决策支持系统

1、定义

决策支持系统一般由交互语言系统、问题系统以及数据库、模型库、方法库、知识库管理系统组成。在某些具体的决策支持系统中，也可以没有单独的知识库及其管理系统，但模型库和方法库通常则是必须的。由于应用领域和研究方法不同，导致决策支持系统的结构有多种形式。

决策支持系统强调的是对管理决策的支持，而不是决策的自动化，它所支持的决策可以是任何管理层次上的，如战略级、战术级或执行极的决策。

DSS定义早期有些分歧，学术界与实务界对DSS均有不同的看法。1970年代，Scott-Morton指出：“DSS为一种电脑化的交谈式系统，协助决策者使用数据与模式，解决非结构化的问题”。之后Keen与Scott-Morton提出类似的看法，认为“DSS乃使用电脑协助解决半结构化的问题、支持但不取代人类、目的为改善决策而不是决策效率”。Alter则指出较为广泛的看法，认为“任何支持决策制定的系统均为DSS，其中包括信息的访问、模式的分析与工具支持”。1980年代，Bonczek等学者认为“DSS可能为组织中人类信息处理器、机械处理器或人机信息处理系统”，这样的定义则更为广泛。

由于过去DSS的定义相当广泛，因此1990年代Turban则进一步以DSS的特性来定义：

1.DSS借由结合人类判断力与电脑化信息系统，提供人类解决半结构化与非结构化问题的支持

2.DSS能够支持不同组织管理层次单位，例如DSS能够支持企业中的高级主管到基层员工

3.DSS能够提供个人到群体层次的决策支持

4.DSS支持数个彼此互相依赖或具有顺序性的决策问题

5.DSS能够提供在决策过程中的所有阶段

6.DSS能够各种决策制定与决策者的风格

7.DSS具有调适性

8.DSS必须容易使用

9.DSS能够改善决策效果，而不仅改善决策效率

10.DSS强调的是支持而非替代人类进行决策

11.DSS容许用户能够修改甚至自行建造DSS

12.DSS提供不同分析模式协助用户制定决策

13.DSS可协助用户访问各种数据

14.DSS可单独为单一用户使用，也可以集成不同DSS

2、发展历史

决策支持系统的兴起

70年代提出决策支持系统(DSS)以来，DSS已经得到了很大发展。它是在管理信息系统(MIS)基础上发展起来的。MIS是利用数据库技术实现各级管理者的管理业务，??级管理者提供辅助决策的能力。1980年Sprague提出了决策支持系统三部件结构，即对话部件、数据部件(数据库DB和数据库管理系统DBMS)、模型部件(模型库MB和模型库管理系统MBMS)。该结构明确了DSS的组成，也间接地反映了DSS的关键技术，即模型库管理系统、部件接口、系统综合集成。它为DSS的发展起到了很大的推动作用。

1981年Bonczak等提出了DSS三系统结构，即语言系统(LS)、问题处理系统(PPS)、知识系统(KS)。该结构在"问题处理系统"和"知识系统"上具有特色，并在一定范围内有其影响，但它与人工智能的专家系统(ES)容易混淆。

决策支持系统主要是以模型库系统为主体，通过定量分析进行辅助决策。其模型库中的模型已经由数学模型扩大到数据处理模型、图形模型等多种形式，可以概括为广义模型。决策支持系统的本质是将多个广义模型有机组合起来，对数据库中的数据进行处理而形成决策问题大模型。决策支持系统的辅助决策能力从运筹学、管理科学的单模型辅助决策发展到多模型综合决策，使辅助决策能力上了一个新台阶。80年代末90年代初，决策支持系统与专家系统结合起来，形成了智能决策支持系统(IDSS)。专家系统是定性分析辅助决策，它和以定量分析辅助决策的决策支持系统结合，进一步提高了辅助决策能力。智能决策支持系统是决策支持系统发展的一个新阶段。

中国决策支持系统的进展

中国决策支持系统的研究始于80年代中期，其应用最广泛的领域是区域发展规划。大连理工大学、山西省自动化所和国际应用系统分析研究所合作完成了山西省整体发展规划决策支持系统。这是一个大型的决策支持系统，在中国起步较早，影响较大。随后，大连理工大学、国防科技大学等单位又开发了多个区域发展规划的决策支持系统。天津大学信息与控制研究所创办的《决策与决策支持系统》刊物，对中国决策支持系统的发展起到了很大的推动作用。中国不少单位在智能决策支持系统的研制中也取得了显著成绩，如以中国科学院计算技术研究所史忠植研究员为首的课题组研制并完成的"智能决策系统开发平台IDSDP"就是一个典型代表。

