智能决策支持系统研究
基于人机协同决策理论构建智能决策支持系统探讨
基于人机协同决策理论构建智能决策支持系统探讨人机协同决策是一种以人类和计算机系统之间密切合作的方式来进行决策的理论。
随着计算机技术的快速发展，智能化决策支持系统的研究和应用已经成为现代决策科学的重要方向之一。
本文将探讨如何基于人机协同决策理论构建一款智能决策支持系统，并分析其优势和应用前景。
人机协同决策理论是指人类决策者与计算机系统之间相互协作、相互支持的决策过程。
在这种决策过程中，人们通过与计算机系统的交互，获取决策所需的各种信息并进行分析和处理，同时计算机系统通过算法和模型的帮助，提供支持和辅助，使人类决策者能够更准确、更快速地做出决策。
基于人机协同决策理论的智能决策支持系统可以借助大数据、人工智能和机器学习等技术，从多个角度对决策问题进行全面的分析和评估。
系统可以通过数据挖掘和模式识别技术，对大量历史数据进行分析，从中提取出有价值的信息，并给出决策者合理的建议和决策方案。
同时，系统也可以基于人类决策者的心理特点和行为模式，通过学习和自我适应的方式，不断提高其决策能力和准确度。
智能决策支持系统的优势在于其能够快速处理大量信息，提供全面的决策支持。
在面对复杂的决策问题时，决策者常常需要花费大量时间和精力进行信息搜集和分析。
而智能决策支持系统能够将这些繁琐的工作交给计算机系统完成，从而大大节省了时间和精力。
另外，系统还能够通过多样化的模型和算法，快速生成不同的决策方案，并根据用户反馈进行调整和优化，为决策者提供更可靠和可行的解决方案。
智能决策支持系统在各个领域的应用前景广阔。
在企业管理中，系统可以帮助高层管理人员进行战略决策和风险分析，提高企业的竞争力和市场占有率。
在医疗健康领域，系统可以通过大数据分析和模型预测，提供医疗诊断和治疗方案的建议，提高医疗服务的质量和效率。
在金融风控方面，系统可以通过对市场数据的快速分析和模型建立，提供风险评估和投资建议，降低投资风险和提高收益。
总的来说，基于人机协同决策理论构建智能决策支持系统是当前决策科学研究的重要方向之一。
智能决策支持系统的设计与开发
智能决策支持系统的设计与开发智能决策支持系统（Intelligent Decision Support System，简称IDSS）旨在通过信息技术的应用，为决策者提供准确、全面、实时的决策支持，并辅助其做出更明智的决策。
本文将就智能决策支持系统的设计与开发进行探讨。
一、智能决策支持系统的介绍智能决策支持系统是近年来信息技术发展的产物，它借助于人工智能、大数据分析等技术手段，能够在决策过程中提供专业、高效的决策支持。
智能决策支持系统能够从各个方面收集、整理和分析数据，为决策者提供可视化的决策结果，帮助他们快速做出准确的决策。
二、智能决策支持系统的设计原则1. 用户需求导向：智能决策支持系统应该以用户的需求为中心进行设计，在功能、界面等方面满足用户的期望和要求。
2. 可靠性和稳定性：智能决策支持系统在设计与开发过程中需要考虑到系统的可靠性和稳定性，确保系统能够长期稳定运行。
3. 直观易用：系统的界面设计应该简洁明了，功能操作要求合理化，让用户能够迅速上手使用。
4. 数据安全性：智能决策支持系统需要对数据进行有效的安全保护，保障用户的隐私和敏感信息不会泄漏。
三、智能决策支持系统的开发流程1. 需求分析：在设计与开发智能决策支持系统之前，首先要明确系统所需满足的具体需求，从用户的角度出发进行需求分析。
2. 架构设计：根据需求分析的结果，设计智能决策支持系统的系统架构，包括数据库设计、数据获取与处理模块的设计等。
3. 界面设计：根据用户需求和系统架构设计，进行界面设计，注重用户体验，保证界面简洁明了，操作友好。
4. 数据挖掘与分析：利用数据挖掘和分析技术，对系统所涉及的数据进行深入挖掘和分析，为决策提供潜在依据。
5. 模型建立与评估：基于数据挖掘和分析结果，建立相应的模型，并进行模型评估和优化，确保模型的准确性和实用性。
6. 开发与测试：根据需求分析、架构设计和界面设计的结果，进行系统开发和测试，确保系统能够正常运行并满足用户需求。
基于数据分析的智能商业智能决策支持研究
