企業(yè)決策支持系統(tǒng)

1、企業(yè)決策支持系統(tǒng)第1頁，共36頁，2022年，5月20日，14點31分，星期日前言 關于課程關于教材關于授課者關于聽課者關于教學過程關于考核辦法課時安排與教學方法:總課時：32 學時 周學時：4學時考 查：理論考試教學內(nèi)容DSS概述（基本概念、關系辨識與發(fā)展歷程等） DSS技術基礎DSS三種主要的系統(tǒng)結構DSS開發(fā)策略與方法IDSS（智能決策支持系統(tǒng)）GDSS（群體決策支持系統(tǒng)）地位：計算機類、泛管理類專業(yè)骨干課程;信息管理專業(yè)核心課程內(nèi)容：DSS基礎、DSS開發(fā)、DSS管理、DSS應用、DSS選型性質：理論與實踐相融合，與時俱進、持續(xù)發(fā)展與完善 認真、負責地教+虛心、勤奮地學達成共同的目標、

2、完成教學任務堂上師生者從嚴、堂下朋友者輕松教學學生教師?教?學?觀念轉變：應試教育素質教育+學科特征：理論與實踐密切結合平時成績（出勤/作業(yè)/狀態(tài)等）+考試成績（指定教材/講義/參考教材）張建華（Zhang Jianhua），同濟大學管理學博士；/為學經(jīng)歷、研究方向與教學經(jīng)歷；辦公室：管理工程系410室(電子商務教研室)；聯(lián)系電話：67781822郵件地址： (作業(yè)交流用)計算機類、泛管理類日教本科生有志于報考信息管理專業(yè)或方向研究生者。不甘心于溺死于波濤洶涌的信息之海者合適教材：針對性強；基礎性強；綜述性強又不乏前瞻性；深入淺出、言簡意賅。參考教材：黃梯云.智能決策支持系統(tǒng). 電子工業(yè)出版社

3、, 2001； 楊善林. 智能決策方法與智能決策支持系統(tǒng). 科學出版社， 2005 ;李東, 蔡劍. 決策支持系統(tǒng)與知識管理系統(tǒng). 中國人民大學 出版社，2005 對應態(tài)度：“盡信書則不如無書”；博覽群書、勤于思辨。第2頁，共36頁，2022年，5月20日，14點31分，星期日管理決策第一講 決策支持系統(tǒng)概述 決策支持系統(tǒng)(概念、特征、功能、類型)決策支持系統(tǒng)與其他系統(tǒng)關系本講主要內(nèi)容：決策支持系統(tǒng)發(fā)展歷程第3頁，共36頁，2022年，5月20日，14點31分，星期日3管理決策決策是基本管理職能之一，是決策主體為實現(xiàn)某一既定目標而實施的有意識、有選擇的管理活動。決策的實際效果如何，既取決于決策

4、主體的決斷能力（隱性知識的一種），也決定于決策主體所掌握的有關決策問題的數(shù)據(jù)與信息的數(shù)量與質量。 數(shù)據(jù)（data）是人們對客觀世界中的事物屬性及其相互關系的抽象表示；它是可以被記錄和鑒別的符號，是客觀實體及其關系的屬性值。信息（information）是有目的、有用途、有完備意義和有機聯(lián)系的數(shù)據(jù)集，是對數(shù)據(jù)進行再加工與再組織的產(chǎn)物。 第一講決策支持系統(tǒng)概述 學號性別姓名書號書名 借書學生圖書學號時間客觀實體及其關系的屬性化描述書號出版社第4頁，共36頁，2022年，5月20日，14點31分，星期日4管理決策本體論者將“信息”定義為事物內(nèi)部結構和外部聯(lián)系的運動狀態(tài)與方式。認識論者將“信息”定義為

