《第1章 决策支持系统概述解析ppt课件.ppt》由会员分享，可在线阅读，更多相关《第1章 决策支持系统概述解析ppt课件.ppt（68页珍藏版）》请在三一办公上搜索。
1、农业决策支持系统Decision Support System in agriculture 汤 亮南京农业大学/江苏省信息农业高技术研究重点实验室,办公室电话：84396804 办公室地点:生科楼 B3018E-mail：,联系方式：,本课程要求,遵守课堂纪律打通学科，联系实践积极思考，提出问题好好复习，认真应考,综合成绩：（1）平时 40%出勤课堂提问、讨论课外作业（2）闭卷考试 60%相关内容会在讲课过程中强调,主要参考书目：1、高洪深，决策支持系统(DSS)理论方法案例(第3版)，清华大学出版社，20052、陈文伟，决策支持系统教程，清华大学出版社，20043、曹卫星，罗卫红，作物系统
2、模拟及智能管理，高等教育出版社，20034、汪日康，袁蓉芳，徐华生，汪继军.计算机决策支持系统.上海科学普及出版社.19925、马芸生,杜俊俐.决策支持系统与智能决策支持系统.中国纺织出版社，19956、黄梯云.智能决策支持系统.电子工业出版社,20017、陈景艳,魏薇,关忠良等.决策支持系统.西南交通大学出版社，19958、Yasuhiko Takahara，Advances of DSS Development，经济科学出版社，200410、Efrem G.Mallach.Decision Support and Data Warehouse.Tsinghua Uni.Press,2001
3、11、曹卫星、朱艳、汤亮，等 数字农作系统，科学出版社，200812、张鹏翥.决策支持系统.上海交通大学出版社.2005.13、李冬，蔡剑.决策支持系统与知识管理系统.,课程的性质和任务：DSS是管理科学、数学方法、系统论为理论基础，以计算机技术为手段，针对半结构化的决策问题，辅助中、高层决策人员进行决策的一种人机系统。本课程从现代管理决策需求出发，对DSS的相关理论和技术进行介绍，并结合实际的案例进行分析，提高学生对DSS的认识，熟悉DSS的一般功能和结构，了解DSS开发的方法和相关开发技术，构建管理中的决策模型，并掌握设计和开发农业DSS的初步能力。,课程主要内容:第 1 章 决策支持系统
4、概述第 2 章 决策支持系统的基本概念第 3 章 决策支持系统的构造与系统结构第 4 章 数据库及其管理系统第 5 章 模型库及其管理系统第 6 章 人机界面第 7 章 知识库、方法库及其管理系统 第 8 章 数据仓库 第 9 章 联机分析处理与数据挖掘 第 10 章 决策支持系统在农业上的应用,第1 章 决策支持系统概述,本章主要内容：1、决策支持系统的产生 2、DSS与相关技术的关系 3、新一代DSS的发展,9,20世纪40年代 电子计算机出现 用于科学和工程计算（数值计算）20世纪50-60年代 电子数据处理（EDP，数据处理）人工智能（AI,知识处理）20世纪60-70年代 管理信息系
5、统(MIS,数据处理的发展）20世纪80年代 决策支持系统(DSS，定量辅助决策)专家系统（ES，定性辅助决策）20世纪90年代 神经网络(NN)，Internet(万维网)20世纪90年代中期数据仓库（DW），数据挖掘（DM）21世纪 信息化时代(计算机+网络)基于网络的综合决策支持系统,1.1 计算机与决策支持系统的发展,1 决策支持系统的产生,决策支持系统（Decision Support System，DSS）1971年，美国M.S.Scott Morton在管理决策系统一文中首先提出的。DSS实质上是在管理信息系统和管理科学（运筹学）的基础上发展起来的。管理信息系统用来对大量数据进行
6、处理，完成管理业务工作。管理科学（或运筹学）运用模型辅助决策。而决策支持系统是将大量的数据与多个模型组合起来，通过人机交互达到支持决策的作用。,决策支持系统（decision support system,DSS）的概念是70年代初由美国Michael.S.Scott.Morton在管理决策系统一文中首先提出的。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。,http:
