智能决策支持系统
智能决策支持系统
智能决策支持系统一、智能决策支持系统的定义决策支持系统(Decision Support System,简称DSS),就是以管理科学、运筹学、控制论、与行为科学为基础,以计算机技术、仿真技术与信息技术为手段,针对半结构化的决策问题,支持决策活动的具有智能作用的人机系统。
该系统能够为决策者提供所需的数据、信息与背景资料,帮助明确决策目标与进行问题的识别,建立或修改决策模型,提供各种备选方案,并且对各种方案进行评价与优选,通过人机交互功能进行分析、比较与判断,为正确的决策提供必要的支持。
它通过与决策者的一系列人机对话过程,为决策者提供各种可靠方案,检验决策者的要求与设想,从而达到支持决策的目的。
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,但模型库与方法库通常则就是必须的。
由于应用领域与研究方法不同,导致决策支持系统的结构有多种形式。
传统DSS 采用各种定量模型,在定量分析与处理中发挥了巨大作用, 它也对半结构化与非结构化决策问题提供支持, 但由于它通过模型来操纵数据,实际上支持的仅仅就是决策过程中结构化与具有明确过程性的部分、随着决策环境日趋复杂,DSS的局限性也日趋突出, 具体表现在:系统在决策支持中的作用就是被动的, 不能根据决策环境的变化提供主动支持, 对决策中普遍存在的非结构化问题无法提供支持,以定量数学模型为基础,对决策中常见的定性问题、模糊问题与不确定性问题缺乏相应的支持手段。
[1]DSS应具备以下特征[2]:●系统的主要功能就是为管理人员提供决策支持,其目的就是帮助管理人员进行决策而不就是代替她们,就是为了提高决策的效能而不就是组织的管理效率;●传统数据管理技术与有关的模型技术、分析技术相结合;●系统应该有很强的灵活性、适应性、便于用户使用。
智能决策支持系统(IDSS)就是决策支持系统与人工智能技术相结合的系统[3],她包括决策支持系统所拥有的组件,包括数据库系统、模型库系统与人机交互系统,同时集成了最新发展的人工智能技术,如专家系统、多代理以及神经网络与遗传算法等。
智能化决策支持系统方案
智能化决策支持系统方案一、引言决策是管理者日常工作中的核心任务之一，然而复杂的业务环境和庞大的数据量使得决策变得愈发困难和繁琐。
为了提高决策的准确性和效率，智能化决策支持系统应运而生。
本文将针对智能化决策支持系统的方案进行探讨。
二、智能化决策支持系统的概念和功能智能化决策支持系统是一种基于计算机技术和人工智能算法的决策辅助工具，旨在通过对大数据的分析和处理，结合决策者的经验和决策规则，提供决策过程中的信息支持和决策建议，帮助管理者做出更加科学、准确的决策。
智能化决策支持系统拥有以下主要功能：1. 数据采集与整合：通过对内、外部数据的采集和整合，形成全面的信息基础，为决策提供可靠的数据支持。
2. 数据分析与挖掘：通过数据分析和挖掘技术，从庞大的数据中发现关联和规律，为决策提供决策者未曾意识到的有用信息。
3. 决策模型构建：基于不同领域的决策模型，通过对历史数据的学习和分析，构建适用于具体问题的决策模型。
4. 决策模拟与评估：通过模拟不同决策方案的效果，评估其风险和优劣，辅助决策者进行决策选择。
5. 决策结果监控与反馈：对决策结果进行实时监控和反馈，及时调整决策方案，保证决策的有效执行。
三、智能化决策支持系统的应用案例以某电子商务平台的促销决策为例，阐述智能化决策支持系统的应用。
1. 数据采集与整合通过对平台内的用户行为数据、商品销售数据等进行采集，获取各类数据指标。
同时整合平台外的市场数据、社交网络数据等，形成全面的数据基础。
2. 数据分析与挖掘利用数据挖掘技术，分析用户的购买偏好、浏览趋势等，挖掘用户潜在需求。
同时通过对竞争平台的数据分析，了解市场动态和竞争态势。
3. 决策模型构建构建促销决策模型，基于历史数据和市场情报，建立商品定价模型、推荐算法、促销方案等。
4. 决策模拟与评估通过对不同促销方案的模拟和评估，预测不同方案的销售效果，评估其风险和收益。
5. 决策结果监控与反馈对决策结果进行实时监控，分析促销活动的效果和用户反馈，及时调整促销策略，以达到最佳效果。
智能决策支持系统
智能决策支持系统一、智能决策支持系统的定义决策支持系统〔Decision Support System，简称DSS〕，是以管理科学、运筹学、控制论、和行为科学为根底，以计算机技术、仿真技术和信息技术为手段，针对半构造化的决策问题，支持决策活动的具有智能作用的人机系统。
该系统能够为决策者提供所需的数据、信息和背景资料，帮助明确决策目标和进展问题的识别，建立或修改决策模型，提供各种备选方案，并且对各种方案进展评价和优选，通过人机交互功能进展分析、比较和判断，为正确的决策提供必要的支持。
它通过与决策者的一系列人机对话过程，为决策者提供各种可靠方案，检验决策者的要求和设想，从而到达支持决策的目的。
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*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构造有多种形式。
传统DSS 采用各种定量模型,在定量分析和处理中发挥了巨大作用, 它也对半构造化和非构造化决策问题提供支持, 但由于它通过模型来操纵数据,实际上支持的仅仅是决策过程中构造化和具有明确过程性的局部. 随着决策环境日趋复杂,DSS的局限性也日趋突出, 具体表现在:系统在决策支持中的作用是被动的, 不能根据决策环境的变化提供主动支持, 对决策中普遍存在的非构造化问题无法提供支持,以定量数学模型为根底,对决策中常见的定性问题、模糊问题和不确定性问题缺乏相应的支持手段。
[1]DSS应具备以下特征[2]：●系统的主要功能是为管理人员提供决策支持,其目的是帮助管理人员进展决策而不是代替他们,是为了提高决策的效能而不是组织的管理效率；●传统数据管理技术与有关的模型技术、分析技术相结合；●系统应该有很强的灵活性、适应性、便于用户使用。