5、認知主體所感知或所表述出來的事物運動的狀態(tài)與方式。維納（Norbert Wiener）在控制論和社會中把認識論意義上的信息定義為：“信息是我們在適應外部世界并且使這種適應為外部世界所感知的過程中，同外部世界進行互相交換的內(nèi)容的名稱”； 申農(nóng)(Claude Elwood Shannon)指出“信息是能夠用來消除不確定性的東西”； 意大利學者朗高（G. Longo）則精辟地提出“信息就是差異”。 信息系統(tǒng)（MIS、DSS等）通過對決策主體提供有力的信息支持、完成或輔助決策主體完成決策過程，提升決策活動的實際效益。 一般決策過程決策的類型劃分第一講決策支持系統(tǒng)概述 第5頁，共36頁，2022年，5月

6、20日，14點31分，星期日5決策支持系統(tǒng)對于決策支持系統(tǒng)，人們在不同時點、基于不同視角給出了諸多定義MIT教授Michael S. Scott Morton 在20世紀70年代指出，DSS為一種在線分析處理化的交談式系統(tǒng)，協(xié)助決策者使用資料與模式，解決非結構化的問題 。 同期，另一位MIT教授Peter G.W.Keen 認為，DSS使用在線分析處理技術協(xié)助解決半結構化的決策問題，它輔助但不取代人類決策，目的為改善決策質量而不是決策效率。Steven L. Alter則提出了被廣泛認可的觀點，他認為：任何支持決策制定的系統(tǒng)均為DSS，其中包括信息的存取、模式的分析與工具輔助類系統(tǒng)。20世紀8

7、0年代，波恩切克）認為決策制定是由決策支持系統(tǒng)和它的用戶共同完成的，提出智能決策支持系統(tǒng)(IDSS)思想,將人工智能 中的專家系統(tǒng)和知識處理等方法引入到?jīng)Q策支持中。第一講決策支持系統(tǒng)概述 第6頁，共36頁，2022年，5月20日，14點31分，星期日6決策支持系統(tǒng)到20世紀90年代，特班（Efraim Turban）進一步界定了DSS的系統(tǒng)特性：DSS結合人類判斷力與在線分析處理系統(tǒng)，輔助解決半結構化與非結構化問題DSS能夠輔助組織不同管理層次進行決策DSS能夠提供從個人到群體層次的決策支持DSS能夠支持多個彼此互相依賴或具有順序性的問題決策DSS能夠提供在決策過程中的所有階段支持DSS能夠支

8、持各種決策制定、彰顯決策者的風格 DSS具有自適應性 DSS應具有易操作性 DSS不僅改善決策效率，還能夠改善決策效果DSS強調的是決策支持而非替代人類直接決策 DSS應設有用戶接口，容許用戶修改甚至自行建造相應的決策模塊DSS能夠提供不同分析模式，協(xié)助使用者制定決策 DSS可協(xié)助使用者存取各種決策相關資料 DSS可單獨為單一使用者使用，也可以整合不同DSS解決復雜決策問題。第一講決策支持系統(tǒng)概述 第7頁，共36頁，2022年，5月20日，14點31分，星期日7決策支持系統(tǒng)我們認為，決策支持系統(tǒng)(Decision Support system，DSS)是以管理科學、運籌學、控制論、行為科學以及

9、信息科學等學科知識為基礎，通過有效組織和應用相關數(shù)據(jù)、信息與知識，以人機會話方式輔助決策者解決半結構化和非結構化決策問題的信息系統(tǒng)。 DSS強調的是輔助人類做出決策，而非替代人類直接進行決策。 決策支持系統(tǒng)功能歸納：收集、管理并提供與決策問題有關的組織外部信息以及決策方案執(zhí)行過程中的反饋信息 。構建、管理與應用各種決策模型。提供友好的人機會話 。提供強大的通信功能，增強決策主體間的協(xié)同特征。維持較高的運行效率與有效性。第一講決策支持系統(tǒng)概述 第8頁，共36頁，2022年，5月20日，14點31分，星期日8決策支持系統(tǒng)決策支持系統(tǒng)特征歸納：作為信息系統(tǒng)的子系統(tǒng)，具備信息系統(tǒng)的一般特征。支持半結構