7、/,DSS history：http:/,1.2 管理信息系统(Management Information System，MIS)管理信息系统是从数据处理的基础上发展起来的。1数据处理（Electronic Data Processing，EDP）包括数据收集、录入、正确性检查、整理与加工、输出等。数据处理区别于科学和工程计算，具如下特性：数据量大。如我国第3次人口普查的原始数据达400亿字符，输出的汇总表(国家、省、地、县)共259种，总量达20万页。数据处理一般不涉及复杂的数学运算。例如，人口普查统计汇总主要是执行算术运算；时效性强。如网上航空订票系统，可随时查询各地班机的班次、座位、售
8、票、余票和退票情况。数据处理的方法是每次处理一个记录。这也是数据处理与数值计算在处理方法上的区别。,2、MIS的基本原理 随着数据处理领域应用的成功，上世纪6070年代西方国家（70年代末80年代初，中国）兴起了MIS的热潮。管理信息系统（定义）是由人和计算机结合的对管理信息进行收集、存储、维护、加工、传递和使用的系统。管理信息系统具有以下特性：主要功能是事务处理。如低级处理（信息的收集、传输、存储、检索等），高级处理（有一些模型计算）。包含多个电子数据处理系统(EDP)。每个EDP面向一个管理职能，如财务EDP、劳资EDP等。是为结构化决策服务的。所谓结构化决策是指那些日常的、有规律可循的、
9、可事先确定的决策行为。,具有系统的一切特征。MIS是由若干个子系统构成，通过各子系统之间的信息联系，构成一个有机整体以实现总体管理目标。MIS从开发到运行的整个生命周期中，都体现了系统的思想和工作方法。是管理系统的一部分。MIS依赖于管理系统，后者对前者的功能、组织结构具有决定性的作用。不适应管理的信息系统没有生存的价值。是以数据库系统为基础建立起来的。具有集中统一规划的数据库是MIS成熟的重要标志。,学校管理系统,信息流程,人员机构,物资流程,教师职工,学生,部门（学院）,处（系）,科室（实验室）),管理员（教师）,学院,专业,班级,学生,管理信息系统应具备以下功能：事务处理。事务处理是按业
10、务功能编制出计算机程序，对数据库中的数据进行处理完成业务工作。数据库的更新和维护。对数据库中的数据进行添加、删除和修改。存储历史信息的数据库一般只有添加操作。产生各类报表。MIS应具有对数据库中的数据进行提炼，以报表（定期报表和不定期报表）的形式呈给用户的功能。查询处理。包括条件查询和随机查询。用户与系统的交互作用(用户界面)。用户可以通过某种方式使用MIS或对系统进行提问以获取辅助决策信息。,1.3 管理科学和运筹学管理科学（Management Science,MS）运筹学（Operations Research,OR）管理科学是对管理问题用定量分析方祛，建立数学模型，通过求解计算，达到辅
11、助管理决策的一门学科。管理科学用数学模型方法研究经济、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，通过模型的有效运行，预测发展趋势，制定行动规划或优选可行方案。,管理科学处理问题时，分为以下5个阶段：确定问题和目标。把整个问题分解成若干个子问题，收集问题的数据，确定问题的目标。建立模型。通过数学符号定义变量，在确定它们之间的关系后，用数学表达式描述问题。如Tav=a*Tmin+b*Tmax 其中a+b=1；或Tav=a*Tmin+b*Tmax求解模型和优化方案。确定求解模型的数学方法，对求解方法编制程序和调试程序，在多个方案中选优。检验和评价模型是否合理。通过实验数据来检验模
