决策支持系统发展阶段

决策支持系统发展阶段（共8篇）

篇1：决策支持系统发展阶段

一、市场营销管理与决策支持系统

决策支持系统是一种新的管理系统，其建立的目的在于为企业或领导提供决策。决策支持系统的建立需要具备较高的信息技术条件，因为它是计算机技术、人工智能技术与管理决策技术相结合的一种决策技术，要想建立科学完善的决策系统需要以计算机为基础，融合信息学、信息经济学、管理科学等学科，通过这些知识的综合应用目的在于支持半结构化决策问题的决策工作。决策者利用决策支持系统和个人的知识经验能提高决策能力与水平，使决策具有快速和准确的适应市场环境的变化。

二、市场营销管理决策支持系统建立的必要性

市场营销管理决策支持系统是当今每个企业都应该努力构建的，因为企业决策面临严峻的挑战、企业决策层快速决策的需求、企业决策层需要快速处理各时期数据信息的要求，促使企业建立市场营销管理决策支持系统。

1.企业决策面临严峻的挑战。

随着世界市场经济一体化的发展，企业面临的竞争不仅来自本地区还有来自本国和全世界的竞争，竞争的激烈程度与日俱增。企业领导必需敏捷的作出适应市场和自身企业现状的决策，决策越正确，要求决策者考虑的因素越多越全面，这些都为企业决策面临严峻的挑战。因此建立决策速度更快、决策成功率更高的市场营销管理决策支持系统是必要的。

2.企业决策层快速决策的需求。

在社会信息化环境下的企业竞争，对决策提出新的要求，由于信息的海量和复杂性，利用传统的信息收集整理并用于市场营销决策已经远不能满足企业的决策需要，企业决策层的管理者迫切需要一种计算机化的决策支持系统。计算机化的决策系统能提高海量信息的收集、分析、处理能力，是人工信息处理能力无法比拟的。

3.企业决策层需要处理各时期的数据信息的需要。

任何一个行业和企业在经过了数年的发展之后，都会积累大量的历史数据，这些数据蕴含着重要有价值的信息，要想随时获取这些信息要对这些信息进行分析处理。因此企业决策者面对海量的信息，如何对这些繁纷复杂的数据信息进行快速的查询、分析从而提炼出有价值的分析结果，使他们认识到必需借助高科技才能完成这一工作。市场营销的决策支持系统能轻松应对海量数据的强大处理能力是企业决策者所青睐的。

三、市场营销决策支持系统模型

本文根据市场常用的MDSS系统，分析MDSS系统结构中数据库、模型库、知识库的具体实现及管理。

1.数据库。

MDSS中的数据对决策起着重要作用，搜集的数据用于构建面向模型，根据面向模型的生成与决策需要设计数据库。利用MDSS为企业高层决策者提供参考依据，所以获得的数据信息应该全面，除了搜集来自企业内部的各种信息数据如产品价格、仓储、财务等信息，还要输入来自企业的外部相关的数据如市场供应量、市场的平均价格、竞争对手的数据信息等。由于数据的数量过于庞大，在建库的过程中采取了集成数据库即总数据库的方案，然后再利用数据库提取技术进行提取。根据外界市场环境的瞬息万变，建立数据库的类型可以建成动态数据库把市场价格和市场环境的波动纳入进来，把自身企业的职工人数、职工工资、原料成本等纳入动态数据库。通过对动态数据库和静态数据库的分别利用，能提高数据库的利用效率与效能，很好地适应外部环境的变化。

2.模型库。

根据营销工作决策类型，我们基本上将模型分为预测类、投入产出类等模型，在这些模型中，企业应选择适当的模型为决策提供依据。由于市场营销策略的可变性和成本的相对不变性，企业在使用模型时，要结合定型模型和定量模型的综合应用才能有利于科学决策的形成。任何模型的运行都涉及到数据的输入、输出，因此要做到模型管理与数据管理的有机结合。当从数据库中输入需要的数据和参数后，得到相应的运行结果，可以把运行结果输入数据库作为一种数据参考。由于市场环境和企业的变化造成数据发生变化时，会对模型产生一定的变化。假如数据发生大幅度的量变而导致模型发生质变后，模型也应做到适当的修改。3.方法库。为了使系统结构更加清晰，将方法从模型库中分离出来，单独组织成一个方法库并配以相应的方法库管理系统，共同构成另外一个组成部分--方法库系统。方法库系统主要是一个软件系统，它综合了数据库和程序库。它为求解模型提供算法，是模型应用的后援系统。方法指基本算法，例如，数学方法、数理统计方法、经济数学方法等。引入方法库的优点提供各种通用计算、分析、加工处理的能力;提高模型的运行效率;实现软件资源共享。既考虑应用程序员用户，又考虑了非程序员用户的需要，增加了命令语言接口。

四、市场营销决策支持系统的实现

在这个系统中由于市场环境是变化莫测的，市场营销决策系统结构本身也是一种半结构化系统，给市场营销决策带来不确定性。在市场营销决策系统下企业如何有效地进行营销决策，对企业非常重要。因此，在市场营销决策中人们的决策行动包括四部分：分别是确定企业目标、设计方案、评价方案和实施方案四个阶段。首先，在确定目标的过程中，职能部门主要任务是确定市场环境，进行数据的收集分析处理，确定影响决策的因素或条件。其次，在设计方案的过程中需要根据目标和影响因素，建立数据模型并把相关因素输入模型进行模拟，获得预测性结论，为企业提供各种不同的方案供决策者选择。再次，在评价方案的过程中决策者根据企业目标选择出最适合企业发展的最优方案。

