决策支持系统发展综述

决策支持系统应用研究综述李某某ＸＸＸＸ大学经济管理学院武汉湖北430074摘要：本文从国内外应用现状、相关技术、热门领域等方面对决策支持系统展开论述，较为详尽的总结了决策支持系统的主要开发技术及其特点，对决策支持系统的两大热门领域：智能决策支持系统（IDSS）和综合集成系统进行了简要的概括，最后讨论了决策支持系统的未来发展趋势。

关键词：决策；决策支持系统；应用研究综述；1 引言决策支持系(DSS，Decision Supportsystem)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、人工智能技术和信息技术为手段，智能化地支持决策活动的计算机系统[1]。

它通过人机对话进行分析、比较和判断，识别问题，建立或修改模型，帮助决策者明确决策目标，为决策者提供各种方案并对其进行评价和优选，为正确决策提供有益帮助。

这一概念于20世纪70年代初，由美国Michael S．Scott Morton在《管理决策系统》[2]一文首次提出，20世纪80年代中期引入我国。

目前已经呈现出多元化的发展态势。

DSS系统模型是以数据仓库（DW）为基础，联机分析处理（OLAP）与数据挖掘（DM）为工具的智能系统[3]。

DW，DM，OLAP就是以DSS为驱动发展起来的信息处理技术，DW用于数据的存储和组织．0LAP集中于数据的分析，DM则致力于知识的发现，三者自然结台。

使分析结果更全面、有效和深刻。

自DSS开发以来，与它的理论研究相比，实际应用工作开展得更早，它广泛用于企业管理、系统开发、经济分析与规划、战略研究、资源管理、投资规划[4]等方面，支持各类决策问题的决策支持系统大量出现并已投入使用。

2 国内外应用现状目前，DSS己成为系统工程与计算机应用领域中的重要研究课题。

通过国内外相关专家、学者的不断探索和研究，DSS在国内外学术界的理论研究和国民经济的实际应用中得到了迅猛发展，在军事应用领域也有广阔的发展前景，世界各国都在竞相开发军事应用中的DSS[5]。

多人决策支持系统类型综述——DDSS【摘要】本文首先简述了传统的决策支持系统，总结了现有的多人决策支持系统的概念和类型。

在此基础上重点总结了分布式决策支持系统(DDSS)的国内外研究现状，提出了分布式决策支持系统的体系结构模型：通过将Mobile Agent技术引入，然后分别从系统模型、体系结构、系统组织等方面进行了深入的研究。

【关键词】多人决策支持系统DDSS Mobile Agent技术一、多人决策支持系统决策支持系统(Decision Supporting System,简称DSS)自二十世纪七十年代提出以来将管理信息系统和模型辅助决策结合起来，使得数值计算和数据处理融为一体，在企业发展、市场经营以及军事指挥等重大决策问题上发挥了显著作用[1]。

传统DSS辅助决策的对象为个体决策者，且模型库中的模型以数学模型为主，决策的结果表现为定量分析。

因此传统DSS所求解的决策问题通常比较简单、单一。

并且因为基于传统DBMS的DSS只能提供辅助决策过程中的数据级支持，而现实决策所需的数据却往往是分布、异构的。

因此，经过30多年的发展，决策支持系统已经从最初的支持个人决策扩展到群体和组织这类多人决策，并且出现了组织决策支持系统(ODSS)、群体决策支持系统(GDSS)、分布式决策支持系统(DDSS)和定性群决策支持系统(QGDSS)、智能群体决策支持系统(IGDSS)以及基于CBR与MAS的群体决策支持系统(MGDSS)等。

本文主要研究分布式决策支持系统(DDSS)的研究现状和发展前景。

二、DDSS国内外研究现状1、DDSS概念及其关键技术随着计算机技术、网络以及分布式数据库技术的发展，DSS技术出现了分布式决策支持系统，即DDSS。

DDSS是研究分布于多个物理位置上的决策体如何并发计算、协调一致地求解问题[2]。

这些分布在不同物理位置上的决策体构成计算机网络，网络的每个结点至少含有一个决策支持系统或有若干辅助决策的功能。

决策支持系统发展综述计算机是当代发展最为迅速的科学技术之一，其应用几乎已深入到人类活动和生活的一切领域，大大提高了社会生产力，引起了经济结构、社会结构和生活方式的深刻变化和变革。