12、型的解。应用模型分析问题和不断优化模型。例如，作物生长模型反映了作物生长发育的规律以及主要影响因素。通过生长模型的计算，为种植者制定管理措施（如施肥、灌溉、化学调控等）提供辅助决策建议，调控作物最优生长，从而提高作物的产量和品质。,1.4 专家系统 专家系统是人工智能的具体应用，专家系统是利用专家的知识在计算机上进行推理，达到专家解决问题的能力。1968年由EAFeigenbanm等人研制了DENDRAL专家系统，用来帮助化学家推断分子结构。1974年由EHShortliffe等人研制了MYCIN专家系统，是一种诊断血液细菌感染以及脑膜炎的医疗诊断系统。专家系统也是一种很有效的辅助决策系统。它
13、是利用专家的知识，特别是经验知识经过推理得出辅助决策结论。对于专家知识，它不限定是数值的，更多的是不精确的定性知识。因此，专家系统辅助决策的方式属于定性分析。,专家系统具有以下特性：用定性方式辅助决策。使用知识和推理机制。知识获取比较困难。知识包括确定知识和经验知识。解决问题的能力受知识库内容的限制。如苹果专家系统；棉花病虫害防治专家系统；水稻专家系统；中药材资源信息库及专家系统；等等。,2 DSS与相关技术的关系2.1 决策与预测的关系1、基本关系（1）决策前必须先预测，预测的目的是为了更好地决策。（2）预测是一个认识过程，决策则是决策者根据将来的事物变化，结合自己的价值观和偏好作出决策，以
14、达到某种目标。（3）预测则是从原因推测结果，决策是先从结果反方向找原因，再设法创造条件去实现结果。2、农业自然灾害预测与防灾决策3、经营预测和决策4、贯序（即时序）预测和决策,2.2 决策支持系统与管理科学及运筹学的关系 以模型辅助决策是MSOR和DSS的共同基础。MSOR处理问题的过程分为4个步骤：调研、建模、优化和解释。MSOR在建模步骤中是相当成功的。但是，对于多个模型之间的选择以及多模型的组合，已经超出了MSOR的范围，而这正是DSS的工作。DSS与MSOR比较，具有以下特点：DSS将数据和模型通过接口组成一个系统。DSS需要多模型间的选择和多模型的组合，形成多个方案。DSS通过人机交
15、互支持人对非/半结构问题的决策。DSS便于用户的使用和适应用户的不同需求。,2.3 决策支持系统与管理信息系统的关系 DSS是从MIS的基础上发展起来的，都是以数据库系统为基础，都需要进行数据处理，也都能在不同程度上为用户提供辅助决策信息。DSS与MIS具有以下不同：MIS是面向中层管理人员，为管理服务的系统。DSS是面向高层人员，为辅助决策服务的系统。MIS按事务功能(生产，销售，人事)综合多个事务处理的EDP。DSS是通过模型计算辅助决策。,MIS是以数据库系统为基础，以数据驱动的系统。DSS是以模型库系统为基础，以模型驱动的系统。MIS分析着重于系统的总体信息的需求，输出报表模式是固定的
16、。DSS分析着重于决策者的需求，输出数据的模式是复杂的。MIS系统追求的是效率，即快速查询和产生报表；DSS追求的是有效性，即决策的正确性。MIS支持的是结构化决策。DSS支持的是半结构化决策。,2.4 DSS与专家系统的关系,（1）专家系统（ES）的基本原理与方法用于DSS，即构成了智能型DSS。专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。（2）包括推理机、知识库、知识获取子系统等；DSS的交互式人机接口、友好的对话系统、启发知识的模型库及数据库等。,DSS与ES的异同点：（1）ES是抽取专家的知识并
17、加以组织，以提供专家水平的咨询。DSS则强调数据与模型的有机结合和方便用户而引入人工智能思想和技术。（2）DSS强调大范围内支持决策，即强调通用性；ES是专用的，强调某一窄范围内代替决策工作。（3）DSS强调人机结合；ES只要求用户提供必要的数据外，基本是自动执行的。（4）小的DSS有可能模拟决策者的思维过程自动得到解答,决策者才在最后决定时起作用，这相当于ES。,3 决策支持系统的发展 DSS中增加了模型库和模型库管理系统，它把众多的模型有效地组织和存储起来，并且建立了模型库和数据库的有机结合。DSS不同于MIS数据处理，也不同于单模型的数值计算（如管理科学与运筹学），它既具有数据处理功能，
