收藏
0
0
决策支持系统（Decision-making Support System, DSS）是管理信息系统应用概念深化，在管理信息系统基础上发展起来的系统。DSS是解决非结构化问题，服务于高层决策的管理信息系统，按功能可分为专用DSS、DSS工具和DSS生成器。专用DSS是为解决某一领域问题的DSS。DSS工具是指某种语言、某种操作系统、某种数据库系统。DSS生成器是通用决策支持系统，一般DSS包括数据库(DB)、模型库(MBMS)、方法库、知识库和会话部件。DSS数据库不同于一般DB，是有很高性能要求，在原基层数据库的基础上建立起来的专用数据库。一般由数据仓库(Data Warehouse)来充当DSS数据库。数据库为决策提供数据能力或资料能力。模型库为决策提供分析能力的部件,模型能力的定义是转化非结构化问题的程度。会话部件，又称接口部件，它是人和决策支持系统联系的接口。智能决策支持系统(IDSS)在一般DSS基础上增加了OR/MS深度知识库。所以IDSS=DSS+AI(人工智能)。[1]
- 决策支持系统
- Decision Support System
- DSS
- 基 础
- 科学、运筹学、控制论
- 手 段
- 计算机技术、仿真技术和信息技术
- 提出时间
- 20世纪70年代
目录
自从20世纪70年代决策支持系统榜兵地概念被提出以来，决策支持系统已经得到很大的发展。
1980年Sprague提出了决策支持系统三部件结构（对话部件、数据部件、模型部件），明确了决策支持系统的基本组成，极大地推动了决策主白举支持系统的发展。
20世纪80年代末90年代初， 决策支持系统开始与专家系统（Expert System, ES）相结合，形成智能决策支持系统（Intelligent Decision Support System, IDSS）。智能决策支持系统充分发挥了专家系统以知识推理形式解决定性分析问题的特点，又发挥了决策支持系统以模型计算为核心的解决定量分析问题的特点，充分做到了定性分析和定量分析的有机结合，使得解决问题的能力和范围得到了一个大的发展。智能决策支持系统是决策支持系统发展的一个新阶段。20世纪90年代中期出现了数据仓库（Data Warehouse, DW）、联机分析处理（On-Line Analysis Processing, OLAP）和数据挖掘（Data Mining, DM）新技术，DW+OLAP+DM逐渐形成新决策支持系统的概念，为此，将智能决策支持系统称为传统决策支持系统。新决策支持系统的特点是从数据中获取辅助决策信息和知识，完全不同于传统决策支持系统用模型和知识辅助决策。传统决策支持系统和新决策支持系统是两种不同的辅助决策方式，两者不能相互代替，更应该是互相结堡喇凝合。
把数据仓库、联机分析处理、数据挖掘、模型库耻乎、数据库、知识库结合起来形成的决策支持系统，即将传统决策支持系统和新决策支持系统结合起来的决策支持系统是更高级形式的决策支持系统，成为综合决策支持系统（Synthetic Decision Support System, SDSS）。综合决策支持系统发杠旬腿挥了传统决策支持系统和新决策支持系统的辅助决策优势，实现更有效的辅助决策。综合决策支持系统是今后的发展方向。
由于Internet的普及，网络环境的决策支持系统将以新的结构形式出现。决策支持系统的决策资源，如数据资源、模型资源、知识资源，将作为共享资源，以服务器的形式在网络上提供并发共享服务，为决策支持系统开辟一条新路。网络环境的决策支持系统是决策支持系统的发展方向。
知识经济时代的管理——知识管理（Knowledge Manageme嫌糠凳nt, KM）与新一代Internet技术——网格计算和店厦永，都与决策支持系姜悼统有一定的关系。知识管理系统强调知识共享，网格计算强调资源共享。决策支持系统是利用共享的决策资源（数据、模型、知识）辅助解决各类决策问题，基于数据仓库的新决策支持系统是知识管理的应用技术基础。在网络环境下的综合决策支持系统将建立在网格计算的基础上，充分利用网格上的共享决策资源，达到随需应变的决策支持。[2]
①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；
③易于为非计算机专业人员以交互会话的方式使用；
④强调对环境及用户决策方法改变的灵活性和适应性；
