决策支持系统理论综述
决策支持系统概述
决策支持系统概述决策支持系统（DSS）是一种帮助管理者做出决策的信息系统。
它集成了数据收集、数据分析、模型构建和解决方案评估等技术工具，以提供定性和定量的决策支持。
DSS的目标是通过使管理者能够更好地评估和选择各种决策方案来提高决策质量和效率。
决策支持系统的基本构成包括数据仓库、模型和分析工具以及用户接口。
数据仓库用于存储和管理各种关键数据，包括历史数据、实时数据和外部数据等。
模型和分析工具提供了各种算法和方法，如统计分析、优化模型、模拟和决策树等，用于分析数据并生成决策结果。
用户接口是管理者与DSS交互的方式，可以是图形用户界面、自然语言处理或者其他形式。
1.数据分析：决策支持系统能够从数据仓库中提取数据，并通过各种分析工具对数据进行定性和定量的分析。
这些分析可以帮助管理者了解当前的业务情况和趋势，从而作出合适的决策。
2.模型构建：决策支持系统能够根据具体的问题和需求构建各种模型。
这些模型可以是统计模型、优化模型、模拟模型等，通过运行模型可以产生各种方案，并对不同方案进行评估。
3.解决方案评估：决策支持系统能够对各种决策方案进行评估和比较。
它可以根据不同的指标和权重对方案进行综合评估，并为管理者提供决策参考。
4.知识管理：决策支持系统可以帮助管理者收集和管理各种关键知识和信息。
它可以通过知识库、专家系统和数据挖掘等技术，将知识和经验转化为可用的决策支持。
5.沟通和协作：决策支持系统可以提供各种协作工具，帮助多个决策者之间进行沟通和协作。
这些工具可以包括电子邮件、在线会议和共享文档等，以促进团队决策的效率和准确性。
使用决策支持系统可以带来许多好处。
首先，它可以提高决策的质量和效率，通过提供准确和全面的信息，帮助管理者做出明智的决策。
其次，它可以降低决策的风险，通过模拟和评估不同的方案，管理者可以更好地估计每个方案的风险和回报。
最后，它可以提高组织的竞争力，通过加强决策者之间的沟通和协作，决策支持系统可以促进团队决策的效率和准确性，从而提高组织的整体竞争力。
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。
决策支持系统概述.ppt
（1）.决策系统——核心 （2）.参谋（智囊）系统 （3）.信息系统 （4）.执行系统 （5）.监督系统
执行系统
决
监督系统
策
系
统
参谋系统
信息系统 图1－1:决策体系结构图
三.决策的分类
可利用计算机 程序来实现
非结构化问题
半结构化问题
少见，有创造性和 介于前二者之间 直观性
不具备已知求解方 有多个问题求解的方法， 法或存在若干求解 通过人为干预可比较容易 方法而所得的答案 确定答案 不一致
难以编制程序
问题求解过程的一些阶段 可以利用程发生作用的消息、
❖ 管理科学/运筹学
面对复杂问题时，难以实现模型 的组合和交互，辅助决策的有 效性降低。
DSS产生
二、DSS的发展
1.20世纪70年代末，初阶段的DSS 2.20世纪80年代初，Sprague提出三部件结构的
DSS，Bonczak等提出三系统结构的DSS
3.20世纪80年代后期，专家系统与DSS结合，产
➢ 重点：西蒙的结构化分类。
➢ 决策问题的结构化程度：是指对决策问题的决策过 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 予清晰的说明或描述。
➢ 问题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 解题中所需的计算量的多少
结构化问题 常规的，可重 复的， 每个问题仅有 一个求解方法
情报和知识的总称。 ➢数据 信息 知识 智慧 ➢外部信息与内部信息 ➢描述性信息与控制性信息
五.决策支持
决策支持系统理论与方法研究综述_陈曦
第21卷第9期V ol.21N o.9 控 制 与 决 策Control and Decision 2006年9月Sep.2006 收稿日期:2005-01-24;修回日期:2006-01-05. 基金项目:国家十五国防预研基金项目(413040501);武器装备预研基金项目(51404010103BQ 02). 作者简介:陈曦(1977—),男,江苏南通人,博士生,从事网络技术、决策支持系统技术等研究;王执铨(1939—),男,武汉人,教授,博士生导师,从事大系统的理论与应用、优化控制等研究. 文章编号:1001-0920(2006)09-0961-08决策支持系统理论与方法研究综述陈 曦,王执铨(南京理工大学自动化学院,南京210094)摘 要:针对经典决策支持系统理论与实际决策问题之间存在鸿沟,难以对复杂环境和复杂问题进行有效的决策支持和求解的缺陷,指出当前实际决策支持理论和方法存在的一些问题和需要考虑的各种因素,列举了主要的决策支持系统的方法和典型应用,并指出各种方法的优缺点.