智能决策支持系统〔IDSS〕是决策支持系统与人工智能技术相结合的系统[3],他包括决策支持系统所拥有的组件，包括数据库系统、模型库系统和人机交互系统，同时集成了最新开展的人工智能技术，如专家系统、多代理以及神经网络和遗传算法等。
智能决策支持系统
智能决策支持系统现代社会中，决策是非常重要的一环。
无论是企业的管理决策，还是政府的政策决策，甚至是个人的日常决策，都需要依靠科学合理的方法来做出选择。
而随着信息技术的快速发展，智能决策支持系统逐渐走入人们的视野，成为一种重要的决策工具。
智能决策支持系统是一种结合了信息技术和决策理论的系统。
它不仅能够帮助人们收集和整理决策所需的数据和信息，还能通过建立数学模型和算法，为决策者提供科学准确的决策分析结果。
智能决策支持系统的核心目标是提高决策的效率和准确性。
首先，智能决策支持系统能够帮助决策者进行数据的收集和整理。
在现代社会中，信息爆炸的时代已经到来，决策者面临着海量的数据和信息，如何从中提取有用的知识和信息成为了一个巨大的挑战。
智能决策支持系统通过建立数据库和数据挖掘技术，能够将海量的数据整理成结构化的信息，为决策者提供决策所需的基础数据。
其次，智能决策支持系统能够进行决策分析和模型建立。
决策往往需要考虑到多个因素的影响，而这些因素之间又存在着复杂的关系。
智能决策支持系统可以借助数学模型和算法，将决策问题转化为数学或逻辑问题，并对其进行分析和求解。
通过模拟、优化和预测等方法，智能决策支持系统可以为决策者提供不同决策方案的评估和比较，帮助其做出更为明智的选择。
此外，智能决策支持系统还具备智能化和个性化的特点。
根据决策者的需求和偏好，智能决策支持系统能够定制化地为其提供决策分析结果和建议。
智能决策支持系统可以根据决策者的历史记录和决策偏好学习其决策模式，从而提供更加个性化和精准的支持。
同时，智能决策支持系统还可以通过自动化和智能算法的应用，减少人力成本和时间成本，提高决策的效率。
然而，智能决策支持系统的应用也面临一些挑战和问题。
首先是数据的准确性和完整性。
决策的结果往往依赖于所使用的数据，如果数据存在误差或者不完整，就会对决策结果产生误导。
因此，确保数据的准确性和完整性是智能决策支持系统应用的重要前提。
智能决策支持系统简介及案例(共15张PPT)
传统三库DSS
四库IDSS
体系结构
智能人机接口
四库系统的智能人机接口接受用自然语言或接近自然语言的方式表达的决策问题及决策目标，这较 大程度地改变了人机界面的性能。
说好的减肥，却管 不住嘴，昨天吃的 香蕉含糖量太高了， 罪过罪过，现在又 饿了。。。
通过语法、语 义结构分析等 方法转换为系 统语言。
案例研究
适用性分析
交通事故管理问题是一个非常复杂的非结构问题。交通事故的管理可以分为事故检测、事故确定、事故响应和事故去 除4个阶段，每个阶段又有很多方案需要决策者进行决策。面对大量、复杂的相关数据，决策者采取哪套救援方案、 如何指挥各个部门协同工作，高效地进行事故管理,将直接影响到事故所造成的损失大小。 IDSS在决策支持系统的根底上引入人工智能技术，能够较好地解决非结构化问题，为决策者提供定性和定量的建议， 辅助其决策。引入IDSS的优势在于：
知识库管理系统
增、删、改、查等数据库操作
知
识
库 子
知识库
存储不能用模型描绘的专家经验
系
统
推理机
从已知事实推出新知识
研究现状
目前，按照智能决策方法，大致可以把IDSS分为三类：基于人工智能、基于数据仓库和基于范例推理的 IDSS。
多源数据集成、OLAP CBR（范例源）匹配与调整
存在问题
虽然近年来IDSS在技术上的开展突飞猛进，但由于面向的决策问题本身的复杂性，对于当前多数IDSS应用系统来说， 有些问题还亟待解决：
虽然近年来IDSS在技术上的开展突飞猛进，描但述由于事面实向M的为决真策问,题并本且身在的复规杂那性么，对库于中当前多数IDSS应用要系根统据来说事，故有性些问质题、还事亟故待解的决影：响范围、
决策支持系统与智能系统
DSS 的功能和特点
数据分析
帮助用户收集、整理和分析各种类型的数据，以支持决策过程。
模型构建
允许用户建立决策模型，以模拟不同的决策方案并做出最佳选择。
决策制定
提供工具和方法，帮助用户制定决策并评估决策方案的优劣。
IS 的功能和特点
1智能决策ຫໍສະໝຸດ 持通过自动化和人工智能技术，帮助用户做出准确和高效的决策。
决策支持系统与智能系统
决策支持系统（DSS）和智能系统（IS）是关键的商业和技术工具，帮助组织 在复杂的决策环境中实现更好的结果。
DSS 的定义
决策支持系统（DSS）是一种计算机化的信息系统，旨在帮助决策者通过数据 分析、模型构建和决策制定来解决非结构化问题。
IS 的定义
智能系统（IS）是一种集成了人工智能、大数据和自动化技术的计算机系统， 旨在模拟人类的智能行为并提供智能决策支持。
• 金融和投资决策 • 供应链管理 • 医疗诊断和治疗决策 • 市场营销策略
DSS 和 IS 的发展趋势
人工智能
大数据
人工智能技术的发展将为DSS和IS 提供更多的智能功能和决策支持。
对大数据处理和分析能力的需求 将推动DSS和IS的发展。
自动化
自动化技术的不断进步将提高 DSS和IS的智能化水平。
2
大数据处理
能够处理和分析大量的结构化和非结构化数据，提取有用的信息和洞察。
3
自动化操作
具备自主学习和执行任务的能力，提高工作效率并减少错误。
DSS 和 IS 的关系
决策支持系统（DSS）是智能系统（IS）的一种类型，智能系统是在DSS的基础 上加入了人工智能等技术的升级版本。
DSS 和 IS 的应用领域
人工智能辅助的决策支持系统
人工智能辅助的决策支持系统在当今这个数字化和信息化的时代，人工智能（AI）的应用已经渗透到了我们生活和工作的各个领域。
其中，人工智能辅助的决策支持系统正逐渐成为帮助人们做出更明智、更高效决策的重要工具。
决策，对于个人和组织来说，都是至关重要的环节。
无论是企业制定发展战略、政府规划公共政策，还是个人规划职业发展、选择投资方向，都需要在众多的可能性中做出选择。
而这些选择的结果，往往会对未来产生深远的影响。
传统的决策过程往往依赖于决策者的经验、直觉和有限的信息，这可能导致决策的不确定性和风险。
