决策支持系统发展综述
信息系统分析与决策(第一章：知识点1-16)
一、决策支持系统的定义
S.S.Mittra对DSS的定义：决策支持系统是从数据库 中找出必要的数据，并利用数学模型的功能，为用户 产生所需要的信息。 决策支持系统具有如下功能：
为了作出决策，用户可以试探几种“如果，将如何”(What If...)的方案。 DSS必须具备一个数据库管理系统，一组以优化和非优化模型为形 式的数学工具和一个能为用户开发DSS资源的联机交互系统。 结构是由控制模块将数据存取模块，数据变换模块(检索数据，产 生报表和图形)，模型建立模块(选择数学模型或采用模拟技术)三 个模块连接起来实现决策问题的回答。
以数据仓库为基础，结合联机分析处理和数据挖掘形成了基
于数据仓库的决策支持系统。
第一章决策支持系统综述 知识点8 决策问题的结构化分类
一、决策问题的结构化分类
决策问题按结构化程度分类，即对决策问题的内在规 律能否用明确的程序化语言（数学的、逻辑的、形式 的、定量的、推理的）给以清晰的说明或者描述。
一、决策支持系统的定义
P.G.W.Keen对DSS的定义：决策支持系统是“决策 ”(D)，“支持”(S)，“系统”(S)，三者汇集成的一 体。 即通过不断发展的计算机建立系统的技术(System)， 逐渐扩展支持能力(Support)，达到更好的辅助决策 (Decision)。 传统的支持能力是指提供的工具能适用当前的决策过 程，而理想的支持能力是主动的给出被选方案甚至于 决策被选方案。
二、几种常用智能技术（2）
机器学习是模拟人的学习方法，通过学习获取知识的 智能技术。
机器学习包括归纳学习、类比学习、解释学习等多种 类型。 机器学习和决策支持系统结合形成的智能决策支持系 统，主要是增加学习功能，获取辅助决策知识。
决策支持系统文献综述
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
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。
决策支持系统发展现状与趋势分析
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。
决策支持系统发展综述.
2018/10/25
雷英杰
29
(4) DSS与ES的关系
IDSS = DSS + ES
ES：利用知识和推理机，处理半结构化和非
结构化问题。
DSS：使用数据和模型，处理结构化问题，
与ES结合后，可处理半结构化和非结
构化问题。
2018/10/25 雷英杰 30
一、DSS的产生与发展
二、DSS的基本概念 三、DSS的构造与系统结构
2018/10/25
雷英杰
20
(6) 人工智能 将人工智能技术用于管理决策是一项开拓 性工作。当前研究的IDSS就是DSS与AI 技术相结合的产物，它用领域专家的知识 来选择和组合模型，完成问题的推理和运 行，为用户提供智能的交互式接口。
2018/10/25
雷英杰
21
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。
2018/10/25 雷英杰 35
2.3 决策问题的性质和层次
作业调度 运筹管理 战略规划 支持需求 库存报表、线性规划、 新厂位置 结构化 零件定 生产调 选择 货 度 开发市场、 股票管理、 资本获利 半结构化 经费预 贸易 分析 算 非结构化 EDP MS/OR DSS
为杂志选 聘用管理 研究、开 经验和直 择封面 人员 发分析 觉
广泛的发展前途使之一出现就成为决策支持技
术研究的热点。
2018/10/25
雷英杰
5
决策支持系统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人机交互信息系统。
临床决策支持系统综述报告
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。
决策支持系统及其发展
优势
提供即时可用的数据和 反馈，提升决策质量和 组织绩效。
DSS的分类及应用
1 分类
DSS根据其主要功能和领域可以分为战略DSS、管理DSS和操作DSS。
2 应用
DSS广泛应用于各个行业和领域，如金融、医疗、教育、政府和企业管理。
3 示例
DSS应用包括风险评估和控制、业务优化、资源分配和计划等。
DSS的关键要素与模块
DSS的信息安全与数据保护
信息安全
• 数据加密和身份验证 • 访问控制和权限管理 • 网络安全和风险评估
数据保护
• 备份和灾难恢复 • 数据备份和恢复计划 • 数据隐私和合规性
3
数据处理
使用合适的算法和技术对数据进行分析、挖掘和建模，以获得有用的信息。
DSS的数据分析与建模
数据分析方法 数据建模技术