在与综合集成型决策支持系统进行比较后,提出只有构建综合集成型决策支持系统才能有效地解决复杂问题的决策支持.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:复杂问题;决策支持系统;综合集成型决策支持系统中图分类号:T P393;T P 391 文献标识码:AOverview of Theory and Methods of Decision Support SystemsCH EN X i ,W A N G Zhi -quan(Scho ol o f A uto mation ,N anjing U niver sity of Science and T echno log y ,N anjing 210094,China .Co rr espo ndent :CHEN Xi,E-mail:do ctor -chan@)Abstract :T o t he ex istence of the g ap betw een classical decisio n suppo rt system (D SS )and pr actical decisio n-making pr oblems ,especially for com plex decision -making pr oblems ,w hich ar e difficult to solve by using g ener al decision -making m et hods,so me exist ing pro blems and factor s t o be addr essed in handling pr actical decisio n-making pr oblem s are specified.V ar io us metho ds fo r so lv ing decision-making pro blems and some ty pical applicatio n of t hese met hods are list ed ,and their advantag es and disadv antages are also indicated .Based on the compar ison bet ween M eta -sy nthetic DSS (M SDSS )and curr ent DSS ,it pr oposed to esta blish M SDSS to r esolve the complex decisio n -making pr oblems.Fina lly,sev eral future r esea rch trends o f DSS ar e summar ized,and pr oposals fo r t he futur e resear ch wo rk ar e pr esented.Key words :Co mplex pr o blems ;Decision suppor t system ;M eta -sy nthetic decision suppor t system1 引 言 20世纪70年代以来,人们对决策支持系统(DSS )[1]进行了大量的研究,决策支持问题的研究已逐步受到管理科学、经济学、应用数学、工程技术、信息科学等领域的重视[2～5].学者们研究各种决策分析方法,通过多学科的交叉并结合新近发展的人工智能技术、网络技术、通信技术和信息处理技术,解决了一系列具有代表意义的决策支持问题[6～11].决策支持正朝着规范化、科学化的方向发展.决策支持是在管理科学和运筹学的基础上发展起来的,在于运用模型辅助决策[5],早期是单模型决策,随着时代的发展和需要解决问题的逐步复杂,决策所需建立的模型越来越多,同时也无法单纯地依靠人力来解决模型的联合与协调.计算机技术发展起来后,可以实现由计算机自动组织的多模型协调运行和对数据库、模型库进行高效管理,大大提高了辅助决策能力,同时促进了DSS 的形成和发展[12].但是,同样受到计算机技术发展的影响,目前在研究的各类DSS 大都与计算机技术紧密关联,对计算机依赖程度过高,从而产生了很多局限,且不能解决或有效提供对于复杂巨问题[5,13]的决策支持.本文对目前正在研究的各类DSS 进行了分析,DOI ：10.13195/j.cd.2006.09.3.chenx.001论述了各类DSS的优点和不足之处,指出只有建立综合集成型DSS才能有效地解决复杂系统的决策支持问题.2 DSS的起源和发展现状 20世纪70年代初,Scott首先提出DSS的概念,它不同于管理信息系统的数据处理,也不仅仅是模型的数值计算,它是两者的集成,既具备数据处理功能,又具备数值计算功能.Keen对DSS的定义为: DSS是“决策”、“支持”、“系统”三者汇集成一体,通过不断发展的计算机技术建立系统,来逐步扩展支持能力,达到更好的辅助决策.Spraque提出DSS除了对结构化决策提供支持外,同时应当对半结构和非结构决策提供支持,Spraque给出了DSS的一般结构,并指出DSS只能为决策者提供辅助决策的有用信息,但不能制定决策,决策是由人来制定的.