决策支持系统ppt课件.ppt

《决策支持系统ppt课件.ppt》由会员分享，可在线阅读，更多相关《决策支持系统ppt课件.ppt（49页珍藏版）》请在三一办公上搜索。

1、本 章 学 习 目 标了解决策支持系统的产生与发展。了解决策支持系统(DSS)的定义、功能、组成以及与MIS的关系。,十 决策支持系统,一、决策支持系统的产生与发展1、管理信息系统 70年代兴起了管理信息系统（Management Information SystemsMIS），它是管理科学和计算机科学结合的产物。 管理信息系统的系统结构包括职能子系统和保证子系统两部分。 管理信息系统的开发主要是利用数据库语言编制程序。数据库语言的主要功能是对数据进行输入、查询、更新、统计、维护、通信、安全、报表等。因此，开发出的管理信息系统在模型辅助决策上存在不同。它只能以数据和信息的形式辅助决策。,第一节

2、 决策支持系统的概念,一、决策支持系统的产生与发展 2、运筹学和管理科学 1953年美国成立管理科学学会，出版会刊管理科学。50年代末，美国大企业在经营管理中大量应用运筹学，进行生产计划制定、物资储备、资源分配、设备更新、任务分派等。大量运筹学研究机构专门从事有关方法和建模的研究，为决策提供科学的依据。 运筹学是用数学方法研究经济、国防等部门在环境的约束条 件下，合理调配人力、物力、财力等资源，使实际系统有效运行。它用来预测发展趋势，制定行动规划或优选可 行方案。 管理科学是应用数学、统计学和运筹学中的原理和方法，建立数学模型和进行计算机仿真，给管理决策提供科学依据。,第一节 决策支持系统的概

3、念,3、决策支持系统 决策支持系统（Decision Support SystemDSS）是80年代迅速发展起来的新型计算机学科。70年代初由美国M. S. Scott Morton在管理决策系统一文中首先提出决策支持系统的概念。 DSS是在管理信息系统和运筹学的基础上发展起来的。管理信息系统重点在对大量数据的处理。运筹学在运用模型辅助决策，体现在单模型辅助决策上。 决策支持系统的出现是要解决由计算机自动组织和协调多模型的运行，对大量数据库中数据的存取和处理，达到更高层次的辅助决策能力。,第一节 决策支持系统的概念,3、决策支持系统 决策支持系统的新特点是增加了模型库和模型库管理系统，它把众多

4、的模型（数学模型与数据处理模型以及更广泛的模型）有效进行组织和存储，并且建立了模型库和数据库的有机结合。 它不同于MIS数据处理，也不同于模型的数值计算，而是它们的有机集成。它既具有数据处理功能又具有数值计算功能。因此，决策支持系统就是综合利用大量数据，有机结合众多模型（数学模型与数据处理模型等），通过人机交互，辅助各级决策者实现科学决策的系统。,第一节 决策支持系统的概念,第一节 决策支持系统的概念,二、企业管理与决策 企业决策支持系统的作用体现在企业决策的三个阶段：1、情报收集和分析阶段： 这实际上是一个问题或机会的识别过程，即对问题或机会的条件进行内外环境的搜索或调查。对企业来说，赢利、

5、为社会服务及减少风险都是机会，而问题可分为涉及产品和服务需求的、涉及生产率等企业绩效的、涉及企业风险的。企业决策支持系统可为该识别过程提供如下功能： (1) 收集和存储与企业活动有关的各种数据。(2) 计算处理并检索有关可能出现的问题和机会的数据。(3) 向决策者提供有关机会与问题的报告。,第一节 决策支持系统的概念,二、企业管理与决策 2、决策方案设计过程： 企业决策支持系统对提出、完善、分析可能出现的行动路线提供支持，其中包括：(1) 辅助理解问题，即为问题或机会建立一个合适的模型。(2) 辅助求解，即求解模型，产生若干方案。(3) 测试解的可能性，即根据企业的、市场竞争的、社会的环境，对

