决策支持系统研究现状及发展趋势，本文主要内容关键词为：发展趋势论文,现状及论文,支持系统论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 引言
决策支持系统，简称DSS(Decision Support System)，是以特定形式辅助决策的一种科学工具。它通过人机对话等方式为决策者提供了一个将知识性、主动性、创造性和信息处理能力相结合、定性与定量相结合的工作环境，协助决策者分析问题、探索决策方法，进行评价、预测和选优。DSS是信息系统研究的最新发展阶段，据美国一家调研机构的调查表明，20世纪末3/4的美国公司中将有20%的员工使用决策技术，1/3的公司中将有60%的员工使用决策工具，86%的人认为企业对决策技术的投资将会增加。[1]
新一代DSS主要向以下几个方向发展：群决策支持系统(GDSS)、分布式决策支持系统(DDSS)、智能决策支持系统(1DSS)、决策支持中心(DSC)、综合决策支持系统(SDSS)等。
2 DSS的系统结构
尽管DSS在形态上各色各样，但它们在结构上有一个基本特征——集成性，对不同形态的DSS进行分解时，又会发现DSS主要由五个部件组成：人机接口、数据库、模型库、知识库、方法库。每个库又带有各自的管理系统，即对话管理系统、数据库管理系统、模型库管理系统、知识库管理系统、方法库管理系统。因此一般地说，大部分DSS都可以认为是这十个基本部件的不同的集成和组合，即这十个部件可以组成实现支持任何层次和级别的DSS系统。DSS系统结构如图1所示。
20世纪80年代开始，随着计算机集成制造系统(CIMS)概念的提出，人们对DSS结构的理解发生了一些变化。有人提出，DSS是由语言系统LS、问题处理系统PPS和知识系统KS三部分组成，如图2所示。这三种系统实际上是由上面提到的基本部件发展而来的。LS系统实际上就是一个人机接口，它特别强调语言，特别是自然语言在接口中的重要作用。由于突出了自然语言的重要性，因此在DSS中配备了相应的自然语言处理系统(PPS)。根据知识工程研究成果，一些人倾向于把数据库、模型库和知识库统一为知识系统（模型库与方法库一般放在一起）[4]。
3 新一代DSS的发展
3.1 群决策支持系统(GDSS)
GDSS是在多个DSS和多个决策者的基础上进行集成、优化的结果，即GDSS是集成多个决策者的智慧、经验以及相应的决策支持系统组成的集成系统，它以计算机及其网络为基础解决一些半结构化、非结构化问题，其体系结构如图3所示。如何设计开发GDSS来支持群决策是一个复杂的任务，但随着通信、计算机等各种技术的进步，如电子会议、局域网、远距离视讯会议以及决策支持软件的研究成果，GDSS技术将发展得越来越成熟[2l[9]。
目前GDSS有三种应用类型，它们是由各决策者的集中和分散程度以及利用计算机网络形式的不同而形成的。
(1)决策室(Decision Office)
图3 GDSS体系结构图
每个决策者有一台计算机或终端，在同一个会议室内，每个人可利用各自的DSS系统进行决策，GDSS的组织者协调和综合各决策者的决策意见，使GDSS优选出群决策结论。会议室中有大屏幕显示器，显示各决策者的决策方案和结果以及统计分析数据和有关图形、图像，供会议参加者讨论。这种方式使决策者能面对面的交互讨论，迅速得出GDSS结论。其缺点是在决策当中容易受权威人士的影响，从而影响结论的准确性。
(2)局域决策网(Local Decision Network)
利用计算机局域网使各决策者在各自办公地点进行群决策。GDSS组织管理者组织各决策者通过局域网进行通讯，传输各自需要的输入、输出信息，交流彼此的意见。GDSS组织管理者根据各方意见最终得出结论。局域决策网的优点是各决策者可避免受其他决策者的影响，完全根据自己的经验发表看法，最终的结论较客观公正。
(3)远程会议(Tele Conferencing)