早期的DSS受该论断的影响较大,同时由于计算机和相关信息技术的不成熟,在最终的决策支持上,人的影响占主要地位.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[2,6],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[14,15],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[16～19].在新兴的研究领域,如人工智能、各种分布式技术、数据仓库和数据挖掘、联机分析处理[20,21]等技术发展起来后,迅速与DSS相结合,形成了智能决策支持系统(IDSS),分布式决策支持系统(DDSS),基于数据仓库、联机分析处理与数据挖掘的决策支持系统,群/组织决策支持系统(GDSS/ODSS)和智能、交互式、集成化的决策支持系统(I3DSS)等.新技术的运用增强了DSS的效能,提高了决策支持的质量,极大丰富了DSS的信息存取和信息处理手段,同时也使DSS在军事、政府、工程规划、制造等领域受到越来越多的关注.与传统的DSS比较,现有的DSS除了在定量分析支持上有提升外,对于决策中的半结构化和非结构化的问题也提供一定的定性分析支持[22].但是在与信息处理技术和智能技术紧密融合的同时,经典DSS在发展过程中期望将更多的甚至全部的决策工作都由计算机来实现,试图利用DSS的智能和相关的信息技术来替代人的作用并实现最终的决策,但根据目前各种智能技术的发展状况来看,无法完成全部的定性分析支持,更无法处理复杂问题的决策支持[13].复杂问题是指问题所处的环境复杂,涉及范围广,内容多,难以用常规的系统工程方法来解决的问题,如政治系统中的国家安全战略、国家发展战略;经济系统中的宏观经济决策、可持续发展问题;军事领域的武器装备发展战略、作战指挥决策等[13,23].对复杂问题建立决策支持模型很困难,并且对任何复杂系统和复杂问题的分析都不能仅依赖决策系统取代决策者自动完成决策任务.对问题观察而导致的建模,都是对问题的一种近似描述,不具有普适性,同时对问题的观察而建立的模型,要满足可以在计算机上编码和计算的条件,编码的近似又导致对已获得模型的又一次近似,而且人类专家所具备的知识中,有很多只能意会不可言传的经验性知识根本不可能借助于形式化的表达来描述,纳入计算机中的知识只能限于形式上能够符号化的知识,形式化的过程又会使许多有效的信息被筛选掉.很多问题是系统无法自动求解的,尤其是复杂巨系统的问题,在这个方面人的作用是巨大的[24,25].下面综合论述目前具有代表性的几种DSS. 2.1 IDSSIDSS是DSS和人工智能相结合的产物,是DSS 研究的一个热点,初期综合了传统DSS的定量分析技术和专家系统的不确定推理的优势,较原来的DSS能够更加有效地处理半结构化与非结构化问题[26～29],通过专家系统的支持,能够解决决策支持中的部分定性分析问题[30],但是,到目前为止专家系统对定性知识处理能力依旧较弱,尚无法解决很多不确定性分析问题,并且专家系统实际运行时,存在很多不如人意的地方:如专家系统一般采用直接操纵界面,而随着任务复杂性的增加,用户的操纵过程将越来越繁琐,直接影响问题的求解;专家系统一般不是从传感器而是从用户那里获得信息,但是现实中用户常常与专家系统的构建假设不一致,使专家系统无法正确发挥其作用;专家系统解决问题时,为了保证求解问题的有效性,提供了以符号逻辑为基础的严密推理过程,但这些限制使得系统无法处理很多例外情况,降低了系统的适应性,使基于专家系统的智能决策系统适用范围狭窄[17,31～33].由于专家系统的缺点,在人工智能领域Ag ent 技术[34～36]出现并发展后,IDSS逐步与Agent技术结合[37,38].Agent技术在一定程度上确实可以避免专家系统的很多缺点,如Agent通过传感器获取信息,通过传感器和用户一起讨论问题,提供解答或求962 控 制 与 决 策第21卷解的启发性信息,用户可以通过自然Agent身份成为系统的一部分,参与实现系统的功能,Ag ent通过提供一些建议来帮助和补充人类问题求解过程,这些建议无需精确定义,只要用户能清晰提炼即可,再由用户将建议配入问题求解.一个好的建议往往比一个正确的解答更有效,因为前者包含了更多的协作和灵活的内容,Agent之间以协作的方式解决问题有利于系统对问题更加全面的了解.