10、化、非結構化決策。支持數(shù)據(jù)庫（亦包括各類知識庫）存取和建模過程。模型驅動 。對決策過程實施全生命周期支持。支持決策者之間的溝通與協(xié)同 。維持較高的運行效率與有效性。對事物分類是人們深化對其認識與理解的重要途徑?；诓煌暯?，人們對DSS進行類型劃分。 第一講決策支持系統(tǒng)概述 第9頁，共36頁，2022年，5月20日，14點31分，星期日9決策支持系統(tǒng)斯普拉格(Sprague)與卡爾遜（Carlson）依技術功能維度，將DSS相關系統(tǒng)分成三類:面向特定領域的DSS（Specific DSS），如專門解決財務決策問題的財務DSS 。一般性的DSS軟件工具（DSS Generator），協(xié)助特定決策

11、類型的DSS，提供一般性的決策輔助功能，若財務DSS以試算表軟件開發(fā)，則試算表就是一種一般性的DSS軟件工具 。DSS開發(fā)工具（DSS Tools）：用作協(xié)助以上兩者發(fā)展的軟件工具，如協(xié)助開發(fā)財務DSS使用接口的人機接口開發(fā)軟件 。Holsapple與Whintson依系統(tǒng)內(nèi)核特征，將DSS劃分為6類：文件導向的決策支持系統(tǒng)（Text-oriented DSS） 數(shù)據(jù)庫導向的決策支持系統(tǒng)（Database-oriented DSS） 試算表導向的決策支持系統(tǒng)（Spreadsheet-oriented DSS） 解模器導向的決策支持系統(tǒng)（Solver-oriented DSS） 規(guī)則導向的決策支

12、持系統(tǒng)（Rule-oriented DSS） 復合型決策支持系統(tǒng)（Compound DSS） 智能決策支持系統(tǒng)（Intelligent DSS） 第一講決策支持系統(tǒng)概述 第10頁，共36頁，2022年，5月20日，14點31分，星期日10決策支持系統(tǒng)按系統(tǒng)輸出結果特征，將DSS分為資料導向（Data Oriented）與模式導向（Model Oriented）兩大類:資料導向型DSS可進一步分為兩種類型：資料檢索（Data Retrieval）型DSS與資料分析（Data Analysis）型DSS。模式導向型亦DSS可進一步分為兩種類型：模擬（Simulation）型DSS與建議（Sugge

13、tion）型DSS，前者有會計模式（Accounting Models）與表達模式（Representation Models）兩種類型，后者則有最佳模式（Optimization Models）與建議模式（Suggestion Models）兩種類型。多諾萬（Donovan）與馬德尼克（Madnick）按系統(tǒng)使用頻率，將DSS分為常用型DSS（Institutional DSS）與臨時性DSS（Ad hoc DSS），前者如解決生產(chǎn)排程問題的DSS與管理財務規(guī)劃的DSS，后者如協(xié)助談判的談判輔助系統(tǒng)。此外，海克森（Hackathorn）與科恩（Keen）依系統(tǒng)支持決策的人數(shù)差異，將DSS劃分

14、為個人DSS（Individual DSS）、群體DSS（Group DSS，GDSS）與組織DSS（Organizational DSS）三類；卡爾遜（Carlsson）依據(jù)系統(tǒng)設計理念，將DSS分為被動DSS（Passive DSS）與主動DSS（Active DSS）兩類，前者大致依照事先分析好的資料、模式與確定用戶設計決策方案，主動DSS則依托內(nèi)建的智慧功能，協(xié)助處理混亂、復雜與非常態(tài)的決策分析。第一講決策支持系統(tǒng)概述 第11頁，共36頁，2022年，5月20日，14點31分，星期日11DSS與其他信息系統(tǒng)間關系企業(yè)信息系統(tǒng)應用參考體系DSS與MIS間關系DSS是在MIS的基礎上發(fā)展起