最后，在实施方案阶段应不断监控实施结果和收集外界环境的变化并根据反馈信息对方案进行修正和调整。当然从理论上讲市场营销决策支持系统的实现是简单的，但是由于市场的可变性，有时需要在原有模型的基础上根据实际情况去改变和完善市场营销决策支持系统，形成利于企业的科学决策。综上所述，企业的市场营销系统涉及到企业、外部环境和消费者的复杂系统。由于企业面临竞争的激烈程度与日俱增给企业决策面临严峻的挑战，市场快速变换性使企业决策层需求快速的决策，企业决策者需要对海量的信息分析也需要建立市场营销的决策支持系统。市场营销决策支持系统的实现需要构建动态、静态数据库;构建定型模型和定量模型;构建方法库。在获得企业所需要的信息数据后结合市场营销系统的分析综合，快速得出可行方案提高了决策的质量和效率以符合企业对制定决策质量、速度的更高要求。

篇2：决策支持系统发展阶段

关键词：供应链;营销管理;决策

供应链是一种围绕企业核心过程的网链结构，其对企业的描述主要基于过程观，其所控制的过程不仅包含人才流、资金流，而且包含物流、信息流等，是一个贯穿原材料采购到产品最终送到用户手中各个环节的过程。由此可知，供应链包括了企业所有环节的全部功能。供应链管理则是供应链组织的一体化管理，是一种新的管理理念与模式，近年来国内外对其重视度日渐提高。供应链管理的目标主要在于促进企业服务水平的提高和总交易成本的降低，这也是现代企业面对信息时代冲击生存与发展的必然要求。为了能在市场竞争中赢得更好地发展，很多企业开始加强管理力度，在市场管理中逐渐引入供应链管理思想，通过对信息技术的运用，有效地整合企业内外各项资源并形成互动管理，从而推动从供应商到最终客户增值价值链的形成。

一、供应链营销管理与决策支持系统的组成构架

1.供应链市场调研系统。在企业决策支持系统中，供应链市场调研系统是其中重要组成部分。供应链市场调研系统除了可根据自身工具性对顾客的实际需求与潜在需求进行了解，而且可从营销管理者的相关设计方案如调研方法与样本选择方法等入手，收集、分析与整理企业经营的供应链原始数据，决策支持系统中所包含的两大模块，即调研数据分析处理与原始数据收集模块，便可实现对企业营销决策相关方面的分析，并向决策支持系统反馈分析处理后的结果，从而将有效的决策支持提供给企业的经营。

2.供应链市场营销情报系统。在企业决策支持系统中，供应链市场营销情报系统的目的主要是为了促进企业自身竞争水平的提升，最终目的则是为了促进企业经济效益的提升。该系统可帮助企业供应链营销管理者对其竞争对手的相关营销信息以及与供应商的相关营销信息进行收集、分析，使企业能够在市场竞争中保持优势。供应链市场营销情报系统根据工作内容的不同，又可分为两个模块：其一为情报收集模块，其二为情报分析处理模块。第一种模块主要从企业供应链营销外部数据源与内部数据源入手，对与企业市场营销相关的信息直接加以获取，这些信息中不仅包含供应商信息外，而且包含竞争者信息，同时包含相关产品市场环境信息等。第二种模块则主要通过对各种统计方法与计算模型的提供，从系统化与层次化上对系统所收集到的信息进行分析，使这些信息成为可靠情报，对产品市场营销水平产生决定作用。通过供应链市场营销情报系统的利用，企业供应链营销管理者可有效地分析自身所处行业的商业变化，根据相关情报对竞争对手的营销策略有更加深入地了解，将可靠的运行保障提供给企业生产和经营环节，促使企业竞争力提高与企业发展水平提高这些目标能够真正得以实现。

3.供应链市场营销管理系统。在企业决策支持系统中，供应链市场营销管理系统除了对经营中各种营销信息加以负责外，同时需要对相关风险事故的损失信息等加以负责。根据业务内容，该系统会对营销基础数据库中的有关数据实施分类，使其能够在营销数据库中得到统一集成，从而促进面向全局的数据视图的形成，不仅可将信息的查询服务提供给企业的相关决策，而且可将信息的统计、报告等服务提供给企业相关决策。

4.供应链风险评价系统。根据供应链市场调研系统与供应链市场营销情报系统对相关营销信息的收集，供应链风险评价系统可通过对风险识别与衡量手段的运用，分析企业营销活动中可能存在的风险因素，同时估测这些风险因素可能导致的损失，在风险评价上的有效作用使该系统成为企业决策支持系统中重要组成部分。站在客观的视角来看，企业不可能将营销决策的滞后性完全进行消除，但根据相关风险概率的分析，则可评估相关损失，从而使企业营销决策的有效性与实时性得到提高，提供稳定的内部保障给企业，促进企业利润最大化目标的实现。

二、企业供应链营销管理与决策支持系统结构

尽管数据仓库技术、联机分析处理和数据挖掘技术最初出现时属于三种独立的信息处理技术，但因为这三种技术在内在存在一定的联系和互补性，所以业界人士普遍将其作为综合结构共同应用于企业供应链营销管理与决策支持系统中。这种全新的决策系统技术构建，使信息的本质得以真正意义上被重新展示出来，这也表明信息系统的设计观念正在发生转变，已经不再是单纯的处理驱动，而是开始转向数据驱动，这种转变同时能够将更加有效的支持提供给复杂环境中的决策。在信息层次上，企业供应链营销管理与决策支持系统可以分为四个层次。对于营销管理决策支持系统来说，供应链管理环境不仅为其信息基础，而且可对系统的信息反馈加以接受，为整个供应链经营活动提供指导以保证其有序进行。事务性应用环境组成元素主要为供应链网络中所包含的一些事务性应用数据库，通过对所保存数据进行抽取、清洗、转换，重新组成对管理决策形成支持的数据结构,促进支持营销管理决策的数据仓库。事务性应用环境的支持对象还包括营销事务性管理活动，通过对事务性处理和决策分析进行分析，促进整个系统运行效率的提高。决策支持应用环境可将数据仓库、知识库系统等结合起来，对于复杂的营销管理问题通过这一结合能够做出决策分析。因该决策系统从性质上看属于辅助决策系统，很多决策分析过程都离不开用户的参与,人机交互环境给系统与用户提供了交互的界面，能够为系统运行的有效性提供更好保证。

