决策支持系统发展现状与发展趋势(1)

决策支持系统发展现状与趋势分析
信息092 王岩090612271引言
决策是人类社会发展中人们在为实现某一目的而决定策略或办法时，时时存在的一种社会现象。

任何行动都是相关决策的一种结果。

正是这种需求的普遍性，决策支持系统应运而生。

20多年来，DSS已在理论研究、系统开发和实际应用诸方面取得了令人瞩目的进步，并呈现出积极的多元化的发展态势。

随着人工智能技术、网络技术、通信技术和信息处理技术的发展和多学科的交叉结合发展，决策支持系统呈现多元化结构发展态势。

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。

近几年来，从关于决策支持系统基本定义和决策支持系统基本结构出发，演化产生了一系列新的概念、观点和结构。

为此，本文从对决策支持系统的发展现状加以概括论述，同时总结了决策支持系统发展的趋势和前景。

决策支持系统的兴起于发展
决策支持系统的大致经历了这样几个发展过程：20世纪60年代后期，面向模型的决策支持系统诞生，标志着决策系统的这门学科的开端，20世纪70年代，决策支持系统的理论得到了长足的发展，80年代的前期和中期，实现了金融规划系统以及群体决策支持系统；20世纪80年代中期，通过将决策支持系统和知识系统相结合，提出了发展智能决策支持系统的设想；此后，开始出现主管信息系统，联机分析处理等。

到了20世纪90年代中期，人们开始关注和开发基于Web的决策支持系统，随着Internet的革命性和深入应用，基于分布式的、基于群体网络化和远程化的协同的情报分析与综合决策支持系统逐步浮出水面并开始走向应用；随着人工智能的不断发展，决策支持系统的智能化程度越来越高，对人们的决策的支持能力也越来越大。

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。

阻碍决策支持系统发展的关键技术问题
1980年，Sprague就曾提出了决策支持系统的三部件结构，即对话部件、数据部件（数据库Data Base和数据库管理系统DBMS）、模型部件（模型库MB和模型库管理系统MBMS）。

该结构明确了DSS的组成，也间接地反映了DSS的关键技术，即模型库管理系统、部件接口、系统综合集成。

1981年，Bonczak等又提出了DSS三系统结构，即语言系统(LS)、问题处理系统(PPS)、知识系统(KS)[13]。

从这些系统总体架构的概括与设计思路看，开发一个实际的高性能DSS需要解决如下关键技术问题：
(1)模型库系统的设计和实现：它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。

(2)部件接口：各部件之间的联系是通过接口模块完成的，部件接口包括：
①对数据部件的数据存取；②对模型部件的模型调用和运行；③对知识部件的知识推理。

(3)系统综合集成：根据实际决策问题的要求，通过集成语言完成对各部件的有机综合，形成一个完整的系统。

模型库系统虽然已经不再是一个新概念、新技术，但它不同于数据库系统。

数据库系统有成熟的理论和产品，模型库系统还没有形成很成熟的产品工具，它需要系统开发者自己根据需要自行设计和开发。

这样就不可避免地阻碍了决策支持系统的发展。

决策支持系·统需要对数据、模型、知识、交互四个部件进行集成。

目前，专家们公认的事实是，计算机语言的支持能力还相当有限，数值计算语言（如FORTRAN、Pascal、C等）不支持对数据库的操作，而数据库语言（如FoxPro、Oracle、Sybase等）的数值计算能力又很薄弱。

而决策支持系统既要进行数值计算又要进行数据库操作。

这个问题一直是决策支持系统发展的技术障碍，成为决策支持系统发展缓慢的主要原因。

决策支持系统的未来发展
从目前决策支持系统的发展及未来需求趋势来看，大致反映出了这样一些明显的发展动向：
(1)不断强化知识管理的功能，提升系统的知识管理与知识综合应用能力。

