1.1.3决策支持系统出现原因:解决由计算机自动组织和协调多模型的运行,和数据库中大量数据的存取和处理,达到更高层次的辅助决策能力。决策支持系统的模型库和模型库管理系统把众多的模型有效地组织和存储起来,建立了模型库和数据库的有机结合。1.1.3决策支持系统通过人机交互功能形成DSS。既具有数据处理功能,又具有模型的数值计算功能,在更高层次上辅助决策。决策支持系统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,依据人的主观分析,解决某些不确定因素,得到人未预想到的辅助决策信息。1.1.3决策支持系统决策支持系统的特性(1)用定量方式辅助决策,而不是代替决策(2)使用大量的数据和多个模型(3)支持决策制定过程(4)为多个管理层次上的用户提供决策支持(5)能支持相互独立的决策和相互依赖的决策(6)用于半结构化决策领域1.1.4专家系统专家系统是利用专家的知识,在计算机上进行推理,以达到专家解决问题的能力。专家系统的出现使人工智能走上了实用化阶段。1.1.4专家系统专家系统的特性(1)定性方式辅助决策(2)使用知识和推理机制(3)知识获取比较困难(4)知识包括确定知识和经验知识(5)解决问题的能力受知识库内容的限制(6)专家系统适应范围较宽1.1.5智能决策支持系统DSS和ES结合起来改善辅助决策的效果,即达到定性和定量辅助决策相结合。这种ES和DSS的结合形成的系统称为智能决策支持系统(IDSS)。智能决策支持系统(IDSS):以决策支持系统为主体,结合人工智能技术形成的系统。除专家系统这种典型的人工智能技术以外,还有神经网络、机器学习、遗传算法以及自然语言理解等多种人工智能技术。1.1.5智能决策支持系统-神经网络神经网络是基于人脑神经元的数学模型(MP模型)建立起的智能技术;具有学习功能。通过对大量样本的学习,获得网络权值这种分布式知识,然后利用这种网络知识来识别新实例或预测新结果。神经网络和决策支持系统结合形成智能决策支持系统,可以用来完成模型的自动选择。1.1.5智能决策支持系统-机器学习机器学习是模拟人的学习方法,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、解释学习等多种类型。机器学习和决策支持系统结合形成的智能决策支持系统,主要是增加学习功能,获取辅助决策知识。1.1.5智能决策支持系统-自然语音理解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形成的智能决策支持系统,能提高人机交互的效果,即可直接采用自然语言与决策支持系统对话。1.1.6典型决策支持系统-群决策支持系统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。群决策成员往往彼此分布在较远的地方,需用计算机分布式网络来连接,故分布式网络对GDSS是不可缺少的。1.1.6典型决策支持系统-群决策支持系统GDSS是在多个DSS和多个决策者的基础上,进行集成的结果。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。1.1.6典型决策支持系统-群决策支持系统过程:实际领域中的问题提给各自的DSS,决策者作出各自的决策。进入GDSS系统,由组织管理者对各决策通过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。1.1.6典型决策支持系统-群决策支持系统DSS1DSSnDSS2DSS3问题1问题2问题3问题n决策意见1决策意见2决策意见3决策意见nGDSS决策结论实际问题1.1.6典型决策支持系统-群决策支持系统GDSS特性(1)支持群决策的支持系统,需专门设计,而不是多个DSS的简单组合。(2)能减少群体中部分消极行为的影响。(3)能完成群决策过程,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。(4)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。1.1.6典型决策支持系统-群决策支持系统GDSS的应用类型:根据决策者的集中和分散程度,以及所利用计算机网络形式的不同,将GDSS分为4种类型。决策室(DecisionRoom)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;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中间或最终决策意见。1.1.6典型决策支持系统-群决策支持系统局部决策网(LocalDecisionNetwork)决策者利用各自工作站上的DSS进行决策;各决策者之间通过局域网进行通信,并和GDSS组织管理者通信,传输各自需要的输入输出信息。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。1.1.6典型决策支持系统-群决策支持系统远程决策制定(RemoteDecisionMaking)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;任何一个决策者可在任何时候与群体的其他成员取得联系,共同作出决策。1.1.6典型决策支持系统-经理信息系统经理信息系统(ExecutiveInformationSystem,EIS)即执行信息系统,是为高层管理者的战略决策提供支持的决策支持系统。定义为:通过获取企业内部和外部的有关信息,为高层决策者提供支持决策的系统。1.1.6典型决策支持系统-经理信息系统特性(1)直接为高层决策者使用。(2)界面友好、操作简便。(3)通过图、表、文字等形式输出信息。(4)从内部和外部资源中获取信息。(5)提供选择、析取、分离、追踪信息的工具。(6)提供各种类型的报告。1.1.6典型决策支持系统-经理信息系统EIS应用软件的需求(1)办公支持(2)分析支持(3)个性化服务(4)图形功能(5)规划功能(6)人机界面友好(7)安全措施1.1.7决策支持系统的发展DSS的技术进步从管理科学的模型辅助决策发展到DSS,经历了如下几个阶段:(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。1.1.7决策支持系统的发展(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。1.1.7决策支持系统的发展(1)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1.1.7决策支持系统的发展(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。1.1.7决策支持系统的发展组合模型通过控制系统(程序)来达到有效的组合。控制系统除顺序结构组合多模型外,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)。1.1.7决策支持系统的发展DSS技术难度(1)建立多库结构的观念。(2)模型库管理系统(MBMS)没有成熟的产品软件,迫使DSS的开发人员自己去开发模型库管理系统。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。(3)DSS发展缓慢。1.1.7决策支持系统的发展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DSS开辟了一条从数据中获取辅助决策信息的新思路,称之为新决策支持系统。1.1.7决策支持系统的发展新DSS与传统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DSS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。1.1.7决策支持系统的发展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(DataWarehouse,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。1.1.7决策支持系统的发展例1:数据仓库用户可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出反应。1.1.7决策支持系统的发展例2:银行DW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。比如,银行根据DW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。1.1.7决策支持系统的发展DW是在DB的基础上发展起来的。DW是一种存储技术。DW是预测利润、分析风险、市场分析以及加强客户服务与营销活动等的催化技术。1.1.7决策支持系统的发展DW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。DW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。比如:据美国MetaGroup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DW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。1.1.7决策支持系统的发展2)数据挖掘的兴起数据挖掘(DataMining,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。DM是从人工智能机器学习中发展起来的。最常用的DM方法是统计分析方法、神经网络方法和机器学习等研究方法。例如:利用分类规则来预测未知动植物的类别。1.1.7决策支持系统的发展通过DM技术可产生5种类型的信息:(1)关联信息。即与某个事件相关联的信息。(2)序列信息。即事件内互相链接的次序。(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。(5)预测信息。1.1.8DW+OLAP+DM的新决策支持系统DW、OLAP与DM具有完全不同的辅助决策方式。DW中存储着大量辅助决策的数据,它为不同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。OLAP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。DM挖掘数据中隐含的信息和知识,让用户在决策中使用。1.1.9综合决策支持系统传统DSS和新DSS相结合形成综合DSS(SDSS)。综合决策支持系统的3个主体:①模型库系统和数据库系统结合的主体。②数据仓库系统与联机分析处理结合的主体。③知识库系