而人工智能辅助的决策支持系统的出现，为解决这些问题提供了新的途径。
人工智能辅助的决策支持系统是一种将人工智能技术与决策支持系统相结合的创新应用。
它通过收集、分析和处理大量的数据，为决策者提供全面、准确和及时的信息，同时利用机器学习和智能算法，对未来的趋势和结果进行预测和模拟，帮助决策者更好地理解问题、评估选项和制定策略。
这种系统的工作原理大致可以分为以下几个步骤。
首先，它通过各种渠道收集相关的数据，包括内部数据库、互联网、传感器等。
这些数据可能涵盖了市场动态、客户需求、竞争对手情况、财务数据等多个方面。
然后，利用数据清洗和预处理技术，对这些数据进行筛选、整理和转换，去除噪声和无效信息，使其成为可分析的结构化数据。
接下来，运用机器学习算法和数据挖掘技术，对数据进行深入分析，挖掘出其中的隐藏模式、关联和趋势。
例如，通过聚类分析可以将客户分为不同的群体，以便制定更有针对性的营销策略；通过关联规则挖掘可以发现产品之间的购买关联，优化产品组合。
在数据分析的基础上，人工智能辅助的决策支持系统还可以利用预测模型和模拟技术，对未来的情况进行预测和模拟。
例如，通过时间序列分析可以预测市场需求的变化趋势，帮助企业合理安排生产和库存；通过建立仿真模型可以模拟不同决策方案的实施效果，为决策者提供直观的参考。
最后，将分析和预测的结果以直观、易懂的方式呈现给决策者，如数据报表、图表、可视化界面等，并提供相应的决策建议和风险提示。
智能决策支持系统
智能决策支持系统智能决策支持系统（Intelligent Decision Support System，简称IDSS）是一种基于人工智能技术的信息系统，旨在协助决策者进行复杂决策过程中的问题分析和决策选项评估，从而提供高质量的决策策略和方案。
它结合了数据分析、模型建立、决策规则设定等多种技术手段，能够对大量的数据和信息进行处理和分析，为决策者提供全面、准确的决策支持。
一、智能决策支持系统的概述及其特点智能决策支持系统是一种以人工智能技术为基础的软件系统，通过引入智能技术，能够对大量的数据进行分析和处理，提供决策者所需的信息和决策建议。
其主要特点包括：1. 数据处理能力：智能决策支持系统能够对大量的数据进行整理、存储和分析，从而为决策者提供全面的数据支持。
2. 信息可视化：系统以图表、报表等形式展示数据分析结果，使决策者能够直观地了解数据的情况和趋势。
3. 决策建议：系统根据分析结果和设定的规则，为决策者提供具体的决策建议和方案。
4. 智能学习能力：系统能够通过学习和适应不断改善自身的决策能力，提供更加精准的决策支持。
二、智能决策支持系统的组成和功能智能决策支持系统由多个组件和功能模块组成，包括数据管理模块、模型建立模块、决策规则设定模块和决策支持模块等。
1. 数据管理模块：负责对输入数据进行整理、存储和管理，确保数据的准确性和完整性。
2. 模型建立模块：通过建立数学模型和计算算法，对数据进行分析和处理，为后续的决策制定提供基础。
3. 决策规则设定模块：决策者通过设定决策规则，对数据和分析结果进行评估，制定相应的决策策略。
4. 决策支持模块：根据设定的决策规则和分析结果，为决策者提供决策建议和方案，辅助其进行决策。
三、智能决策支持系统的应用领域智能决策支持系统在各个领域都有广泛的应用，尤其在复杂决策问题上具有重要意义。
1. 企业管理：智能决策支持系统可应用于企业的战略决策、生产调度、供应链管理等多个方面，提供决策支持和优化方案。
智能化决策支持系统人工智能技术为管理者提供智能化决策建议
智能化决策支持系统人工智能技术为管理者提供智能化决策建议随着科技的发展，人工智能技术在各个领域得到了广泛的应用。
其中，智能化决策支持系统作为一项重要的应用领域，为管理者提供了智能化的决策建议。
本文将介绍智能化决策支持系统的基本概念和原理，并探讨其在管理决策过程中的应用。
一、智能化决策支持系统的概念与原理智能化决策支持系统是利用人工智能技术，结合决策分析理论与方法，辅助管理者进行决策过程的一种系统。
其基本原理是通过收集和分析大量的数据、信息和知识，建立决策模型，运用人工智能技术进行数据挖掘和知识发现，从而提供决策建议和策略辅助。
二、智能化决策支持系统在管理决策中的应用1. 数据分析与挖掘智能化决策支持系统通过收集和分析庞大的数据，进行数据挖掘和分析，从中发现隐藏在数据中的有价值的信息和知识。
这些信息和知识可以帮助管理者更好地了解市场、客户需求、竞争对手等因素，为决策提供更加准确的基础。
2. 决策模型构建智能化决策支持系统通过建立决策模型，模拟和分析不同的决策策略和场景，以求得最优的决策结果。
管理者在制定决策时，可以通过系统提供的多种模型选择最适合自己的决策方案，减少决策风险和成本。
3. 决策建议与评估智能化决策支持系统能够根据已有的数据和知识，结合管理者的实际需求，提供个性化的决策建议。
系统根据预设的目标和限制条件，综合考虑各种因素，为管理者提供全面的决策信息和评估结果，帮助其做出明智的决策。
4. 决策过程优化智能化决策支持系统可以对决策过程进行优化和改进。
通过自动化和智能化的技术手段，系统能够提高决策的效率和精度，降低决策的风险和成本。
管理者可以借助系统提供的功能，提升自己在决策过程中的效率和水平。
三、智能化决策支持系统所面临的挑战尽管智能化决策支持系统在提高决策效率和质量方面具有显著的优势，但其仍然面临一些挑战。
首先，数据的质量和完整性对系统的决策结果有着重要影响。
其次，决策模型的建立需要动态更新和调整，以适应不断变化的环境和需求。
企业管理理论中的决策支持系统有哪些
企业管理理论中的决策支持系统有哪些在当今竞争激烈的商业环境中，企业的决策质量和效率直接影响着其生存与发展。
决策支持系统作为一种强大的工具，能够为企业管理者提供准确、及时和有价值的信息，帮助他们做出更明智的决策。
那么，企业管理理论中的决策支持系统究竟有哪些呢？一、数据仓库与数据挖掘系统数据仓库是一个用于存储和管理企业大量数据的集中式数据库。
它整合了来自不同数据源的数据，包括企业内部的业务系统、外部市场数据等，经过清洗、转换和加载等处理过程，将数据以统一的格式存储起来。