15、來的，是MIS的高級形式。MIS運行過程中累積的業(yè)務數(shù)據(jù)可作為DSS的系統(tǒng)輸入組分，為其聯(lián)機分析處理（OLAP） 與數(shù)據(jù)挖掘（DM）提供支持。傳統(tǒng)MIS主要負責企業(yè)例行業(yè)務活動中的信息處理任務，DSS負責輔助支持決策活動、提供決策所需的信息。MIS以數(shù)據(jù)驅動的，DSS以模型驅動。MIS重視滿足系統(tǒng)全局的、總體的信息需求，DSS強調對決策者個人的信息支持。 從系統(tǒng)使用方式看，MIS是相對保守、強調自動性，系統(tǒng)按既定的流程和思路運行，使用過程中盡可能減少人工干預，其人機會話只是對設定的程序流程與數(shù)據(jù)選擇；DSS是以人機對話為主要工作方式，強調發(fā)揮決策人員的經(jīng)驗和判斷能力，從而使決策更正確。第一講決

16、策支持系統(tǒng)概述 第12頁，共36頁，2022年，5月20日，14點31分，星期日12決策支持系統(tǒng)發(fā)展歷程卡內(nèi)基梅隆大學（Carnegie Mellon University ）科技工程學院在1950年代末和1960年代初期開展了深入的決策理論研究。麻省理工學院（MIT）在1960年代對于交互式在線分析處理系統(tǒng)的研究成果為DSS的產(chǎn)生奠定了基礎。DSS的概念在20世紀70年代逐漸形成，并在20世紀80年代不斷完善，系統(tǒng)研究與應用蓬勃發(fā)展，人工智能、數(shù)據(jù)庫、模式庫、知識與在線分析處理科技均對DSS的發(fā)展有重大貢獻。20世紀80年代后期，高級主管信息系統(tǒng)（Excutive Information S

17、ystems，EIS）、群體決策支持系統(tǒng)（Group Decision Support Systems，GDSS）與組織決策支持系統(tǒng)（Organizational Decision Support Systems，ODSS）等，逐漸將DSS由個人取向，轉為模式導向與群體導向。自20世紀90年代起，數(shù)據(jù)倉庫（DW）與聯(lián)機分析處理（OLAP）概念也被導入DSS，協(xié)助DSS進行資料的存取與分析；2000年后，互聯(lián)網(wǎng)技術的引入極大地延展了DSS。第一講決策支持系統(tǒng)概述 第13頁，共36頁，2022年，5月20日，14點31分，星期日13DW&DM&OLAP第二講 DSS技術基礎人工智能技術本講主要內(nèi)容

18、：第14頁，共36頁，2022年，5月20日，14點31分，星期日14DW & OLAP & DM 數(shù)據(jù)倉庫（Data Warehouse, DW）是支持管理決策過程的面向主題、集成的、反映歷史變化的、信息本身相對穩(wěn)定（只讀）的數(shù)據(jù)集合。 DB與DW之間的關系。數(shù)據(jù)倉庫具有多維度、分析型、只讀操作等特點，需并行與分布技術支撐。按功能結構劃分，數(shù)據(jù)倉庫系統(tǒng)至少應該包含數(shù)據(jù)獲?。―ata Acquisition）、數(shù)據(jù)存儲（Data Storage）、數(shù)據(jù)訪問（Data Access）三個關鍵部分。 數(shù)據(jù)倉庫在系統(tǒng)體系結構上一般包括數(shù)據(jù)源、數(shù)據(jù)的存儲與管理、聯(lián)機分析處理（OLAP）服務器以及前端工