用户通过交互语言系统把问题的描述和要求输入决策支持系统。交互语言系统对此进行识别和解释。问题处理系统通过知识库系统和数据库系统收集与该问题的有关的各种数据、信息和知识，据此对该问题进行识别、判定问题的性质和求解过程；通过模型库系统集成构造解题所需的规则模型或数学模型，对该模型进行分析鉴定；在方法库中识别进行模型求解所需算法并进行模型求解，对所得结果进行分析评价。最后通过语言系统对结果进行解释，输出具有实际含义、用户可以理解的形式。[2]
① 网络/系统基础架构
② 业务管理系统
③ 数据仓库管理系统
④ 联机分析系统
⑥ 数据仓库客户端应用
⑦ 网络/系统管理
群决策支持系统（GDSS）
群决策支持系统可提供三个级别的决策支持：
第一层次是GDSS旨在减少群体决策中决策者之间的通信，沟通信息，消除交流的障碍，如及时显示各种意见的大屏幕，投票表决和汇总设备，无记名的意见和偏爱的输入，成员间的电子信息交流等。其目的是通过改进成员间的信息交流来改进决策过程，通常所说的“电子会议系统”就属于这一类。
分布式决策支持系统（DDSS）
DDSS是一类专门设计的系统，能支持处于不同结点的多层次的决策，提供个人支持、群体支持和组织支持。不仅能从一个结点向其它结点提供决策，还能提供对结果的说明和解释，有良好的资源共享。能为结点间提供交流机制和手段，支持人机交互，机机交互和人与人交互。具有处理结点间可能发生的冲突的能力，能协调各结点的操作，既有严格的内部协议，又是开放性的，允许系统或结点方便地扩展，同时系统内的结点作为平等成员而不形成递阶结构，每个结点享有自治权。
智能决策支持系统（IDSS）
智能决策支持系统是决策支持系统（DSS）与人工智能（AI）相结合的产物，其设计思想着重研究把AI的知识推理技术和DSS的基本功能模块有机地结合起来。有的DSS已融进了启发式搜索技术，这就是人工智能方法在DSS中的初步实现。将人工智能技术引入决策支持系统主要有两方面原因：第一是人工智能因可以处理定性的、近似的或不精确的知识而引入DSS中；第二DSS的一个共同特征是交互性强，这就要求使用更方便，并在接口水平和在进行的推理上更为“透明”。人工智能在接口水平，尤其是对话功能上对此可以作出有益的贡献，如自然语言的研究使用使DSS能用更接近于用户的语言来实现接口功能。
智能-交互-集成化决策支持系统（3IDSS）
随着DSS应用范围的不断扩大，应用层次的逐渐提高，DSS已进入到区域性经济社会发展战略研究、大型企业生产经营决策等领域的决策活动中来，这些决策活动不仅涉及到经济活动各个方面、经营管理的各个层次，而且各种因素互相关联，决策环境更加错综复杂。对于省、市、县等发展战略规划方面的应用领域，决策活动还受政治、社会、文化、心理等因素不同程度的影响，而且可供使用的信息又不够完善、精确，这些都给DSS系统的建设造成了很大的困难。在这种情况下，一种新型的、面向决策者、面向决策过程的综合性决策支持系统产生了，即智能-交互-集成化决策支持系统（Intelligent，Interactive and Integrated DSS，简称3IDSS）。
集成化：在这种情况下，采用单一的以信息为基础的系统，或以数学模型为基础的系统，或以知识、规则为基础的系统，都难以满足上述这些领域的决策活动的要求。这就需要在面向问题的前提下，将系统分析、运筹学方法、计算机技术、知识工程、人工智能等有机地结合起来，发挥各自的优势，实现决策支持过程的集成化。
交互性：决策支持系统的核心内容是人机交互。为了帮助决策者处理半结构化和非结构化的问题，认定目标和环境约束，进一步明确问题，产生决策方案和对决策方案进行综合评价，系统应具备更强的人机交互能力，成为交互式系统（Interactive systems）。
基础数据及事务处理层
统计分析管理监控层
在经过抽取和整理的元数据的基础之上，建立各种统计、分析模型，如计量经济模型、多方程时间序列统计模型、神经网络及投入产出模型等。通过模型的定义和开发，利用构成的经济模型，对经济系统中各方面给出全面深入的各种分析结果，包括因素分析、预测和政策模拟。其中要求系统能自动调用和集成不同类型的分析工具，例如回归分析和投入产出的自动结合。
辅助决策层
根据统计分析管理监控层的各种分析模型，进行多维的、更为复杂的综合分析和计算，从中发现各种趋势（如人口增长趋势、宏观经济趋势预测等）；发现异常情况；得到重要细节；找出内在规律，为各级领导的决策业务提供切实有效的帮助。