数据挖掘则是从数据仓库中提取有价值信息和知识的过程，通过运用各种数据分析技术和算法，如聚类分析、关联规则挖掘、分类和预测等，发现隐藏在数据中的模式、趋势和关系。
例如，一家零售企业可以通过数据挖掘分析顾客的购买行为，发现哪些商品经常被一起购买，从而优化商品陈列和促销策略；或者预测哪些顾客可能会流失，提前采取措施进行客户保留。
二、管理信息系统（MIS）MIS 是一个基于计算机的系统，用于收集、处理、存储和传播企业内部的管理信息。
它通常包括财务、人力资源、生产、销售等各个业务领域的子系统，能够提供日常运营的基本数据和报告，帮助管理者监控业务流程和绩效。
比如，财务 MIS 可以提供实时的财务报表、预算执行情况等信息，让管理者了解企业的财务状况；人力资源 MIS 可以管理员工的基本信息、考勤、绩效评估等，为人力资源决策提供支持。
三、决策支持系统（DSS）DSS 是专门为支持决策制定而设计的计算机系统。
它具有灵活的交互界面，允许管理者根据自己的需求和问题进行查询、分析和模拟。
DSS 通常包括数据库、模型库和会话管理系统等组成部分。
数据库存储与决策相关的数据，模型库包含各种决策模型，如线性规划、决策树、蒙特卡罗模拟等。
会话管理系统则负责用户与系统之间的交互。
管理者可以利用 DSS 对不同的决策方案进行评估和比较，预测其可能的结果，从而选择最优方案。
智能决策支持系统在企业管理中的应用与优化
智能决策支持系统在企业管理中的应用与优化在当今竞争激烈的商业环境中，企业面临着越来越复杂的决策问题。
为了在市场中脱颖而出，企业需要依靠高效、准确的决策来指导运营和发展。
智能决策支持系统（Intelligent Decision Support System，简称IDSS）作为一种先进的信息技术工具，为企业管理提供了强大的支持。
它能够整合数据、分析信息，并提供有价值的决策建议，帮助企业管理者做出更明智的选择。
一、智能决策支持系统的概述智能决策支持系统是在传统决策支持系统的基础上，结合了人工智能、数据挖掘、机器学习等先进技术而发展起来的。
它通过对大量的数据进行收集、整理和分析，提取有价值的信息和知识，为企业的决策提供支持。
智能决策支持系统通常由数据仓库、数据挖掘工具、模型库、知识库、人机交互界面等部分组成。
数据仓库用于存储企业内部和外部的各种数据；数据挖掘工具用于从数据中发现潜在的模式和规律；模型库包含了各种决策模型，如预测模型、优化模型等；知识库则存储了专家的经验和知识；人机交互界面则方便用户与系统进行交互，输入问题和获取结果。
二、智能决策支持系统在企业管理中的应用1、市场营销在市场营销领域，智能决策支持系统可以帮助企业分析市场趋势、客户需求和竞争对手的情况。
通过对销售数据的分析，系统可以预测产品的需求，为企业的生产和库存管理提供决策依据。
同时，系统还可以对客户进行细分，制定个性化的营销策略，提高客户满意度和忠诚度。
例如，一家电商企业可以利用智能决策支持系统分析客户的购买历史、浏览行为和评价等数据，了解客户的喜好和需求，从而向客户推荐更符合其兴趣的产品。
此外，系统还可以根据市场的变化和竞争对手的动态，及时调整价格策略和促销活动，提高企业的市场竞争力。
2、生产管理在生产管理方面，智能决策支持系统可以优化生产流程、提高生产效率和降低成本。
系统可以通过对生产数据的分析，预测设备的故障，提前安排维修和保养，减少生产中断的时间。
智能决策支持系统
智能决策支持系统一、智能决策支持系统的定义决策支持系统（Decision Support System，简称DSS），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、仿真技术和信息技术为手段，针对半结构化的决策问题，支持决策活动的具有智能作用的人机系统。
该系统能够为决策者提供所需的数据、信息和背景资料，帮助明确决策目标和进行问题的识别，建立或修改决策模型，提供各种备选方案，并且对各种方案进行评价和优选，通过人机交互功能进行分析、比较和判断，为正确的决策提供必要的支持。
它通过与决策者的一系列人机对话过程，为决策者提供各种可靠方案，检验决策者的要求和设想，从而达到支持决策的目的。
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。
传统DSS 采用各种定量模型,在定量分析和处理中发挥了巨大作用, 它也对半结构化和非结构化决策问题提供支持, 但由于它通过模型来操纵数据,实际上支持的仅仅是决策过程中结构化和具有明确过程性的部分. 随着决策环境日趋复杂,DSS的局限性也日趋突出, 具体表现在:系统在决策支持中的作用是被动的, 不能根据决策环境的变化提供主动支持, 对决策中普遍存在的非结构化问题无法提供支持,以定量数学模型为基础,对决策中常见的定性问题、模糊问题和不确定性问题缺乏相应的支持手段。
[1]DSS应具备以下特征[2]：●系统的主要功能是为管理人员提供决策支持,其目的是帮助管理人员进行决策而不是代替他们,是为了提高决策的效能而不是组织的管理效率；●传统数据管理技术与有关的模型技术、分析技术相结合；●系统应该有很强的灵活性、适应性、便于用户使用。
智能决策支持系统（IDSS）是决策支持系统与人工智能技术相结合的系统[3],他包括决策支持系统所拥有的组件，包括数据库系统、模型库系统和人机交互系统，同时集成了最新发展的人工智能技术，如专家系统、多代理以及神经网络和遗传算法等。
企业管理理论中的决策支持系统有哪些
企业管理理论中的决策支持系统有哪些在当今竞争激烈的商业环境中，企业管理者面临着日益复杂和多变的决策挑战。
为了提高决策的准确性和效率，各种决策支持系统应运而生。
决策支持系统是一种以信息技术为手段，辅助管理者进行决策的工具和方法的集合。
它能够整合数据、提供分析和预测，帮助管理者在复杂的情况下做出明智的选择。
一、数据仓库与数据挖掘系统数据仓库是决策支持系统的重要组成部分。
它是一个用于存储和管理大量数据的集中式数据库，这些数据通常来自企业内部的各个业务系统，如财务、销售、生产等。
数据仓库通过对这些数据进行清洗、整合和转换，使其成为易于分析和查询的结构化数据。
数据挖掘则是从数据仓库中发现隐藏的模式、趋势和关系的技术。