但Agent内部仍然采用专家系统的推理和学习机制来实现其智能性,所以对定性问题、非结构化问题和不确定性问题的支持力度依旧较弱,难以有效地实现复杂问题的决策支持.基于神经网络、遗传算法、自然语言处理等技术的IDSS[28,39～41]在目前发展阶段同样也无法实现复杂问题的有效决策支持.IDSS的研究重点放在模型的自动选择和自动生成以及模型库和知识库的结合运行上,忽视了群体专家的作用,难以有效建立复杂决策问题模型.当然IDSS的研究者也意识到了IDSS存在的缺点,目前的研究倾向于如何提高系统的柔性,从而提高系统的易修改性、适应性和问题求解的灵活性,在一定程度上可以增强系统处理复杂问题的能力.史忠植的课题组研制并完成的“智能决策系统开发平台IDSDP”在这方面作了很多努力. 2.2 DDSSDDSS是对传统集中式DSS的扩展,由多个物理上分离的信息处理节点构成了计算机网络,网络的每个节点至少含有一个DSS或具有若干决策支持功能.DDSS将传统集中式DSS发展为在网络环境下的分布或分布加上并行处理的方式[16,42],这样使DSS支持在网络环境中的决策处理,它以计算机网络通信技术为信息交互基础,通过网络连接的工作平台和分布式数据库、模型库提供的各种格式的数据、信息和工具,支持分布在各地的DSS彼此交互,从而使它们共同地为决策问题提供正确及时的决策支持.DDSS可进一步分为支持Internet和支持Intranet的两种类型,当然两种技术也可综合运用,以满足企业多方面的决策需求[12].已获得应用的系统有:InterAction,Tcbwo rks,BrainWeb等.DDSS的优势在于它通过成熟的网络技术支持庞大的信息库和数据库,较DSS更能处理复杂问题,支持分布的模型库共享,并且可以调用外部决策网所提供的服务.实际应用中,DDSS可划分为若干子系统,每个子系统针对一个专门的领域提供决策支持,这样可以提高系统整体的决策支持能力,同时系统的灵活性和可扩充性也较好.但是与集中式DSS一样,DDSS在系统的决策支持上较大地依赖于定量化的模型、方法等手段来辅助决策,无法有效地处理定性知识和提供对复杂问题的全面决策支持.2.3 基于数据仓库、联机分析处理与数据挖掘的DSS数据仓库、OLAP和数据挖掘等新技术为DSS 开辟了新途径[43～45].传统数据库技术一般以单一的数据库为中心,进行联机事务处理(OLTP)和决策分析,很难满足数据处理多样化的要求.DSS中经常会访问大量的历史数据,而且这种处理以分析为主,与OLTP有很不相同的性质,比如在性能方面OLT P要求每次操作的处理时间短,而在分析处理环境中,对每次分析数据的时间要求并不严格,事实上某个DSS应用可能需要连续运行几个小时,所以分析型处理及其数据必须与操作型处理及其数据相分离,这样就形成了数据仓库的概念,由Inmo n于1992年首次提出,用于解决DSS中对大量数据分析和访问需求.数据仓库将分布的和不同历史时期的数据集成到一起,这种集成可以方便用户对信息的访问,更可以使决策人员对一段时期内的数据进行分析和研究走势.在越来越多的关键数据被存入数据仓库后,需要有高效的数据分析工具来利用其中的数据[46,47]. OLAP是Codd于1993年提出的一种软件技术,帮助分析人员迅速、一致、交互地从各个方面观察信息,达到对数据的深入理解.OLAP以数据仓库为基础,通过OLAP的基本功能如切片、切块、钻取与旋转、模型计算等,实现对数据的多维分析和处理.数据挖掘是应用各种挖掘算法和知识从数据仓库和数据库中提取模式的过程.从数据仓库的角度,数据挖掘可以看作是OLAP的高级阶段,通过知识库和数据挖掘引擎的支持,数据挖掘比汇总型分析处理具有更强的功能.数据挖掘结合了人工智能技术和机器学习方法,利用信息论、统计分析和模糊论、粗集方法等对数据进行归类、预测、评价和决策[12].目前数据挖掘还扩展到各类信息存储上,如研究比较集中的Web数据挖掘等.Business Object (BO)推出的决策支持工具BO4.0是以OLAP技术为主体、集查询和报表为一体的DSS开发工具.该工具的一个重要特点是提出了“语义层”和“语义动态对象”的概念.语义层将数据库中的列按决策主题重组为面向用户的对象,对象可以是数据库中的表、列、连接和对多列进行运算的表达式.语义动态对象对已经定义的语义层对象进行任意组合后形成决策需要的新表,并将表中的数据以可视化的方式在屏幕上显示出来或以报表的形式打印出来.963第9期陈曦等:决策支持系统理论与方法研究综述 数据仓库解决了DSS中数据存储的问题, OLA P和数据挖掘对数据仓库中的数据进行有效的分析,从而为决策提供帮助.