三、供应链营销管理与决策支持系统各项支持功能的实现

1.制定供应链营销在价格战略。供应链营销管理与决策支持系统可以对综合评价分析法加以采用，通过人机交互的方式深入地分析企业市场竞争实力。该系统中情报分析系统和市场调研系统还可对相关数据信息加以提供，通过这些信息不仅可以具体地研究市场趋势、产品的生命周期，而且可以具体地研究产品的定位目标等，从而促进对企业发展最有利的市场营销价格的得出。该系统还可对层次分析法加以采用，在此基础上细分产品市场，通过分析行业市场中本企业所呈现出的竞争优劣势及机遇、威胁等，促进企业对最终目标市场进行确定。

2.分析和预测供应链营销市场。对供应链营销市场进行分析与预测，是决策系统的重要功能之一，不仅会对企业内部管理效率产生影响，而且影响着企业资源的优化整合，同时关系着企业对市场方向的把握，对企业自身发展也具有促进作用。根据系统中的数据挖掘技术，除了能够分析消费者的相关购买行为，同时可分析企业的竞争对手，从而将可靠的信息提供给企业作市场分析与预测，使企业能够更好地把握产品市场需求。该系统还可对市场需求的弹性模型进行建立，通过该种方法能够研究市场对产品的市场需求量，还能研究市场价格变化趋势，根据有关研究企业即可对产品及产品数量进行最优化地定价和确定。

3.供应链营销管理中产品价格与分销渠道决策。应链营销管理与决策支持系统中的产品价格与分销渠道决策，不仅与企业经济效益的实现有着直接关系，而且可较大程度地影响企业的整体竞争水平。首先，决策系统中的数据管理层，可对产品的市场需求进行分析，同时可对同类产品的市场价格进行分析，在此基础上企业内部不同产品即可实现不同的组合，对产品的定价方法与定价目标进行科学地确定。工具层中的系统模块，不仅可以合理地评价经销商档案，同时可合理地评价业绩维护，有利于企业分类管理经销商所提供的信息，从而促进企业内部资源优化与整合的实现。综上所述，企业供应链营销管理与决策支持系统能够帮助企业对产品营销策略进行分析，该系统还可通过对产品综合评价，帮助企业对更好的产品组合与开发决策进行确定，对企业营销计划和管理具有重要影响作用。新常态经济发展背景下，企业经济发展需要利用各种决策模式，统一优化与控制企业产品存储和分拨调运，促进企业供应链成本与服务水平平衡的实现，对企业供应链营销管理决策系统的建立也具有积极的影响作用。

参考文献：

[1]刘丹青.市场营销管理与决策支持系统的研究与实验[J].经济管理:文摘版,20xx(9):13-14.

篇3：决策支持系统发展阶段

决策支持系统, 是辅助决策者通过数据、模型和知识, 以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它能为决策者提供分析问题、建立模型、模拟决策过程和方案的环境, 调用各种信息资源和分析工具, 帮助决策者提高决策水平和质量。该系统经历了以下几个发展阶段:

1.1 单模型辅助决策

单模型辅助决策就是指根据实际情况选择管理科学 (MS) /运筹学 (OR) 的相应模型, 以单模型的运行方式, 得到辅助决策信息。在商业信息化的初级阶段用到的基本上都是这样的形式。比如, 一个加工工厂, 首先它有一个信息管理系统, 里面记录了原料价格、人工费用、出厂价格等一系列跟生产销售有关的数据, 并且具有事务处理功能。在这个发展阶段, 人们利用数据库中的数据, 建立线性规划模型, 进行优化分析, 为企业是否扩大生产规模做出决策。这是决策支持系统的最早使用, 所以说决策支持系统发展是在信息系统管理和管理科学/运筹学的基础上发展起来的。

1.2 交互建模的DSS

通常情况下, 人们不能建立一个模型后就得到决策信息, 还要根据变化修改数学模型或修改变量、系数、常量等参数。这就要求系统具有交互能力。事物总在不停地变动, 只有能适应变动, 可以适当变更模型或改变方案的系统, 才能让用户得到更多的辅助决策信息, 才更具有竞争力和实用性。

1.3 组合模型的DSS

以上两个阶段的DSS基本上都是基于单模型的, 但随着科学技术的发展, 所需要解决的问题也越来越复杂, 涉及的模型也越来越多。这个时候想要用单独一个模型就得出决策信息是比较困难的, 也是不够准确的。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。为了有效组合模型, 还需要增加一个控制程序来控制多模型的组合。这种结构形式的决策支持系统是解决复杂决策问题的有效手段。

1.4 智能的DSS

智能的DSS是专家系统、神经网络、机器学习等智能技术和决策支持系统结合而成的系统。它的控制系统是将数学模型、数据处理模型、知识推理系统等多种形式模型实现有机组合的集成系统。这类系统是将定性和定量的决策方式结合, 形成一种更高效的决策系统。

2 决策支持系统在商业领域的应用

虽然决策支持系统的发展已经经历了从开始的只能用单模型解决简单到现在的智能系统解决复杂问题, 但是商业的信息化进程并没有跟上脚步, 甚至一些规模较大的公司还没开始实施信息化管理。下面就结合决策支持系统的发展路程来讨论商业现代化的进程。

2.1 传统决策支持系统在商业中的应用

传统的决策支持系统主要包括基于模型和智能决策支持系统, 它的系统框架如图1所示:

传统的DSS是在数据库的基础上, 增加了模型库系统, 即DSS使管理信息系统上升到了决策支持系统的新台阶上。DSS使那些原来不能用计算机解决的问题逐步变成能用计算机解决。虽然在叫法上这是传统的系统, 但是大多数企业信息化都还没发展到这一阶段。目前, 很多企业实现的只是能进行业务处理和资源管理的信息系统。如ERP, 也只是进行财务管理、人力资源管理、运行管理和市场销售管理。这些功能主要是通过数据库技术实现的, 数据库管理系统利用数据存储模块完成信息的更新、删除、增加, 用数据变换模块检索数据, 产生报表和图形, 从而使用户能够及时了解企业生产销售情况, 有利于提高企业效率增加企业效益。模型库和模型库管理系统模块则为高层管理的决策提供了很多有用的信息, 尤其是加入了专家系统 (ES) 、神经网络、机器学习等智能技术后, 决策支持系统的作用越来越明显。一些较先进的企业已经在ERP的基础上增加了供应链管理 (SCM) 和客户关系管理 (CRM) 。CRM指的是企业与其客户的交流方式, 它是一种管理理念, 其核心思想是将企业的客户作为最重要的企业资源, 要求企业从“以产品为中心”的模式向“以客户为中心”的模式转移。这个管理系统要求从目前的信息数据中通过经验分析潜在客户从而争取更多的客户群。

就目前的情况来看, 尽管传统决策支持系统在技术上已经越来越趋于成熟, 但在商业中的应用还是不够普遍。

2.2 新决策支持系统在商业中的应用

20世纪90年代中期, 兴起了数据仓库、联机分析处理和数据挖掘三项新技术。这三项新技术维决策支持系统开辟了新的方向, 形成了基于数据仓库的新决策支持系统。目前, 很多大的公司已经开始使用这种技术来辅助决策。

以日本的7-eleven为例, 他们把消费者分为10类 (如表1所示) 。

按照这样的顾客分类, 7-eleven对其门店的3000种商品进行跟踪。这些数据可以显示出这些商品每天的销售时间和当时的天气情况, 每一类顾客购买了哪些类商品。经过初步分析, 管理者发现, 到他们店铺采购的顾客72%是男性。利用数据仓库、数据挖掘等新技术, 最后得出结论:这一类顾客主要在晚上7点~9点这个时间段到店里买盒饭。这个结论就有利于管理者做出决策:门店每天在这个时间段在货架上摆满盒饭。国际零售业领头羊沃尔玛所首倡的相关商品销售策略, 就是用相同的技术对消费者喜好的信息加以搜集和深度分析, 演绎出“啤酒屋和尿不湿的故事”。尽管现在只有少数的企业有这样的实力使用这些技术, 但新决策支持系统也确实为管理者做出正确决策提供了很有价值的信息支持。

2.3 综合决策支持系统在商业中的应用

将传统的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就是综合决策支持系统 (synthetic decision suppor system, DSS) 。它实质是一个把数据仓库、联机分析处理系统、数据挖掘、模型库、数据库、知识库结合起来的更高形式的决策支持系统。其中, 数据仓库能实现对决策主题数据的存储和综合以及时间趋势分析, 联机分析处理实现多维数据分析, 数据挖掘从数据库和数据仓库中获取知识, 模型库实现多个模型的组合辅助决策, 数据库为决策提供数据, 知识库通过推理进行定性分析。这些技术所集成的系统, 将相互补充和依赖, 发挥各自的辅助决策优势, 实现更有效的辅助决策。就现在来说还没有这样的系统真正开始实施, 但综合决策支持系统必将成为今后发展的方向。

3 结束语

商业决策支持系统的目的是通过构建合理完善的商业企业决策支持系统, 将经营者从繁杂的商业信息整理分析中解脱出来, 为其经营管理决策提供更全面、科学、完善的支持。虽然有不少成功的案例, 但在现实中, 也有很多高层管理人员不愿使用决策支持系统。尽管从这个技术的提出到现在, 很多科学家为此做出了不懈努力并取得了突出的成就, 但是有时由于模型选择的偏差或数据的特殊性, 该系统得出的辅助信息并不能为决策带来帮助。并且决策支持系统中会包含很多专业技术, 如经济模型、数据挖掘、经济图表, 这些工具主要是为那些专业技术人员服务的, 高层的管理员没有过多的时间来弄懂这些知识, 过量的阅读会成为他们的巨大包袱。

虽然决策支持系统在企业中的普及还需要经过漫长的时期, 但随着世界经济的不断发展, 信息技术的不断推广应用, 决策支持系统将成为商业企业决策必不可少的一部分。

摘要：从决策支持系统的发展出发, 分析了各阶段中商业企业对它的使用, 并提出了未来决策支持系统发展方向。

关键词：决策支持系统,商业企业,发展,应用

参考文献

[1]陈伟文.决策支持系统教程[M].北京:清华大学出版社, 2008.

[2]程理民.运筹学模型与方法教程[M].北京:清华大学出版社, 2008.

篇4：智能决策支持系统探究

[关键词] 决策支持系统 人工智能 智能决策支持系统

一、引言

决策者要经常面临一些非结构化状态,这些状态处理起来既复杂又困难,并且不能用标准的常规的方式来解决。决策支持系统(DSS)是以交互式计算机为基础的系统,它允许决策者直接干预并帮助他利用他的经验和判断来解决半结构化或非结构化的问题。作为新的基于计算机的信息系统,DSS首先由Scott Morton早在1970s明确的提出,在20世纪70年代中期,Keen和Scott Morton引入了DSS的概念。智能决策支持系统(IDSS)是决策支持系统和人工智能的结合,在20世纪80年代中期,人工智能领域的研究者们把知识表示和知识加工的思想引进到DSS中,弥补了传统的DSS的只依靠模型技术和数据处理技术的缺陷。

