决策支持系统课程论文

决策支持系统课程论文班级XXXX学生姓名XXX学号XXX日期XXX决策支持系统课程论文智能决策支持系统的现状和发展TheStatusandDevelopmentofIntelligentDecisionSupportSystem本科生：XX学校：XXX院系：XXX城市：XX邮编：XX目录摘要...................................................................1一、引言...............................................................2二、智能决策支持系统的发展概述.........................................2三、智能决策支持系统的研究现状.........................................33.1智能决策支持系统的种类...........................................33.2智能决策支持系统的相关技术.......................................43.3智能决策支持系统面临的问题.......................................4四、决策支持系统的发展方向.............................................4五、总结与展望.........................................................5参考文献..................................................................61智能决策支持系统的现状和发展XXXXXXX学院XXXXXX摘要：智能决策支持系统是将人工智能技术引入决策支持系统而形成的一种新型信息系统，本文叙述了智能决策支持系统的发展历程和发展现状；并根据决策方式分析了智能决策支持系统的不同类型。介绍了基本的相关技术和问题，最后就智能决策支持系统给出了研究方向和热点。关键词：智能决策支持系统；决策方式；人工智能Abstract:Intelligentdecisionsupportsystemisanewinformationsystemformedbyintroducingartificialintelligencetechnologyintodecisionsupportsystem.Thispaperdescribesthedevelopmentcourseanddevelopmentstatusofintelligentdecisionsupportsystem,andanalyzesthedifferenceofintelligentdecisionsupportsystembasedondecision-makingmethod.Typesof.Thebasicrelatedtechnologiesandproblemsareintroduced.Finally,theresearchdirectionandhotspotsaregivenontheintelligentdecisionsupportsystemKeywords:intelligentdecisionsupportsystem;decisionmethod;artificialintelligence2一、引言智能决策支持系统是将人工智能技术引入决策支持系统而形成的一种新型信息系统。以信息技术为手段，使DSS能够更充分地应用人类的知识，如关于决策问题的描述性知识，决策过程中的过程性知识，求解问题的推理性知识，通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。DSS的概念最早由美国学者Bonczek等人于80年代提出，它的功能是，既能处理定量问题，又能处理定性问题。IDSS的核心思想是将AI与其它相关科学成果相结合，使DSS具有人工智能。IDSS的系统目标是:将人工智能技术融于传统的DSS中，弥补DSS单纯依靠模型技术与数据处理技术，以及用户高度卷入可能出现意向性偏差的缺陷；通过人机交互方式支持决策过程，深化用户对复杂系统运行机制、发展规律乃至趋势走向的认识，并为决策过程中超越其认识极限的问题的处理要求提供适用技术手段。[2]二、智能决策支持系统的发展概述传统的决策支持系统采用各种定量模型，对半结构化和非结构化决策问题提供支持。主要针对管理人员经常面临的结构化程度不高、说明不够充分的问题，实际上上支持的仅仅是决策过程中结构化和具有明确过程性的部分。在早期DSS两库结构的基础上，随着DSS向非结构化问题领域的拓展，产生了DSS的局限性：(1)DSS采用静态模型，系统在决策支持中的作用是被动的，不能根据决策环境的变化提供主动支持。(2)DSS是在决策者的主导下采用模型求解，对决策中普遍存在的非结构化问题无法提供支持。(3)DSS以定量数学模型为基础,对决策中常见的定性问题、模糊问题和不确定性问题缺乏相应的支持手段。[2]为了解决这种情况，引入人工智能的手段和技术，增加知识部件，即将DSS与专家系统(ES)相结合，产生了智能决策支持系统。智能决策支持系统利用人工智能和专家系统技术在定性分析和不确定推理上的优势,充分利用人类在问题求解中的经验和知识,为解决上述问题提供了新途径。把专家系统技术应用到决策支持系统中，建立智能决策支持系统,可以克服专家系统和决策支持系统各自的局限性,更好的支持管理决策服务。随着IDSS的发展。人们不断将IDSS的智能部件进行扩展,使IDSS的智能不只是基于对知识库3的使用。对模型库而言，它可以自动地实现模型的选择和生成；对于人机界面部分，它可以使其更容易使用和可以理解决策者的思维，具有学习功能；对于数据库部分，数据仓库、联机分析处理和数据挖掘技术的应用，可以对数据进行复杂的分析处理，同时可从数据(仓库)库中挖掘出隐含的知识，增强原来的知识库，以达到增强系统智能决策的目的。