基于数据仓库、OLAP 和数据挖掘技术的DSS的应用提高了决策分析支持的能力,但它仍以计算机的模型处理为主,无法成为全面解决复杂决策问题的有效途径.2.4 GDSS/ODSS决策环境复杂度的增加使面向个体的DSS逐渐显示出其局限性,此时的决策一般不能由单一的决策者完成,需要多个决策者协作才能做出正确的决定.GDSS/ODSS即在此背景下出现,它是指多个决策者通过彼此间的通信和协作产生决策方案,并最终通过协调和评估形成决策.GDSS/ODSS的研究一般集中在如何实现对群体决策的支持上,包括对群体提供更好的信息共享、交流和通信渠道,研究群体间的协作机制、意见综合集成等.研究主要基于各种通信技术的发展,通过网络支持实现电子会议、电子投票、视频音频交流等.在群体意见处理和协作机制方面,典型的群技术包括名义群体法,步阶法,头脑风暴法,辨证询问法、社会评价分析法等,这些技术从不同角度改善群体决策水平,提高决策绩效,确保群体成员意见都能充分表述,同时集成各成员间的不同意见,在解决复杂决策问题时有一定的效果[5,48,49].目前波音、IBM等已将GDSS/ODSS投入到应用中,并取得了较好的成效.GDSS/ODSS与上述几种典型的DSS有较大的差别,它为群体决策人员提供工作环境,有组织地指导信息交流、讨论形式、决议内容等,从而提高群体决策的效能[5].该系统考虑到群体专家的智慧,提供了人发挥处理定性问题和非结构化问题能力的决策环境,但是在重视人的作用的同时,虽然考虑到提供结构化决策分析技术来改善群体决策过程、提高决策的效率和质量,但GDSS/ODSS的重心依然是对群体决策中信息交流的支持和对群体协作的支持.而且目前实际应用的GDSS/ODSS提供的定量分析决策工具较少甚至没有,部分GDSS/ODSS虽然利用了一定的智能技术,提供一定的推理和定量分析功能,但是很少联合利用其他的决策支持技术,如OLA P和数据挖掘技术等,所以GDSS/ODSS虽然在非结构化问题的支持上有较大的进步,但与其他DSS相比,提供的定量分析能力较弱,不能高效处理复杂决策问题.2.5 I3DSS[50～53]I3DSS的提出和实际应用考虑到单独运用某些DSS难以适应越来越复杂的决策环境,所以I3DSS 综合采用系统分析、运筹学方法、计算机技术、知识工程、专家系统等技术,并使之有机结合.I3DSS注意利用智能决策支持能力和提高系统的人机交互能力来面向规模较大的决策问题,充分发挥联合运用的优势——集成化来解决该类问题,可以说I3DSS 是DSS进入新的历史阶段的标志.I3DSS考虑到综合运用现有的决策支持技术,考虑的重点是人机交互的支持,对于群/组织决策支持考虑的人人交互支持,即如何充分发挥专家群体的智慧来解决复杂问题涉及得不够,但即使如此, I3DSS依然是DSS发展过程中一个重要的里程碑.通过以上分析,不难发现单独使用上述任何一个现有的决策支持环境都不能解决复杂决策问题,但若综合各种决策支持技术和成就,就有可能成为处理复杂决策问题的有效途径和技术路线.钱学森于90年代提出开放的复杂巨系统及方法论,即“定性定量综合集成法”,后又发展到“从定性到定量综合集成研讨厅”,其实质是将专家体系、数据、信息体系和计算机体系有机结合起来,构成一个高度智能化的人/机结合、人/网结合的体系,该体系能够将人的思维过程、思维成果、经验、知识与各种情报、资料和信息统统集成起来,充分利用人类在过程分析、逻辑推理和认知、学习以及知识创新方面的优势,使系统的辅助决策能力超越了推理和学习的阶段,可以对复杂结构的决策问题提供有效的支持.上文为了论述的清晰,将DSS作了分类,实际应用时上述各种DSS可以相互结合以提高系统的灵活性和决策支持力度,如IDSS可以同DDSS结合、同数据挖掘等数据处理技术结合来提高分析决策支持的适应性等,但是一般而言这种联合是局部的、临时的,与综合集成研讨环境有本质区别.3 综合集成型DSS 开放复杂巨系统具有以下特点:系统本身与周围环境有物质、能量和信息的交换,所以是开放的;系统包含的子系统成千上万甚至上亿万,所以是巨系统;子系统的种类繁多,有几十甚至几百种,所以是复杂的[13].钱学森提出的综合集成理论可以对复杂巨系统的复杂决策问题进行指导研究,构建综合集成型决策支持系统(M SDSS),已成为DSS发展的一个新方向.M SDSS支持专家之间的协同交互,提供人/人交互环境,非结构化的直觉思维问题最终必须依靠群体专家作决定,发挥和展示群体的科学理论、经验、智慧,从不同层次、不同方面和不同角度来研究复杂问题,提出经验性假设,形成定性判断. M SDSS同时提供完善的人/机交互支持,结构化的逻辑思维问题仍然必须依赖机器的推理和计算,以便快速产生定量分析的结果,提高解决复杂决策问964 控 制 与 决 策第21卷题的性能.从定性到定量、综合集成、研讨是MSDSS 的三个关键主题.从定性到定量是将专家的定性知识同模型的定量描述有机地结合起来,实现定性变量和定量变量之间的相互转化.对于复杂巨系统问题,需要对各种分析方法、工具、模型、信息、经验和知识进行综合集成,构造出适于问题的决策支持环境解决复杂问题.