远程会议是指多个地点的会议室通过可视通讯设备连接在一起，使用ISDN、Internet、卫星通讯、电子白板等技术组织会议，进行决策。通过这些现代化技术形成远程会议，达到群体决策。这种方式不受地域的限制，使参加决策的人数增多，听取的意见更加广泛。
GDSS中用到了通信技术（包括电子信息、局域或广域网、电话会议、储存和交换设备等）、计算机技术（包括多用户系统、第四代语言、数据库、数据分析、数据存储和修改能力等）、决策支持技术（包括议程设置、人工智能和自动推理技术、决策模型方法、决策树、风险分析、预测方法等）以及结构化的群决策方法（如德尔菲法等）。
GDSS适用于知识繁多、内部和外部情况复杂、形势变化急剧为特征的决策环境，这种环境使群决策变得更频繁、更重要了。从80年代早期开始，GDSS技术在理论上的研究就已取得了令人瞩目的进展，Desancts和Gallupe在1985年就开发了一个GDSS基本框架，美国的波音公司、IBM公司等已将GDSS投入应用，获得了较好效果。[7]
3.2 分布式决策支持系统(DDSS)
DDSS是研究由多个物理位置上分离的决策体如何并发计算、协调一致地求解问题。这些分布在不同物理位置上的决策体构成计算机网络，网络的每个结点至少含有一个决策支持系统或有若干辅助决策的功能。DDSS包含有机结合起来的软、硬件两部分。
DDSS研究重点是分布性和并发性。人们在研究人类利用知识求解问题的过程中发现：大型复杂系统的求解需要多个专业人员协作完成。例如，在军事指挥决策过程中，由于战场环境复杂，范围广，信息的收集需要分布在不同地理位置的多个传感器和信息处理系统同时工作，以便获得完整、准确的当前形势信息，而且军事决策的制定也需要各级军事专家相互协同。DDSS正是将“协作”作为一个重要的问题求解方法来研究。研究DDSS的一个重要原因是某些问题领域的知识和行为在空间上、时间上或逻辑上本身具有分布性；另一个重要原因是DDSS技术可将大型复杂问题分化成多个子问题，使系统易于开发和管理，同时各子系统并行工作可提高整个大系统的求解效率和速度；还有助于增强系统的可靠性、问题求解能力、容错能力和不精确知识处理能力[5]。
DDSS适用于更高的决策层次和更复杂的决策环境，它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。随着Internet网络的迅速发展，各种局域网、广域网的普及及分布式操作系统、分布式数据库、知识库等成果的取得使DDSS发展成为可能。
3.3 智能决策支持系统(IDSS)
IDSS是DSS和AI（人工智能）相结合的产物，它着重研究把AI的知识推理技术和DSS的基本功能模块有机地结合起来。
DSS能够较有效地支持半结构化和非结构化问题的解决，这类问题单纯用定量方法无法解决，至少不能完全解决。为此必须在DSS中建立知识库，以存放各种规则、因果关系、决策人员的经验等，此外还应有综合利用知识库、数据库和定量计算结果进行推理和问题求解的推理机。近年来人工智能领域中专家系统(ES)的研究发展很快，专家系统主要参与解决管理科学中半结构和非结构化问题，DSS主要是运用数据和模型来解决问题，而专家系统主要是运用知识和推理。[6]DSS与专家系统的结合，使DSS注入了新的活力，增强了DSS系统的主动功能。它们的互相结合和互相渗透，将会把计算机用于决策支持技术推向一个新的高度。人工智能将为DSS提供有效的理论和方法。例如，知识的表示和建模，推理、演绎和问题求解以及各种搜索技术，再加上功能很强的人工智能语言等，都为DSS的发展转向更加实用阶段提供强有力的理论与方法的支持。
3.4 决策支持中心(DSC)
1985年由Owen等人提出一个决策支持中心(DSC)的概念，即由一个了解决策环境的信息系统组成的决策支持小组作为决策支持中心的核心，该中心采用先进的信息技术。通常DSC在位置上和高层领导十分接近，以便能及时地提供决策支持，决策支持小组随时准备开发或修改DSS以支持高层领导做出的紧急和重要的决策。
DSC的特点是处在高层次重要决策部位，有一批参与政策制定、决策分析和系统开发的专家，装备有计算机等先进设备，通过人机结合等多种方式支持高层决策者做出应急和重要决策的广义DSS。[8]