[4]三、智能决策支持系统的研究现状3.1智能决策支持系统的种类智能决策支持系统产生以来,由于专家系统技术在管理决策领域的巨大潜力,国内外研究者进行了大量研究,把计算机科学、人工智能等的工具、方法与人的决策过程集成起来,出现了各种结构和功能的智能决策支持系统。Holsapple等总结了系统的对决策过程的支持能力和学习能力,把IDSS分为4类:(1)无自适应性,被动支持;(2)无自适应性,能提供主动支持；(3)自适应,被动支持；(4)自适应,主动支持。Mirchandani等从知识系统进化的角度讨论了IDSS模型,任明仑等从四个方向对IDSS进行分类：(1)主动决策支持系统；(2)自适应决策支持系统；(3)决策专家系统；(4)综合决策支持系统。IDSS的智能化正在加深。[6]按照智能决策方法，将IDSS分为四类：1）基于人工智能的IDSS，包括：(1)机器学习通过在数据中搜索统计模式和关系,把记录聚集到特定的分类中,产生规则和规则树。机器学习由于能自动获取知识,在一定程度上能解决专家系统中知识获取“瓶颈”问题；(2)基于Agent的IDSS。Agent是目前AI领域的研究热点,主要有智能型Agent研究、Mufit。Agent系统研究和Agent-oriented的程序设计研究3个方面；(3)基于专家系统的IDSS，一般由知识库、推理机及数据库组成。它使用非数量化的逻辑语句来表达知识,用自动推理的方式进行问题求解。2）基于软方法的IDSS。结合模糊逻辑、神经计算、概率推理、遗传算法、混沌系统、信任网络及其他学习理论，通过与传统的符号逻辑完全不同的方式,解决那些无法精确定义的问题决策、建模和控制。3）基于数据仓库的IDSS。通过多数据源信息的概括、聚集和集成,建立面向主题、集成、时变、持久的数据集合,从而为决策提供可用信息。4）基于范例推理的IDSS。基于范例推理是从过去的经验中发现解决当前问题线索的方法。过去事件的集合构成一个范例库(casebase),即问题处理的模型。当前处理的问题成为目标范例,记忆的4问题或情境成为源范例,CBR处理问题时,先在范例库中搜索与目标范例具有相同属性的源范例,再通过范例的匹配情况进行调整。基于范例推理简化了知识获取的过程,对过去的求解过程的复用,提高了问题求解的效率,对有些难以通过计算推导来求解的问题,可以发挥很好的作用3.2智能决策支持系统的相关技术智能决策支持系统是由模型库、数据仓库、OLAP技术、数据挖掘及交互接口集成在一起的。[3]其中数据仓库能够实现对决策主题的存储和综合；OLAP实现多维数据分析；数据挖掘用以挖掘数据库和数据仓库中的知识；模型库实现多个广义模型的组合辅助决策；专家系统利用知识推理实现定性分析。它们相互补充、相互依赖、发挥各自的辅助决策优势,实现更有效的辅助决策。3.3智能决策支持系统面临的问题虽然IDSS的研究取得了巨大的进步,但是由于技术的原因,对于多数IDSS应用系统来,有些问题还有待解决,如:(1)应用脆弱性和知识获取困难。这是传统的IDSS难以开发应用的主要原因。(2)系统封闭性、知识维护及知识更新难,即系统只能利用本地资源,另外,系统一旦设计完成,再向系统内增加资源就比较困难,因为各个模块之间的联系比较紧密,稍加变动就会影响整个系统。(3)对决策过程的智能辅助程度较低。因为传统的ES采用的程序化的推理方式,无法按照描述性方式对决策过程提供智能支持。(4)灵活性和适应性差。传统IDSS各部件提供智能支持时,其学习行为大多是静态的、被动的,而不是按照实际环境需求制定动态的学习策略,缺乏主动学习机制。(5)对智能部件的设计和实现缺乏有效手段。智能部件的主要功能包括使模型库中的模型具有知识性,有效地将定性和定量分校相结合,使知识库有效地表示和获取知识,同时使数据仓库更有效地组织数据,采用有效的算法挖掘知识。(6)系统各部件交互效率不高、集成化水平较低。如何实现各个部件之间的高效交互,根据实际需要运用多种技术和方法进行系统综合集成,使系统各部件有机结合以形成完整衫的系统,是智能决策支持系统研究的一个关键问题。[3]四、决策支持系统的发展方向人类对于未知世界的探索从未停止，IDSS自诞生来的30多年来，增添了许多的技术与方法。现如今，IDSS的主要发展方向有[5]:1）注重基于知识的人机交互。人们对数据、信息和知识的认识仅限于数据—信息—知识的单5链条关系,实际上,从数据中获得信息,再从信息中获得知识,仅仅是决策过程的开始。长期以来，IDSS系统要求使用人员具有一定的计算机能力，对于现在管理岗位职业化的趋势，这个要求过于严苛。故而决策支持系统强调决策过程的交互，对人机对话系统有较高的要求，注重人性化的设计,使得知识系统的更新和补充更加方便。2）智能决策方法的综合和知识融合。IDSS的核心是知识和知识处理。决策中用到的知识总是和特定应用领域相关,不同的领域对知识的表示和处理具有不同的特点,不同智能决策方法有其特点和适用范围,方法的综合成为提高系统决策能力的重要途径。通过对已有的人工神经网络、小波分析、遗传算法的建模方法进行组合利用和加以改进,建立组合智能信息处理器,并将之与传统决策支持系统相结合，产生智能决策支持系统，完成智能决策方法的总和和知识融合。这一领域的更高目标是要寻找更为一般的知识表示和推理算法。3）决策过程的理解。决策过程的理解是建立智能决策支持系统的基础。目前,对人类决策过程的理解还仅限于具有明确过程性和可计算性的部分,对更高级的人类决策过程还缺乏明确的认识。目前为止,仍没有更好的方法对人的思维过程进行准确模拟。4）时空与多维决策过程。在决策过程中引入时间、空间等多维准则,可以突破时空限制,优化和改进决策过程,提高支持决策效果。很多决策过程已经对时间和空间因素提出相当高的要求,这些因素反过来又对决策支持系统的理论和方法提出了新的挑战。5）分布式并