对于结构化很强的问题,主要用定量模型来分析;对于非结构化的问题,主要通过定性分析来解决;对于既有结构化特点、又有非结构化特点的问题,采取紧耦合式的定性定量相结合的方式.综合集成是指集成系统的各种资源,包括专家群体头脑中的知识、系统中的模型库、数据库和知识库.研讨是指分析问题人员的群体协同工作,充分利用定性定量模型和数据库等工具,实现人/机的有机结合.研讨过程既是分析人员的知识同计算机系统的数据、模型和知识的不断交互过程,也是研讨人员群体智慧的结合和综合[13,54].钱学森提出的综合集成理论是一种指导思想,并没有规定M SDSS 的具体实现方式,所以实际应用中可根据具体情况来构建综合集成研讨环境,许多学者在这方面作了研究和实际应用.陈文伟[5]提出了一种综合DSS 的结构,联合了数据仓库、联机分析处理、数据开采、模型库、数据库、专家系统技术,在处理复杂决策问题上有很大的帮助.清华大学自动化系的研究人员把综合集成研讨厅体系框架应用于电力系统的调度,华中理工大学系统工程研究所把综合集成研讨厅体系框架用于三峡工程散装水泥/粉煤灰调运支持上,中科院自动化所、航天工业总公司710所、清华大学计算机系、中科院系统所把综合集成研讨厅体系框架用于支持宏观经济决策,建立一个多功能的支持宏观经济决策研讨的技术环境与工作空间,这些应用研究都取得了非常好的效果,实践证明,综合集成研讨的体系框架是处理复杂大系统的有效方法.4 MSDSS 应用实例 在理解开放的复杂巨系统理论的基础上,以定性定量综合集成法思想为指导,以系统工程理论和决策支持理论为基础,采用面向对象的设计思想,充分运用成熟的信息技术、人工智能技术、分布式交互技术、群DSS 技术、数据仓库、数据挖掘等各种决策支持新技术和成就,着重体现专家依据知识与经验的判断和计算机技术的结合,构建MSDSS,将定性定量相结合的综合集成方法初步应用到复杂产品虚拟样机仿真支撑平台[55]的决策支持中,构建了一个复杂产品虚拟样机综合集成型决策支持系统(VPM SDSS),为复杂产品虚拟样机设计问题提供一个人机紧密结合的综合集成研讨和决策支持环境[56].VPM SDSS 的体系结构如图1所示. 系统按照M SDSS 的要求提供了如下交互环境:1)人/人交互,定性分析功能支持.针对一般性的专家研讨,在计算机上实现了系统分析领域的一般分析方法,采用问卷生成器和调查分析表等实用图1 VPMSDSS 的体系结构965第9期陈曦等:决策支持系统理论与方法研究综述 。
决策理论研究综述
决策理论研究综述决策理论发展之综述内容摘要：伴随着社会的发展、各种理论的发展以及管理学自身的发展，决策作为一门科学而出现，成为了历史的必然。
经历了古典决策理论、行为决策理论，当代决策理论呈现了良好的发展势头。
虽然对于决策与管理的关系、决策与计划的关系一直争议颇多，但是作为诺贝尔经济学奖得主的美国著名管理学家赫伯特·A ·西蒙的“管理就是决策”之理论仍然影响了半个世纪。
可以说决策学是一门既古老又新兴的学科。
无论是政府机关的行政决策还是企业的经营管理决策，都无疑与经济学有着千丝万缕的联系。
决策左右着当代科技的进步和社会的发展，决策更直接影响着当今领导方式与管理方式的变革。
关键词：决策决策学古典决策理论行为决策理论当代决策理论行政决策理论西蒙的决策理论经济学主流决策学产生于本世纪二三十年代，兴起于50年代，此后在世界各国迅速发展。
在管理学中，“决策”一词首先在美国的管理文献中出现，被称为Decision-making,，它比其后出现的Policy-making 有更广泛的含义。
但是关于什么是决策的问题，众说纷纭，很不一致。
管理学教授里基·格里芬在《管理学》中对决策一语作了简单的描述：“决策是从两个以上的备选方案中选择一个的过程”。
①一个较具体的定义是：“所谓决策，是指组织或个人为了实现某种目标而对未来一定时期内有关活动的方向、内容及方式的选择或调整过程”。
还有人从决策的过程入手将决策定义为：“人们为了达到一定目标，在掌握充分的信息和对有关情况进行深刻分析的基础上，用科学的方法拟定并评估各种方案，从中选出合理方案的过程”。
②而路易斯、古德曼和范特则认为决策是“管理者识别并解决问题的过程，或者管理者利用机会的过程”。
③决策学是为决策提供理论基础的科学，主要研究决策的本质、基本原理和原则、决策程序和方法、决策的要素、决策体制和决策组织、决策者的素质能力等内容，它要借助于许多科学方法和工具来研究决策的整个系统。
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。
决策分析的决策支持系统
决策分析的决策支持系统决策是指在面临多种选择的情况下，选择一种或多种行动方案的过程。
在现代社会中，决策对于个人和组织来说都是至关重要的一环。
然而，由于信息的不完全性和复杂性，决策过程常常面临困难和挑战。