二、DSS和IDSS的概念

决策支持系统(Decision Support System,DSS)是信息系统研究的最新发展阶段。它是一个融计算机技术、信息技术、人工智能、管理科学、决策科学等学科与技术于一体的技术集成系统。传统的DSS使用数据模型和数值计算方法来辅助决策,具有无法表示复杂决策过程的局限性,随着AI技术的发展,专家系统的出现,1981年Bonczek等人提出将DSS与ES相结合,分别发挥DSS数值分析与ES符号处理的特点,将定性分析和定量分析有机结合,使其能够进行知识处理,以方便、准确地模拟客观世界,全面地反映决策过程,从而有效地解决半结构化和非结构化问题,形成最初的IDSS。

IDSS是管理决策科学、运筹学、计算机科学与人工智能相结合的产物。利用专家系统(ES)技术,预先把专家(决策者)的建模经验整理成计算机表示的知识,组织在知识库中,并用称为推理机的一组程序来模拟决策专家的思维推理,形成一个智能的部件;在经典DSS中需要决策者干预时,就先访问此智能部件,只有当它也无能为力时,才请求人工干预,这样就可以大大提高决策效率并减轻管理决策人员的负担。

三、DSS和IDSS的结构

1.DSS的结构。DSS发展至今大家比较公认的一种为“三部件”结构。它主要由数据部件、模型部件和对话部件组成。具体表现为以下四个系统:(1)数据管理子系统;(2)模型管理子系统(3)知识管理子系统;(4)对话子系统。

2.IDSS的结构。智能决策支持系统(IDSS)是在决策支持系统的基础上集成人工智能技术,特别是专家系统而形成的,它既充分发挥了专家系统中知识及知识处理的特长,也充分发挥了传统决策支持系统中数值分析的优势。既可以进行定量分析,又可以进行定性分析,能有效地解决半结构化及非结构化的问题,这就大大扩大了决策支持系统的应用范围,提高了系统求解问题的能力。

四、基于AI的IDSS

人工智能(AI)是让计算机来模拟人类智能,由于模拟途径的不同,产生了不同的AI理论和技术。通过心理学的途径,总结人们思维活动的规律,产生了人工智能的符号机制,后发展成ES;根据生理学、认知科学等对人类学习机理的了解,建立人类学习的计算模型或认知模型,形成了机器学习理论;通过社会学的途径,研究人类在社会中的行为,将人类模拟成为多种智能体品质构成的有机的整体——Agent,综合考虑Agent技术及其在Agent环境中的行为,这就是Agent技术和理论。除此之外,还有自然语言理解等人工智能技术。将上述不同的AI技术与DSS相结合,形成不同形式的IDSS,下面对它们分别介绍。

1.基于ES的IDSS

ES是目前AI中应用较成熟的一个领域,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,而DSS主要使用数量化方法将问题模型化后,利用对数值模型的计算结果来进行决策支持。在IDSS中,将DSS和ES相结合,主要有三种结合方式:(1)DSS和ES的总体结合;(2)知识库(KB)和模型库(MB)的结合;(3)数据库(DB)和动态数据库的结合。

由以上DSS和ES三种结合方式,就形成了三种IDSS的集成形式:(1)DSS和ES并重的IDSS结构;(2)DSS为主体的IDSS结构;(3)ES为主体的IDSS结构。

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、Multi—Agent系统研究和Agent—oriented的程序设计研究三个方面。Agent自身应该具有知识、目标和能力。知识是Agent对其周围环境和要求解的问题的某种描述。目标是Agent解决问题所能达到的程度。能力就是Agent自身具有的解决问题的技能。针对不同的具体任务,人们构造了不同种类的Agent来满足需要。界面Agent、信息Agent、移动Agent和协作Agent就是其中的四种。关于Agent的资料很多由于篇幅限制这里不再展开阐述。

五、IDSS研究过程中要解决的问题

1.智能部件的设计和实现。IDSS中的智能性可以表现在知识库部分,模型库部分和数据仓库(数据库)部分。对模型库系统部分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,主要是模型的表示和智能构造及重用,如何使模型库中的模型具有知识,以有效地将定性和定量分析相结合。

2.系统各部件之间的交互。系统各部件之间的联系通过部件之间的接口来完成,包括对数据存取,对模型的调用,对知识的推理和修改,人机界面对各个模块的调用和协调.如何实现各个部件之间的高效交互,使信息能高效传递是一项需长期研究的任务。

3.系统的集成化。如何根据实际需要,以现实经济社会为依托,运用多种技术和方法进行系统综合集成,使系统各部件有机地结合在一起,形成完整实用的系统。

六、结束语

IDSS的发展趋势是向着综合化、集成化方向发展,综合利用多种技术来实现IDSS已是构建现代IDSS的必然趋势。IDSS的研究工作应该突出在系统的智能性和对决策支持两个方面。随着现代科学技术的发展,AI、数据库领域都出现新的技术,如何有效地将这些技术应用于IDSS的构建中,把数据仓库、数据挖掘、模型库、数据库、ES、面向对象、Agent、机器学习等的优点结合起来,集成综合的决策支持系统,开发出实用而有效的IDSS是当前IDSS发展中的首要问题之一。

参考文献:

[1]高洪深.决策支持系统(DSS)理论、方法、案例.北京:清华大学出版杜,2000.

[2]GA Gorry,MS Scott Morton. A framework for management information systems.Sloan Management Review,1999.

[3]黄梯云.智能决策支持系统北京:电子工业出版社,2001.

[4]陈文伟.决策支持系统及其开发(第二版).北京:清华大学,2000.

[5]赖景和.周运森.决策支持系统在企业管理中的应用.现代科学,2004,6.

[6]毛海军,唐焕文.智能决策支持系统研究进展.小型微型计算机系统,2003,5.

