决策支持系统发展综述精编
决策支持系统发展综述精编Document number：WTT-LKK-GBB-08921-EIGG-22986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。
智能决策支持系统（Intelligent Decision Support Systems，简称IDSS）是决策支持系统（Decision Support Systems，简称DSS）与人工智能（Artificial Intelligence，简称AI）相结合的产物，它将人工智能中的知识表示与处理的思想引入到DSS，其独特的研究方法和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。
智能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智能型人机交互信息系统。
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。
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1.1DSS的产生背景电子数据处理EDP（Electronic Data Processing）：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（Management Information Systems）：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。
决策支持系统DSS（Decision Support Systems）：70年代中期Keen和Scott Morton在《管理决策系统》（1971）一书中提出。
目标：对管理者做决策提供技术支持。
背景：运筹学模型发展已经比较完善，多目标决策分析突破了单一效用理论的框架，计算机软、硬件及网络技术的迅猛发展，人工智能特别是知识处理技术的发展，数据库技术、图形显示技术、各类工具软件的发展与完善，构成了DSS形成与发展的技术基础。
1.2DSS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。
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（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。
1.4DSS与相关技术的关系（1）决策与预测的关系决策：创造未来，基于预测，实现将来一个目标。
预测：预言未来，基于分析、研究、仿真、实验。
例如：灾害预测与防灾决策、日常预测与决策、经营预测与决策、宏观预测与决策、贯序预测与决策、为重大决策作预备性研究等。
（2）DSS与MS/OR的关系MS：处理结构化问题，运用分析的观点。
OR：处理结构化问题，研究对象主要集中在数学规划、决策论、对策论等理论和方法上。
DSS：处理战略、规划等半结构化和非结构化一类的决策问题。
（3）DSS与MIS的关系MIS：收集、传递、存储、加工处理各种信息，监测运营数据，利用历史数据预测未来，用指定的数学方法分析数据，提供全面数据和分析报告。
面向管理人员，提供低层次的决策支持。
DSS：面向决策者，提供适当的决策支持，是MIS的高级阶段。
（4）DSS与ES的关系IDSS = DSS + ESES：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。
二、DSS的基本概念2.1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。
2.2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。
2.3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。
三、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。
3．1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3．2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3．3模型库系统模型——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。
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。
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。
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。
决策支持系统的发展与趋势