通过数据挖掘，企业可以发现客户的购买行为模式、市场的细分趋势、产品的销售关联等有价值的信息。
例如，一家零售企业通过数据挖掘发现，购买婴儿用品的客户往往在一段时间后会购买儿童玩具，基于这一发现，企业可以针对性地进行促销和商品推荐，提高销售额。
二、管理信息系统（MIS）管理信息系统是一种用于收集、处理、存储和传播企业内部信息的系统。
它能够提供关于企业运营的各种报表和报告，如销售报表、库存报表、财务报表等，帮助管理者了解企业的现状和历史情况。
MIS 可以为决策提供基础数据和信息，但它通常只是对过去和当前数据的描述，缺乏预测和分析能力。
不过，在一些简单和常规的决策中，MIS 提供的信息已经足够支持管理者做出决策。
三、决策模型与分析工具决策模型是对决策问题的数学或逻辑描述，它可以帮助管理者理解决策问题的结构和影响因素，并通过计算和模拟来评估不同决策方案的效果。
常见的决策模型包括线性规划、整数规划、决策树、蒙特卡罗模拟等。
分析工具则是用于对数据进行分析和处理的软件，如统计分析软件（SPSS、SAS 等）、电子表格软件（Excel 等）。
这些工具可以帮助管理者进行数据分析、图表制作、假设检验等，从而支持决策过程。
智能决策支持系统名词解释
智能决策支持系统名词解释
智能决策支持系统是一种用于支持决策者在做出明智决定时获
取技术支持的工具。
它采用了复杂的技术，如计算机模拟和数据挖掘，帮助政策制定者分析有效的政策，并帮助他们实现决策的最优化。
1、决策：决策是一个人或团体采取行动的过程，用于解决某些未解决的问题或实现某些目标。
2、智能：智能是一种人工智能技术，是人工模拟人类的智力思维过程，它将运行算法以解决规划问题，求解决策方案和模拟实际场景以获得正确的解决方案。
3、支持：支持是指提供技术支持、知识咨询和专家服务，以确保决策者的决策过程及其结果是正确的。
4、系统：系统是指一组集成在一起的元素（如计算机硬件、软件、人类资源等），它们经过设计，能够协作实现特定的目标。
5、计算机模拟：计算机模拟是采用计算机技术来模拟真实世界中的系统，以便研究系统的性质和行为，以及采取针对不同情况的有效措施。
6、数据挖掘：数据挖掘是一种分析海量数据的技术，它通过抽取数据中的有用信息，推断出特定的模式，以及决策者所面临的问题，为决策者提供有价值的参考。
第三章智能决策支持系统
第三章智能决策支持系统
智能决策支持系统是使用计算机科学、管理科学及其它知识自动或半
自动地协助决策过程的一类软件系统。
它是一种利用计算机和通讯技术来
支持各级领导迅速综合整理信息、分析问题、决策制定、规划执行和控制
实施的新型技术，通过实现专家系统技术及人工智能技术等，可以将复杂
的决策分解成简单的模块，以及避免个人思维偏见的影响，在决策中达到
理性、系统的最优结果。
智能决策支持系统的基本结构包括：决策支持环境、决策方法及工具、信息处理工具、决策支持技术以及控制系统。
1、决策支持环境
决策支持环境主要指的是决策过程的软件环境。
它包括决策支持工具、数据库管理系统以及相关的网络通信系统。
它能够提供决策者较为完整的
信息系统，处理决策活动中所涉及的复杂问题，以及在系统中模拟出不同
的状态，为决策者提供综合的决策依据。
2、决策方法及工具
决策方法及工具提供给决策者一定的决策支持。
这些方法及工具可以
帮助决策者收集、清洗、预处理、分析、组织及展示相关信息，从而满足
决策者的决策需求。
3、信息处理工具。
智能化决策支持系统的设计与实现
智能化决策支持系统的设计与实现随着现代科技的不断发展，人工智能技术逐渐渗透到各个行业，使得各种智能化产品和服务层出不穷。
特别是在商业领域，智能决策支持系统已经成为提高企业管理效率和决策科学化的重要手段。
本文将对智能化决策支持系统的设计和实现进行探讨。
一、智能化决策支持系统的定义和意义智能化决策支持系统（Intelligent Decision Support System，简称IDSS）是指运用先进的人工智能技术，以及数据分析和挖掘技术，对企业的决策行为和决策结果进行辅助、优化和判断的系统。
它通过利用大数据和机器学习等技术，对复杂的决策问题进行建模和仿真，为企业决策提供定量化的数据支持，并通过智能分析和预测，为企业决策提供科学化的参考。
智能化决策支持系统的出现对企业管理和决策具有重要的意义。
一方面，它可以帮助企业管理层更加准确地判断当前的经济形势和市场趋势；另一方面，它可以为企业管理层提供更加科学和精准的决策方案，提高企业的决策效率和决策成功率，有助于企业战略调整和优化决策。
二、智能化决策支持系统的设计思路智能化决策支持系统的设计非常复杂，需要涉及多个学科领域的知识和技能，包括人工智能、数据库技术、数据挖掘、决策论等。
设计一个有效的IDSS，需要有以下几个方面的工作：1. 数据库设计IDSS需要有一个高效的数据库系统来存储、管理和处理数据。
数据库设计需要根据企业决策需要，确定需要存储的数据类型和数据结构。
同时，为了提高系统的效率，还需要对数据进行预处理和优化，如数据清洗、去重、压缩等操作。
2. 模型建立和算法选择IDSS的核心是建立适合企业的模型，并通过算法选择和优化来提高决策的准确率和效率。
模型的建立需要考虑企业的决策需求和决策场景，同时要考虑模型的实时性和可扩展性。
算法的选择需要根据企业的决策问题和数据类型进行确定，如神经网络算法、决策树算法、支持向量机算法等。
3. 用户界面设计IDSS需要有人机交互界面，让用户能够方便地操作系统，输入数据和查看结果。
基于人工智能的智能决策支持系统设计
基于人工智能的智能决策支持系统设计智能决策支持系统是一种基于人工智能的信息技术工具，旨在帮助决策者在复杂的决策环境中做出优化的决策。
该系统通过收集、分析和解释大量数据，并利用算法和模型进行推理和预测，为决策者提供准确有效的决策建议。
本文将探讨基于人工智能的智能决策支持系统的设计原理和实施方法。
一、智能决策支持系统的概述智能决策支持系统是一种利用人工智能技术的决策辅助工具，其目的是通过收集和分析各种数据源，为决策者提供全面、准确和可靠的决策信息。