描述统计分析 决策树 聚类分析
预测和趋势分析 回归分析 人工神经网络
DSS的数据可视化和报表
数据可视化
使用图表、图形和地图等可视 化工具，将数据转化为易于理 解和分析的形式。
数据
• 收集和整理数据 • 数据存储和管理 • 数据清洗和预处理
分析
• 统计分析和数据挖掘 • 模型开发和评估 • 可视化和报表
决策
• 决策规则和策略 • 决策支持工具和技术 • 决策评估和追踪
DSS的数据存储和处理
1
数据收集
从内部和外部来源收集数据，如数据库、传感器和云存储。
2
数据整理
对数据进行清理、筛选、转换和集成，确保数据的准确性和一致性。
报表生成
生成定期和即时的报表，记录 和展示决策结果和绩效。
仪表盘
展示关键指标和数据的仪表盘， 帮助决策者实时监控业务状况。
基于Agent的智能决策支持系统文献综述
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。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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。
从经济学的角度，研究信息产生和获得的成本是多少？利润是多少？即研究信息价值问题。
（5）行为科学研究决策者的决策风格、在决策过程中的决策行为等，指导DSS的设计和开发。
涉及到决策者的心理学。
（6）人工智能将人工智能技术用于管理决策是一项开拓性工作。
当前研究的IDSS就是DSS与AI技术相结合的产物，它用领域专家的知识来选择和组合模型，完成问题的推理和运行，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（Expert Systems）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。
DSS和ES：处于不同的学科范畴，有着不同的解决问题的方法。
DSS主要运用数据和模型，ES主要运用知识和推理。
在管理科学领域，一个是方兴未艾，一个是后起之秀，各有特色。
但是它们的互相结合和互相渗透，将会把计算机用于决策支持技术推向一个新的高度。
决策的正确性关系到经营效果和事业成败，决策理论、决策方法和决策工具的科学化和现代化是正确性的重要保证。
人工智能将为DSS提供有效的理论和方法。
例如，知识的表示和建模，推理、演绎和问题求解及各种搜索技术，再加上功能很强的人工智能语言，都为DSS 的发展走向更加实用的阶段提供强有力的理论和方法的支持。
二、DSS的基本概念决策过程决策过程：如图1所示。
图1 决策过程决策科学主要研究：确定目标、设计方案、评价方案三个基本阶段。
这三个基本阶段又分别称为理解、设计、选择活动。
决策问题的类型决策问题的类型（按结构化程度分为）：结构化、半结构化、非结构化三种。
结构化程度：对某一过程的环境和规律，能否用明确的语言（数学的或逻辑学的，形式的或非形式的，定量的或推理的）给予清晰的描述。
结构化问题：能够描述清楚的问题。
三个阶段都能使用确定的算法或决策规则。
非结构化问题：不能够描述清楚，而只能凭直觉或经验作出判断的问题。
三个阶段都不能使用确定的算法或决策规则。
半结构化问题：介于两者之间的问题。
一个或二个阶段能使用确定的算法或决策规则。
决策问题的性质和层次决策问题的层次：办事员（作业调度）、部门负责人（运筹管理）、顶层负责人（战略规划）。
按照决策问题的层次和类型，决策问题可分为9类，如表1所示。
表1 决策问题的类型2.4 决策风格按获取数据的方式分：感知型（S）、直觉型（N）。
感知型——喜欢与特定问题有关的硬数据。
直觉型——喜欢描写可能性的整体信息。
按处理数据的方式分：思考型（T）、感觉型（F）。
思考型——喜欢用逻辑或其他规范化的手段去推理。
感觉型——喜欢用个人的术语来考虑问题。
组合起来，共有四种类型的决策风格：系统型（ST）、思辩型（NT）、司法型（SF）、直观推断型（NF）。
系统型（ST）：喜欢运用量化信息，喜欢运用成本效益分析和评价的研究作为辅助决策的工具。
思辩型（NT）：善于思索未来的可能性，喜欢运用带有灵敏度分析的决策树作为决策的帮助。
司法型（SF）：注意力集中于当前的环境，喜欢运用决策小组进行决策。
直观推断型（NF）：十分重视现实的可能性，喜欢运用双向调整的方法来达到决策的目的。
DSS的构造与系统结构DSS的构造研究主要解决DSS的组成问题，即组成DSS的部件。
现在，经典提法是：DSS = 四库系统+ 对话系统（人机界面）四库系统：数据库系统、模型库系统、方法库系统、知识库系统。
当前，也有人讲5库系统（+文本库）、6库系统（+图形库）、7库系统（+语音库）、8库系统（工具库）等。