决策支持系统的发展与趋势作者：戴艳丽来源：《电脑知识与技术》2013年第29期摘要：DSS是当前信息系统研究的最新发展阶段，DSS的各类研究成果为各级各类决策提供了科学的方法和依据，因此DSS成为软科学中的一个重要分支。
决策支持系统是现代化管理的重要手段，数据挖掘、数据仓库、联机分析处理又是它的三个主要技术，DSS将以一门新的学科，伴随着社会的进步而产生更大的发展与进步。
关键词：决策支持系统；数据仓库；数据挖掘；联机分析处理中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2013）29-6486-03大家都知道，目前我们的社会有两大特性：第一是信息技术突飞猛进的发展，第二是世界经济的一体化。
假如要在这个竟争激烈的社会里站稳脚步，就需要对这个快速发展的社会做出正确的判断与抉择。
决策定支持系统，简称DSS（Decision Support System），它可以利用人机对话等很多方法供给人们定量和定性相互结合的环境，它具有创造性、主动性、知识性和信息处理能力相结合的特点。
DSS可以帮组人们做很多事情，比如说，预测和优先，进行评价，探索决策方法等。
DSS是一种非常科学的工具，它也是信息研究的崭新阶段。
1 关于决策支持决策支持系统是当今计算机的前沿应用，决策支持系统的应用使得计算机技术得到了很大的创新，使得生产力的管理得到了提高。
决策支持系统涉及到很多的知识内容，比如说，高性能的计算、数据的可视化、统计学科、运筹学科等。
在数据处理方面，最大的难度就是对信息处理的不完全和不规范化。
而且这些数据有时会有一些不肯定的性质，使得人们很难做出判断，决策支持系统就必须对很多数据进行深入的详细的了解和分析，然后进行推测。
所以在数据库的应用中人们要对这些不完全、不规范、不确定的信息进行决策，数据的统计处理是决策支持很重要的成部分。
2 数据仓库DW数据仓库是一门崭新的技术，数据仓库可以把零散的、很多的、具体的、决策分析必要的一些数据进行清洗、转换、综合。
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》课程讲稿
《决策支持系统》课程讲稿第一篇：《决策支持系统》课程讲稿决策支持系统课前导入第一章决策支持系统概述第一节决策支持系统的形成和发展决策支持系统（DSS）是20世纪70年代初由美国的Scott Morton在《管理决策系统》中首先提出，于20世纪80年代迅速发展起来。
λ管理信息系统λ管理科学/运筹学λ决策支持系统管理科学与运筹学是运用模型辅助决策，体现在单模型辅助决策上，这样以来，对于多模型辅助决策问题，在决策支持系统出现之前要靠人来实现模型间的联合和协调。
决策支持系统的出现要解决由计算机自动组织和协调多模型的运行以及数据库中大量数据的存取及处理，达到更高层次的辅助决策能力。
决策支持系统具有以下6个特性：①用定量方式辅助决策，而不是代替决策②使用大量的数据和多个模型③支持决策制定过程④为多个管理层次上的用户提供决策支持⑤能支持相互独立的决策和相互依赖的决策⑥用于半结构化决策领域λ专家系统专家系统也是一种很有效的辅助决策系统。
它是利用专家的知识，特别是经验知识经过推理得出辅助决策结论，专家系统辅助决策的方式属于定性分析。
λ智能决策支持系统智能决策支持系统是以决策支持系统为主体，结合人工智能技术形成的系统。
除专家系统这种典型的人工智能技术以外，还有神经网络、机器学习、遗传算法以及自然语言理解等多种人工智能技术。
λ经理信息系统λ决策支持系统的发展决策支持系统的技术进步经历以下四个阶段：①单模型辅助决策②交互建模的DSS ③组合模型的DSS ④智能的DSS 第二节决策支持系统概念R.H.Spraque和E.D.Carlson对DSS的定义：ν决策支持系统具有交互式计算机系统的特征，帮助决策者利用数据和模型去解决半结构化问题。
S.S.Mittra对DSS的定义：ν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。
DSS是在MIS的基础上发展起来的，都是以数据库系统为基础，都需要进行数据处理，也都能在不同程度上为用户提供辅助决策信息。
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。
决策支持系统论文
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。
决策支持系统发展综述
人工智能
将人工智能技术用于治理决策是一项开拓性工作。 当前研究的IDSS确 实是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， 完成咨询题的推理和运行，为用户提供智能的交互式接口。
人工智能技术作为运算机应用研究的前沿，近十年取得了惊人的进展， 出现了光明的前景。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，取得了许多有用化的成果。当今世界上差不多有上千个专家系统，应 用于医疗、诊断、探矿、军事、调度、质谱分析、运算机配置、辅助教育 等各种领域，并已开始涉足财务分析、打算治理、工程评估、法律咨询等 治理决策领域。