在DSC系统中，决策者将要解决的问题先发送给决策专家小组，通过网络、多媒体设备和其它现代化的设备，召开电视会议，也可通过电子公告牌、电子白板发布各自意见和信息。在这一过程中，可以借鉴兰德公司成功的决策方法，例如特尔斐法。每位专家把自己的处理意见通过网络发送给小组人员，在此方法中建议专家不面对面交流，也不公布他们的姓名和职务，以免彼此受到影响。此外专家之间还可采用其它研讨方式对问题进行定性分析，讨论问题，交流思想，直接的交流有助于启发创造性思维，可视化的会议形成了一种学术性的氛围。专家小组在讨论中首先发表自己的意见，根据特尔斐的规则把各种意见综合集成，然后再讨论，再集成，最后得出问题的定性描述模型。然后用同样的工作方式生成定量模型。这时把定量模型和系统的其它信息发送给计算机决策支持系统。最后得出定量分析结果。通过网络把定量分析结果送给专家决策小组，进行又一轮的分析、集成、处理，经过多次循环，直至得到满意的决策意见，将意见交给决策者，为决策提供依据，从而实现了从定性到定量、再到定性的螺旋式上升的决策过程。
3.5 综合决策支持系统(SDSS)
SDSS是在DSS原有三库的基础上，结合数据仓库、OLAP及数据开采技术，形成综合决策支持系统。SDSS结构如图4所示。
综合结构体系包括三个主体：第一个主体是模型库系统和数据库系统的结合，它是决策支持的基础，为决策问题提供定量分析（模型计算）的辅助决策信息；第二个主体是数据仓库、OLAP，它从数据仓库中提取综合数据和信息，这些数据和信息反映了大量数据的内在本质；第三个主体是专家系统和数据开采的结合。数据开采从数据库和数据仓库中挖掘知识，并将其放入专家系统和知识库中，通过知识推理的专家系统达到定性分析辅助决策。数据开采的方法和技术主要包括并联规则开采方法、多层次数据汇总归纳、决策树方法、神经网络方法、覆盖正例排斥反例方法、粗集方法、遗传算法、公式发现、统计分析方法、模糊论方法、可视化技术等。[3]
综合体系结构的三个主体可以相互补充又可以相互结合。可根据实际问题的规模和复杂程度，决定是采用单个主体辅助决策还是采用两个或三个主体相互结合辅助决策。利用第一个主体的辅助决策系统就是IDSS，利用第二个主体的辅助决策系统就是新的决策支持系统。将三个主体结合起来所形成的SDSS是一种更高形式的决策支持系统，其辅助决策能力将比其它各种决策方法上一个新的台阶。
4 DSS在国内外的应用
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。
在国外，特别是工业发达的西方国家，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。据有关资料统计，国外开发的DSS，有2/3是成功或部分成功的，主要支持企业管理决策活动，不同程度地改善了决策者和信息决策工作人员的素质和行为，为各级主管决策提供了科学的依据。但有1/3的DSS是失败的，其原因：一方面是DSS的开发者对主要决策者的决策风格不了解，系统功能与决策者的信息需求不匹配；另一方面，过于强调模型的作用，复杂的模型和计算使决策者难以理解和接受；再加上软硬件技术上的困难，导致开发费用大、时间长，使系统的适应性受到限制。
图4 SDSS结构图
近年来，DSS理论和技术已经传入我国，80年代软科学的兴起，促进了DSS的研究。软科学的根本任务是为领导决策服务，为各级、各类决策提供科学依据。在软科学的研究中，“发展规划”和“前景预测”在我国取得了明显效果。“在一切失误中，决策的失误是最大的失误，”已成为人们的共识。
总之DSS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、心理学、行为科学和组织理论等学科与技术于一体的技术集成系统。随着其它学科的不断发展，尤其是计算机技术和信息技术的巨大进步，DSS作为新的交叉学科，将会随着其它技术的迅速发展而产生突破性进展。