篇5：决策支持系统论文

1.市场营销管理状态落后。以目前的状况来看，我国大多数企业的市场营销管理状态均较为落后。由于企业的运作离不开各个部门之间的交流与协作。但是由于技术水平的不断提升，生产力也大幅度提高，但是企业的市场营销工作起步较晚，没有得到充分的发展，市场营销管理的状态稍显落后。因此，使得企业先进的生产力与落后的市场营销状态不相符，在这种情况下，就无法将各部门之间工作相统一，也就无法将生产环节中的力度完全发挥出来，限制企业的发展。

2.营销手段贫乏。我国经济正处于飞速发展的阶段。但是大多数的企业仍然处于发展缓慢的阶段。许多企业为了谋求新的发展渠道，不断地引进先进的技术和经验，但是却没有改善自身的营销手段，也没有将技术与自身的生产经营状况相结合，所以，在营销手段较为匮乏的情况下利用先进的技术对企业进行包装，仍然无法从根本上得到发展。

3.营销方式与管理之间存在矛盾。由于营销理念是在上个世纪三十年代引入我国的，在我国的发展时间较短，所以发展的程度还不够完善。营销方式一般是随着经济发展和社会变革而更新的，所以企业的营销方式方面发展还算稳定。大多数企业对市场营销的管理都不够重视，所以，营销管理一直没有得到发展。目前，大多数企业的营销管理方法都是在沿用过去的传统模式，而传统的营销管理模式无法满足现代营销理念和营销方法的需求条件，这样就会制约企业市场营销方式的更新和发展。

二、企业市场营销的管理决策支持系统及结构功能

1.环境分析功能。市场营销管理决策支持系统具有环境分析功能。市场营销的环境分析功能能够帮助企业对潜在的威胁因素进行具体地分析，并对企业所处的经济环境、社会环境以及自然环境等等环境因素进行有效地分析，从而得出企业发展的途径。另外，市场营销管理决策支持系统可帮助企业分析消费者的心理意向，分析企业的竞争力优势和劣势，从而提升企业的外部竞争力。

2.市场细分功能。市场营销管理决策支持系统具有市场细分功能。企业在充分了解自身所生产产品的情况之下，就能够对市场受众进行细分，从而实现具有目的性的市场营销，减少市场营销的误差，提高市场营销的效率。

3.产品策略分析功能。市场营销管理决策支持系统具有产品策略分析功能。产品的进入期、成长期、成熟期以及衰落期为其生命周期。市场营销管理与决策支持系统可对的产品的生命周期进行分析，减少产品不同生命周期带给企业的不良影响，使企业能够在旧产品的成熟期推出新产品，实现产品的新陈代谢，防止企业的经济效益受到产品的影响。

4.价格策略分析。市场营销管理决策支持系统可进行价格策略分析。从产品的价格策略角度进行分析，可将产品的市场占有额、利润以及销售方式等等分析透彻，实现定价方式的优化，保障新产品以及处于成熟期产品的市场成本、需求以及竞争力。

三、市场营销管理决策支持系统实现策略

1.数据库支持技术。市场营销管理与决策系统发展较为落后，会在一定程度上阻碍市场营销方式的发展，因此，必须对市场营销管理与决策系统进行建设。随着计算机网络技术在我国的广泛应用，许多企业已经形成了数字化办公的模式，而企业的市场营销管理模式也应进行改革，以数字化管理模式来代替过去传统的市场营销管理模式。利用数据库技术对市场营销管理提供支持，可以将市场营销工作中获得的数据与信息进行整合，将所有信息与数据全部纳入数据库之中，从而满足市场营销多样化的需求。数据库主要分为四大部分，分别为支撑层、数据库管理层、决策工具层以及决策层。其中，支撑层为数据库模型，由营销模式为基础对数据库模型进行选择;数据管理层是对数据库、方法库以及知识库等等进行管理;通过选择决策，最终进行决策。数据库管理与决策支持系统与传统的市场营销管理决策支持系统存在巨大的差异。其一，是数据库管理系统是一种较为先进的管理模式，能够充分满足各种市场营销方式的需求，以市场营销的特征为主体，对数据库的适用性进行重点的分析。其二，在利用数据库进行市场营销的管理时，由于数据库能够对市场营销数据进行系统、整体地分析，使信息数据保持整合性，并且能够在营销信息数据之间建立相关性联系，从而实现数据分析的准确性，并提升数据分析的效率。

2.OLAP支持技术。OLAP(联机分析处理)技术主要应用于资源共享方面，且需要建立在网络数据库的基础之上。OLAP技术是一种决策工具，可以在数据库进行决策的过程之中提供动态的数据支持，从而实现营销数据的综合性分析。OLAP技术为数据库提供的动态信息较为灵活，而且OLAP技术还可以对营销数据进行多角度、全方位地分析，使数据库分析更加接近人的思维，也使营销数据分析更加具有准确性。OLAP技术实施主要分为三个层面，分别为第一层(客户端)、第二层(多维化处理)和第三层(数据处理)。OLAP技术实施环环相扣，先从客户端获得数据，然后将数据提交服务器，由OLAP服务器进行多角度地处理，然后再投入数据库进行准备、加载，移入数据仓库，最终完成数据的分析和转换。这种数据处理方式与人脑对数据的处理方式基本一致，所以，能够为营销数据的处理提供支持。

3.数据挖掘支持技术。数据挖掘技术也是建立在数据库基础之上的营销管理技术。数据挖掘技术就是将营销数据库之中的重点决策信息筛选出来，并对重点决策信息进行整合，为市场营销提供更多的案例分析。信息挖掘技术主要是通过对数据的收集、集成、规约、清理、变换、实施、评估以及知识表达等八个步骤对信息进行整理，并利用神经网络法、遗传算法以及统计分析方法等等对数据进行集成计算，挖掘营销信息的有效价值，并将价值最大化。信息挖掘技术可以弥补数据库的不足，帮助数据库筛选信息和数据，防止重要数据被忽视或丢失，并保证数据库处理信息的准确性和高效性。

