决策支持系统发展综述.docx

决策支持系统发展综述.docx

《决策支持系统发展综述.docx》由会员分享，可在线阅读，更多相关《决策支持系统发展综述.docx（11页珍藏版）》请在冰豆网上搜索。

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。

智能决策支持系统（IntelligentDecisionSupportSystems，简称IDSS）是决策支持系统（DecisionSupportSystems，简称DSS）与人工智能（ArtificialIntelligence，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（ElectronicDataProcessing）：

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（ManagementInformationSystems）：

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（DecisionSupportSystems）：

70年代中期Keen和ScottMorton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，ScottMorton在《管理决策系统》（1971）一书中首次提出DSS。

PeterG.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（ManagementScience）：

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（OperationsResearch）：

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（ExpertSystems）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+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。

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

作业调度

运筹管理

战略规划

支持需求

结构化

库存报表、零件定货

线性规划、生产调度

新厂位置选择

EDPMS/OR

半结构化

股票管理、贸易

开发市场、经费预算

资本获利分析

DSS

非结构化

为杂志选择封面

聘用管理人员

研究、开发分析

经验和直觉

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。

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（ModelBase）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

Ø回归预测：

一元回归、多元线性回归、非线性回归等；

Ø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。

3.3.2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）

3.3.3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

3．4方法库系统

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

3．5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

四、

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。

组成：

四库系统+接口。

知识库、数据库、模型库、方法库及人机接口，还有问题求解模块。

（4）决策支持中心（DSC）

1985年欧文提出来的。

功能：

提供办公决策支持，具有定性定量相结合的综合集成功能。

组成：

以决策支持小组为核心，为决策的全过程提供技术支持。

（5）战略决策支持系统（SDSS）

支持战略级或高层管理者的决策过程。

组成：

数据库系统、模型库系统、方法库系统、知识库系统、案例分析系统、输入输出系统、控制与通信系统等。

（6）I3DSS

智能的、交互式的、集成化的（Intelligent,InteractiveandIntegratedDSS）DSS。

特点：

面向问题，有机集成。

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，使之有机结合，而不是单一的以信息为基础的系统，或单一的以数学模型为基础的系统，或单一的以知识为基础的系统。

在面向问题的前提下，充分发挥各自的优势，特别是发挥它们在联合运用时的优势，即集成化（Integrated）。

当DSS进入到高层次的决策活动领域时，由于处理的问题多半是半结构化或非结构化的，为了帮助决策者进一步明确问题、认定目标和环境约束，产生决策方案和对决策方案进行综合评价，系统应具有更强的人机交互能力，称为交互式（Interactive）系统。

在处理难以定量分析的问题时，需要使用知识工程、专家系统方法与工具，已经涉及到人工智能领域。

而重要的问题在于如何使用知识工程的思想方法，组织各个有关模块，实现决策支持过程的集成化。

这种应用方式就是决策支持系统的智能化（Intelligent）。

I3DSS的提出和实际应用，是DSS进入一个新的历史阶段。