18、又具有模型的数值计算功能，是它们的有机集成。决策支持系统具有以下特性：用定量方式辅助决策，而不是代替决策。使用大量的数据和多个模型。支持决策制定过程。,为多个管理层次上的用户提供决策支持。能支持相互独立的决策和相互依赖的决策。用于半结构化决策领域。结构化决策指决策目标是确定的，可选的行动方案是明确的，或者是方案数量较少。非结构化决策的目标之间往往是相互冲突，可供决策者选择的行动方案很难加以区分，且某些行动方案可能带来的影响有高度不确定性。DSS适合于半结构化决策领域，即在解决结构化决策的基础上扩大多种决策方案，通过人机交互由人来选择和判断，解决某些不确定因素，得到人未预想到的辅助决策信息。,3
19、.1 智能决策支持系统,决策支持系统和专家系统各自自成体系，要结合它们将有一些技术难题需要解决。专家系统结构中核心的部分由“知识库、推理机和动态数据库”三部件组成。知识库存放大量的专家知识；推理机完成对知识的搜索和推理；动态数据库存放已知的事实和推理出的事实与结果。相对来说，决策支持系统中的数据库是静态数据库。智能决策支持系统是以决策支持系统为主体，结合人工智能技术形成的系统。人工智能技术包括：专家系统、神经网络、机器学习、遗传算法、自然语言理解等。,神经网络是基于人脑神经元的数学模型(MP模型，多输入单输出)建立起来的智能技术。神经网络分为前馈式网络、反馈式网络和自组织网络。机器学习是模拟人
20、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、解释学习等类型。机器学习和决策支持系统结合，主要是增加学习功能，获取辅助决策知识。自然语言理解是指计算机从用户输入的自然语言请求中，分析语言中的语法获取语义。自然语言理解和决策支持系统的结合，能提高人机交互的效果，即在人机交互中可以直接采用自然语言与决策支持系统对话。,3.2 群决策支持系统(Group Decision Support System，GDSS)群体决策是若干决策者针对大型问题或复杂问题，在共同环境和一定的目标下发挥相互联系或相互制约的作用，通过共同协商，寻求各方都满意的结果。如对一个城市长远的发展、一个省
21、（市、县）农业的重大决策，个人决策局限很大，这就需要不同的部门群体决策来解决。群决策的成员可以是分布在较远的地方，这需要利用计算机分布式网络来连接它们，故分布式网络对GDSS是不可缺少的。,1）群决策支持系统简介 DSS是模型库系统、数据库系统、知识推理系统、人机交互系统四者的有机结合体。GDSS是在多个DSS和多个决策者的基础上进行集成的结果。可以说，GDSS是集成多个决策者的智慧、经验以及相应的DSS组成的集成系统，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的决策问题。实际领域中的问题提给各DSS系统，它支持决策者作出各自的决策，进入GDSS系统，由组织管理者对各自的决策
22、通过GDSS进行综合分析和集成，形成决策结论，最后该决策结论反馈到实际领域问题中。,GDSS具有以下特性：GDSS是一个支持群决策的支持系统，它需要专门设计，不是多个DSS的简单组合。GDSS能减少群中部分消极行为的影响。GDSS能完成群决策过程和得出群决策方案，并在组织管理者的指导下得到群决策结果。GDSS能支持在一个地点举行的群决策会议，也能支持远程的决策会议，并得到决策问题的结果。,2）GDSS的应用类型 根据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，将GDSS分为4种类型。(1)决策室(Decision Room)决策者在同一个会议室利用不同终端上的DSS形成各自的决策意见，
23、GDSS的组织者协调和综合各决策者的决策意见，使GDSS得出群决策结论。会议室中有大屏幕显示器显示中间或最终决策意见。(2)局部决策网(Local Decision Network)决策者利用各自工作站上的DSS进行决策，并通过局部网络和GDSS组织管理者通信，传输各自需要的输入输出信息。,(3)远程会议(Teleconferencing)两个或者多个决策室通过可视通信设备连接在一起，使用电子传真会议技术组织会议进行决策。(4)远程决策制定(Remote Decision Making)每个决策者都拥有一台“决策工作站”，在站与站之间存在不间断的通信联系，其中任何一个决策者可在任何时候与群体的