为了帮助人们更加科学地进行决策，决策支持系统应运而生。
一、决策支持系统的定义和作用决策支持系统（Decision Support System，简称DSS）是一种通过使用计算机技术和数学模型，提供决策过程中所需信息和分析方法的工具。
它能够帮助决策者更好地理解问题、分析决策方案、评估风险以及做出最佳决策。
决策支持系统在决策过程中发挥着关键的作用。
首先，它能够收集和整合各种信息，包括内部数据、外部数据以及行业研究报告等，为决策者提供全面、准确的信息基础。
其次，决策支持系统能够应用各种数学和统计方法，进行数据分析、模拟和预测，帮助决策者理清问题的本质和关键因素。
最后，决策支持系统还能够提供多种决策方案的比较和评估工具，帮助决策者选择最佳的方案并降低风险。
二、决策支持系统的组成和功能决策支持系统由数据管理子系统、模型管理子系统、知识管理子系统和用户接口子系统组成。
下面分别介绍各个子系统的功能：1. 数据管理子系统：负责收集、存储和处理各种数据，包括历史数据、实时数据以及用户输入的数据。
它能够提供数据清洗、数据集成和数据挖掘等功能，为其他子系统提供所需的数据支持。
2. 模型管理子系统：负责管理和运行各种决策模型，包括统计模型、优化模型和仿真模型等。
它能够通过数学运算，对数据进行分析和建模，并生成决策方案的评估结果。
3. 知识管理子系统：负责管理和运行专家系统和规则引擎等知识表达工具。
它能够将领域知识和专业经验转化为计算机可执行的规则和推理过程，为决策者提供专业意见和建议。
4. 用户接口子系统：提供用户与决策支持系统之间的交互界面，使决策者能够方便地输入数据、选择模型和查看结果。
它通常采用图形化界面和交互式操作方式，提高用户的易用性和体验。
决策支持系统发展综述
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。
- 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)。
[3]陈曦,王执铨. 决策支持系统理论与方法研究综述[J]. 控制与决策,2006,09:961-968.
[4]康荣生. 一种面向DSS设计的人机子系统. 系统工程理论与实践 第5期 1990.9.
[5]席酉民,汪应洛,冯耕中. 试谈决策支持系统的研究和开发战略[A]. 科学决策与系统工程——中国系统工程学会第六次年会论文集[C]. 1990
[6] 张钟俊,杨剑波. 决策支持系统的理论和应用[J]. 系统工程. 1987(06)
[7] Holsapple C W, Jaco b V S, Zaver i J S. Learning by Problem Processo rs: Adaptive Decision Support Systems [ J] . Decision Support Systems, 1993, 12( 1) :79-91.
c）智能决策支持系统（IDSS）
IDSS是DSS与人工智能理论结合产物，它具有人工智能的行为，以专家的思维方法为模型，并存储了专家的有关知识和经验。ISDD是DSS中很具发展前景的一个分支，也是决策支持系统的发展方向之一。人工智能技术在一定程度上可以避免专家系统的很多缺点。人工智能通过一些建议来帮助和补充人类问题求解过程。这些建议无需精确定义。只要用户能清晰提炼即可，再由用户将建议配入问题求解。一个好的建议往往能比一个正确的解答更有效，因为前者包括了更多的协作和灵活的内容。基于神经网络、遗传算法、自然处理语言等技术的IDSS在目前发展阶段同样无法实现复杂问题的有效决策支持[7]。目前的研究倾向于提高系统的柔性，从而提高系统的易修改性、适应性和问题求解的灵活性，在一定程度上增强系统处理复杂问题的能力。
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。
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。
五库系统则是加入了文字库，对决策者以自然语言或过程式语言输入的信息进行处理，将文字信息转化为决策过程中所需信息，实现数据查询、模型计算、知识推理等功能。[6]
随着人工智能技术引入到DSS系统，对DSS的结构有了不同的理解，[7]认为辅助决策的系统有两种类型，一种是以DSS为主体，专家系统为模块；一种是以专家系统为主体，DSS为模块。另外，还出现了专家支持系统（ESS）的概念。
（2）局域决策网（Local Decision Network）：局域决策网是建立在计算机局域网的基础上的，用于多位决策者在近距离的不同房间定时或不定时做群体决策的系统。GDSS管理者组织个决策者通过局域网进行通讯，传输各自需要输入、输出的信息，交流彼此的意见。GDSS管理者根据各方意见最终得出结论。其优点是各决策者可以避免受到其他决策者的影响，完全根据自己的经验和看法作出对应的决策，最终的决策结果比较客观公正。