例如具有知识学习能力的IDSS的智能主要体现在系统能利用专家知识辅助决策，并能够随着决策环境的变化改变自己的行为，要求其知识处理系统能随环境变化学习新知识、更新知识库。

知识管理与应用则涉及到推理知识、描述知识和过程知识，从而支持问题求解过程。

另外，将知识管理理论与方法应用于DSS 的实现中，可以实现专家经验（隐性知识）的分享，提高系统的决策支持水平与能力。

(2)日益强调多种数据、知识的综合、集成运用。

在技术不断更新的条件下，准确数据信息和高效率的工具是决策者以更低的成本、更加快捷的方式做出及时的科学决策的前提与保证[14]。

因此，在DSS的设计与开发中充分考虑对众多数值数据资源、事实数据资源、先验知识、推理知识等的综合、集成运用，构建有丰富的数据仓库、机构知识仓储等，并配置和开发众多的数据挖掘和知识发现及分析工具。

丰富的资源基础保证了系统支持决策的效率与水平。

(3)在支持一般决策的基础上，引进和集成电子商务平台的功能，形成与电子商务的集成、融合发展的态势。

电子商务是信息时代和网络环境下越来越流行的一种商业运作模式，是商务电子化和信息化的结果。

电子商务的发展不仅强烈地冲击着传统的管理模式和商务运作模式，同时也产生了许多新的管理决策问题。

所以DSS的设计与开发越来越多地考虑电子商务这一重要应用背景，向决策者提供多种分析模型和多种分析角度，在市场—客户—产品等多种条件下进行多维度分析。

例如目前开发的基于Web的DSS和基于GIS的DSS都面向这类应用提供支持。

(4)不断谋求技术及应用上的突破，关注和重视对决策过程中的不确定信息的组织和处理。

尽管现代科学的认识是“世界是物质的，物质是运动的，运动是有规律的”，但是，在现实世界中还是普遍存在许多的不确定性。

为了有效地解决这类问题，专家们发展了“软计算方法”。

所谓软计算主要包括模糊逻辑、神
经计算、概率推理、遗传算法、混沌系统、信任网络及其它学习理论。

现有的人工智能技术主要致力于以语言和符号来表达和模拟人类的智能行为，软计算方法则通过与传统的符号逻辑完全不同的方式，解决那些无法精确定义的问题决策、建模和控制[15]。

软计算方法已在很多领域的决策问题中得到应用。

如王光远的不确定信息及其建模方法[16]；任守榘等提出利用遗传算法实现处于混沌与湍流环境下具有重构自身的先进制造系统的决策模式及其决策支持系统[17]。

(5)系统功能的日臻完善，推动了DSS的应用向更广领域扩展。

DSS将不再仅仅是某些特殊人使用或特殊领域使用的工具，随着其功能的扩充，应用面将越来越广泛，将成为社会发展中任何决策者都可以使用的有效工具与手段。

(6)重视界面的设计与优化，提供越来越友好的客户端管理功能支持。

用户向系统输入参数或请求信息时，IDSS支持图形用户界面，客户端管理更加友好，同时系统的响应速度加快，维护和管理简化，系统的应用范围得到更大拓展。

结束语
总之，随着DSS的技术和理论不断发展,从其发展趋势可以认识到:决策支持系统是专门为高层管理人员服务的一种信息系统,它强调支持的概念,是“支持”而不是“代替”人的决策主体。

DSS 也是一个高度灵活、交互式的计算信息系统,主要解决半结构化问题结构化的决策问题。

同时DSS也是一个融多种学科知识和技术于一体的集成系统，随着管理理论、行为科学、心理学、人工科学等相关学科的不断发展，尤其是计算机技术、网络技术等现代信息技术的不断发展，DSS的应用研究将不断深入，逐步向着高智能化、高集成化和综合化方向发展，并将深入到社会生活的各个领域，,帮助决策者提高决策能力与水平,成为人们决策活动中不可缺少的有力助手最终实现提高决策的质量和效果的目的。