计算机科学技术具有极大的综合性质，与众多科学技术相交叉而反过来又渗入更多的科学技术，促进它们的发展。

计算机科学与其他学科相交叉产生了许多新学科，推动着科学技术向更广阔的领域发展。

DSS的产生背景三．决策支持系统（DecisionSupportSystems---DSS）是70年代末期兴起的一种新的管理系统。

它是计算机技术、人工智能技术与管理决策技术相结合的一种决策技术，“它涉及到计算机软件和硬件、信息论、人工智能、信息经济学、管理科学、行为科学等学科”，旨在支持半结构化决策问题的决策工作，帮助决策者提高决策能力与水平，最终实现提高决策的质量和效果的目的。

一、DSS的产生与发展DSS的发展70年代，Scott Morton在《管理决策系统》（1971）一书中首次提出DSS。

Peter G. W. Keen等人编写了一套丛书，阐明DSS的主要观点，初步构造出DSS的基本框架。

1978至1988年，DSS得到迅速发展，许多实用系统被开发出来，投入实际应用，产生明显效益。

1988至现在，DSS技术持续发展，目前已基本成熟。

新一代DSS研究仍然十分活跃。

DSS 的理论基础（1）信息论信息是现代科学技术中普遍使用的一个重要概念。

信息论是运用信息的观点，把系统看作是借助于信息的获取、传送、加工处理、输出而实现其有目的性行为的研究方法。

（2）计算机技术计算机软件技术、硬件技术、网络技术、图形处理技术、知识处理技术等。

（3）管理科学与运筹学管理科学MS（Management Science）：面向管理者，研究决策问题，如决策目标、决策效能等。

运筹学OR（Operations Research）：提供一系列优化、仿真、决策等模型。

（4）信息经济学在信息时代，研究信息的产生、获得、传递、加工处理、输出等方面的价值问题。

决策支持系统发展现状与趋势分析1引言决策是人类社会发展中人们在为实现某一目的而决定策略或办法时，时时存在的一种社会现象。

任何行动都是相关决策的一种结果。

正是这种需求的普遍性，决策支持系统应运而生。

决策支持系统(Decision Support System—DSS)的概念于20世纪70年代初由美国Michael S．Scott Morton在《管理决策系统》一文首次提出，20世纪80年代中期引入我国。

20多年来，DSS已在理论研究、系统开发和实际应用诸方面取得了令人瞩目的进步，并呈现出积极的多元化的发展态势。

随着人工智能技术、网络技术、通信技术和信息处理技术的发展和多学科的交叉结合发展，决策支持系统呈现多元化结构发展态势。

决策支持系统，简称DSS(Decision Support System)，是以特定形式辅助决策的一种科学工具。

它通过人机对话等方式为决策者提供了一个将知识性、主动性、创造性和信息处理能力相结合、定性与定量相结合的工作环境，协助决策者分析问题、探索决策方法，进行评价、预测和选优。

DSS是信息系统研究的最新发展阶段，据美国一家调研机构的调查表明，20世纪末3/4的美国公司中将有20%的员工使用决策技术，1/3的公司中将有60%的员工使用决策工具，86%的人认为企业对决策技术的投资将会增加。

[1]近几年来，从关于决策支持系统基本定义和决策支持系统基本结构出发，演化产生了一系列新的概念、观点和结构。

为此，本文从对决策支持系统的发展现状加以概括论述，同时总结了决策支持系统发展的趋势和前景。

本文在第一部分简要回顾决策支持系统发展历史的的基础上，系统归纳了决策支持系统的主要类型，第二部分分析总结了决策支持系统未来的发展方向和阻碍决策支持系统发展的关键技术问题。

技术问题。

二、决策支持系统的发展史和主要类型1、决策支持系统的兴起于发展决策支持系统的大致经历了这样几个发展过程：20世纪60年代后期，面向模型的决策支持系统诞生，标志着决策系统的这门学科的开端，20世纪70年代，决策支持系统的理论得到了长足的发展，80年代的前期和中期，实现了金融规划系统以及群体决策支持系统；20世纪80年代中期，通过将决策支持系统和知识系统相结合，提出了发展智能决策支持系统的设想；此后，开始出现主管信息系统，联机分析处理等。

临床决策支持系统综述报告引言:临床决策支持系统(clinical support decisionsvstens，CDSS)是指将临床数据做为输入信息，将推论结果作为输出，有助于临床医生决策并被用户认为具有一定“智能”的任何软件。