基于数据分析的智能商业智能决策支持研究第一章：引言1.1 研究背景商业智能（Business Intelligence，简称BI）是指利用数据分析工具和技术，将组织内部和外部的各种数据转化为有价值的信息，以支持企业的决策和战略制定。
随着大数据时代的到来，商业智能的重要性日益凸显。
然而，传统的商业智能系统往往只能提供静态的报表和分析结果，缺乏对数据的深度挖掘和智能化决策支持能力。
1.2 研究目的和意义本研究的目的是基于数据分析技术，构建智能商业智能决策支持系统，提供更加准确、及时和智能的决策支持能力，以帮助企业实现效益最大化。
本研究将运用机器学习、数据挖掘等相关技术，挖掘隐藏在海量数据中的规律和潜在价值，为决策者提供全面、准确的数据分析结果，从而支持更加科学、精准的决策制定。
第二章：相关技术和方法2.1 商业智能技术商业智能技术是指将数据转化为有用信息的一系列技术和方法。
其中包括数据仓库和数据集成技术、数据挖掘和机器学习技术、数据可视化和报表技术等。
这些技术和方法相互结合，能够实现对数据的全面分析和深度挖掘。
2.2 数据分析方法数据分析是商业智能的核心环节，包括数据预处理、特征提取、模型构建和结果评估等过程。
常用的数据分析方法有聚类分析、关联规则挖掘、分类和预测、时间序列分析等。
这些方法可以帮助企业发现数据中的规律和趋势，为决策提供有力支持。
第三章：智能商业智能决策支持系统设计与实现3.1 系统需求分析在设计智能商业智能决策支持系统之前，首先需要对系统的需求进行详细分析。
根据企业的具体情况和决策需求，确定系统的功能模块和数据源。
3.2 系统架构设计基于需求分析结果，设计系统的架构。
系统应包括数据采集和预处理模块、数据分析和挖掘模块、决策支持模块和用户界面模块。
其中，数据采集和预处理模块用于收集和清洗数据，数据分析和挖掘模块用于对数据进行深度挖掘和分析，决策支持模块用于提供智能化的决策支持，用户界面模块用于展示分析结果和交互操作。
油气运输中的智能决策支持研究
油气运输中的智能决策支持研究在当今能源需求不断增长的背景下，油气运输作为能源供应链中的关键环节，其高效性、安全性和可靠性至关重要。
智能决策支持系统的出现为油气运输领域带来了新的机遇和挑战。
本文将深入探讨油气运输中智能决策支持的相关研究，旨在揭示其在优化运输流程、降低成本、保障安全等方面的重要作用。
一、油气运输的特点与挑战油气运输具有距离长、运输量大、环境复杂等特点。
无论是通过管道、油轮还是油罐车等方式进行运输，都需要面对一系列的挑战。
首先，运输过程中的安全风险是不容忽视的。
油气属于易燃易爆物质，一旦发生泄漏或事故，将造成严重的人员伤亡和环境污染。
因此，如何确保运输过程中的安全监控和应急响应是至关重要的。
其次，运输成本也是一个关键问题。
包括能源消耗、设备维护、人力成本等，都直接影响着企业的经济效益。
优化运输路线、提高运输效率，以降低成本是企业追求的目标。
再者，油气运输还需要应对复杂多变的市场需求和供应情况。
及时调整运输计划，以满足不同地区和客户的需求，是保障能源供应稳定的重要环节。
二、智能决策支持系统的构成与功能智能决策支持系统通常由数据采集与处理模块、模型库与算法模块、决策分析模块和用户界面模块等组成。
数据采集与处理模块负责收集来自各个环节的大量数据，如运输设备的运行状态、油气的流量和压力、地理位置信息等，并进行清洗、整合和分析，为后续的决策提供数据支持。
模型库与算法模块包含了各种数学模型和优化算法，如运输路径规划模型、库存管理模型、风险评估模型等。
通过运用这些模型和算法，可以对运输过程进行模拟和优化，提供最佳的决策方案。
决策分析模块则根据模型计算的结果和实际情况，对不同的决策方案进行评估和比较，为决策者提供清晰、直观的决策依据。
用户界面模块则是决策者与系统进行交互的窗口，通过友好的界面展示数据和决策结果，方便决策者进行操作和管理。
三、智能决策支持在油气运输中的应用1、运输路径优化通过对地理信息、交通状况、运输成本等多因素的综合分析，智能决策支持系统可以为油气运输规划出最优的运输路径。
企业智能化决策支持系统的构建研究
企业智能化决策支持系统的构建研究随着信息技术的迅猛发展，企业面临着日益复杂和多变的市场环境，决策的质量直接影响着企业的竞争力和发展。