6、解的可能性进行测试。,第一节 决策支持系统的概念,二、企业管理与决策 3、抉择阶段：该阶段是企业决策者依据自己的经验、智慧和才能进行判断的过程。企业决策支持系统可以：(1) 对备选方案进行排队。(2) 根据一定的准则来辅助抉择方案,进行方案评价与审核，并付之实施。,第一节 决策支持系统的概念,三、决策的科学化 传统的决策依靠决策者个人的经验，凭直觉判断，因而决策被认为是一种艺术和技巧。近40年来，由于生产规模的扩大和自动化技术的应用，使得管理的性质和 环境 都发生了巨大的变化，因而管理决策问题不仅数量多，而且 复杂程度高，难度大 。显然，在这种情况下，以领导者的艺术、洞察力、理智和经验为基础的

7、传统决策方法就远远不能满足日益复杂的管理决策的需要了，决策科学化就被提上了日程。决策的科学化，一方面是现实管理提出的要求，另一方面是计算机和近代数学的发展，为它提供了实现的可能性。目前，决策科学化正在向以下一些方向发展：,第一节 决策支持系统的概念,三、决策的科学化 （一）用信息系统支持和辅助决策20世纪80年代初，计算机企业管理应用的重点逐渐由事务性处理转向企业的管理、控制、计划和分析等高层次决策制定方面，国内外相继出现了多种高功能的通用和专用决策支持系统。如SIMPLAN、IFPS、GPLAN、EXPRESS、EIS、EMPIRE、GADS、WSICALC、GODDESS、GPCDSSG等

8、都是很流行的决策支持系统软件。随着决策支持系统与人工智能相结合，出现了智能化决策支持系统（IDSS），DSS与计算机网络相结合，出现了群体决策支持系统（GDSS）。现在决策支持系统已逐步推广应用于大、中、小企业中的预算与分析、预测与计划、生产与销售、研究与开发等职能部门，并开始用于军事决策、工程决策、区域规划等方面。,第一节 决策支持系统的概念,三、决策的科学化 （二）定性决策向定量与定性相结合的决策发展定性决策向定量与定性相结合的决策发展是当代决策活动发展的必然趋势。现代科学中的系统工程学、仿真技术、计算机理论、科学学、预测学，特别是运筹学、布尔代数、模糊数学、泛函分析等引进决策活动，为决策

9、的定量化奠定了基础。但是，决策的本质是人的主观认识能力，因此它就不能不受人的主观认识能力的限制。近代决策活动的实践表明，尽管定量的数学方法与信息技术相结合，能够进行比人脑更精密更高速的逻辑推理、分析、归纳、综合与论证，但它绝不能代替人的创造性思维。,第一节 决策支持系统的概念,三、决策的科学化 （三）单目标决策向多目标综合决策发展决策活动的目标本身也构成一个难以确定的庞大系统。现代决策活动的目标不是单一的，这不仅指以经济利益为核心的目标是多目标，而且还包括更广阔的社会的和非经济领域的目标。,第一节 决策支持系统的概念,三、决策的科学化 （四）战略决策向更远的未来决策发展决策是对未来实践的方向。

10、原则、目标和方法等所作的决定，所以决策从本质上说乃是对应于未来的。为了避免远期可能出现的破坏造成的亏损抵消甚至超过近期的利益，要求战略决策在时域上向更遥远的未来延伸。,第一节 决策支持系统的概念,四、决策问题的类型 决策问题的范围很广。计划、调度命令、政策、法规、发展战略、体制结构、系统目标等都属于决策范畴，但它们的结构化程度不同。按问题的结构化程度不同可将决策划分为三种类型：结构化决策、半结构化决策和非结构化决策。,第一节 决策支持系统的概念,四、决策问题的类型 （一）结构化决策结构化决策问题相对比较简单、直接，其决策过程和决策方法有固定的规律可以遵循，能用明确的语言和模型加以描述，并可依据

11、一定的通用模型和决策规则实现其决策过程的基本自动化。早期的多数管理信息系统，能够求解这类问题，例如，应用解析方法，运筹学方法等求解资源优化问题。,第一节 决策支持系统的概念,四、决策问题的类型 （二）非结构化决策非结构化决策问题是指那些决策过程复杂，其决策过程和决策方法没有固定的规律可以遵循，没有固定的决策规则和通用模型可依，决策者的主观行为（学识、经验、直觉、判断力、洞察力、个人偏好和决策风格等）对各阶段的决策效果有相当影响，往往是决策者根据掌握的情况和数据临时作出决定。,第一节 决策支持系统的概念,四、决策问题的类型 （三）半结构化决策半结构化决策问题介于上述两者之间，其决策过程和决策方法

