决策支持系统文献综述.doc

决策支持系统应用研究综述 李某某 ＸＸＸＸ大学经济管理学院 武汉 湖北 430074 摘要：本文从国内外应用现状、相关技术、热门领域等方面对决策支持系统展开论述，较为详尽的总结了决策支持系统的主要开发技术及其特点，对决策支持系统的两大热门领域：智能决策支持系统（IDSS）和综合集成系统进行了简要的概括，最后讨论了决策支持系统的未来发展趋势。 关键词：决策；决策支持系统；应用研究综述； 1 引言 决策支持系(DSS，Decision Supportsystem)是以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、人工智能技术和信息技术为手段，智能化地支持决策活动的计算机系统[1]。它通过人机对话进行分析、比较和判断，识别问题，建立或修改模型，帮助决策者明确决策目标，为决策者提供各种方案并对其进行评价和优选，为正确决策提供有益帮助。这一概念于20世纪70年代初，由美国Michael S．Scott Morton在《管理决策系统》[2]一文首次提出，20世纪80年代中期引入我国。目前已经呈现出多元化的发展态势。 DSS系统模型是以数据仓库（DW）为基础，联机分析处理（OLAP）与数据挖掘（DM）为工具的智能系统[3]。DW，DM，OLAP就是以DSS为驱动发展起来的信息处理技术，DW用于数据的存储和组织．0LAP集中于数据的分析，DM则致力于知识的发现，三者自然结台。使分析结果更全面、有效和深刻。 自DSS开发以来，与它的理论研究相比，实际应用工作开展得更早，它广泛用于企业管理、系统开发、经济分析与规划、战略研究、资源管理、投资规划[4]等方面，支持各类决策问题的决策支持系统大量出现并已投入使用。 2 国内外应用现状 目前，DSS己成为系统工程与计算机应用领域中的重要研究课题。通过国内外相关专家、学者的不断探索和研究，DSS在国内外学术界的理论研究和国民经济的实际应用中得到了迅猛发展，在军事应用领域也有广阔的发展前景，世界各国都在竞相开发军事应用中的DSS[]。DSS已经进行实际应用，成为一种正规的、普遍使用的信息系统。成功应用的例子大量出现，其软件和硬件已商品化和通用化[6]。 DSS理论和技术传入我国后，经过国内学者的不懈努力，DSS在实际应用方面取得了丰硕的成果。这些方面的主要成就可以概括为以下几大方面：①政府宏观经济管理和公共管理问题[7]；②水资源调配与防洪预警系统[8]；③产业(或行业)规划与管理、各类资源开发与利用决策[9]；④生态和环境控制系统的决策以及自然灾害的预防管理[10]；⑤金融系统的投资决策与风险分析与管理[11]；⑥企业生产运作管理的决策[12]。 3 相关技术 3.1数据仓库技术 W．H．InInon给出了数据仓库的定义：数据仓库是面向主题的、整合的、稳定的，并且时变的收集数据以商接管理决策的一种数据决策形式[13]。它主要由数据源、数据仓库、业务数据仓库、数据分析与报表、数据管理、元数据管理、传输和基础结构几部分构成。数据仓库系统以数据仓库为核心，通过数据分析与报表模块的查询和分析工具(OLAP、决策分析、数据挖掘)完成对信息的提取，以满足决策的需要。 作为近几年来蓬勃发展的新技术，数据仓库技术（DW）可以将大量的、决策分析所必需的、历史的、分散的、详细的数据加以转换、清洗、综合、适应测算利润，分析风险、分析市场以及加强客户服务与营销活动的一种新技术。 DW中的数据结构是在现有业务系统的数据结构基础之上，针对管理信息的特征、时间特性和汇总特性，对数据的名称、类型、描述、关联进行重新定义，主要包括统一数据类型，调整数据长度，增加时间性。它没有专门的数据仓库储存数据，数据仓库中的数据仍在源数据库中．只是根据用户的多维需求形成多维视图，临时在源数据库中找出所需要的数据，完成多维分析．这种组织方式比较简单．花费少．使用灵活，实际上此种方式由于源数据的不完备和冗余，效果不是很好。 3.2 数据挖掘技术 数据挖掘（DM）是从数据仓库中提取出可信的、新颖的、有效的并能被人理解的模式的高级处理过程[14]。发现的知识必须经过实践的检验并通过在实际应用中发现的问题对学习数据和策略进行修改。重新进行学习从而得到更精确的知识。DM提取的知识可以表示为概念、规律、模式、约束、可视化。对DM技术一般从三方面进行分类：数据库的种类、发现的知识种类、所用技术。 在数据挖掘的处理过程中，数据挖掘引擎[15]是最为关键的。而决定数据挖掘引擎的算法主要有以下几类：①信息论方法、②集合论方法、③仿生物方法、④公式发现、⑤统计分析方法。 3.3 联机分析处理 联机分析处理（OLAP）是DSS三大支持技术之一[16]。1993年由E．F.codd首次提出了OLAP的概念，它专门设计用于支持复杂的分析操作，侧重对决策人员和高层管