为了提高决策的准确性和效率，企业智能化决策支持系统成为了解决方案。
本文将探讨企业智能化决策支持系统的构建研究。
一、智能化决策支持系统的概念和优势智能化决策支持系统是指利用先进的信息技术和计算机科学方法，对企业决策过程进行模拟和辅助的系统。
它能够从大量的数据中提取有价值的信息，并运用机器学习、数据挖掘等技术进行分析和预测，帮助企业管理者做出准确的决策。
智能化决策支持系统的优势在于：1. 提供实时的数据和情报，帮助管理者全面了解企业的运营状况和市场动态；2. 基于数据分析和模拟技术，提供多种可能的决策方案，并预测其影响和结果；3. 可以辅助管理者进行决策风险的评估和管理，并提供多种决策策略的比较；4. 可以自动化执行决策，并对决策结果进行监控和评估，及时调整和优化决策。
二、企业智能化决策支持系统的构建要素要构建一套高效的企业智能化决策支持系统，需考虑以下要素：1. 数据采集与整合：建立一个全面、准确的企业数据系统，将各个业务环节的数据进行采集、整合和清洗，以保证数据的质量和可用性。
2. 数据分析与挖掘：利用机器学习、数据挖掘等技术对企业数据进行分析，挖掘其中的关键信息和规律，为决策提供依据和建议。
3. 决策建模与模拟：建立决策模型，将企业的各种参数、指标和变量纳入考虑，进行模拟和预测，为决策提供多种可能的方案和结果。
4. 决策评估与优化：对不同决策方案进行评估和比较，通过评估指标和方法，找出最优的决策策略，并为决策提供风险管理和优化建议。
5. 决策执行与监控：将决策结果自动化执行，并进行实时的监控和评估，及时发现并调整决策的偏差，并进行追踪和记录。
三、企业智能化决策支持系统的应用案例企业智能化决策支持系统已经在各个行业得到了广泛的应用。
以下是一些成功的应用案例：1. 零售行业：通过分析顾客行为和消费习惯的数据，帮助企业确定促销策略和产品定价，提高销售额和客户满意度。
数据驱动的智能决策支持系统研究
数据驱动的智能决策支持系统研究随着信息技术的快速发展和大数据时代的到来，数据驱动的智能决策支持系统成为各行各业不可或缺的重要工具。
这种系统依托于大数据分析的能力，能够对复杂的问题进行深入的挖掘和分析，从而帮助企业和组织做出更明智的决策。
一、数据驱动的智能决策支持系统的定义和特点数据驱动的智能决策支持系统是一种基于数据分析和挖掘的决策支持系统。
它通过采集和整理大量的数据，运用数据分析和挖掘技术，从中发现规律、发现问题，为决策者提供准确、可靠的数据分析结果和决策建议。
与传统的决策支持系统相比，数据驱动的智能决策支持系统有以下几个特点：1. 大数据分析能力：数据驱动的智能决策支持系统可以处理大规模、多种类、高维度的数据，能够深入挖掘数据背后的价值和规律，为决策提供更全面、更准确的支持。
2. 实时性和及时性：数据驱动的智能决策支持系统具备实时、及时的数据分析和决策支持能力，可以对最新的数据进行分析和挖掘，并及时向决策者提供决策支持。
3. 智能化的决策支持：数据驱动的智能决策支持系统不仅具备强大的数据分析能力，还能通过运用人工智能和机器学习等技术，对复杂的问题进行智能化的决策支持，从而帮助决策者做出更加理性、准确的决策。
二、数据驱动的智能决策支持系统的应用领域数据驱动的智能决策支持系统广泛应用于各行各业，帮助企业和组织提高工作效率、优化决策结果。
以下是几个典型的应用领域：1. 金融行业：数据驱动的智能决策支持系统在金融行业中应用广泛，可以用于风险评估、投资决策、信用评分等方面。
通过对大量的金融数据进行分析和挖掘，帮助金融机构预测市场趋势，降低风险，提高投资回报率。
2. 零售行业：数据驱动的智能决策支持系统在零售行业中可以应用于销售预测、库存管理、市场定位等方面。
通过对消费者行为数据的分析和挖掘，帮助零售商了解客户需求，优化产品组合，提高销售和客户满意度。
3. 医疗行业：在医疗行业中，数据驱动的智能决策支持系统可以应用于疾病诊断、药物研发、医疗资源分配等方面。
人工智能技术在决策支持系统中的应用研究
人工智能技术在决策支持系统中的应用研究一、引言随着信息技术的飞速发展，决策支持系统在管理领域中发挥着越来越重要的作用。