DSS的系统结构主要研究DSS各主要部件的连接关系。
人机界面技术主要研究内容集中在：●可视化图形界面技术●基于多媒体技术的界面技术●自然语言界面技术数据库系统数据库系统包括数据库及其管理系统，其基本技术与一般数据库及其管理系统基本相同。
但有自己的特点。
共同点：●数据的独立性●最小冗余度●最大的共享性●统一管理与控制●适当的反映时间●整体性（完整性）●可修改性和可扩充性●安全和保密●简明性DSS数据库系统的特点：●面向决策支持过程组织和管理数据●面向模型、面向模型生成来使用数据●数据描述方式要面向不同的决策者模型——是以某种形式对一个系统的本质属性的描述，揭示系统的功能、行为及其变化规律。
模型库系统——以库的形式对模型进行组织和管理，包括模型库及模型库管理系统。
模型库（Model Base）提供模型的存储和表示模式，模型库管理系统提供模型的提取、访问、更新和合成等操作。
人们认识客观世界一般有三种方法：●逻辑推理法●实验法●模型法模型法是我们认识客观世界的最得力、最方便、最有效的方法。
注意，并非所有模型都是数学模型，并非所有模型都是定量的。
例如，门捷列夫元素周期表。
3.3.1 模型群解决软科学所涉及的问题时，可利用的模型已达100多个，根据他们的功能和用途可分为若干模型群。
（1）预测模型群●定性模型：特尔斐法、主观概率预测法、交叉影响巨阵法等●定量模型：回归预测、平滑预测、马尔柯夫链预测等回归预测：一元回归、多元线性回归、非线性回归等；平滑预测：平均预测法、指数预测法等（2）系统结构模型群主要用来分析社会经济系统以及其他系统的结构，反映系统各要素之间的主要联系和关联作用，从宏观上和结构上来揭示系统的运行规律。
系统结构模型、层次分析模型、投入产出模型、系统动力学模型等。
（3）数量经济模型群：计量经济模型、经济控制论模型等。
（4）优化模型群：线性规划、非线性规划、动态规划、目标规划和最优控制等（5）不确定模型群：模糊数学模型、灰色模型、随机模型等（6）决策模型群：单目标风险性决策、多目标决策，以及一些不确定性决策方法等（7）系统综合模型群：即大系统理论。
模型体系解决某一特定系统工程问题的一系列模型。
（从概念上）3.3.2模型库模型库提供模型的存储和表示模式。
模型的表示形式：●模型的程序表示：基于程序的表示方法。
●模型的数据表示：基于数据的表示方法。
●模型的逻辑表示：基于知识的表示方法。
3.3.4 当前研究课题●模型的自动生成技术●模型管理的人工智能方法●模型管理与数据管理的结合方法库系统（MBS）综合了数据库和程序库。
方法库——类似于程序库，包含面向多种应用的程序包或功能程序。
方法库管理系统——对程序方法提供多种功能操作。
●具有扩充的程序组件●可与多种数据库系统相连接●可随时加入新的程序组件知识库系统3.5.1 基本概念数据——客观事物的属性、数量、位置及其相互关系等的抽象表示。
信息——数据所表示的含义（语义），因而说“数据是信息的载体”。
知识——信息之间的结构化关联关系。
3.5.2知识分类事实——指人类对客观事物属性的值或状态的描述。
（不包含任何变量）规则——表示因果关系的知识，分为前提（条件）和结论两部分。
规律——带有变量的规则。
所以，规则是规律的例化。
3.5.3 知识的属性●真实性●相对性●不完全性●模糊性●可表示性3.5.4推理方法●演绎推理：P → Q，由前提到结论●归纳推理：由个别到一般，“主观不充分置信推理”●联想与类比●综合与分析●预测●假设与验证从不同的角度还可分为●演绎推理、归纳推理、缺省推理●确定性推理、不确定性推理●单调推理、非单调推理●启发式推理、非启发式推理●基于知识的推理、统计推理、直觉推理●正向推理、逆向推理、混合推理、双向推理——推理控制策略3.5.5知识库系统知识库——提供知识的表示和存储。
知识库管理系统——提供对知识（规则）的存储、检索、修改、检查等操作。
推理机——利用知识库中的知识进行推理，对给定问题进行求解，得到结论。
3.5.6知识的表示方法●一阶谓词逻辑表示●语义网络表示●产生式规则●知识的框架表示●脚本表示●过程表示●Petri网表示●面向对象表示三、新一代DSS的研究与发展（1）群决策支持系统（GDSS）支持多人或集体共同决策：利用通信技术（网络、电话会议、电子信息交换）、计算机技术（多用户系统、4GL、数据库、数据分析OLAP、数据存储、数据仓库、数据挖掘）和决策支持技术（议程设置、AI与推理技术、决策模型方法——如决策树、风险分析、预测方法等，结构化群决策方法——如德尔菲法等）相结合。
（2）分布式决策支持系统（DDSS）研究DSS在分布式环境中、与分布式技术相结合相关的技术问题。
（3）智能决策支持技术（IDSS）AI与DSS技术相结合，形成了高级别的、具有知识处理能力的DSS。