四、结语

篇6：决策支持系统实验3

实验名称：回归分析实验

实验地点：

专业班级：信管

学生姓名：

学生学号：

指导教师：

成　　绩：

2016年X月X日

一、实验目的1.了解Microsoft

Office

Excel

2003

提供的数据分析工具

2.掌握Microsoft

Office

Excel

2003

提供的三种回归方法

3.掌握通过回归分析进行预测的方法

二、实验内容

1.掌握Excel2003提供的分析工具库

2.使用数据分析方法进行回归分析

3.使用函数方法进行回归分析，包括直线回归函数，预测函数，指数曲线趋势函数

三、实验内容及步骤

7.1数据分析对话框

图7.2参数设置示意图

图7.3部分分析结果

图7.5斜率和Y轴截距数据

图7.6

图7.7

图7.8

图7.9

图7.10

图7.12

图7.13

图7.14

图7.15

图7.16

图7.17

图7.18

图7.19

练习

数据分析

预测函数

指数曲线预测函数

四、实验总结

篇7：自学习智能决策支持系统

自学习智能决策支持系统

提出了一种基于神经网络与专家系统的.自学习智能决策支持系统,使得智能决策支持系统能够对过去的经验进行学习.在无人作战飞机系统的应用表明,智能决策支持系统不仅能够对过去的经验进行学习,并且成功地解决了在规则不完善、战场信息不完全的情况下决策支持系统的推理问题.仿真结果表明,提出的方法显著地提高了智能决策支持系统的性能.

作 者：王青 祝世虎 董朝阳 陈宗基 WANG Qing ZHU Shi-hu DONG Chao-yang CHEN Zong-ji  作者单位：王青,董朝阳,陈宗基,WANG Qing,DONG Chao-yang,CHEN Zong-ji(北京航空航天大学,自动化科学与电气工程学院,北京,100083)

祝世虎,ZHU Shi-hu(北京大学,信息科学技术学院,北京,100871)

刊 名：系统仿真学报  ISTIC PKU英文刊名：JOURNAL OF SYSTEM SIMULATION 年，卷(期)： 18(4) 分类号：V271.4 TP182 关键词：自学习智能决策支持系统   无人作战飞机   专家系统   神经网络  

篇8：决策支持系统发展阶段

随着人口的增长和社会经济的发展, 水资源的需求量日益增加, 水资源供需矛盾日趋尖锐, 过量开采水资源引起的环境问题不断加剧。因此, 如何根据当地水资源的时空分布特点, 调整产业结构和布局, 实现水资源的合理利用和优化配置, 以水资源可持续利用保障经济社会的可持续发展, 这些都是当前迫切需要解决的问题。

水资源系统是一个复杂的系统, 受诸多方面的因素影响, 反映水资源状况数据涉及面广、指标众多;水资源开发利用方面, 在时间上需考虑近期与长远利益冲突, 在空间上要协调地区间的矛盾和各行业、各部门之间的关系等。因此, 水资源管理决策过程异常复杂。它是社会、经济、环境和水文学等的交叉学科, 涉及不同层次不同部门的决策者, 是一个典型的半结构化的多层次、多决策者和多目标的决策问题。传统的水资源管理模式已不能满足现代水资源管理的需要。面对严重的水资源危机和复杂的水资源管理问题, 必须借助信息化、智能化手段辅助决策, 建立水资源管理决策支持系统, 使各级领导的管理决策走向科学化、智能化、正规化。

2 水资源决策支持系统 (WRMDSS) 的涵义

水资源决策支持系统 (WRMDSS) 的含义是“以现代通讯设备所采集的水资源基本数据为基础, 应用决策科学、运筹学和水资源工程等学科的有关理论和方法, 为水资源决策者提供各种决策信息, 并允许水资源决策者直接干预和接收他们的经验, 直观判断或偏好的动态交互计算机系统。”

3 国内外研究及应用现状

自1971年M.S.Scott Morton教授提出管理决策系统以来, 决策支持系统的开发研制工作已取得了很大进展, 众多的DSS相继面世, 尤其在环境和水资源领域, 这也为水资源决策问题的解决提供了新的途径。

3.1 国外研究及应用现状

水资源决策支持系统的研究始于70年代中期, 1976年, Holsapple和Whinston开发了第一个用于流域管理的决策支持系统, 当时并没有引起水资源专家的足够重视[2]。随着水资源供需矛盾的突出和水污染的加剧, 水资源管理问题日趋复杂, 同时决策者对DSS技术也有了进一步的认识, 直到80年代中期, DSS技术才对水资源领域的研究产生了较大的影响, 此时的DSS系统开始走向实用, 其研制、开发和应用也广泛开展起来。

20世纪90年代至今, 随着计算机技术的日益进步, 在国外WRMDSS技术与其他各种技术相结合, 发展并形成了新一代的决策支持系统, 如水资源管理群决策支持系统、水资源管理分布式决策支持系统、水资源管理智能决策支持系统等。目前欧洲以德国和意大利为首的五国正在开发中的MULINO决策支持系统, 将结合最新技术应对流域环境和水资源管理的复杂决策问题值得期待。

总之随着计算机技术的迅猛发展, 国外在水资源管理决策支持系统方面的开发与研究逐步趋向实用化、智能化和科学化, DSS在流域、港湾、暴雨洪水、湖泊、水库、面源污染、地下水管理等方面发挥着愈加重要的作用。

3.2 国内研究及应用现状

我国对水资源管理决策支持系统的研究起步始于20世纪80年代中期, 与国外相比起步较晚, 随着我国水资源供需矛盾的加深, 系统研究的发展较快, 特别是近年来, 在流域水资源管理以及防洪决策等方面进行了很多应用研究, 并且取得了大量成果, 但仍处于发展及完善阶段。

3.2.1 水资源规划与管理

在我国最初用的水资源系统是由清华大学水电系完成的“七五”国家攻关项目——京津唐地区水资源规划决策支持系统。水资源管理决策系统双相继应用于流域水资源规划和管理, 薛松贵等开发的黄河水资源规划决策支持系统、马拥军提出的长江流域水资源管理决策支持系统建设、朱强等在国内首次将这项技术应用于干旱内陆河流开发了石羊河流域水资源规划决策支持系统和保翰璋等开发的疏勒河流域水资源管理决策支持系统等, 以及近年来的天津市水资源规划决策支持系统、朱长军等建立的邯郸地区水资源管理决策支持系统等等。