19、具等主要部分。 聯(lián)機分析處理（On-Line Analytical Processing，OLAP）基于假設前提，屬驗證分析，由用戶驅動，具有“自上而下、不斷深入”的特點。第二講 DSS技術基礎第15頁，共36頁，2022年，5月20日，14點31分，星期日15OLAP 與傳統(tǒng)的關系型數(shù)據(jù)庫的主要應用、面向日常事務處理的OLTP（聯(lián)機事務處理）之間的主要區(qū)別如表3-9所示。 OLAP通常有三種不同的實現(xiàn)方法，分別是以關系型數(shù)據(jù)庫為基礎的關系型OLAP (Relational OLAP,ROLAP)、通過多維數(shù)組的方式對關系型數(shù)據(jù)表進行處理的多維OLAP (Multi-Dimensional O

20、LAP,MOLAP)以及前端展示OLAP (Desktop OLAP)。 常見的OLAP產(chǎn)品包括IBM公司的DB2 OLAP Server、Oracle公司的Express Server以及Microsoft公司的 SQL Server中內(nèi)嵌的OLAP Services等。 數(shù)據(jù)挖掘（Data Mining, DM）也稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledge Discovery in Database, KDD)，指利用人工智能、統(tǒng)計學和相關數(shù)據(jù)庫技術，從現(xiàn)有數(shù)據(jù)集中獲取有價值的、新穎的、最終可理解的模式（知識）的非平凡過程。 DM實施從問題定義開始 ，屬于數(shù)據(jù)型的分析技術，比OLAP處于較

21、深的層次。 數(shù)據(jù)挖掘通常包括六種分析方法，即分類 （classification）、 估值（estimation）、預言（prediction）、相關性分組或關聯(lián)規(guī)則（affinity grouping or association rules） 、聚集（clustering）、描述和可視化（description and visualization）、復雜數(shù)據(jù)類型挖掘(包括文本、 音頻、視頻以及圖形圖像等)。 DW 、OLAP 和DM三者關系如圖3-19所示 。DW 、OLAP 和DM三者間的良好融合與互動發(fā)展，極大增強了管理信息系統(tǒng)對管理“決策”職能的支持力度 第二講 DSS技術基礎第16

22、頁，共36頁，2022年，5月20日，14點31分，星期日16人工智能及其在DSS中的應用人工智能（Artificial Intelligence, AI）概念在1956年的達特茅斯（Dartmouth）學會上首次被提出 。AI是研究模仿和執(zhí)行人腦的某些智力功能來開發(fā)相關理論和技術的學科，它模擬人的判斷、推理、證明、識別、感知、理解、設計、思考、規(guī)劃、學習和問題求解等思維活動。 20世紀50年代，AI研究以游戲與博弈為中心，但當時以電子線路模擬神經(jīng)元與人腦活動的研究都失敗了。 20世紀70年代，AI研究熱潮在全球范圍興起。 1977年，“專家系統(tǒng)與知識工程之父”費根鮑姆（Feigenbaum）

23、主張以知識為中心開展AI研究，掀開了AI研究的新篇章。 20世紀80年代，在專家系統(tǒng)（Expert System, ES）領域AI表現(xiàn)出了強大生命力。 20世紀90年代以來，AI研究與應用領域逐漸拓展，商業(yè)化產(chǎn)品日趨豐富與成熟。常見的AI應用領域包括博弈、問題求解、邏輯推理與定理證明、自然語言理解、自動程序設計、專家系統(tǒng)、智能決策支持系統(tǒng)、機器學習、知識發(fā)現(xiàn)、人工神經(jīng)網(wǎng)絡、機器人學、模式識別、機器視覺、智能控制與智能檢索、智能調度與智慧以及系統(tǒng)與語言工具等。 第二講 DSS技術基礎第17頁，共36頁，2022年，5月20日，14點31分，星期日17對（管理）知識的獲取、表示與應用是DSS系統(tǒng)高