而人工智能技术作为一种强大的工具，为决策支持系统的发展提供了新的解决方案。
本文旨在探讨人工智能技术在决策支持系统中的应用研究，并分析其对决策过程的影响。
二、决策支持系统概述决策支持系统是一种通过运用信息技术和数学模型来帮助决策者做出决策的工具。
它能够收集、处理和分析大量的数据，并根据事先设定的规则和模型，提供决策者所需要的信息。
决策支持系统的主要目标是帮助决策者做出正确、高效、准确的决策。
三、人工智能技术在决策支持系统中的应用1. 专家系统专家系统是一种基于知识库的计算机程序，它能够模拟人类专家的决策过程。
专家系统通过采用规则和推理算法，将专家领域的知识和经验储存在系统中，实现对决策问题的分析与解决。
专家系统在决策支持系统中的应用可以帮助决策者更快速、精确地做出决策。
2. 数据挖掘数据挖掘是从大量的数据中发现隐含的信息和规律的过程。
在决策支持系统中，数据挖掘技术可以帮助决策者对各类数据进行分析和预测。
通过挖掘数据中的模式和趋势，决策者能够更好地理解问题的本质，并做出更为准确的决策。
3. 自然语言处理自然语言处理是指让计算机能够理解和处理自然语言的能力。
在决策支持系统中，自然语言处理技术能够将大量的文本数据进行结构化和分析，提取出信息并生成可用的数据。
决策者可以通过自然语言处理技术更加方便地获取和理解信息，从而做出更明智的决策。
四、人工智能技术对决策过程的影响1. 提高决策效率人工智能技术可以自动化地处理和分析大量的数据，为决策者提供准确有用的信息。
这样，决策者可以更快速地获取决策所需的数据，从而减少了决策过程的时间成本，提高了决策效率。
2. 提升决策质量人工智能技术可以通过挖掘数据中的隐藏模式和趋势，提供决策者更为准确的决策依据。
通过分析大量的数据，决策者可以更全面地了解问题的本质，并做出更为理性和合理的决策，提升决策质量。
人工智能在决策支持系统中的应用研究
人工智能在决策支持系统中的应用研究第一章引言人工智能（Artificial Intelligence，简称AI）作为一门研究领域，已经在各个行业得到了广泛的应用。
其中，在决策支持系统（Decision Support System，简称DSS）领域，人工智能的应用也日益重要。
本文将对人工智能在决策支持系统中的应用进行研究和探讨。
第二章决策支持系统的概述决策支持系统是一种帮助决策者进行决策的系统。
它通过收集、整理、分析和展示数据信息，为决策者提供决策所需的支持和辅助。
决策支持系统的主要目标是提供决策者需要的知识和信息，以增强决策的效果和效率。
第三章人工智能在决策分析中的应用人工智能在决策分析中的应用是决策支持系统中的一个重要方面。
人工智能技术可以收集大量的数据，并通过机器学习和数据挖掘等方法进行分析和提取有用的信息。
通过分析这些数据，人工智能可以为决策者提供准确的决策建议，并帮助决策者制定有效的战略和计划。
在决策分析中，人工智能的应用还包括模拟和优化。
人工智能可以建立模型来模拟不同的决策结果，并评估每种决策的风险和回报。
同时，人工智能还可以通过优化算法，寻找最佳的决策方案，从而达到最优的决策结果。
第四章人工智能在决策支持系统中的专家系统应用专家系统是一种将人工智能技术应用于决策支持系统的重要手段。
专家系统可以通过学习和推理的方式，模拟专家的知识和经验，提供对决策的支持和指导。
专家系统在决策支持系统中的应用可以分为两个方面。
一方面，专家系统可以帮助决策者提供有关决策的知识和信息。
通过分析专家的决策过程和决策思路，专家系统可以为决策者提供有针对性的建议和指导。
另一方面，专家系统还可以通过学习和演化的方式，不断提升自身的决策能力，并适应不同的决策环境。
第五章人工智能在决策支持系统中的智能搜索应用智能搜索是人工智能在决策支持系统中的又一个重要应用。
智能搜索可以通过分析和处理大量的数据信息，为决策者提供全面、准确的搜索结果。
- 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)。
田2敲据仓库体最结棉囤
在数据仓库系统中,联机分析处理和数据挖掘具有相当重
要的地位.联机分析处理(On—Line Analytical Processing,O—