智能决策支持系统主要涉及以下几个方面：1. 数据收集与整合智能决策支持系统需要从多个数据源中收集、整合和清洗数据。
这些数据源包括企业内部的数据库、市场调查数据、外部实时数据等。
系统需要对这些数据进行标准化处理，以确保数据的一致性和可比性。
2. 数据分析与挖掘智能决策支持系统利用数据分析和挖掘技术，从大量的数据中提取有用的信息和知识。
这些技术包括统计分析、数据挖掘、机器学习等。
系统通过这些技术来发现数据中的模式、趋势和关联，从而为决策者提供可靠的决策依据。
3. 模型与算法建立智能决策支持系统需要建立各种数学模型和算法，以模拟和预测复杂的决策环境。
这些模型和算法可以是基于统计学、优化学、机器学习等领域的理论和方法，用于解决具体的决策问题。
4. 决策建议与优化智能决策支持系统根据分析和模型的结果，为决策者提供决策建议和优化方案。
这些建议和方案可以是基于规则、基于经验、基于模型等不同类型的决策方法。
系统还可以通过引入多目标优化和风险管理技术，帮助决策者在复杂的决策环境中做出最优决策。
二、智能决策支持系统的设计原理智能决策支持系统的设计原理主要包括以下几个方面：1. 需求分析与问题建模在设计智能决策支持系统之前，需要对决策环境和决策需求进行全面的分析和理解。
通过与决策者的沟通和讨论，确定系统的目标和功能，建立准确的问题模型。
2. 数据采集与处理系统需要设计合适的数据采集和处理模块，从各种数据源中获取和整合数据。
智能决策支持系统
IDSS(智能决策支持系统)简介1 IDSS的来历1.1IDSS是如何产生的高层管理领域中的管理决策者常常遇到一些结构不良问题"由于这些问题无法准确描述处理原则且极其复杂"因而不能应用标准程序性过程进行求解#为了解决这种情况决策支持系统（DSS）应运而生：从DSS产生至今的12多年里，DSS在概念内涵、结构设计和应用研究诸方面取得较快发展。
尽管如此，由于传统DSS的设计强调对数据模型和两者集成的支持，其实现起先主要局限在单独和特定的问题领域，因而存在领域依赖和用户接口友好性较差等不足。
因此传统的DSS以数据和数学模型分析技术为特征"具有阶段性和局限性。
1.2 IDSS的概念IDSS的核心思想是将人工智能技术和其它相关学科的成果及其技术相结合，使DSS具有人工智能的行为，能够充分利用人类的知识。
随着IDSS的发展，人们不断将IDSS的智能部件进行扩展，使IDSS的智能并不仅仅限于对知识库的使用上，对模型库而言，它可以实现模型自动选择和生成；对于人机界面部分，它可以使其更容易使用和可以理解决策者的思维，具有学习功能；对于数据库部分，数据仓库、联机分析处理和数据挖掘技术的应用，可以对数据进行复杂的分析处理，同时可从数据(仓库）库中挖掘出隐含的知识，增强原来的知识库，以达到增强系统智能决策的目的。
3 IDSS的研究现状按照智能决策方法，大致可以把IDSS分为3类：3.1基于AI的IDSS;①基于ES的IDSSES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。
②基于机器学习的IDSS机器学习是通过计算机模拟人类的学习来获得人类解决问题的知识：机器学习由于能自动获取知识，在一定程度上能解决专家系统中知识获取瓶颈问题。
信息工程中的智能决策与决策支持系统
信息工程中的智能决策与决策支持系统智能决策与决策支持系统是信息工程领域的重要应用之一。
随着信息技术的发展和智能化水平的提高，决策过程已经越来越依赖于计算机系统，这也为企业和组织提供了更高效和准确的决策方式。
本文将介绍智能决策的概念及其在信息工程中的应用，并重点探讨决策支持系统在决策过程中的作用。
一、智能决策的概念与特点智能决策是指利用人工智能等先进技术自动识别、分析和评估决策问题，并根据预先设定的决策规则给出最佳决策方案的过程。
智能决策系统具有以下几个特点：1. 自动化：智能决策系统可以对大量的数据进行自动处理和分析，从而快速给出决策结果；2. 高效性：利用智能决策系统可以快速排除无关信息，仅关注与决策相关的数据，提高决策的效率；3. 知识化：智能决策系统可以通过学习和积累知识，不断优化和改进决策方案；4. 预测性：通过分析历史数据和模拟实验，智能决策系统可以预测未来可能发生的情况，并提供相应的决策建议。
二、智能决策在信息工程中的应用智能决策在信息工程中有着广泛的应用。
以下是一些常见的应用场景：1. 交通管理：智能决策系统可以根据交通数据和历史记录，预测道路拥堵情况，并提供最佳的交通调度方案；2. 金融风险评估：通过分析大量的金融数据，智能决策系统可以对风险进行评估和预测，并提供相应的风险管理建议；3. 生产调度：在生产过程中，智能决策系统可以实时监控生产数据，自动调整生产计划，并优化生产效率；4. 营销策略：智能决策系统可以根据市场数据和消费者行为，给出最佳的营销策略和推广方案。
三、决策支持系统的作用决策支持系统是指利用先进的信息技术和数学模型，为决策者提供决策所需的信息和工具，从而帮助他们做出更准确、更科学的决策。
决策支持系统在智能决策过程中起到了重要的作用。
1. 提供信息：决策支持系统可以收集和整理各种相关的数据信息，并通过数据分析和数据可视化的方式呈现给决策者，帮助他们了解决策问题的全貌；2. 分析评估：决策支持系统可以利用数学模型和算法对决策问题进行分析和评估，从而给出不同决策方案的优劣程度，帮助决策者做出决策；3. 模拟实验：决策支持系统可以进行模拟实验，预测不同决策方案的结果，并呈现给决策者，帮助他们更好地理解决策的风险和影响；4. 优化决策：决策支持系统可以通过优化算法，帮助决策者找到最佳的决策方案，从而提高决策的效果和准确性。
智能决策支持
智能决策支持智能决策支持系统（Intelligent Decision Support System，简称IDSS）是一种基于技术手段和数据分析的信息系统，旨在辅助管理者和决策者做出有效的决策。
通过利用先进的算法和模型，智能决策支持系统可以帮助用户收集、分析和解释各种数据，提供决策的依据和建议，从而提高决策的准确性和效率。
1. 智能决策支持系统的定义和特征智能决策支持系统是一种辅助决策的工具，通过整合和分析大量的内部和外部数据，提供决策的支持和建议。
