图为决策调度系统原理图。可以看出,IDSS中五个系统(知识库系统、模型库系统、数据库系统、图形库系统及总控系统)间的联系。总控系统控制着其它四个系统的连接与调用,同时负责与外界(信息收发系统、人机接口部分)的信息交换。知识库系统从数据库中获得事实进行推理,从而决定从模型库中调用何种模型进行计算并确定模型中的一些参数,选定的模型从数据库中获得初始数据进行运算,并将运算结果送回数据库。图形库系统可以从数据库中取得需要的数据绘制各种直观的图形。在总控系统之前是人机接口部分、信息收发系统,人机接口部分是用户与系统的桥梁,用来做信息传输、人工决策干预、信息查询和结果输出。信息收发系统负责接收各子系统上传的信息和发布调度决策系统的调度指令。
(2)基于专家系统的智能决策支持系统[3]
专家系统（ES）与决策支持系统（DSS）结合的智能决策支持系统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，又发挥了决策支持系统以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一个大的发展。专家系统与决策支持系统的具体集成结构如下图所示。
DSS ES
IDSS与ES结合主要体现在以下3个方面：
（1）DSS与ES的总体结合。由集成系统把DSS与ES有机结合起来。
（2）知识库和模型库的结合。模型库中的数学模型和数据处理模型作为知识的一种形式，即过程性知识，加入到知识推理中。也可以把知识库和推理机作为智能模型加入到模型库中。
（3）静态数据库和动态数据库的结合。静态数据库为动态数据库提供初始数据，ES 推理结束后，动态数据库中的结果再送回到DSS中的静态数据库中。
四、决策支持系统的结构组成[7]
决策支持系统是智能决策支持系统的基础，智能决策支持系统是在决策支持系统的框架上加入智能技术如多代理技术和专家系统等形成的，IDSS包含了DSS的所有组件，因此了解DSS的组成结构是很有必要的。
1、模型库系统
模型库系统包括模型库和模型库管理系统。模型库中的模型有两类，一类是标准模型，它们是按照某些常用的程序设计语言编程，存于模型库中；另一类是由用户应用建模语言建立的模型。决策支持系统需要通过人机结合和模型库系统实现模型与决策者之间的交流，使模型能随环境变化和用户需求得到及时更新，不仅能够解决结构化问题，而且具有对半结构化和非结构化问题的解释能力。
模型库系统包括三个层次：应用级、生成级和工具级。应用级是决策者专用的或共享的模型子系统。生成级由模型库管理系统、用户接口系统和数据库管理系统、基础库等部分组成，它由DSS的设计人员操作。设计人员通过利用DSS的各种工具来建立和维护各个应用子系统，满足用户需求。工具级是一些专用或通用的软件，如构造模型的软件、图形工具、文字处理工具和模型化语言等。通常说的模型库，一般是介于应用级和生成级之间的系统。DSS 模型库系统由以下部件组成,如下图所示
、模型
模型是对于现实世界的事物、现象、过程或系统的本质属性进行抽象和简化的描述，即模型反应了客观事物最本质的特征和量的规律，描述了现实世界中有显著影响的因素和相互关系。从现状来看，模型的表示技术主要有实体关系表示、结构化模型表示、框架表示、一阶谓词逻辑、面向对象表示和XML表示等。模型的调度技术主要有类比推理、一阶谓词逻辑、遗传算法、遗传算法、机器学习、基于图形的模型合成、模型描述语言、Agent技术等。其中模型的面向对象表示和XML表示技术以及模型的Agent调度技术具有较大的发展前景。模型的表示形式：
1）模型的程序表示
模型的程序表示方法适用于描述结构化的计算模型。传统的模型程序表示是指模型以包括输入、输出格式和算法在内的完整程序形式表示。这种表示形式将解程序和模型联系在一起，使模型难以修改。但是在模型库意义下的程序表示方法是将模型和解程序相分离，并将程序表示的模型分成基本模块，不同模型中的共同部分可以调用相同的模块，以减少冗余。
