决策支持系统的发展与应用.docxVIP

决策支持系统的发展与应用 主要领域与发展现状 决策支撑系统（ssos）是基于科学、技术、控制和行为科学的半退化和非化合作科学。计算机应用系统支持基于特定智能行为的半退化或非化合行动，并由计算机参与者进行非化合行动的决策。决策支持系统作为信息系统研究的最新发展阶段,它已经成为了系统工程与计算机应用领域中的重要研究课题。如今,DSS已在灾害预测和防灾决策、企业生产活动决策、集团经营行为决策、经济形势预测和政策决策中开展了广泛的应用。 决策支持系统作为一门交叉学科,有着完整的理论框架。除了上文提到的部分学科以外,DSS发展的理论基础还包括信息论、信息经济学、心理学、组织理论、人工智能等等,并且在此基础上不断融入新的技术。由于这些学科的不断发展,尤其是信息科学与计算机技术的飞速进步,极大的推动了决策支持系统的研究和开发。 本文的主要目的是阐述决策支持系统现在的发展现状,其中讨论了几个重要领域,包括数据仓库、数据挖掘、联机分析处理、仿真技术、人工智能等。本文的第二部分主要介绍当前DSS的发展的几个热点方向,第三部分介绍了DSS中最热门的智能决策支持系统的几个研究重点。 1 dss的发展过程 决策支持系统的概念最初是由Gorry和Scott Morton在整合了Anthony对管理行为的分类和Simon对决策类型的描述而提出的。Anthony将管理行为描述为策略制定(对于总体任务目标的行政级决策)、管理控制(管理组织运营的中层管理)、操作管理(指导特定任务的一线监管);Simon将决策问题描述为存在于连续体上的可程序化问题(常规的,重复的,结构化的,易解决的)和不可程序化问题(新型的,非结构化的,难以解决的)。Gorry和Scott Morton根据以上两种思想,使用结构化、非结构化、半结构化三个术语来代替可程序化与不可程序化,同时采用了Simon对决策过程的智能、设计和选择的描述。在这个框架里,智能是由对问题的搜索所组成的,设计则指的是分析可选方案并确定一个实施。此时DSS被定义为主要解决半结构化和结构化问题的计算机系统。一个计算机系统虽然可以用来解决DSS中的结构化问题,然而,决策者的判断主要依靠的是非结构化的部分。将其组合起来,就成为了一个用来解决实际问题的人机系统。 DSS在发展过程中可以分为两条路线。第一条是从Sprague提出的两库结构开始,逐渐发展到五个部件的四库结构组成:人机接口(对话系统)、数据库、模型库、知识库和方法库。并且随着系统的愈发完善与规模扩大,在开发过程中又加入了对这些部件的管理系统,共计十个基本组件(如图1所示)。这些组件的组合与应用基本能满足不同类型的DSS系统。这种结构被当前大多数DSS所采用。第二条是由Bonczek等人提出的三系统结构(如图2所示)。在此种结构中,更多的是强调知识系统在整个DSS中的作用。但此种路线的局限在于语言系统的开发,尤其是对于用户的自然语言的理解,使其发展相对迟缓。 从1985年开始,为了能够对集体讨论、效果评估等提供更方便、高效的支持,群决策支持系统(Group Decision Support System,GDSS)开始产生。网络的快速发展与应用,使得由多个物理分离的信息处理特点构成的计算机网络的分布式决策支持系统(Distributed Decision Support System,DDSS)也在理论与实践中得到发展。同时,随着人工智能领域(Artificial Intelligence,AI)的日趋活跃,将DSS与AI相结合智能决策支持系统(Intelligent Decision Support System,IDSS)开始受到广泛的关注,并已经成为当前DSS领域中最热门的研究方向。在信息不断融合、联系越来越紧密的今天,3I决策支持系统(Intelligent,Interactive and Integrated DSS,3IDSS),即智能型、交互式、集成化决策支持系统,也开始崭露头角,吸引了学者的关注。 2 关于决策支撑系统的研究 在近些年DSS的发展过程中,与新技术的不断融合,促成了其在不同方向上的研究不断深入,可以大体分为以下几个方面: 2.1 数据仓库发展的背景 目前,比较公认的数据仓库(Data Warehouse,DW)的定义是由W.H.Inmon所提出的:数据仓库是面向主题的、集成的、时变的、永久的数据集合。数据仓库最初是为了支持经营、管理之中的决策,而将不同数据库中的数据加以融合、整理的解决方案而提出的。数据仓库发展的是基于对于数据库技术改进的需要而进行的。数据库管理系统的快速发展与应用,使得“抽取”(从数据库搜索符合要求的数据并传递出来)处理逐渐变成了抽取中的抽取,并反复再次抽取等等。这导致了数据的“蜘蛛网”结构——“自然演化史体系结构”,