24、端應用的主要組分，也一直是AI系統(tǒng)研發(fā)的基本問題?？梢姡珹I與DSS有著天然的聯(lián)系。AI在DSS研發(fā)中主要具有如下作用： 提升DSS系統(tǒng)對數(shù)據(jù)、信息的加工處理水平。 AI領域知識表示方法有助于提升DSS系統(tǒng)的知識組織水平。 AI領域的搜索策略與方法有助于提升DSS系統(tǒng)的檢索效率。 AI領域內(nèi)的優(yōu)秀成果能切實提升DSS系統(tǒng)的智能化水平。 AI領域的專家系統(tǒng)（ES）、智能決策支持系（IDSS）統(tǒng)則直接促進了DSS系統(tǒng)的高端應用。第二講 DSS技術基礎第18頁，共36頁，2022年，5月20日，14點31分，星期日18DSS概念結構第三講 DSS系統(tǒng)結構DSS框架結構本講主要內(nèi)容：DSS體系結構第1

25、9頁，共36頁，2022年，5月20日，14點31分，星期日19DSS概念結構 一個決策支持系統(tǒng)由四個部分組成：交互環(huán)境系統(tǒng)、問題處理系統(tǒng)、知識系統(tǒng)以及系統(tǒng)用戶 。 決策用戶通過交互環(huán)境系統(tǒng)提出決策支持請求，問題處理系統(tǒng)通過決策數(shù)據(jù)庫（包括DB/MB/KB等）收集和提取信息，所得信息提供給用戶。DSS框架結構 DSS框架結構隨決策理論和方法、計算機技術的發(fā)展而進化。由H. Sprague等人提出的數(shù)據(jù)庫、模型庫、人機對話管理系統(tǒng)組成的兩庫結構最為簡便，而比較常見的則為三庫結構，即數(shù)據(jù)庫、模型庫、方法庫和人機對話管理系統(tǒng)，如圖所示。 智能決策支持系統(tǒng)（Intelligent Decision S

26、upport Systems，IDSS）是在DSS的基礎上與人工智能（Artificial Intelligence，AI）技術的結合和集成所形成的系統(tǒng)，其是一個具有四庫系統(tǒng)結構，如圖10-6所示。第三講 DSS系統(tǒng)結構第20頁，共36頁，2022年，5月20日，14點31分，星期日20DSS體系結構 體系結構表征了DSS數(shù)據(jù)庫子系統(tǒng)、方法庫子系統(tǒng)、模型庫子系統(tǒng)及會話系統(tǒng)等邏輯部件的組織和集成方式 。 H. Sprague提出了四種結構形式，即網(wǎng)絡型、橋形、層次型及塔型結構。 網(wǎng)絡型DSS的體系結構的主要目標是允許不同的構模和對話部分能夠共享數(shù)據(jù)，并能使系統(tǒng)的擴展工作簡化。該結構通過接口部分將

27、對話、構模和數(shù)據(jù)庫部分集成。 橋型DSS結構用一個公用橋來取代各自的接口，以減少DSS網(wǎng)絡系統(tǒng)結構要求的部件接口的數(shù)目，卻又保留集成新的部件的能力。層次型DSS系統(tǒng)結構則試圖采用單個的對話部分和具有多種造模部件的數(shù)據(jù)庫部分來集成多個部分，每一個造模部分都共享同一個數(shù)據(jù)庫和對話部分，其間的數(shù)據(jù)通信通過共享數(shù)據(jù)庫部實現(xiàn)、控制信息通信通過共享的對話部分完成。 塔型結構試圖提供部件的模塊化和靈活性，以支持各種硬件設備和源數(shù)據(jù)庫，同時保持三個DSS主要部件之間的簡單的接口。 第三講 DSS系統(tǒng)結構第21頁，共36頁，2022年，5月20日，14點31分，星期日21DSS系統(tǒng)開發(fā)概述第四講 DSS系統(tǒng)開發(fā)