3.2.2 防洪决策

比较有代表性的有:黄河水利委员会开发的黄河防洪防凌决策支持系统、长江水利委员会与其他研究机构合作开发了长江防洪决策支持系统等。随着科技进步, 研究人员将DSS与3S以及VRML技术等相结合, 相继开发了一些功能更加全面的决策支持系统。国内许多学者开发了基于GIS的决策支持系统, 宫辉力开发的郑州市水资源——环境管理决策支持系统, 王煜等开发的黄河三门峡以下非汛期水量调度决策支持系统等等。卢玲和程国栋开发的黑河水资源决策支持系统, 则是将VRML (虚拟现实造型语言) 技术应用于决策支持系统, 以三维动态可视化的形式更为细致地描述和反映现实世界的真实现象。何磊、陈圣波开发的松花江流域 (吉林省段) 水资源网络化管理系统, 是集基于3S技术和网络技术集成的空间决策支持系统、综合性的管理信息系统于一体。随着水污染的加剧和人们对水环境保护意识的加强, 也出现了一系列水环境决策支持系统和水资源保护支持系统。

4 水资源管理决策系统在开发中存在的问题

WRMDSS的应用研究, 已得到比较广泛地开展, 并取得一定的成效。但如何在实际管理中很好地应用并发挥效益还有很多工作需要进一步完善, 目前存在的主要问题有:

4.1 研究人员同决策者 (或其他管理人员) 之间缺乏交流

一方面研究者对决策人员的要求和意图不清楚, 很少跟踪成果交用后的情况, 从而无法改进;另一方面决策人员又不愿意寻找帮助, 担心自己的作用将被计算机所取代。其实DSS只是帮助而不是代替规划管理人员做出决策, 只有双方密切合作, 才能充分发挥DSS的功能和作用。

4.2 开放性和可移植性较差

不仅难以集成新的功能模块, 也难以同其他DSS系统互联, 急需建立各种DSS协议标准。

4.3 模块化程度不高

不仅维护困难, 升级费用高, 而且难以适应用户需求的变化。

4.4 目前的分析模型尚不尽合理

比如模型过于简单或确定的参数不符合实际, 许多模型运算得出的优化结果与实际有较大的差距;模型应用局限性较大, 适应性不尽人意;在多种方案的比较和评价, 尤其是各方案经济效益的综合评价方面存在不足;

4.5 建立水资源DSS需要大量的数据支持

而目前我国的水资源数据共享现状并不乐观。目前我国没有统一的水资源管理软件开发标准, 各地方水资源管理部门在开发过程中各行其是, 致使开发平台和数据库的选择五花八门, 软件交流十分困难, 重复开发存在不同程度的资源浪费现象。因此水资源基础数据的标准化与共享平台的建设作为发展水资源管理DSS的基础必须得到足够重视。

5 水资源管理决策系统发展趋势

由于水资源规划涉及政治、经济、社会、环境等诸多方面复杂的问题, 尽管的DSS的介入使得决策层能方便地参与决策过程, 但由于上述因素具有多变性及复杂性, 在水资源领域内从研究开发到实际应用还有相当长的路要走。

基于水资源决策支持系统的现状和水资源规划与管理具体需要, 水资源决策支持系统的发展有下列趋势:

5.1 各种实用、精确模型的开发

模型库是DSS的核心, 同时也反映了开发者对解决问题的思维方式。建立的模型库应具有以下特点:①迅速和容易生成新模型的能力;②存取和组织积木式模型的能力;③分类和建立宽范围模型的能力;④适当联接相互关联模型的能力;⑤用管理功能管理模型库的能力。

5.2 WRMDSS的智能化

随着人工智能 (AI) 和专家系统的发展, 智能部件被嵌入DSS, 定性分析和定量分析有机结合, 知识被管理, 使解决问题的能力和范围得到了一个大的发展。目前该发展趋势已得到了社会各界的关注, 并已渗透到了水资源管理决策领域。

5.3 DSS中各种相关技术集成方法的研究

DSS的集成问题是研究DSS如何集成各种相关技术, 如数据管理与处理技术、模型求解与集成技术、AI中的问题求解与搜索技术、计算技术、仿真技术、决策分析技术、图形技术、网络通讯技术等等, 为决策者创造集成式决策支持环境。

5.4 软计算方法在WRMDSS中的推广

由于水资源信息具有不确定性, 所以模糊逻辑、神经计算、遗传算法等然计算方法在WRMDSS中得到了广泛的应用。

6 结 语

水资源管理决策过程涉及不同层次不同部门的决策者, 是一个典型的半结构化的多层次、多决策者和多目标的决策问题。面对严重的水资源危机和复杂的水资源管理问题, 必须借助信息化、智能化手段辅助决策, 建立水资源管理决策支持系统, 使各级领导的管理决策走向科学化、智能化、正规化。随着计算机技术的快速发展, 实用化、智能化和科学化的DSS在流域、港湾、暴雨洪水、湖泊、水库、面源污染、地下水管理等方面必将发挥着越来越重要的作用。

参考文献

[1]徐军, 叶莉, 等.决策支持系统DSS在水资源管理中的应用[J].水科学与工程技术, 2005, (3) :17-19

[2]胡铁松, 万永华.水资源决策支持系统目前动态及展望[J].水科学进展, 1993, 4 (3) :237-242

[3]朴正植, 金开鑫.水资源决策支持系统研究现状与发展趋势[J].吉林水利, 2008, (8) :4-8

[4]Mysiak J., Giupponi C., Rosato P.Towards the development of a deci-sion support system for water resource management[J].Environmental Modelling&Software, 2005, 20 (2) :203-214