DSS与有关技术的关系 决策与推测的关系 决策：制造以后，基于推测，实现今后一个目标。 推测：预言以后，基于分析、研究、仿真、实验。 例如：灾难推测与防灾决策、日常推测与决策、经营推测与决策、宏 观推测与决策、贯序推测与决策、为重大决策作预备性研究等。
DSS与MS/OR的关系
MS：处理结构化咨询题，运用分析的观点。
决策支持系统发展综述
空军工程大学导弹学院 雷英杰
运算机是当代进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，大大提升了社会生产力，引起了经济结构、社 会结构和生活方式的深刻变化和变革。运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 进展。运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 向更宽敞的领域进展。
DSS和ES：处于不同的学科范畴，有着不同的解决咨询题的方法。D
SS要紧运用数据和模型，ES要紧运用知识和推理。在治理科学领域，一个 是方兴未艾，一个是后起之秀，各有特色。然而它们的互相结合和互相渗 透，将会把运算机用于决策支持技术推向一个新的高度。
浅析决策支持系统的产生和发展
浅析决策支持系统的产生和发展作者：陈维娜来源：《中外企业家·下半月》 2011年第6期陈维娜（河南质量工程职业学院，河南平顶山 467000）摘要：决策支持系统是一个融多学科知识和技术的人机交互系统。
本文阐述了分阶段阐述了决策支持系统的产生，总结归纳了决策支持系统的类型，并就决策支持系统的发展趋势作了简述。
关键词：决策支持系统；产生；类型；发展趋势中图分类号：C934文献标识码：A文章编号：1000-8772（2011）12-0006-02一、决策支持系统的产生决策支持系统（DecisionSupportSystem，DSS）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。
决策支持系统的产生经历了以下几个阶段：1.电子数据处理（ElectronicDataProcessing，EDP）上世纪50年代，电子计算机被应用于管理领域，已开始人们为实现办公室自动化用用电子计算机进行数据处理和编制报表等，通常把这一类系统所涉及的技术称作电子数据处理（EDP）。
EDP的主要特征是系统以报表方式驱动，其目的是把人们从烦琐的事务处理中解脱出来，提高工作效率。
EDP的主要缺点是：仅局限于具体信息处理，不共享，不考虑整体或部门情况。
2.管理信息系统（ManagementInformationSystem，MIS）20世纪60年代中期，随着计算机技术、网络技术和数据库技术的发展，对计算机系统与其他各种任务及各种因素的协调与配合方面有了新的要求，在这样的背景下，管理信息系统（MIS）应运而生。
管理信息系统的产生使得信息处理技术进入了一个新的阶段，并获得迅速发展。
管理信息系统是一个由人、计算机等组成的、能进行管理信息的收集、传递、储存、加工、维护和使用的系统。
决策支持系统介绍及案例分析
01
决策支持系统的技 术实现
决策支持系统的技术实现
• 请输入您的内容
01
决策支持系统案例 分析
案例一：金融风险评估决策支持系统
总结词
利用大数据和人工智能技术，对金融市场和机构的风险进行实时监测和评估，为决策者提供数据支持和预测分析 。
详细描述
该系统通过收集和处理大量金融数据，运用机器学习和统计分析方法，对市场风险、信用风险、操作风险等进行 评估，帮助金融机构及时发现潜在风险，制定相应的风险控制策略。
模型构建与仿真
模型构建
决策支持系统可以使用各种数学模型 和算法来处理和分析数据，例如线性 回归模型、决策树、神经网络等。这 些模型可以根据业务需求进行选择和 调整。
仿真与优化
通过模拟不同的决策场景，决策支持 系统可以帮助用户评估不同方案的效 果和优劣。这有助于用户做出更科学 、更合理的决策。
决策建议与优化
数据分析与挖掘
描述性分析
通过统计和可视化方法，描述性分析可以提供数据的总体 特征和趋势。例如，计算平均值、中位数、众数等，以及 制作直方图、散点图等。
预测性分析
预测性分析使用统计模型和机器学习方法来预测未来的趋 势和结果。例如，通过分析历史销售数据来预测未来的销 售量。
探索性分析
探索性分析旨在发现数据中的隐藏模式和关联。例如，通 过关联规则挖掘来发现商品之间的关联关系，或者通过聚 类分析来将客户分成不同的群体。
决策建议
基于数据分析、模型预测和仿真结果，决策支持系统可以提供具体的决策建议， 帮助用户做出更好的决策。这些建议可以涉及不同的领域，如市场营销、财务规 划、供应链管理等。
优化
决策支持系统还可以通过各种优化算法来寻找最优解或近似最优解。例如，线性 规划可以用于资源分配和成本控制，遗传算法可以用于寻找复杂问题的解决方案 。