12、有一定规律可以遵循，但又不能完全确定，即有所了解但又不全面，有所分析但又不确切，有所估计但又不确定。这样的决策问题一般可适当建立模型，但无法确定最优方案。,第一节 决策支持系统的概念,四、决策问题的类型决策问题的结构化程度并不是一成不变的，当人们掌握了足够的信息和知识时，非结构化问题有可能转化为半结构化问题，半结构化问题也有可能向结构化转化，因此，决策问题的转化过程是人们对客观事物不断提高认识的过程。通常认为，管理信息系统主要解决结构化的决策问题，而决策支持系统则以支持半结构化和非结构化问题为目的。,第一节 决策支持系统的概念,一、决策支持系统的基本结构 决策支持系统是一个由多种功能协调配合而

13、成的，以支持决策过程为目标的集成系统。从内部结构上看，它有以下两种基本形式。 一种形式由对话子系统、数据库子系统、模型库子系统和方法库子系统组成，如下图所示。,第二节 决策支持系统的组成,第二节 决策支持系统的组成,1、数据库子系统 这个数据库应能够适应管理者的广阔的业务范围，不仅能够提供企业内部数据，而且能够提供企业外部数据。 数据库子系统包括数据库（DB: Data Base）和数据库管理系统（DBMS: Data Base Management System），其功能包括对数据的存储、检索、处理和维护，并能从来自各种渠道的各种信息资源中析取数据，把它们转换成DSS要求的各种内部数据。从某

14、种意义上说，DSS数据库子系统的主要工作就是进行一系列复杂的数据转换过程，与一般的数据库相比，DSS的数据库特别要求灵活易改，并且在修改和扩充中不丢失数据。,第二节 决策支持系统的组成,2、模型库子系统 模型库子系统包括模型库（MB:Model Base）和模型库管理系统（MBMS: Model Base Management System），它是决策支持系统的核心，是最重要的也是较难实现的部分。模型库管理系统管理的模型有两类：一类是标准模型（如规划模型、网络模型等），这些模型按照某些常用的程序设计语言编程，并存在库中。另一类是由用户应用建模语言而建立的模型，即使是标准模型也有个再开发的过程。

15、模型库管理系统支持决策问题的定义和概念模型化、维护模型，包括联结、修改、增删等。,第二节 决策支持系统的组成,2、模型库子系统 模型库子系统与对话子系统的交互作用，可使用户控制对模型的操作、处置和使用；它与数据库子系统交互作用，以便提供各种模型所需的数据，实现模型输入、输出和中间结果存取自动化；它与方法库子系统交互作用，实行目标搜索、灵敏度分析和仿真运行自动化等。模型库子系统的主要作用是通过人机交互语言使决策者能方便利用模型库中各种模型支持决策，引导决策者应用建模语言和自己熟悉的专业语言建立、修改和运行模型。,第二节 决策支持系统的组成,3、方法库子系统 方法库子系统包括方法库（MEB:Met

16、hod Base）和方法库管理系统（MEBMS: Method Base Management System）。在DSS中，通常是把决策过程中的常用方法（如优化方法、预测方法、蒙特卡罗法、矩阵方程求根法等）作为子程序存入方法库中。方法库管理系统对标准方法进行维护和调用。有的决策支持系统没有方法库子系统。,第二节 决策支持系统的组成,4、对话子系统 对话子系统（DGMS:Dialogue Generation Management System）是决策支持系统的人机接口，它负责接收和检验用户的请求，协调数据库系统、模型库系统和方法库系统之间的通信，为决策者提供信息收集、问题识别以及模型构造、使用

17、、改进、分析和计算等功能。 对话子系统通过人机对话，使决策者能够依据个人经验，主动地利用DSS的各种支持功能，反复学习、分析、再学习，以便选择一个最优决策方案。显然，对话决策方式充分重视和发挥了认识主体棗人的思维能动性，必然使管理决策质量大幅度提高。由于决策者大都是非计算机专业人员，他们要求系统使用方便，灵活性好，所以，对话子系统硬件和软件的开发和配置往往是决策支持系统成败的关键。,第二节 决策支持系统的组成,另一种DSS的内部结构形式由语言子系统、知识子系统和问题处理子系统组成，如下图所示。,第二节 决策支持系统的组成,1、语言子系统语言子系统是用户与系统联系的工具，用户的问题需要通过语言子