LAP)是一种针对特定问题的验证型分析工具,它是专门设计
用于支持复杂的分析操作的新兴软件技术,它侧重于对决策人
员和高层管理人员的决策支持,可以应分析人员要求快速,灵
它主要基于AI,机器学习,统计学等技术,高度自动化的分析 原有的数据,作出归纳性的推理,从中挖掘出潜在的模式,援铡 客体的行为.帮助主体决策.敷据挖掘的主要方法:关联分析, 序列模式分析,分类分析.聚类分析.图3为数据挖掘系统结
�
作者筒介:于学强(1975一).男.应用2003.增刊
7
④A.的存储转发模块收到信息后,转发给Au.
(3)A..以OOB模式发出与Btt的连接.
由于ADSL即非对称用户线的上行及下行传输速率是不
相同的.中国电信现使用的ADSL上行速率为128kbps.下行传 输速率512kbps;由于上行速率造成了通信的瓶颈.使得上述 系统的传输比较慢.不过中国电信正大力发展ADSL业务,而 且速率的提升也非技术广口j题,只需中国电信对速率进行重新设 置,上行速率就能达到512K,下行速率将可达到8M.加之其它
Yu Xueqiang
System
(R&D Center,Beijing New Building Materials Co.,Ltd,Beijing 100096)
Abstract:Based
strueture
oi.i
the introduction of IDSS
and facing the development of Data prospected.
弛圆表示辨数据
j
e]表示关系型数据
撤据仓生.—詹
L -高廑综合级 9轻度综台级 p当前细节级 '早期细节级
数据仓库数据库文件系统其他戤据系统
围3
DM系统的三级结构
4展望IDSS前景
计算机,网络通讯及多媒体技术的发展为IDSS提供了硬 件基础,使其能向分布,分层,并行的三层结构发展.随人工智 能技术的深入研究.数据仓库技术的进一步完善,知识获取瓶 颈的突破,新一代会学习,善分析,易操作的IDSS必在不久的 将来服务于大众,它的产生过程就如同蒸汽机发明之后,纺织
发展方向,具有很强的生命力.
D S S
2
IDSS的基本框架
美国学者Hill蛤智能决策支持系统提出了一个框架,至今
笔者依然认为它的内容是较全面的,见图1. 图中虚线以上的部分是传统的DSS,它由数据库,模型库 和用户接口三大部件组成,虚线眦下是智能决策支持系统
IDSS,各个部件有不同的用途. 田1智能决策支持系镜框架
2002;22(10)
3.张量,詹国华,袁贞明.计算机远程控制的实现与应用u】计算机应用.
2002;22(4)
4.(美)Anthony Jones,Jim Ohlund.Windows网络编程技术[MI机械工业 出版社.2000-03
5.包洪洋.王勇.范植华.WMIS的网络安全解决方案【Jl卅算机工程与
3基于数据仓库的IDSS
决策需要全面的,大量的信息,并且很多信息要从分布,异 构的海量数据中挖掘而得,传统的基于事务处理的数龌库难以 满足这一要求.数据仓库的出现,给1DSS的数据提取创造了很 好的条件.数据仓库(Date Warehouse.DW)就是一个用以更好 地支持企业或组织的决策分析处理的,面向主题的,集成的,不 可更新的,随时间不断变化的数据集合DI.它可将来自各个数据 库的信息进行集成.从事物的历史和发展的角度来组织和存储 数据,供用户进行数据分析,并辅助决策支持,为决策者提供有
话地进行大教据量的复杂查询处理.并以一种直观易懂的形式 显示结果.数据挖掘(Data Mining,DM)是一种决策支持过程,
参考文献
1.王永庆人工智能原理与方法[MI.西安变通大学出版社,1998-05 2.薛华成主编.管理信息系统【M1.第三版,清华太学出版社,1999-05 3.王珊等.数据仓库技术与联机分析扯理IM】淬}学出版社,1998—06 4.俞目燕,赖朝安,郏时雄等面向现代制造领域的决策支持系统研究Ⅱl 现代制造工程,2001;11:16_18 计算机工程与应用2003.增刊49
(下转49页)
数据库系统由数据库及其管理系统组成,它为决策提供了 数据能力或资料能力.模型库是给央策提供分析能力的部件.