另一种程序表示方法是以语句的形式表示，用通用的高级语言设计出一套建模语言，即模型定义语言。模型中的不同方程、约束条件和目标函数都对应于MDL中相应的语句。
2）模型的数据表示
模型的数据表示是把模型看作是从输入集到输出集的映射，通过模型的参数集合确定这种映射关系。模型可描述为由一组参数集合和表示模型结构特征集合的框架。输入数据集在关系框架下进行若干关系运算，得出输出数据集。
3）模型的逻辑表示
模型表示了它的输入输出之间的运算关系和数据关系，同时还确定了输入输出之间的逻辑关系。逻辑关系可以描述定量模型的输入输出关系，也可以描述更广泛的模型的对应关系。 4）基于面向对象的模型表示方法
有学者在1993年提出了面向对象的模型表示法，将由SML定义的模型与方法封装成模型类，通过操作的多态性实现模型与数据集的集成。Lenard类比了结构建模与面向对象的程序设计的共同之处，使用Smalltalk列举了结构建模中的对象类，定义了这些类之间的关系，实现了面向对象的模型集成。
、模型库
模型库是按照一定的组织结构将众多的模型存储起来，并利用模型库管理系统对模型进行有效的管理和调用的计算机系统。它是决策支持系统的核心部分，实际上用来存储模型的代码，由源代码库、目标代码库两部分组成。
模型库的组织与储存
（1）模型字典
模型字典是模型库的索引，DSS通过查询字典获得对模型的引用。模型字典的组织结构有文本形式、菜单形式和数据形式。其中数据库形式是最常用的一种。数据库形式的模型字典一般分为3个层次，包括模型基本信息表、模型描述信息表和模型的数据抽象。基本信息表简单的记录者模型的序号、名称、简要说明、使用权限、类型等基本信息。模型的描述信息包括模型结构、约束条件、参数、变量等。模型的数据抽象指明了模型数据的物理路径链接，与模型库相连。
（2）模型库的组织与储存
一个基本模型需要四个文件存储，其中包括：一个描述输入、输出数据的数据说明文件；一个源程序文件和一个目标程序文件；一个用来对模型进行说明的文件，主要包括模型的方程形式以及算法的自然语言描述等。
、模型库管理系统
模型库管理系统（MBMS）是为操纵和管理模型库的计算机软件系统。它可以生成、调用、维护模型，通过对模型库的管理和控制，保证模型库的安全性和完整性。用户可以通过模型库管理系统的灵活的访问、更新、生成和运行模型。
模型库管理系统应该提供给用户的功能包括：
（1）基本操作，包括模型存取和查询，模型初始化，模型选择，模型综合以及合适的模型输出，模型维护，模型表示，模型抽象，物理和逻辑模型的存储等操作，（2）灵活性，包括为用户提供一些控制功能，用户能根据自己的意愿通过系统提供的自动选择功能或是手动选择模型，还可以引入用户的主观信息。
（3）反馈，指系统能够提供足够的反馈信息，使用户能够随时了解问题求解的状态。
（4）接口，指系统和人机交互界面的接口，方便用户使用模型。
（5）减少冗余，指不同的用户之间可以共享相同的模型，减少冗余存储。
（6）增强一致性，指多个决策人可以使用相同的模型，并减少由于使用不同的数据和不同版本的模型所引起的不一致性。
（7）安全性
（8）可扩展性
（9）一些辅助功能。
1、模型库管理系统的功能
1）建模管理
（1）模型生成：用户可在文本编辑状态下建立一个模型，或利用矩阵生成器，则只要给出一些数据，系统自动生成线性规划模型。
（2）模型连接：进行子类中具体模型的连接，类似于批处理语句。
（3）模型重构：当模型的基本结构发生变化后，对模型重新定义
2）模型的运行管理
模型的运行管理包括模型程序的输入和编译、模型的运行控制、模型对数据的存取。模型程序的输入和编译过程就是所谓的建模过程，需要利用计算机语言进行程序的编写和设计，通过编译系统将源程序编译成目标程序。运行控制是模型程序的调用过程。