18、系统来描述和响应。2、知识库子系统知识库子系统是DSS能够解决用户问题的智囊，它主要包括一个综合性的知识库，其中存储的是有关问题领域的各种知识棗数据、模型等。3、问题处理子系统问题处理子系统是DSS的核心部分，它完成系统的动态过程，即接受用户的问题，运用知识子系统的知识，实现用户问题的求解过程。,第二节 决策支持系统的组成,二、模型库系统 模型不同于数据，模型库也不同于数据库。如何表示模型，如何组织模型库，模型库管理系统的功能要求有哪些，这些问题是决策支持系统开发的关键。目前尚未出现成熟的商品软件，也没有关于模型库系统的统一标准，模型库系统的开发是由研制者自行完成的。 模型种类很多，有数学模型

19、、数据处理模型、智能模型、图形模型、图像模型等。数学模型可以用数学方程形式表达，也可以用算法形式描述。数据处理模型一般用数据处理过程来说明。它们在计算机中均以计算机程序的形式表示。而图形、图像模型等在计算机中都是以数据文件形式表示。模型库既包含数据文件，又包含程序文件，需要设计统一的格式进行存储，以便使模型库管理系统对它们进行有效的管理。,第二节 决策支持系统的组成,三、接口技术 在数据库系统和模型库系统建立后，部件之间的接口技术是一个关键技术。决策支持系统由三个部件组成，部件之间存在着三个接口。1、模型部件和综合部件存取数据库的接口 决策支持系统需要将数值计算和数据处理二者结合起来。目前尚无

20、一种计算机语言具有二者兼顾的功能。有效的途径是解决好模型存取数据库的接口。 2、综合部件对模型的接口 这个接口体现在综合部件对模型的控制运行以及多模型的组合。按计算机程序形式来组织模型，一般采用“顺序、选择、循环”结构以及嵌套组合结构形式来组合模型。,第二节 决策支持系统的组成,四、综合部件的集成技术 决策支持系统由“综合、模型、数据”三部件组成。如何使三部件有机集成为系统是又一个关键技术。这里综合部件是关键，它要真正能控制单模型运行以及多模型的组合运行，控制大量数据库的存取，实现DSS的系统集成。 综合部件需要利用一种计算机语言，针对具体的决策问题，编制或者自动生成决策总控程序，将所需要的模

21、型库、数据库进行集成，形成一个实际的决策支持系统。 人机交互系统完成人机对话功能，即对数据或信息的输入、显示和输出。应当充分利用各种界面技术，为人机交互提供更友好的环境。,第二节 决策支持系统的组成,四、综合部件的集成技术 对实际决策问题，完成组织和控制模型的运行和对数据的存取，需要一种计算机集成语言，它具有人机交互、数值计算、数据处理、模型调用等多种功能。目前还没有哪种计算机语言能达到这个要求。我们可以采取两种方法：1、自行设计这种多功能的集成语言来完成决策支持系统的需求；2、选用功能较强的计算机语言，如C，C+，java,vb等作为宿主语言，增加一些它不足的功能语句，如数据处理功能语句，嵌

22、入到宿主遗言中形成一种集成语言。 有了这种综合多功能的集成语言，就能有效完成决策支持系统部件集成的需要。,第二节 决策支持系统的组成,五、支持先进制造和管理模式的决策支持系统 在信息时代，制造业面临着不断改变与不可预测(Continuous Changing and Unpredictable)的生存环境，提出了许多新的制造与管理模式，如精良生产、敏捷制造、经营过程重构、并行工程等，以达到增强企业应变能力的目的。在先进制造与管理模式下，企业是一种动态联盟，经常处于动态重构的变化之中。决策分析与决策支持系统是一种帮助人们分析风险、降低风险，为夺取机遇而作出正确决策的科学方法，是信息时代企业必不可