大量研究表明，CDSS的应用可以有效解决临床医生知识的局限性、减少人为疏忽(特别是药物定量方面)、相对降低医疗费用等，从而为医疗质量提供了保证。

尽管CDSS有很多优点，真正能为医生所接受并投入实际临床使用的为数不多，其主要原因是技术问题，如：不确定知识的表示与推理的困难、知识更新的困难、知识库的透明性问题以及与其它医学信息系统以及医生的工作模式相融合等问题。

历史发展：我将系统地回顾电子病历中临床决策支持方法。

根据Musen 和Shortliffe等，人临床决策支持系统可以按五个维度（Dimension）进行分类，另外，如果将不直接给出建议而只是给出相关信息的系统也划入临床决策支持系统，那么临床决策支持系统可以按以下六个维度进行分类（表一）：表一临床决策支持系统的分类维度内部决策机制的不同主要取决于临床决策支持系统的内部知识表示方式，针对不同的决策需求存在着不同的知识表示方式，从而形成了不同的决策机制。

例如，根据病人的症状体征等的辅助诊断系统常以概率来表达症状与疾病相关性，此类的决策方式主要有基于Bayesian theorem 的方法和Belief networks。

另外，近期的已经在国外的临床中具体应用的事件监视器(Event Monitor)也都是基于规则的决策支持系统。

这些系统通过事先定义好的规则来实时地监视病人的相关信息，一旦规则中的前提条件得到满足，相关规则将被触发，相应采取规则中规定的行动，或是对诊断或是对治疗提供决策支持。

2) 系统功能临床决策系统也可以按其设计的所能完成的系统功能来划分。

主要有两大类主要的功能：一是帮助决策什么是对的判断，例如临床诊断，早期的Leeds Abdominal Pain、DXplain和QMR等医学诊断系统即属此类。

大数据分析与决策支持系统的发展与应用随着信息技术的飞速发展和智能化的浪潮席卷各行各业，大数据分析与决策支持系统(DSS)逐渐成为企业管理与决策制定的重要工具。

本文将探讨大数据分析与决策支持系统的发展历程、应用领域以及未来发展趋势。

我将以一个故事为线索，带您进入这个令人兴奋的新世界。

案例：汽车公司的销售决策想象一下，你是一家大型汽车公司的高级经理。

你负责制定公司的营销策略和销售计划。

在一个竞争激烈的市场中，你面临着许多挑战。

你需要了解市场需求、竞争对手的策略、消费者喜好以及公司产品的定位，这些信息将帮助你做出正确的决策。

然而，这些信息并不总是易于获取。

市场研究报告提供了一些数据，但它们往往只是静态的快照，不能提供实时的市场动态。

竞争对手的策略也是隐秘的，你需要从海量的数据中发现线索。

而消费者喜好更是变幻莫测，只靠直觉和经验很难把握。

正是在这个时候，大数据分析和决策支持系统应运而生。

大数据分析可以帮助你从海量数据中提取有价值的信息，发现潜在的机会和威胁。

决策支持系统则可以将这些信息进行可视化，帮助你更好地理解和分析数据，从而做出准确的决策。

大数据分析的发展大数据分析是指通过计算机技术和统计方法对大规模、复杂的数据集进行分析和挖掘的过程。

随着互联网的飞速发展，大数据的规模和复杂性不断增加，传统的数据处理方法已经无法满足需求。

于是，大数据分析应运而生。

在过去的几十年里，大数据分析经历了几个主要的发展阶段：1. 数据收集和存储在互联网时代的到来之前，数据的获取和存储相对困难。

人们往往需要手动收集数据，并将其记录在纸质或电子文件中。

同时，存储也是一个挑战，硬盘容量有限，很难存储大量的数据。

然而，随着计算机技术和互联网的进步，数据的获取和存储变得更加容易。

各种传感器和设备可以自动收集数据，并通过互联网进行传输和存储。

云计算技术使得数据的存储变得廉价和可靠，企业和个人可以将大量的数据存储在云端。

2. 数据清洗和预处理在大数据时代，数据的规模庞大，来源复杂，往往包含噪声和缺失值。

班级：086092姓名：刘伦学号：20091003415专业：信息管理与信息系统基于Agent的智能决策支持系统文献综述（2008-2012）1 Agent 及多Agent 系统Agent 技术的诞生可以追溯到20世纪70年代，它的发展是分布式人工智能技术与计算机网络技术的必然结果。