3）模型的维护管理
模型的维护管理主要是指对模型进行查询、添加、删除、修改等工作。
4）模型的组合管理
2、模型管理系统的语言体系
（1）模型管理语言
（2）模型运行语言
、模型库的设计
1、建立模型的准则
1）模型的近似性
2）模型的简易性
3）模型的动态性
4）模型的可操作性
5）模型的用户友好性
2、建立模型的步骤
1）建模准备阶段
了解问题的实际背景，要弄清解决的问题，明确建立模型的问题。
2）建立阶段
根据决策的目的对问题进行必要的简化，对收集的信息进行筛选，确定系统的参数，提出适当的假设条件，确定模型的描述方式。
3）模型的求解与分析阶段
根据模型的类型，利用经验、知识、数学方程、定理证明、逻辑运算、计算机求解、推
理、仿真等方法对模型进行求解，并对结果进行分析，给出预测。
4）模型检验与修改阶段
对模型的求解进行分析、检验和评价。
5）模型应用阶段
、建模技术
1）建模
（1）建模语言:建模语言是一种类似于程序设计语言的具有完整逻辑的人工建模语言
（2）数据表示：将模型看作黑箱，通过模型的输入输出描述模型，而将实际的模型隐藏在这些输入输出的背后。
（3）程序表示：建模者通过编写模型的程序算法程序，并且添加输入、输出要求就构成了基本的程序式模型，
(4)图形化建模：模型以图形的方式表现出来
2）模型库与数据库的结合
模型库与数据库的关系是：决策支持系统是以多模型组合形式辅助决策，模型的运行总是需要调用数据，而且多模型的组合将涉及大量的数据，模型与数据库的结合的有效途径就是解决好模型库中模型存取数据库中数据的接口。
3)人机对话系统与模型库的交互
2、数据库系统
3、方法库系统
方法是能完成预定功能的程序单位。方法完成的功能不仅有数值算法，而且也包括控制、组织数据处理以及报告、图形生成等非数学功能。
方法库系统主要是一个软件系统，它综合了数据库和程序库。一个完整的方法库系统应该由两部分组成，方法库和方法库管理系统。方法要被检索、被执行，执行方法时要提供方法所加载的数据，管理方法就是要管理数据。方法库要为模型库提供支持，因此方法库要设
立不同的用户结构。
、方法库的结构
1）方法库的逻辑分层
方法库系统在逻辑上可以分为三个层次：基础级、应用级、匹配级。
基础级为系统提供最基本的方法程序，并称其为元算法。元算法构成了方法库的基本集。系统管理员负责建立基础的、公用的模块，维护方法库管理系统软件。
在应用级上，方法库为终端用户提供应用问题的数学模型，在应用级上要求方法库管理系统根据用户具体要求提供一个或几个模型的组合来为用户的问题进行计算并把结果通过人机交互的方式提供给用户，以便用户进行决策。
匹配级位于基础级和应用级之间，它能够对方法实现组合，把基本的方法经过一定规则和合成，成为专门的新算法，并使数据和加工过的新算法相衔接，向程序员提供裁剪应用软件的工具，使方法库适应不同的应用领域。
对于方法库以上三个逻辑层次上的不同用户需要，方法库应提供三方面的方法库语言。（1）方法库的描述语言
描述语言主要面向方法库的系统管理员。系统管理员可以使用方法库描述语言建立方法库的概念模式，决定方法库的存储结构和存储方式，定义方法的完整性和有效性以及对方法的修改、删除和分类。为了允许不同语言编写方法程序，并送入同一方法库去，在设计和建立方法库时应当考虑一个统一的接口，用来解决各种语言接口之间的差异，以便于方法库的扩充和方法的合成。
（2）方法库的操纵语言
操作语言主要是面向程序员。与数据库系统相比，由于方法库的操作对象是方法而不是数据，因而方法库的操作运算与数据库不同。在方法库中，方法的运算主要是方法的链接，通过链接运算将几个方法链接起来而成为一个新的方法。在方法的链接运算中，主要问题是方法与方法之间的参数转换及参数传递。