23、少的有效支持工具。,第二节 决策支持系统的组成,五、支持先进制造和管理模式的决策支持系统 决策支持系统的战略总目标是：研究先进制造系统中、面向CIMS环境的、支持企业生产经营管理和决策活动的集成决策支持系统及其相关技术，提出符合中国国情的先进制造管理模式，研发具有开放性、自组织、自适应、系统重构能力的集成化CIMS决策支持系统；为制造业提供先进实用的决策支持系统，并提供相关理论、方法和技术服务；提高企业内部重构和外部应变的整体能力，推进CIMS决策技术的产业化。,第二节 决策支持系统的组成,五、支持先进制造和管理模式的决策支持系统 目前国内外对先进制造系统与管理模式的文章已有不少，但多数是一般

24、概念的论述。先进制造系统中的决策支持系统的文章也有一些，但建模等方面尚少见。分形理论、混沌理论、突变论和协同论等复杂系统理论是先进制造系统的理论基础，国际上已公认无疑，但具体的研究结果尚未见到。因此，支持先进制造和管理模式的决策支持系统是开放的CIMS的必然方向。,第二节 决策支持系统的组成,五、支持先进制造和管理模式的决策支持系统 现代企业决策支持系统的特点为：系统下的PMS重组性、CIAS随意性和DSS智能性。具体而言，内容如下：1、在对典型企业进行调查分析的基础上，研究： 适合我国国情的支持先进制造与管理模式的决策支持系统的概念模型、基于群体Agent的开放系统体系结构和先进制造的管理模

25、式；,第二节 决策支持系统的组成,五、支持先进制造和管理模式的决策支持系统 2、研究支持先进制造与管理模式的决策支持系统的关键技术： 多目标决策模型、基于群体Agent（接口进程？）的多层次、协同工作混合模型、决策过程及其形式化模型和资源约束模型； 最终开发以微机为基础的Client-Server结合Brower- Server分布式支持先进制造与管理模式的决策支持系统原型软件系统，并通过应用实例验证。,第二节 决策支持系统的组成,一、人工智能 人工智能是计算机科学的一个分支，是一门研究机器智能的学科，即用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。1、人

26、工智能发展历史 人工智能作为一门学科，自1956年问世以来，经历了曲折的发展历程，在理论与实践的矛盾中，探索着自身发展的有效途径和技术。人工智能的发展历史可分为四个阶段：第一阶段：50年代人工智能的兴起和冷落,第三、四节 人工智能与群体决策支持系统,1、人工智能发展历史 第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。1969年成立了国际人工智能联合会议 第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展 日本1982年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开

27、展形成了一股研究人工智能的热潮 第四阶段：80年代末，神经网络飞速发展 1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。,第三、四节 人工智能与群体决策支持系统,2、人工智能的研究范围人工智能研究的基本范围如下： 问题求解：如下棋程序。逻辑推理和定理证明：如数学定理的证明。自然语言处理：如语言翻译、语音识别、语言生成和理解等。自动程序设计：“超级编译程序”，能从高级形式的描述，生成所需的程序。学习：归纳学习和类比学习。专家系统：利用专家知识进行推理达到专家解决问题的能力。机器人学：完成人部分工作的机器人。机器视觉

28、：研究感知过程。智能检索系统：具有智能行为的情报检索。组合的调度问题：如最短旅行路线。系统与表达语言：用人工智能来深化计算机系统（如操作系统）和语言。,第三、四节 人工智能与群体决策支持系统,3、人工智能的主要研究领域有：1）符号智能 符号智能以物理符号系统为基础，研究知识表示、获取、推理过程。2）计算智能 计算智能包括神经计算、模糊系统、遗传算法、进化程序设计等。 3）人工生命 人工生命是指用计算机和精密机械等生成或构造表现自然生命系统行为特点的仿真系统或模型系统。,第三、四节 人工智能与群体决策支持系统,二、群体决策1、群体决策的概念2、群体决策的方法群决策有以下几种形式： 多方案决策：两