其特征包括：- 数据整合：智能决策支持系统能够从多个数据源中提取、整合和清洗数据，形成结构化的数据集。
- 数据分析：系统可以应用各种数学算法、统计模型和数据挖掘技术，对数据进行分析和预测，揭示隐藏的关联和趋势。
- 决策建议：基于数据分析的结果，系统可以生成决策的建议和方案，并提供可视化的展示方式，便于用户理解和比较。
- 实时更新：系统可以动态地更新数据和分析结果，及时反馈最新的信息，以支持决策者做出实时决策。
2. 智能决策支持系统的应用领域智能决策支持系统在各个行业和领域都有广泛的应用，例如：- 金融行业：智能决策支持系统可以帮助银行和投资机构做出投资决策、风险评估和信用评级等。
- 医疗领域：系统可以对患者的健康数据进行分析，辅助医生做出诊断和治疗决策。
- 物流管理：系统可以优化物流路径和调度方案，提高物流效率和降低成本。
- 市场营销：系统可以通过分析市场数据和消费者行为，帮助企业做出市场定位、产品推广和销售策略等决策。
- 生产制造：系统可以对生产过程和设备运行数据进行监控和分析，提高生产效率和质量。
3. 智能决策支持系统的优势和挑战智能决策支持系统相较于传统的决策方法和工具，具有以下优势：- 数据驱动：系统能够全面、客观地分析和利用大量的数据，减少决策的主观性和偏见。
- 精确预测：系统可以应用各种数学和统计方法，对未来进行预测和模拟，提供更加准确的决策支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于云计算的智能决策发展综述郜炎峰（哈尔滨商业大学计算机学院哈尔滨Y1310120306 ）摘要：随着计算机和通信技术的快速发展，一些基于不同环境下的智能决策支持系统层出不穷，本文主要简单介绍了智能决策支持系统的发展现状，然后重点介绍了基于云计算的智能决策的研究现状，对云计算环境下的智能决策受到的影响，决策资源管理，决策问题协同求解，智能决策支持系统等进行简单分析，进一步提出今后的智能决策系统的研究思路。
关键词：发展现状；云计算；智能决策；Abstract:With the rapid development of computer andcommunicatio n technology, a number of different environments based intelligent decisionsupport systemafter another,This paper briefly introduces the development status of intelligent decision support system, and then focuses on the research status of cloud-based intelligent decis ion.The impact of cloud computing environments being intelligentdecision,decision-making resource management,collaborative deci sion-making problem solving, intelligent decision support system fo r simple analysis.Further research ideas putted forward in the futur e of intelligent decision system.Keywords：Development Status;Cloudcomputing;intelligent decision;1 IDSS国际国内发展现状智能决策支持系统起源于20世纪80年代初期，由Bonczek等[1]率先提出，美、英、德、日等国外发达国家，从上个世纪八十年代中期开始将专家系统应用到产品设计、医疗诊断、故障排除、企业管理以及宏观经济的决策领域。
其中主要的一些研究成果主要有美国麻省理工学院智能工程系统实验室开发了分布集成环境开发（DICE），欧洲最大的多智能体的研究项目ARCHON等，另外在经济决策领域，美国爱荷华州立大学、斯坦福大学、英国爱丁堡大学等进行的研究项目对基于多智能体的经济系统决策进行了探讨和实践。
我国DSS的研究始于上个世纪80年代中期，其中应用最广泛的领域是区域发展规划，随着AI的发展，IDSS的研究在理论、结构、功能等方面取得了明显的进步，IDSS是决策支持系统与人工智能相结合的产物[2]。
但由于技术上的难度，实际开发的IDSS仍然比较少。
基于数据库的智能决策支持系统[3]和基于云计算的智能决策仍在研究中，并取得了一些成果。
到目前为止国内比较有代表性的人物只有杨善林，黄梯云等。
2 基于云计算环境下的智能决策研究现状2.1云计算的概况云计算(CloudComPuting)环境是近年来在互联网基础上建立的一种新型信息服务环境.目前,关于云计算的定义有很多种,但总的说来,云计算是一种通过互联网络将虚拟化的数据中心和智能的用户终端有机地联系起来,提供便捷服务的信息服务环境.云计算提供了方便按需的网络接入模式和多种可配置的服务资源共享池,能够通过较少地管理工作或者较少地与服务者的交互实现对资源的快速定制与释放.然而,需要指出的是,云计算是在现有虚拟化技术、互联网技术以及信息终端技术等多类信息技术以及决策科学、服务科学、管理科学等多门学科的基础上发展而形成的,所以云计算有着其自身的理论和技术基础.但是,另一方面,云计算又不是上理论和技术的简单组合,而是提供了一种新型的计算服务环境和商业服务环境,所以云计算又与以往的服务环境、决策环境等存在着本质的区别[4]。
云计算具有以下优点：超大规模，虚拟化，高可靠性，通用性，高可扩展性，按需服务，机器廉价。
云计算环境下的智能决策就是针对云计算环境下决策问题的新特点和新要求,综合运用系统理论、信息技术、运筹方法等多种理论、技术和方法,研究智能决策中的决策过程、准则、类型以及方法。
目前我国企业应用云计算技术解决企业商务智能化问题尚处在起步阶段，大部分企业主和员工还难以理解云计算概念并接受相应的工作方式[5]。