（3）远程会议（Tele Conferencing）：远程会议是指将散布于多个地点的会议中心通过可视通讯设备连接在一起，使用ISDN、INTERNET、卫星通讯、电子白板等技术组织会议，进行决策，这种方式不受地域限制，参加决策的人数增多，听取的意见更为广泛。
b）决策支持中心（DSC）
决策支持中心是结合了以前各种决策支持系统的经验和现代网络技术以及专家经验，实行了从定性到定量综合集成分析的决策支持系统。DSC由先进的信息技术和决策信息专家构成，他们能随时对DSC做开发和修改工作，以支持高层领导作出紧急和重要的决策。在DSC系统中，决策者将要解决的问题发送到决策专家小组，通过网络、多媒体设备和其它现代化的设备，召开电视会议，也可通过电子公告牌、电子白板发布各自的意见和信息，每位专家把自己的处理意见通过网络发送给小组成员，在此方法中，专家不面对面的交流，也不公布职务和姓名，以免彼此受到影响。此外专家之间还可以采用其它研讨方式对问题进行定性分析，讨论问题，交流思想。专家小组在讨论中首先发表自己的意见，根据特尔斐的原则把各种意见综合集成起来，然后再讨论，再集成，最后得出问题的定性描述模型，然后再用同样的工作方式生成定量的模型。此时将定量模型和系统的其它信息发送给计算机决策支持系统，最后得到定量分析结果，通过网络把定量分析结果发送给专家决策小组，进行又一轮的分析、集成、处理，经过多次循环，直到得到满意的决策意见，将意见交给决策者，为决策提供依据，从而实现了从定性到定量，再到定性的螺旋式上升的决策过程。
Байду номын сангаасGDSS是一种用来提高群体决策活动的有效DSS，是DSS中新兴的、备受重视的一个发展领域。GDSS有利于群体决策成员思维和能力的发挥，也可以阻止小群体对群体决策控制。目前的GDSS主要有三种类型，它们是由各决策者的集中和分散程度以及利用计算机网络形式的不同而形成的。
（1）决策室（Decision Office）：决策室采用的决策者面对面集中于一室，在同一时间进行群体决策的形式。每个决策者有一台计算机或终端，在同一个会议室内，每个人可以利用各自的DSS系统进行决策。CDSS的组织者协调和综合各决策者的决策意见，使GDSS优选出群体决策理论。这种方式使决策者能面对面地交互讨论，迅速得出GDSS结论。其缺点是在决策中容易受权威人士的影响，从而影响结论的准确性。
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，从系统分析角度为决策者或决策分析人员创建一种决策分析环境，以支持决策者解决半结构化和非结构化决策问题。在此分析环境下，DSS首先提供了多种有效的分析工具如模型等，帮助决策者进行知识的积累，以获得自求信息和非自求信息[2]；其次，通过采用各种有效技术，并应用专家知识，DSS在与决策者交互对话的过程中能够对其产生一定的启发和诱导，帮助其产生联想，获得非自求信息，从而有利于其创造性思维；第三，依靠此分析环境，决策群体能够完成协商决策。总之，通过系统和决策者的双向互动，DSS应能激发决策者的思维创造力，支持决策者个体或群体作出有效的决策。”[5]这个理解主要讨论了DSS面向的问题、涉及的技术领域和作用，丰富了DSS的概念，并且强调了决策者的决策风格、决策思维方式对DSS设计的影响。
3.2.DSS结构
从国内外的发展现状来看，DSS一般分为二库、三库、四库、五库系统。
二库系统主要包括对话部件、数据库和模型库。其主要功能是在信息和模型计算方面实行决策支持。三库系统主要增加了知识库，即知识化决策支持系统。它主要把人工智能技术引入DSS,使得系统智能化更高。
四库系统相比三库系统加入了方法库的概念，它将模型与方法分别进行存储，使得模型生成和修改更加便利。
4.总结
决策支持系统是一个高度灵活、交互式的计算信息系统，它强调“支持”而不是“代替”，主要解决半结构化问题的决策问题。在DSS的发展过程中，它不断与新兴技术相结合，提高决策支持能力。随着其他学科的发展，尤其是计算机技术和信息技术的巨大进步，DSS作为交叉学科将会随之得到长足发展。
参考文献
[1]柳少军,韩崇昭,万百五. 决策支持系统的问题识别与描述方法研究[J]. 系统工程学报. 1995(02)
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。
3.3.DSS研究现状
a）群决策支持系统（GDSS）
群体决策是指不同于个人单独作出决策，而是召集足够的人进行探讨研究，提出若干解决问题的可能方案，通过对方案的讨论研究作出最后的决策。GDSS是在多个DSS和多个决策者的基础上进行集成、优化的结果，它以计算机及其网络为基础，用于支持群体决策者共同解决半结构化、非结构化的决策问题。