Agent是可以代表一切具有智能（无论是自然智能还是人工智能）的实体（可以是物理实体也可以是业务逻辑的抽象表现形式）的一个抽象名词，它可以描述具体的人员、部门、设备，也可以描述相关的业务逻辑过程、算法模型执行流程、以及一个软件系统等。

系统环境中仅仅包含一个Agent 是毫无意义的，必须与多个Agent 在同一个环境中协同工作，而协同的手段就是相互进行通讯，而且每一个Agent 都可以主动、自主的工作。

目前有关Agent的研究包括：Agent 及多Agent理论、Agent体系结构、多Agent 系统即MAS等。

多Agent系统，主要表现在能进行问题的求解，能随环境的改变而不断修改、完善自身所具有的行为能力（即：一种自学习的表现），能通过网络与环境中其他Agent 进行通讯、交互、协作，进而相互协同完成任务的求解过程。

可以看出，多Agent 系统具有一定的模拟人类社会团体、组织机构等群体工作的特性，并运用它们自身特有的解决问题的方式、方法，解决共同关心的复杂问题。

多Agent系统研究的核心问题是在环境中多个Agent之间智能行为的协作与协调，其他方面的问题都与此相关或与此为基础。

在多Agent 系统中，各个Agent 协调他们的相关知识、目标、方法、规则，协作行动或进行问题求解。

国外目前在基于Agent 的决策支持系统的研究技术上已经比较成熟，开发出了一些系统并且投入到应用中，有些系统已经应用多年，在工业管理控制、多Agent仿真技术、电子商务Agent、信息检索和管理Agent、分布式感知Agent 等方面都有了比较成熟的系统研发出来。

浅析决策支持系统的发展过程和应用状况摘要：论述了决策支持系统(DSS)的发展过程，介绍决策支持系统的应用现状，分析了决策支持系统的发展动力。

关键词：决策支持系统发展过程应用现状动力分析一、决策支持系统定义决策支持系统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。

二、支持系统的发展过程自从20世纪70年代决策支持系统概念被提出以来，决策支持系统已经得到很大的发展。

在1980年初，提出了决策支持系统3部件结构(对话部件、数据部件、模型部件)，明确了决策支持系统的基本组成，极大地推动了决策支持系统的发展。

至20世纪80年代末90年代初，决策支持系统开始与专家系统(Expert System, ES)相结合，形成智能决策支持系统 (Intelligent Decision Support System, IDSS)。

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的解决定量分析问题的特点，充分做到了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拓展。

智能决策支持系统是决策支持系统发展的一个新阶段。

当20世纪90年代中期出现了数据仓库(DataWarehouse, DW)、联机分析处理(On-Line AnalysisProcessing, OLAP)和数据挖掘(Data Mining, DM)新技术后，DW+OLAP+DM逐渐形成新决策支持系统的概念。

为此，将智能决策支持系统称为传统决策支持系统。

新决策支持系统的特点是，从数据中获取辅助决策信息和知识，完全不同于传统决策支持系统用模型和知识辅助决策。

智能决策支持系统的发展与现状关XX摘要: 论述了智能决策支持系统(IDSS) 的定义、发展概况、现状, 分析了DSS 的一个例子进行介招与分析，提出自已的观点。

关键词: 智能决策支持系统; 现状; 前程On Development and Application of the Intelligent Decision Support SystemSeason Guan(South China Agriculture of University,College of Science;Class One of 05maths) Abstract: Study the definition，development, application, and take an example to tell and analyse the Intelligent Decision Support SystemAlso gives my viewpoint about that.Key words: Intelligent Decision Support System; Actuality; Development0引言智能决策支持系统是将人工智能技术引入决策支持系统而形成的一种新型信息系统。

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。

在席卷全球的信息革命浪潮中，智能决策支持系统作为管理领域信息系统的一个重要方面已经成为计算机管理应用研究的热点和主要的发展方向‘实践表明，只有当决策支持系统具有较丰富的知识和较强的知识处理能力时，才能向决策者提供更为有效的决策支持。