24、其他成员取得联系，共同作出决策。它不像远程会议那样，需要组织安排和协调才能举行决策会议，它具有远程大范围的群体决策。它可用于国际组织和跨国公司的联席会议。,3.3 决策支持系统的发展1）决策支持系统的技术进步(1)单模型辅助决策 管理科学/运筹学针对不同的决策问题建立了大量的数学模型。辅助决策时，以单模型运行方式，得出辅助决策信息。(2)交互建模的DSS 为了提高模型辅助决策能力，对决策问题通过人机交互建立模型(在已知模型的数学结构下，建立实际问题的数学模型)或修改模型(修改模型方程中的变量、系数或常数等参数)。即通过适当的变更模型(改变方案)，从不同方案的运行结果中得出更多的辅助决策信息。,
25、(3)组合模型的DSS 复杂的决策问题需要模型库（即多个模型的组合）。模型的组合涉及数据共享，一个模型的输出往往是另一个模型的输入。数据共享需要数据库来支持。以模型库和数据库结合为基础的决策支持系统是组合模型辅助决策的有效组织形式。模型的组合需要扩充模型的范围。例如一个数学模型的输出数据经过处理后，再输入到另一个数学模型中去，这中间的数据处理过程称为数据处理模型。因此，组合模型是多个数学模型和多个数据处理模型的有机组合。,组合模型通过控制系统(程序)来达到有效的组合。控制系统除顺序组合多模型外，还可以用选择结构、循环结构、嵌套结构等来建立多种形式组合模型。组合模型的DSS中组合的数学模型与数据
26、处理模型均是以定量方式辅助决策。这是一般意义下的决策支持系统。(4)智能的DSS 将ES与DSS结合起来，可以使定性辅助决策和定量辅助决策结合起来，形成典型的智能决策支持系统(IDSS)。ES是以知识推理的形式，即以定性方式辅助决策。专家系统可以看成是知识推理模型。IDSS的控制系统是将数学模型、数据处理模型、知识推理模型等多种模型实现有机组合的集成系统。,2）决策支持系统技术难度 建立DSS的典型的观念是建立多库结构，即数据库、方法库、模型库、知识库、信息库等。这样DSS的能力就很强大。由于DSS是新技术，目前模型库管理系统并没有成熟的产品软件，这迫使DSS的开发人员自己去开发模型库管理系统
27、，受开发管理语言的限制(系统研究人员和开发人员之间的鸿沟)，影响了DSS的发展。DSS发展缓慢。国内已开发的DSS都是自行开发的模型库管理系统，数量较少。这种局面造成了人们对DSS前途的悲观，甚至于出现否定DSS的观点。而多个库（包括模型库、数据库、方法库等）的管理系统的设计和实现，进一步加大了决策支持系统的开发难度。,3）决策支持系统的发展方向 90年代兴起的数据仓库（DW）、联机分析处理（OLAP）和数据挖掘（DW）三项新技术为决策支持系统开辟了一条从数据中获取辅助决策信息的新路，称之为新决策支持系统。新DSS与优统DSS的联系与区别：（1）传统DSS是以模型资源和知识资源辅助决策；新DS
28、S是以数据资源辅助决策。（2）传统DSS的知识来源于专家的领域知识和经验知识，而新DSS的知识来源于数据仓库中的数据。（3）二者互相补充。新DSS与传统DSS的结合，称为综合决策支持系统，它将是今后的发展方向。,4 数据仓库与决策支持系统,4.1 基于数据仓库的新决策支持系统 1）数据仓库的兴起 数据仓库(Data Warehouse，DW)是在数据库的基础上发展起来的，数据库用于事务处理，而数据仓库是由大量的相关数据集成而来的，用于决策分析。例1，数据仓库用户可以立即得到其单位当前所处地位的准确报告，了解公司面临的风险，包括各项事务及整个企业所有业务面临的风险，并对市场和法规条例的需要迅速作