模型能力的定义是转化非结构化问题为结构化问题的程度日.
只有把模型能力加入到传统信息系统中,才能将传统的信息系 统变成真正的央策支持系统.用户接口是人和智髓奂策支持系 统的接口.人的任何意图,系统的任何支持都要通过它才能最 终实现.深度知识指的是较为基础的知识,也就是关于知识的 知识.基本决策和信息价值的深度知识库是核心部分,它应当 包括决策的最基本的规律的知识,这种知识可能是一种常识.
⑤若A1J要与B.:建立连接,则通过步骤3建立与Bn的连 接(B.的具体过程如图3).
^网
大的便捷及经济利益.
}
6结论
(上接7页)
最
B网 固3
参考文献
1梁志龙,张志浩.WinGate代理Il艮务器的工作原理及应用矾.计算机应 用研究,2001;(10) 2.伍卫民,吴和生,蔡圣闻等一种安全高效的透明代理田.计算机应用,
应用.2002;38(增刊)
构图.
用的决策支持信息与知识.数据仓库技术不是一种单一的技术 或软件,它融合了数据库理论,统计学,数据可视化和人工智能 技术等多项研究领域.在大量数据中发现有价值的知识,用于
决策支持和预测未来".数据仓库(DW),数据仓库管理系统
(DWMS)和数据仓库工具共同构成数据仓库系统,其结构见图2.
Warehouse,the paper discusses the
and the Data
Management of IDSS.At last,the development is
Keywords:IDSS,Data
Warehouse,Data Mining,Expert system
l引言
由于决策本身的复杂性和动态性.决策所需信息的不足, 传统的决策支持系统(Decision
智能决策支持系统研究
于学强
(北新建材技术中《,北京100096)
E—malhyxq96@
摘要在时IDSS发展概速的基础上,论文姑寺当代教据仓库技术.研究了IDSS的系统框架,扳据管理,最后展望其发 展方向. 关键词智能捷革支持系统数据仓库数据挖掘专家系统
Research
on
the Intelligent Decision Support
xDIS技术的使用.代理服务器技术的应用将会给企业带来巨
①A.的存储转发模块接收到请求后,以OOB模式转发
给B,.
②B.的存储转发模块接收到请求后.以内网私有IP向BlI 发出连接请求.与之建立莲接,并向A.返回连接成功信息. ③A.的存储转发模块收到信息后,转发给A¨.
(孙,.可以通过两个代理服务器的转发与Bt.相互通信了.
Suppoa
OR/MS深度知识库是关于如何使用OR(运筹学)和MS(管理 科学)模型的知识.多域的专业深度知识库包括了使用数据的 知识.学习和知识获取的深度知识库的主要作用是使图1中的 1框的功能得以实现,由它指导如何获取信息,并不断学习积 累获取的信息经验,以修改3,4框的知识.
传 统
D S S
System.DSS)对非结构
化决策支持的突破甚少.随着计箅机硬件技术,网络技术和多 媒体技术的飞速发展,人们开始了对智能决策支持系统(Intel-
ligent Decision Support
System.IDSS)的研究,笔者认为只有当
系统具有一定智能时,它才能对决策支持做出更大的贡献. 智能决策支持系统是在加世纪80年代提出来的.它是央 策支持系统与人工智能技术.特别是专家系统相结合的产物, 它既充分发挥了专家系统中知识及知识处理的特长,又充分发 挥了传统决策支持系统中数值分析的优势,既可以进行定量分 析,又可以进行定性分析.能有效地解决半结构化及非结构化 问题,这就扩大了决策支持系统的应用范围,提高了系统求解 问题的能力Ⅲ.目前.智能决策支持系统已成为决策支持系统的