29、个或多个人召集在一起，讨论实质性问题，提出解决某一问题的若干方案，评价这些方案各自的优劣，最后作出决策。这样的决策过程，称为多方案群决策；子方案群决策：把待解决的问题分为若干子问题，然后把这些子问题交由多人解决，根据它们提出的多个子方案，作出最终的决策；取长补短的群决策：群决策中的各个决策者都具有某方面的长处或短处，采用合理的协同机制，最大限度地发挥各人的长处，以作出更优的决策。,第三、四节 人工智能与群体决策支持系统,三、群体决策的层次GDSS可提供三个层次的决策支持： 层次1：在决策者之间沟通信息，消除交流障碍，旨在通过改进成员之间信息的交互来改进决策过程。层次2：使决策者共享所面临问题的

30、知识和信息资源，共同制定出行动方案。层次3：将层次1、2的技术结合起来，对群组决策中信息交互的内容和方式提供智能型指导。,第三、四节 人工智能与群体决策支持系统,4、群体决策的研究范围具体的说，包括对以下方面的研究： 应用现代信息技术(分布式计算环境、计算机支持的协同工作、多智能体系统、分布式的对象技术、智能接口等)研究群组决策支持系统的体系结构。它将具有层次问题求解和协商问题求解的能力。 以上研究将以新产品开发为例，研究建立适用于顾客化产品设计的决策支持系统框架，用混合模型的方法对新产品开发中的关键过程进行建模，并将研究成果应用于一个典型的制造企业，进行案例分析。,第三、四节 人工智能与群体

31、决策支持系统,5、群体决策的技术支持（1）数据仓库技术 数据仓库（Data Warehouse，DW）的概念是Prism Solutions公司副总裁W.H. Inmon在1992年出版的书建立数据仓库（Building the Data Warehouse）中提出的。数据仓库的提出是以关系数据库、并行处理和分布式技术的飞速发展为基础的，它是解决信息技术在发展中一方面拥有大量数据，另一方面有用信息却很贫乏这种不正常现象的综合解决方案。,第三、四节 人工智能与群体决策支持系统,数据仓库的概念 ： 数据仓库定义为：数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中决策制定

32、过程。Tim. Shelter认为：数据仓库是把分布在企业网络中不同信息岛上的商业数据集成到一起，存储在一个单一的集成关系型数据库中。利用这种集成信息，可方便用户对信息的访问，更可使决策人员对一段时间内的历史数据进行分析，研究事物发展的趋势。SAS软件研究所认为：数据仓库是一种管理技术，旨在通过通畅、合理、全面的信息管理，达到有效的决策支持。,第三、四节 人工智能与群体决策支持系统,数据仓库的结构 数据仓库是在原有的关系型数据库基础上发展形成的，但不同于数据库系统的组织结构形式，它从原有的业务数据库中获得的基本数据和综合数据被分成一些不同的层次，包括：当前基本数据、历史基本数据、轻度综合数据、

33、高度综合数据和元数据。高度综合数据是最高一层，是一种准决策数据。元数据不包含任何业务数据库中的实际数据信息，它负责组织整个数据仓库的组织结构。 数据仓库系统由三大部分组成：数据仓库（DW）、数据仓库管理系统（DWMS）和数据仓库工具集。,第三、四节 人工智能与群体决策支持系统,数据仓库的优点 数据仓库有两大优点：一方面，它使我们不必重新编制输入（事务）处理系统，就能够建立一个结构化的环境，将输出（决策支持）处理移入新环境（数据仓库）中；另一方面，它建立概念模式（逻辑数据模型）、内部模式（历史文件）和外部模式（数据仓库）的三模式环境，其中，历史文件中的“多对多”（m*n）维护关系可以简化为三模式

34、环境下的多个“一对多”（m+n）关系。,第三、四节 人工智能与群体决策支持系统,（2）数据挖掘与知识发现 数据挖掘（DataMining）和数据库知识发现 （Knowledge Discovery in Database,KDD）是近年来随着数据库和人工智能技术的发展而出现的全新信息技术，同时也是计算机科学与技术，尤其是计算机网络的发展和普遍使用所提出的、迫切需要解决的重要课题。很多人将数据挖掘和KDD作为互换的术语来使用，其实它们是有区别的，KDD是一个综合的过程，包括实验记录、迭代求解、用户交互以及许多定制要求和决策设计等，而数据挖掘只是KDD中的一个具体但又关键的步骤。,第三、四节 人工智能与群体决策支持系统,