研制、建设和利用智能决策支持系统对于增强知识开发和利用的能力，改善决策的智能化水平，提高系统的应用效果具有重要的理论意义和实际价值[4]。

决策支持系统与数据分析调研报告一、引言随着信息技术的快速发展和广泛应用，决策支持系统和数据分析正逐渐成为企业管理和决策的重要工具。

本报告旨在对决策支持系统和数据分析进行调研，探讨其在企业决策中的应用价值和未来发展趋势。

二、决策支持系统概述决策支持系统（Decision Support System，DSS）是一种结合信息技术和管理科学方法，为决策者提供有针对性的决策分析工具和信息资源的系统。

它能够通过模型建立、决策分析、数据查询和报告生成等功能，辅助决策者进行决策过程中所需的信息整理和分析。

1. 决策支持系统的分类根据系统结构和功能特点，决策支持系统可以分为以下几类：(1) 模型驱动型决策支持系统：以模型建立和决策分析为核心，通过数学模型的构建和求解来帮助决策者进行决策。

(2) 数据驱动型决策支持系统：以数据收集、存储和处理为核心，通过数据挖掘和分析来提供决策支持。

(3) 智能驱动型决策支持系统：利用人工智能和专家系统技术，通过知识推理和决策推荐，提供智能化的决策支持。

2. 决策支持系统的特点和优势决策支持系统具有以下特点和优势：(1) 系统化：决策支持系统能够整合和分析各种数据和信息资源，提供决策所需的全面信息支持。

(2) 高效性：决策支持系统能够快速处理大量的数据和信息，提供及时反馈和决策建议。

(3) 灵活性：决策支持系统具备灵活的决策模型和分析工具，能够根据决策者的需求进行个性化定制。

(4) 可视化：决策支持系统通过图表、报表等形式，将复杂的数据和分析结果可视化，提高决策者对信息的理解和利用。

三、数据分析概述数据分析是指对数据进行收集、整理、转化和解释的过程，通过运用统计学、机器学习和数据挖掘等技术，从数据中提取有用的信息和知识，用于支持决策和解决问题。

1. 数据分析的方法和技术数据分析包括以下几种方法和技术：(1) 描述性统计分析：对数据进行总结和描述，通过统计指标、图表等形式呈现数据的特征和变化趋势。

精心整理决策支持系统发展综述空军工程大学导弹学院雷英杰计算机是当代发展最为迅速的科学技术之一，其应用几乎已深入到人类活动和生活的一切领域，大大提高了社会生产力，引起了经济结构、社会结构和生活方式的深刻变化和变革。

计算机科学技术具有极大的综合性质，与众多科学技术相交叉而支持智能（能向决策者提供更为有效的决策支持。

考虑到IDSS 是在传统DSS 基础上发展起来的，所以这里先介绍有关决策、决策科学和决策支持技术的基本概念。

一、DSS 的产生与发展1.1 DSS 的产生背景电子数据处理EDP （ElectronicDataProcessing ）：提高了工作效率，把人们从繁琐的事务处理中解脱出来。

缺点：仅局限于具体信息处理，不共享，不考虑整体或部门情况。

管理信息系统MIS（ManagementInformationSystems）：整体分析，系统设计，信息共享，部门协调。

缺点：难于适应多变的内、外部管理环境，对管理人员的决策帮助十分有限。

1.270DSS的1988至现在，DSS技术持续发展，目前已基本成熟。

新一代DSS研究仍然十分活跃。

1.3DSS的理论基础（1）信息论信息是现代科学技术中普遍使用的一个重要概念。

信息论是运用信息的观点，把系统看作是借助于信息的获取、传送、加工处理、输出而实现其有目的性行为的研究方法。

（2）计算机技术计算机软件技术、硬件技术、网络技术、图形处理技术、知识处理技术等。

（3）管理科学与运筹学管理科学MS（ManagementScience）：面向管理者，研究决策问题，如决策目标、（4（5（6DSS与AI运行，为用户提供智能的交互式接口。

人工智能技术作为计算机应用研究的前沿，近十年取得了惊人的进展，呈现了光明的前景。

专家系统、智能机器人和模式识别是人工智能中最活跃、最富有成果的三个研究领域。

其中专家系统ES（ExpertSystems）研究，取得了许多实用化的成果。

当今世界上已经有上千个专家系统，应用于医疗、诊断、探矿、军事、调度、质谱分析、计算机配置、辅助教育等各种领域，并已开始涉足财务分析、计划管理、工程评估、法律咨询等管理决策领域。