28、概述 常見開發(fā)方法本講主要內(nèi)容：第22頁，共36頁，2022年，5月20日，14點31分，星期日224.1 DSS系統(tǒng)開發(fā)概述決策支持系統(tǒng)是由用戶提出、由開發(fā)者設計，并根據(jù)用戶的評價逐漸修改的。適應性設計框架提供了決策支持系統(tǒng)開發(fā)過程和所涉及各方人員的概括性介紹。 DSS開發(fā)的主要特征與要求：反復交互設計 用戶參與設計 適應決策者風格 盡可能短的研制周期 以生成器為基礎的積木式設計 第四講 DSS系統(tǒng)開發(fā)概述第23頁，共36頁，2022年，5月20日，14點31分，星期日234.1 DSS系統(tǒng)開發(fā)概述在DSS系統(tǒng)開發(fā)前，相關參與主體均要基于自己所扮演的角色特征做好相應的準備工作 。 DSS系統(tǒng)

29、需求企業(yè)DSS系統(tǒng)開發(fā)商相關咨詢機構一般而言，DSS系統(tǒng)開發(fā)要遵循如下思想： “超越”的思想“突破”的思想“兼顧”的思想系統(tǒng)工程思想DSS系統(tǒng)開發(fā)一般遵循如下原則 ： 目標性原則 整體性原則 適應性原則 適用性原則 規(guī)范化原則 “一把手”原則第四講 DSS系統(tǒng)開發(fā)概述第24頁，共36頁，2022年，5月20日，14點31分，星期日244.2 常見DSS開發(fā)方法結構化開發(fā)方法（Structured Developing Method）是20世紀80年代使用最廣泛的軟件開發(fā)方法。它基于系統(tǒng)開發(fā)生命周期思想以及系統(tǒng)的概念、特征與系統(tǒng)工程方法，以“用戶至上”為原則，采用自頂向下、結構化、模塊化等手段，

30、對系統(tǒng)進行規(guī)劃、分析、設計和實施。 系統(tǒng)開發(fā)生命周期法體現(xiàn)了一種關于系統(tǒng)設計與實施的普遍存在的觀點。它將整個過程描繪成一系列遞歸的階段，每一個階段都有自己需要的輸入、處理和輸出。 原型法（Prototyping Approach）是在20世紀80年代隨著計算機軟件技術的發(fā)展，被提出的一種在設計思想、工具與方式等方面全新的系統(tǒng)開發(fā)方法 。第四講 DSS系統(tǒng)開發(fā)概述第25頁，共36頁，2022年，5月20日，14點31分，星期日25IDSS技術基礎第五講 智能決策支持系統(tǒng)本講主要內(nèi)容：IDSS概述第26頁，共36頁，2022年，5月20日，14點31分，星期日265.1 IDSS概述20世紀80年

31、代，知識工程（KE）、人工智能（AI）的興起為處理不確定性領域的決策問題提供了技術保證，使DSS朝著智能化方向前進。 智能決策支持系統(tǒng)（Intelligent decision support systems，IDSS）綜合運用DSS定量模型求解與分析及人工智能（Artificial intelligent，AI）技術定性分析和不確定推理的優(yōu)勢，充分運用人類在求解中的經(jīng)驗和知識，通過人機會話的方式，為解決半結構化或非結構化問題提供決策支持。典型的IDSS結構是在傳統(tǒng)三庫DSS基礎上增設知識庫與推理機，加入自然語言處理系統(tǒng)和問題處理系統(tǒng)(PSS)構成四庫系統(tǒng)結構。第五講 智能決策支持系統(tǒng)第27頁

