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。
- 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.。