智能决策支持系统的关键技术

开发一个实际的IDSS需要解决如下关键技术：

(1)模型库系统的设计和实现：它包括模型库的组织结构、模型库管理系统的功能、模型库语言等方面的设计和实现。

(2)部件接口：各部件之间的联系是通过接口完成的，部件接口包括：对数据部件的数据存取；对模型部件的模型调用和运行；对知识部件的知识推理。

(3)系统综合集成：根据实际决策问题的要求，通过集成语言完成对各部件的有机综合，形成一个完整的系统。

模型库系统是一个新概念、新技术，它不同于数据库系统。数据库系统有成熟的理论和产品，模型库系统则没有，它需要研制者自己设计和开发。这样就不可避免地阻碍了决策支持系统的发展。决策支持系统需要对数据、模型、知识、交互四个部件进行集成。目前，计算机语言的支持能力有限，数值计算语言(如FORTRAN、Pascal、C等)不支持对数据库的操作，而数据库语言(如FoxPro、Oracle、Sybase等)的数值计算能力又很薄弱。决策支持系统既要进行数值计算又要进行数据库操作。这个问题再一次为决策支持系统的发展带来障碍。真正的决策支持系统都是自行解决了上述困难后研制出来的，这需要付出较大的代价。因此，它们成为决策支持系统发展缓慢的主要原因。

3、架构

DSS的架构以Sprague与Carlson所提出的对话-数据-模式（Dialog-Data-Modeling，DDM）架构最为学术界所接受，认为DSS有三大组件：

数据库管理系统

DBMS（数据库管理系统）包含数据库，为管理数据库的工具，DSS的数据库包含大量内部数据（例如金融指数数据），或者外部数据（例如企业内部会计数据），这些数据需要经过搜集与萃取，成为有助于决策的信息形式与数据结构，以供用户进行管理、分析、更新与检索。

模式库管理系统

MBMS为集成各种决策模式，分析数据库内外部的数据，例如利用数学计量模式将复杂的问题加以分析模拟，提供可行之方案，并协助用户选择方案。MBMS也包含造模语言，协助用户自定义模式或建造模式。MBMS基本的必要条件包括了：

1.能满足不同用户的模式需求

2.具有能集成模式与数据的能力

3.提供容易使用的接口

4.能够分享模式

对话产生与管理系统

由于DSS等等特性，都由DSS与人类用户进行交互作用所产生，DGMS主要的功能为管理用户接口（UserInterface）及DSS与用户交互。Bennett认为DGMS有三个主要构成单元：用户、电脑硬件与软件系统，并且将人类与DSS的相互沟通分为三个部份：

1.移动语言（TheActionLanguage）：指用户用做与DSS沟通的任何方式，如键盘、鼠标等任何控制硬软件的指令。

2.显示或展示语言（DisplayorPresentationLanguage）：指用户可以由DSS所看到任何形式的输出信息，如屏幕、打印机或声音等。

3.知识库（KnowledgeBase）：指任何用户使用DSS所必须了解的知识，包含用户运用DSS必须知道才能有效使用的一切知识，如用户手册。

知识库管理系统

由于许多非结构化或半结构化的问题，以标准的DSS功能之外，还需要专门的知识来解决，因此现代DSS除了DBMS、MBMS与DGMS等子系统外，以知识为基础的知识库管理系统（Knowledge-basedManagementSystem，KBMS），也是DSS重要的子系统。Silverman认为KBMS，应具有“支持数学模式无法协助的决策流程”、“能帮助用户创建、应用与管理知识库”与“集成能处理不确定性问题的专家知识库”等三种能力。

4、基本特征和组成

基本特征

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。

②把模型或分析技术与传统的数据存取及检索技术结合起来；

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。

⑤支持但不是代替高层管理者制定决策。

对上述五个方面进行展开，我们可以从以下几方面进一步理解决策支持系统的概念：

①系统只是支持用户而不是代替他判断。因此，系统并不提供所谓“最优”的解，而是给出一类满意解，让用户自行决断。同时，系统并不要求用户给出一个预先定义好的决策过程。

②系统所支持的主要对象是半结构化和非结构化的决策（即不能完全用数学模型、数学公式来求解）。它的一部分分析可由计算机自动进行，但需要用户的监视和及时参与。

③采用人机对话的有效形式解决问题，充分利用人的丰富经验，计算机的高速处理及存贮量大的特点，各取所长，有利于问题的解决。

决策支持系统的组成

模型库及其管理系统；交互式计算机硬件及软件；数据库及其管理系统；图形及其高级显示装置；对用户友好的建模语言。国内对决策支持系统的构成研究中则更流行四库一体化的说法，即知识库、模型库、数据库、方法库，以四库为基础，决策支持系统求解问题（或称支持决策）的过程是这样的：

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。在上述求解过程中，用户可以根据需要与决策支持系统交互对话，进行多次求解，直到得到用户满意的结果。

①网络／系统基础架构由基本软、硬件系统构成，如交换机、路由器、主机设备、操作系统、数据管理系统等，该基础架构为所有的高级管理系统提供服务的同时，还实现基本的信息服务功能。