29、出反应。,例2，银行的数据仓库能够看到所有账户和每个人的信息，银行将能够在客户还未认识到他的某种需要之前就预测到他的需要。比方说，银行将知道客户的汽车已用了4年，将建议向他提供一笔汽车贷款，帮助他更快地买到新车;银行将知道新生儿出世的消息，并向其家庭建议一个更高层次的教育计划。数据仓库是在数据库的基础上发展起来的。它将大量的数据库的数据按决策需求进行重新组织，以数据仓库的形式进行存储，它为用户提供辅助决策的随机查询、综合数据以及随时间变化的趋势分析信息等。数据仓库是一种存储技术。它的数据存储量是一般数据库的100倍，它包含大量的历史数据、当前的详细数据以及综合数据。,数据仓库是预测利润、分析风
30、险、进行市场分析，以及加强客户服务与营销活动等的催化技术。它在支持和管理突飞猛进的商业变化以及在保持这种竞争优势方面日益扮演着举足轻重的角色。从目前的形势看，数据仓库技术已紧跟Internet技术，成为信息社会中获得企业竞争优势的又一关键。据美国Meta Group市场调查机构1997年的资料表明，幸福杂志所列的全球2000家大公司中已有90将Internet网络和数据仓库这两项技术列入企业计划，而且有很多企业为使自己在竞争中处于优势已经率先采用。,2）数据挖掘的兴起 数据挖掘(Data Mining，DM)是指从大量数据中提取出隐藏在数据中的有用信息，为人们的正确决策提供帮助。数据挖掘是在大
31、型数据库中知识发现(Knowledge Discovery in Database，KDD)中的一个步骤。数据挖掘是从人工智能机器学习中发展起来的。最常用的数据挖掘方法是统计分析方法、神经网络方法和机器学习中研究的方法。例如，利用分类规则来预测未知动植物的类别。,通过数据挖掘技术可以产生5种类型的信息：（1）关联信息。即与某个事件相关联的信息。比如，购买锤子的同时有70的可能也购买了钉子。（2）序列信息。即事件内互相链接的次序。比如，植物先开花再结果。（3）聚类信息。即把那些看起来没有类别的数据聚集成多个类别。（4）分类信息。主要用于找出描述一组（动植物）特性的模式。比如，找出一些已经死亡水稻
32、的共同特征。（5）预测信息。可以通过使用隐藏在数据中的回归模型来估计一些连续变量(如作物日生长量)的未来值。,4.2 DW+OLAP+DM的新决策支持系统 数据仓库(DW)、联机分析处理(OLAP)与数据挖掘(DM)都是决策支持新技术，但它们有着完全不同的辅助决策方式。数据仓库中存储着大量辅助决策的数据，它为不同的用户随时提供各种辅助决策的随机查询、综合数据或趋势分析信息。联机分析处理是将数据由二维数据分析扩充到多维数据分析，进行切片、切块、钻取等多种分析手段。数据挖掘是挖掘数据中隐含的信息和知识，让用户在决策中使用。,数据仓库、联机分析处理和数据挖掘可以结合起来。在数据仓库系统的前端的分析工
33、具中，多维数据分析与数据挖掘是其中的重要工具。它可以帮助决策用户进行多维数据分析和挖掘出数据仓库的数据中隐含的规律性。数据挖掘可用于数据仓库的海量数据，也可直接用于事务处理的操作数据。以数据仓库为基础，结合联机分析处理和数据挖掘，便形成了基于数据仓库的新决策支持系统。,4.3 综合决策支持系统1）新DSS与传统DSS的关系（见前）2）综合决策支持系统结构 传统DSS和新DSS结合起来的决策支持系统称为综合决策支持系统(Synthetic Decision Support System，SDSS)。综合决策支持系统由3个主体组成：模型库系统和数据库系统结合的主体。完成多模型的组合与大量共享数据的
34、处理，是利用模型资源辅助决策的。数据仓库系统与联机分析处理结合的主体。完成对数据仓库中数据的综合、预测和多维数据分析，是利用数据资源辅助决策的。知识库系统(知识库、推理机和知识库管理系统)与数据挖掘结合的主体。完成知识推理，是利用知识资源辅助决策的。,图1.2 综合决策支持系统结构,3）网络环境的综合决策支持系统 网络环境下的数据仓库、模型资源和知识资源皆以服务器形式在网络上提供并发、共享模型服务和知识服务。模型服务器中可以集成大量的数学模型、数据处理模型、人机交互的多媒体模型等，为用户提供不同类型的模型服务，也可以为用户提供组合多种类型模型的综合服务。知识服务器中可以集中多种智能问题的知识库