32、，共36頁，2022年，5月20日，14點31分，星期日275.1 IDSS概述智能人機接口接受用自然語言或接近自然語言的方式表達的決策問題及決策目標，較大程度地改變了人機界面的性能。問題處理系統(tǒng)處于DSS的中心位置，是聯(lián)系人與機器及所存儲的求解資源的橋梁，主要由問題分析器與問題求解器兩部分組成 。問題處理系統(tǒng)是IDSS中最活躍的部件，它既要識別與分析問題，設計求解方案，還要為問題求解調用四庫中的數(shù)據(jù)、模型、方法及知識等資源，對半結構化或非結構化問題還要觸發(fā)推理機作推理或新知識的推求。 問題分析器判斷問題的結構化程度，對結構化問題選擇或構造模型，采用傳統(tǒng)的模型計算求解，而對于半結構化或非結構化

33、問題則由規(guī)則模型與推理機制來求解。 第五講 智能決策支持系統(tǒng)第28頁，共36頁，2022年，5月20日，14點31分，星期日285.1 IDSS概述知識庫系統(tǒng)主要就是兩個功能的實現(xiàn):知識存儲與知識推理，一般由三部分構成：知識庫管理系統(tǒng)、知識庫及推理機。 知識庫管理系統(tǒng)功能主要有兩個：其一，回答對知識庫知識增、刪、改等知識維護的請求；其二，回答決策過程中問題分析與判斷所需知識的請求。 知識庫是系統(tǒng)運行的基礎，其知識表示形式直接影響推理方式，并在很大程度上決定著一個系統(tǒng)的能力和通用性，是知識庫系統(tǒng)研究的一個重要課題。 推理機制亦稱為推理機，封裝在存儲機制的基礎上對己有知識進行分析和演繹的具體處理方

34、法，決定了系統(tǒng)決策支持的效率和有效性；演繹推理和歸納推理是其基本方法和核心內(nèi)容。 第五講 智能決策支持系統(tǒng)第29頁，共36頁，2022年，5月20日，14點31分，星期日295.2 IDSS技術基礎將不同的AI技術與DSS相結合，形成不同形式的IDSS ：基于專家系統(tǒng)（ES）的IDSS 專家系統(tǒng)（Expert System，ES）與DSS相結合，充分利用專家系統(tǒng)定性分析與DSS定量分析的特點。DSS與ES的結合方式主要有三種：將ES并入DSS各組成部分中去、 ES作為DSS的獨立成分、DSS模型和數(shù)據(jù)存取作為ES的組成部分。 基于機器學習（ML）的IDSS 機器學習通過計算機模擬人類的學習來獲

35、得人類解決問題的知識，其優(yōu)勢在于不僅能提供關于預測和分類模型,而且能從數(shù)據(jù)中產(chǎn)生明確的規(guī)則 。機器學習由于能自動獲取知識，在一定程度上能解決專家系統(tǒng)中知識獲取“瓶頸”問題。 可將機器學習元件加入到?jīng)Q策支持系統(tǒng)框架中，對DSS知識庫進行求精，以加強DSS系統(tǒng)的適應能力。第五講 智能決策支持系統(tǒng)第30頁，共36頁，2022年，5月20日，14點31分，星期日305.2 IDSS技術基礎將不同的AI技術與DSS相結合，形成不同形式的IDSS ：基于代理（Agent）的IDSS 智能代理是利用傳感器感知環(huán)境并使用效應器作用于環(huán)境，能夠輔助或代替人類的任何實體。斯坦福大學的Hayers Roth認為，Agent應具備連續(xù)執(zhí)行3項動作的功能：其一，感知環(huán)境中的動態(tài)條件;其二，執(zhí)行動作影響環(huán)境;其三，進行推理以解釋感知信息,求解問題,產(chǎn)生推理和決策動作。 單Agent系統(tǒng)具有自主性、應激性、能動性、社會性和開放性特征，具有一定的問題求解能力；多Agent系統(tǒng)（Multi Agent System, MAS）則具有很強的智能性與復雜問題求解能力。Agent可分為三類：知識Agent、功能Agent和接口Agent。其中，知識Agent負責對某個特定領域或類別的知識進行組織管理、存儲積累和提取應用；功能Agent面向用戶