2.2 云计算对智能决策的影响云计算环境则是一个完全开放的服务环境,在进行智能决策的过程中,不仅各种服务资源能够自由地加入或者退出云计算环境,具有很强的不确定性和动态性,而且参与决策的主体规模也能够动态地在云中伸缩,极大地影响了整个云计算环境下的决策过程。
由于人们所处的决策环境更多的还是不确定性环境,因而如何在动态、多变以及具有多种不确定性因素的环境下做出科学合理的决策是许多研究人员致力于解决的关键问题。
在不确定性环境下的智能决策过程中,由于每个专家的知识总是有限的、不完全的,并且能够以符号逻辑表示并用来推理的知识更为有限,所以必须对这些知识进行预处理以形成支持决策的决策信息,同时还要对决策信息的一致性、可靠性进行分析、判断和度量,设计合理高效的决策过程,实现准确合理的决策结果。
同时，在决策的过程中要处理海量的信息，在云计算环境下怎么对海量的信息进行处理、融合是一个全新的挑战。
目前，很多研究人员及机构对其展开了研究。
国外有研究者采用映射与化简的方法构造基本运算单元，决策者通过自身的映射与化简函数实现对海量数据的并行处理；有通过对格式化和半格式化数据进行处理，构建弱一致性的大规模数据库系统，使其性能能够符合应用的需求；还有采用多层虚拟化技术和资源分配策略分别在硬件级别和开源软件方面实现了虚拟化。
国内的有杨善林等人针对决策过程中可能存在的内在联系，采用距离代价函数为最佳聚类数的有效性检验函数，并给出K-Means 算法中的K值优化算法。
如何更好地从云计算环境中获取决策所需的决策信息，建立动态的决策过程，对决策信息进行处理与分析仍然是云计算环境下智能决策巫待解决的问题。
2.3云计算对决策资源管理决策资源的管理大部分都是分布式资源的管理，云计算环境是一种特殊的分布式环境，它拥有的各种决策资源规模超大，而且这些资源是分散在不同地区的大量服务器上。
它区别于分布式环境下的智能决策的是，这些资源是不断变化的，它们只是根据需求进行组合和扩展，伸缩性较好。
另外，采用虚拟化技术的智能决策技术对决策资源的管理，使得决策者更加关注决策问题的本身，而不是繁琐的求解过程。
在云计算环境下对决策资源的计划、预测、组织、分配、协调、和控制的过程可以确保对决策资源的有效利用。
在云计算环境下,通过对求解复杂决策问题和决策任务的多种决策资源进行组合与优化,能够提高决策资源的服务效率和服务质量。
国外一些研究者已经在决策资源分配架构方面，决策资源定位方面，实现技术等方面取得了突破。
与此同时，决策资源的定价机制也是一个关键的问题，在激烈的市场竞争中，经济学与博弈学理论也也引入了该领域，并对决策资源的管理起着重要的指导意义。
在云计算环境下，决策资源的全生命周期管理也仍然是一个非常复杂的过程性问题。
2.4 云计算环境下的决策问题的协同求解在决策问题的协同求解方面，云环境使得决策问题的非结构化和不确定性更加突出，求解规模发生很大变化，这些都使得云计算环境下的决策问题的复杂程度越来越大，决策者之间，决策资源之间，决策者与决策资源之间需要通过相互的协调与合作实现云计算环境下复杂决策问题的协同求解。
目前,在云计算环境下对于复杂决策问题的求解通常采用Map-Reduce的模式,即将决策问题按照一定的机制分解为若干个子问题,然后将这些子问题的求解过程分别放在不同的云中执行,再将求解的结果进行集结,通过对子问题之间的协同求解实现复杂决策问题的求解.现有的相关方法常用到贝叶斯网络、Agent 理论、证据理论、粗糙集、模糊逻辑、概率推理等方面的知识，虽然上述理论为云计算环境下的智能决策问题的求解提供了强有力的支持，但是有关云计算环境下复杂大群体决策等方面的大规模协同求解方法仍然还需要一段较长期的发展。
2.5 云计算环境下的智能决策支持系统在智能决策支持系统方面，智能决策支持系统利用多种智能决策方法在决策模型的支持下以人机交互的方式辅助决策者完成决策过程。
近些年来，互联网技术的发展带动了智能决策支持系统的发展，一些研究人员针对互联网下的智能决策支持系统的研究取得了一定的成就。
云计算是在并行计算、分布式计算、网格计算、效用计算等计算模式的发展和应用过程中产生的一种新的资源利用模式。
对于传统的智能决策支持系统,可以通过系统移植方法将其向云计算环境进行移植,从而降低云计算环境下智能决策支持系统的开发和维护代价.此外,在云计算环境下智能决策支持系统的移植准则和评估标准等方面也开展了相应的研究.但是,对于难以移植的系统或应用,研究人员进一步从体系结构、系统设计、应用管理等方面设计了多种云服务应用模式下的智能决策系统构建方法和实现规范,以用户为中心研究了云计算环境下智能决策支持系统的动态扩展机制和自适应维护方法。
与此同时，由于专家知识的有限，在应用云环境下的决策支持系统，一些知识是通过学习得到的。
这就需要用到神经网络、进化算法、蚁群算法等在不确定的信息中进行学习，得到较为准确的认识。
3 总结从简单的数据到海量的数据，从确定性的信息到不确定性的信息，从单一分析到智能学习，在智能决策研究的各个阶段决策环境、决策问题、以及决策模型的不断发展都对决策理论和方法起到了巨大的推动作用。
本文重点以云计算为基础简单的介绍了智能决策相关的特征，描述了云计算环境对决策过程的影响，分析了不同的决策环境对决策过程的影响；探讨了决策资源管理与分配的方法，分析了虚拟化技术使云计算环境下的决策资源管理在决策资源管理组织、分配、管理模式以及管理策略等方面与分布式环境下的决策资源管理的不同点；对云计算下的决策问题的协同求解和智能决策支持系统的发展状况做了一些简单描述。
参考文献：[1] 杨善林.智能决策方法与智能决策支持系统[M].北京;科学出版社，2005.[2] 李红良.智能决策支持系统的发展现状及应用展望[J].重庆工学院（自然科学版），2009,23(10):140-144.[3] 李跃林,肖慜.基于数据库的智能决策系统研究[J].煤炭技术,2012,31(5):269-270.[4] 罗贺,杨善林,丁帅.云计算环境下的智能决策研究综述[J].系统工程学报,2013,28(1)：134-140.[5] 姚立,葛福江.基于云计算的企业智能营销决策支持系统研究[J].统计与决策,2014(6):177-180.。