35、，或者是不同知识表示形式的知识(规则知识、谓词知识、框架知识、语义网络知识等)和多种不同的推理机，如正向推理机、逆向推理机、混合推理机等。,网络环境的综合决策支持系统的综合部件(问题综合与交互系统)是由网络上的客户机来完成，即在客户机上编制DSS控制程序，由它来调用或者组合模型服务器上的模型并完成模型计算，调用知识服务器上的知识，完成知识推理以及实现数据仓库的综合信息查询，或用历史数据进行预测。结构图见图1.3所示。网络环境的综合决策支持系统是决策支持系统的发展方向。由于Internet技术的成熟和普及，这种结构形式的决策支持系统很快就会出现。,图1.3 网络环境的综合决策支持系统结构,决策支
36、持系统的发展图（续）,决策问题结构化程度：结构化、半结构化、非结构化,结构化程度：是指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。如果能描述清楚的，称为结构化问题；不能描述清楚而只能凭直觉或经验作出判断的，称为非结构化问题；介于两者之间的，则称为半结构化问题。,5 结构化、半结构化和非结构化问题,半结构化问题一方面可以通过编制程序进行定量分析和计算另一方面还要依靠人的知识、经验和直觉来判断和选择。因此，在求解半结构化问题时，人机交互是非常重要的，往往要经过很多次的对话才能完成问题的求解。,如，确定目标、设计方案、评价方法都能
37、用确定的算法或决策规则来确定问题，设计各种解答方式，并从中选择最佳的一个方案结构化 如果都不能按上述的方法来决策问题非结构化 一个或两个阶段无法清晰的描述，其余的阶段则具有良好的结构，能够对它清晰而准确的描述半结构化,决策问题的性质与分类,6 DSS的定义 自从决策支持系统的概念提出以后，（1）R.H.Spraque和E.D.Carlson;（2）P.G.W.Keen；（3）S.S.Mittra；先后对决策支持系统进行了定义。,综合所述，决策支持系统是以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、模拟技术和信息技术为手段，面对半结构化的决策问题，支持决策活动的具有智能作用的人/机计
38、算机系统。,(1)RHSpraque和EDCarlson对DSS的定义 决策支持系统具有交互式计算机系统的特征，帮助决策者利用数据和模型去解决半结构化问题。决策支持系统具有以下功能：解决高层管理者常碰到的半结构化和非结构化问题。把模型或分析技术以传统的数据存储和检索功能结合起来。以对话方式使用决策支持系统。能适应环境和用户要求的变化。,(2)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。决策：在制定决策中解决问题，在解决问题的每一步作出决策；支持：决策过程的每一阶段使用计算机及软件技术来支持；系统：指一个人机交互的系统以及设计
39、和实施中的系统性。,(3)SSMittra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。决策支持系统具有以下功能：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。DSS结构是由控件部分将数据存取模块、数据变换模块(检索数据，产生报表和图形)和模型建立模块(选择数学模型或采用模拟技术)3个模块连接起来实现决策问题的回答。,2）决策支持系统的要求强调对环境及用户决策方法改变的灵活性及适应性对准上层管理人员
40、经常面临的结构化程度不高、说明不够充分的问题；把模型或分析技术与传统的数据储存技术机检索技术结合起来易于为非计算机专业以交互会话的方式支持但不是代替高层决策者制定决策。,4）决策支持系统的特点,面向决策者主要帮助管理人员完成半结构化的决策问题强调支持的概念 模型和用户共同驱动强调交互的处理方式,5）决策支持系统的功能,能够并及时提供本系统与本决策有关的各种数据及时收集提供各项活动的反馈信息能够用一定的方式储存与所研究的决策问题有关的各种模型、常用的数学方法各种数据、模型、方法的管理都应该是易于改变、易于增添的提供方便的人机对话接口和图形输出功能提供良好的数据传输功能具有一定的加工速度与响应时间,