②业务管理系统目前正在运行的应用，如各种基于关系数据库的事务性应用、办公自动化管理应用等，实现*日常的业务处理，这些系统所处理的数据是数据仓库的数据源。数据源的类型包括关系数据库、办公数据、平面文件等。数据仓库管理系统实现数据分析、统计、查询、信息挖掘、辅助决策支持等功能。数据仓库管理系统由关系数据库管理系统做为支撑系统，其管理的数据源自对业务数据的抽取，数据抽取的方法包括数据复制、数据抽取网关等。

③数据交换模式：

1、数据仓库管理系统与数据网关程序之间交换；

2、数据仓库管理系统与业务数据库管理系统之间交换；

3、数据仓库管理系统直接提取数据（如平面文件数据、办公数据）。数据仓库由面向不同主题的数据集市构成。

④联机分析系统实现分析、统计、查询、信息挖掘、趋势分析、辅助决策支持等功能。中间件、Web及应用服务系统实现三层结构的应用逻辑部分。

⑤数据仓库客户端应用现三层结构的应用表示逻辑，提供数据仓库系统的用户接口服务。客户端应用可以通过中间件、应用服务器及Web访问数据仓库应用，也可以直接通过OLAP服务实现。

⑥网络／系统管理实现完整的网络及系统管理，管理的范围涉及系统的各个层次。如安全管理；备份、存储、恢复管理；开发管理；数据管理；监控管理等。

5、主要形式

决策支持系统（GDSS）

所谓群决策系统是相对个人而言的。许多重大问题都需要群体决策，大至人民代表大会及其常委会为重大国家事务作出决策，小至企业事业单位或团体发展战略的制定，都无一例外。这些群体的决策过程往往是：根据已有的材料，根据群体成员各自的经验和智慧，通过一定的议程或会议等，集中多数人的正确意见，作出决策。群决策支持系统就是为这种形式的决策行为提供支持。

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。

第二层次的GDSS提供善于认识过程和系统动态的结构技术，决策分析建模和分析判断方法的选择技术。这类系统中的决策者往往面对面地工作，共享信息资源，共同制定行动计划。

第三层次的GDSS其主要特征是将上述两个层次的技术结合起来，用计算机来启发、指导群体的通信方式，包括专家咨询和会议中规则的智能安排，这样高水平的系统目前还处于预研制阶段。

分布式决策支持系统（DDSS）

随着决策支持系统的发展，人们很自然地希望在更高的决策层次和更复杂的决策环境下得到计算机的支持，这种支持面向的对象已不仅仅限于单个的决策人，或代表同一机构的决策群，而是若干具有一定独立性又存在某种联系的决策组织。许多大规模管理决策活动已不可能或不便于用集中方式进行，这些活动涉及到许多承担不同责任的决策人，决策过程必需的信息资源或某些重要的决策因素分散在较大的活动范围，是一类组织决策或分布决策。分布决策支持就是为适合这类决策问题而建立的信息系统。

DDSS是由多个物理分离的信息处理特点构成的计算机网络，网络的每个结点至少含有一个决策支持系统或具有若干辅助决策的功能。与一般的决策支持系统相比，DDSS有以下一些特征：

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，InteractiveandIntegratedDSS，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（Integration）。

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（Interactivesystems）。

智能化：决策支持系统在处理难以定量分析的问题时，需要使用知识工程、人工智能方法和工具，这就是决策支持系统的智能化（Intelligent）。

6、层次结构

综合业务辅助决策支持分析系

基础数据及事务处理层

事务处理层是应用软件中最基础的层次，也是最为庞大和繁琐的一层，所采集的信息是大量的业务基础数据，如宏观经济、农业信息数据库；人口统计数据库、政策法规库、企业产品库。

另外，还包括对各类数据进行分析、统计、查询等事务处理的应用系统，如月度、季度、年度等宏观经济监测系统、预警分析系统；宏观经济跟踪、预测、预警系统等。在决策支持系统中需要对该层的信息系统进行分类、加工和整理，形成决策支持系统中的元数据。

统计分析管理监控层

根据由业务基础数据经过抽取或加工后所形成的信息，对其业务范围内的业务情况进行信息查询、信息分析、监督管理和检查的职能。

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。每一个业务系统都将包含针对其相应业务（如人口、宏观经济、农业、外商投资、政策法规、企业产品等）的辅助决策子系统，在各业务辅助决策子系统的支持下，还可拓展面向综合性的辅助决策系统。

综合分析

综上所述，三层应用中，前一层为后一层的基础，三层迭加，构成完整的综合业务决策分析系统。整个系统的数据来源于事务处理层，事务处理层所采集的业务基础数据一方面支持本层所有的业务操作，另一方面经过抽取、浓缩、加工、清洗和分析后形成有效的管理监控和决策支持信息。