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。
决策的正确性关系到经营成效和事业成败，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、演绎和咨询题求解及 各种搜索技术，再加上功能专门强的人工智能语言，都为DSS的进展走向 更加有用的时期提供强有力的理论和方法的支持。
考虑到IDSS是在传统DSS基础上进展起来的，因此那个地点先介绍 有关决策、决策科学和决策支持技术的差不多概念。
一、DSS的产生与进展
DSS的产生背景
电子数据处理EDP (Electronic Data Processing)：提升了工作效率， 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形。
运筹学OR(Operations Research*:提供一系列优化、仿真、决策等模 型。
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 的价值咨询题。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？即研究信息价值咨询题。
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D是MIS的高级时期。
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咨询题。
DSS：使用数据和模型，处理结构化咨询题，与ES结合后，可处理半 结构化和非结构化咨询题。
二、DSS的差不多概念
决策过程
图1决策过程
决策科学要紧研究：确定目标、设计方案、评判方案三个差不多时期。 这三个差不多时期又分别称为懂得、设计、选择活动。
背景：运筹学模型进展差不多比较完善，多目标决策分析突破了单一 效用理论的框架，运算机软、硬件及网络技术的迅猛进展，人工智能专门 是知识处理技术的进展，数据库技术、图形显示技术、各类工具软件的进 展与完善，构成了DSS形成与进展的技术基础。
DSS的进展
70 年代，Scott Morton在《治理决策系统》(1971)一书中首次提出D SS。
治理信息系统MIS(Man ageme nt In formation Systems):整体分析，系
统设计，信息共享，部门和谐。缺点：难于习惯多变的内、外部治理环境， 对治理人员的决策关心十分有限。
决策支持系统DSS( Decision Support Systems)：70 年代中期Keen和Scott Morton在《治理决策系统》( 1971)一书中提出。目标：对治理者做 决策提供技术支持。
Peter G W. Keen等人编写了一套丛书，阐明DSS的要紧观点，初步 构造出DSS的差不多框架。
1978至1988年，DSS得到迅速进展，许多有用系统被开发出来，投入 实际应用，产生明显效益。
1988至现在，DSS技术连续进展，目前已差不多成熟。新一代DSS研 究仍旧十分活跃。
DSS的理论基础
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猎取、传送、 加工处理、输出而实现其有目的性行为的研究方法。
运算机技术 运算机软件技术、硬件技术、网络技术、图形处理技术、知识处理技 术等。
治理科学与运筹学
治理科学MS(Management Scienc®:面向治理者，研究决策咨询题， 如决策目标、决策效能等。
OR:处理结构化咨询题，研究对象要紧集中在数学规划、决策论、计 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咨询题。
DSS与MIS的关系
MIS：收集、传递、储备、加工处理各种信息，监测运营数据，利用历 史数据推测以后，用指定的数学方法分析数据，提供全面数据和分析报告。 面向治理人员，提供低层次的决策支持。
智能决策支持系统是以信息技术为手段，应用治理科学、运算机科学 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咨询题，通过 提供背景材料、协助明确咨询题、修改完善模型、列举可能方案、进行分 析比较等方式，为治理者做出正确决策提供关心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。
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。
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。
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。
决策支持系统理论综述
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。
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。
大数据分析与决策支持系统的发展与应用
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。
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。