（3）方法库的使用语言
使用语言主要面向一般用户。要求系统提供一种对话环境，用户只需输入一些非过程化的命令形式或提供一些必要的参数，方法库系统即可根据这些参数自动地调用方法及数据
进行运算，向用户提供所需的数据或决策信息。
2）系统的结构
方法库系统应包含一个具有通用模块的基本子系统和一个具有面向具体应用模块的用户子系统。基本子系统是一个具有扩展性的子系统，方法库系统起初建立时，会包括一个具有一定方法程序和模块的基本集，在这个基础上增加具有特定应用的功能模块。
基本子系统和用户子系统都可以再具体划分为两个层次，因此整个方法库系统分为4个层次，分层的主要依据是面向应用程序。0层是核心，而其余3层则具有应用的性质。
（1）0层
0层具有方法库最基本的功能，主要部分有：
（1）对各种解释器提供公共服务的中心控制器。
（2）对非方法库系统的接口，如文件系统、数据管理系统等。
（3）与操作系统功能的接口。
（4）方法库系统文件、方法程序的管理。
（2）1层
1层包括与应用无关的部分，需要时装配进来，这些模块包括：
（1）实现运用广泛的数据类型和类型产生器的模块。
（2）方法库系统自身文件的定义说明和处理功能。这些文件包括的信息有：中间结果、目录、数据字典等。
（3）常驻的数据结构管理。
（3）2层
此层应具有程序库提供的功能。
（1）基本程序。
（2）为实现更为复杂的用户要求特别编制的一些程序。
（3）相应于一些新命令的用户过程，由用户在已有的命令基础上定义。
（4）3层
此层对应于交互式的用户接口，包括进行语法、语义分析的解释器，并通过中心控制调用2层相应的功能。
3）方法字典
方法字典用来对方法库中的程序进行登录和索引。
、方法库管理系统
方法库管理系统是对方法库进行管理维护的系统，它首要功能是对方法库中的方法进行管理，包括建立、更新、检索和删除。此外，由于方法库与模型库和数据库有着密切的联系，方法需要通过模型来调用，三者之间要协调运行统一。
一个完备的方法库管理系统，应包括方法基本管理程序子系统、语言解释器、方法库运行控制子系统、数据库接口和模型库接口。
4、人机交互系统
人机交互系统是提供决策者与计算机进行通信和交互的硬件和软件的总称，是连接决策者与计算机系统的中间纽带。人机交互系统是人与计算机之间传递数据、信息、知识的接口。在DSS的使用过程中，决策者要对DSS的各个子系统进行操作和控制。在DSS中，人机交互系统的作用是把用户与DSS的各个子系统和各种输入、输出设备联系在一起。一方面决策者向用户提出任务要求、输出信息；另一方面系统向决策者输出决策方案和各种辅助决策信息，并在必要时向决策者索取为完成任务所需要的补充信息。
5决策分析方法
决策即选择最佳的行动方案，是对未来的行动方向、目标、方案、原则和方法所做的决定，是论证、分析、抉择的全过程。决策分析就是对各种所需决策的问题提出一套在进行决策时所必要的推理方法、逻辑步骤和科学手段，并根据所能取得的信息对各种替代方案在各种不同的客观状态下，进行科学的分析和定量的计算，以此供决策人员在决策过程中对要采用的替代方案做出合理的抉择。决策分析的步骤如下图所示
决
策
分
析反
馈
、层次分析法
层次分析法是一种定性和定量相结合的、系统化的、层次化的分析方法。
层次分析法的基本步骤
（1）建立层次结构模型
该模型一般分为三层，最上层为目标层，最下层为方案层，中间是准则层或指标层。
下图为机场选址决策层次结构模型。
2、构造判断矩阵
设某层有n个因素，要比较他们对上一层某一准则的影响程度，确定在该层中相对于某一准则所占的比重（即把n个因素对上层某一目标的影响程度排序）。上述比较是两两因素之间进行比较，比较时取1-9标度，如图
建立判断矩阵，可以使得判断思维数学化，从而简化了问题分析，对问题进行定量分析
成为可能。
3、层次单排序及一致性检验
由于客观事物的复杂性和认识的多样性，建立的判断矩阵往往会出现不一致性。为了保证应用分析法得到结论合理，还需要对构造的判断矩阵进行一致性检验。
4、确定某层所有因素对于总目标相对重要性的排序权值过程，称为层次总排序，从最高层到最低层逐层进行。
、模糊综合评价
模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。
一般步骤：
1、模糊综合评价指标的构建
模糊综合评价指标体系是进行综合评价的基础，评价指标的选取是否适宜，将直接影响综合评价的准确性。进行评价指标的构建应广泛涉猎与该评价指标系统行业资料或者相关的法律法规。
2、采用构建好权重向量
通过专家经验法或者AHP层次分析法构建好权重向量。
3、构建评价矩阵
建立适合的隶属函数从而构建好评价矩阵。
4、评价矩阵和权重的合成
采用适合的合成因子对其进行合成，并对结果向量进行解释。
、粗糙集
粗糙集理论，是继概率论、模糊集、证据理论之后的又一个处理不确定性的数学工具。作为一种较新的软计算方法，粗糙集近年来越来越受到重视，其有效性已在许多科学与工程
领域的成功应用中得到证实，是当前国际上人工智能理论及其应用领域中的研究热点之一。在很多实际系统中均不同程度地存在着不确定性因素，采集到的数据常常包含着噪声，不精确甚至不完整。
主成分分析法
主成分分析法是一种数学变换的方法, 它把给定的一组相关变量通过线性变换转成另一组不相关的变量，这些新的变量按照方差依次递减的顺序排列。在数学变换中保持变量的总方差不变，使第一变量具有最大的方差，称为第一主成分，第二变量的方差次大，并且和第一变量不相关，称为第二主成分。依次类推，I个变量就有I个主成分。
其中Li为p维正交化向量（Li*Li=1），Zi之间互不相关且按照方差由大到小排列，则称Zi为X的第I个主成分。设X的协方差矩阵为Σ，则Σ必为半正定对称矩阵，求特征值λi（按从大到小排序）及其特征向量，可以证明，λi所对应的正交化特征向量，即为第I 个主成分Zi所对应的系数向量Li，而Zi的方差贡献率定义为λi/Σλj,通常要求提取的主成分的数量k满足Σλk/Σλj>。
是希望用较少的变量去解释原来资料中的大部分变量，将我们手中许多相关性很高的变量转化成彼此相互独立或不相关的变量。通常是选出比原始变量个数少，能解释大部分资料中变量的几个新变量，即所谓主成分，并用以解释资料的综合性指标。由此可见，主成分分析实际上是一种降维方法。
、数据包络分析
参考文献
[1] 佚名 . 决策支持系统理论与方法研究综述_陈曦[J]. 刊名缺失, 出版年缺失, 卷缺失(期缺失): 页码范围缺失.
[2] 佚名. 决策支持系统中若干模型问题研究_耿光刚（DSS概念，模型的实现和人机交互界面实现）[J]. 刊名缺失, 出版年缺失, 卷缺失(期缺失): 页码范围缺失.
[3] 陈伟文. 决策支持系统及其开发[M]. 北京:清华大学, 2013.
[4] 佚名. 智能型电网调度决策支持系统的开发与实现_1[J]. 刊名缺失, 出版年缺失, 卷缺失(期缺失): 页码范围缺失.
[5] 吴琼, 刘文颖, 杨以涵. 智能型电网调度决策支持系统的开发与实现[J]. 电力系统自动化, 2006, 30(12):79-83.
[6] 张利格. 基于多智能体技术的智能决策支持系统的研究[D]. 河北工业大学, 2004.
[7] 梁郑丽. 决策支持系统理论与实践[M]. 北京:清华大学出版社, 2014.
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/a29386312.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