决策支持系统及其演化发展趋势研究.docx

1、决策支持系统及其演化发展趋势研究 摘要：文章阐述决策支持系统的产生、概念体系、系统分析和设计方法、应用等方面，总结决策支持系统的演化进程与主要特征。针对传统决策支持系统在面临日趋复杂的决策环境和决策者逐渐增强的参与意识时面临的问题与挑战，进一步探讨了决策支持系统的发展趋势。 下载 关键词：决策支持系统；人件；人件服务；软件服务 一、 引言 随着决策理论与方法研究的推进，计算机科学与信息技术的飞速发展，为满足决策者决策需求内涵的丰富与提升，一种重要的决策支持工具 决策支持系统（ Decision Support System， DSS）应运而生。 1971 年， Scott Morton 和 G

2、orry 首次提出 DSS 的概念以支持半结构化和非结构化决策。 DSS是在 MIS和基于模型的信息系统基础上发展起来的可形式化、可模型化的、层次较高的信息系统，追求的目标是有效性。自从 DSS的概念被提出以来，研究者和实践家们一直在努力构建更合理、更完善的系统体系。 二、 决策支持系统 1. DSS 概念体系。 （ 1）理论基础与实现依据。 DSS 的理论研究及实践开发和很多学科（领域）的知识有关，其理论框架涉及到计算机科学、信息科学、管理科学、决策科学、行为科学等领域。它不断吸收其他学科的知识并遵循其自身结构与功能特征的发展规律以完善其理论体系。 DSS 支持全部决策过程，不同的研究者对决

3、策过程模型有不同的认知和表述。 DSS 的研究者在很大程度上受到 Simon 决策过程模型的影响。它不仅用来解释决策过程，还是 DSS 实现的理论依据，且被很多研究 者作为区分DSS 和其他信息系统（如 MIS、 ES 等）的标志。 （ 2）定义。自 DSS 的概念提出后，很多专家与学者（如 Keen， Little，Alter， Moore， Bonczek & Tuban）等对 DSS 的定义进行了不断扩充与完善。 在军事指挥决策领域， DSS 往往被称为辅助决策系统，但 “ 决策支持辅助系统 ” 和 “ 辅助决策支持系统 ” 都是不严谨的名称，因 “ 支持 ” 和 “ 辅助 ” 内涵相近

4、。 DSS 的术语是内容自由的表述，不同时期、不同领域、采用不同技术的人对其有不同的理解。 DSS 广义的理解是指用来描述任何支 持决策过程的人机系统，狭义的理解是指一种特定的技术。随着相关理论和技术的发展， DSS 的概念内涵和外延都在不断丰富与发展之中，但理解 DSS 的实质需根据系统结构及其所决定的系统关键特征和功能。 因此，没有一个广为人们接受的统一的 DSS 定义，这也为该领域的发展留有待扩充空间，但不能忽视 DSS 的目的是支持和改进决策过程。 （ 3）基本结构。传统 DSS 基本结构总的来说分为两大类：一类是以Sprague 两库结构为基础的 “ 三部件 ” 结构，它由数据部件、

5、模型部件和对话部件组成，如图 1 所示；另一类是 Bonczek（ 1981）提出的基于知识的 “ 三系统 ” 体系结构，它由语言子系统、问题处理子系统和知识子系统组成，如图 2所示。它们分别从不同的角度揭示了 DSS的内部结构和功能模块特征，都对后来 DSS 的结构扩充产生了很大的影响。 （ 4）关键特征和功能。因 DSS 没有统一的、广为接受的定义，故 DSS 的标准特征和功能也没有统一的描述。但理想中的 DSS的关键特征和功能如图3 所示。 （ 5）分类。在 DSS 的演化进程中，不同时期的不同研究者从不同视角、不同层次对 DSS 作了不同的分类。比较有代表性的是： Donovan， M

6、adnick（ 1977）按能否支持重复决策，把 DSS分为惯例 DSS和临时性 DSS； Arnott，Pervan（ 2005）按 DSS 的应用范围和技术特点，分为个人 DSS， GDSS，谈判DSS， IDSS，基于知识管理的 DSS， BI 和 DB。 在学术界广为接受的是 Power（ 2007）按驱动方式将 DSS 分为模型驱动型DSS、数据驱动型 DSS、通信驱动型 DSS、文本驱动型 DSS、知识驱动型 DSS和基于 Web 的 DSS 等类型。近年来，基于数据仓库（ Data Warehouse， DW）、联机在线分析（ On-Line Analytical Process

7、， OLAP）和数据挖掘（ Data Mining， DM）的商业智能技术得到了迅速发展，再加上 Microsoft、 Oracle、IBM 等数据库厂商的大力开发与支持，使得数据驱动的 DSS 相对于模型驱动的 DSS 具有更高的标准化程度和产品成熟度。 2. 系统分析和设计方法。 DSS 的系统分析和 EDPS、 MIS 等不同，主要应符合决策者对决策过程的认知、满足 DSS的设计规范和提升 DSS的系统效能等方面。对 DSS 的系统分析通常采用一种称之为 ROMC 的方法，即表述（ Representation）、操作（ Operation）、记忆辅助（ Memory aid）和控制机构

8、（ Control Mechanism）等，其主要特征是过程独立、依赖表达式但方法本身并没有提供实现 DSS 结构的具体技术。 DSS 的设计可采用结构化系统开发方法、层次模型法、面向对象法等。每种方法的着眼点不同，选择系统设计方法时，需综合考虑开发人员的知识结构、决策问题的结构与特征、系统的可维护性等因素。 3. 应用。在已投入使用的信息系统中均有 DSS成功应用于经济、管理、军事等领域的实例，这大大提高了 决策的科学性。目前，许多全球著名的软件供应商，如 CA、 IBM、 Oracle、 NCR、 Informix、 SAS 等都提供支持 DSS研发的各种工具。 在国内，从事 DSS 研究

9、的单位主要有中科院、南京大学、国防科大、中南大学等，它们已取得了很多理论研究与实践应用成果。目前，国内 DSS的应用主要体现在大型互联电网、高等教育评估、军队指挥自动化、应急管理、物流管理等领域，其应用范畴仍在不断扩展之中。 三、 演化进程 自 DSS 概念提出以来，在人工智能、数据库、模型库、知识管理、联机分析、语义 Web服务等新技术的不断推动以及对决策理论与方法的深入研究，DSS 呈现出了以不同技术为主要表征的多种形态并已经取得了一系列重要的进展，如：对 DSS定义和基本框架的拓展和改进、面向组织和团队的群体决策支持系统（ Group Decision Support System， G

10、DSS）、商业智能（ Business Intelligence， BI）技术、决策支持中心（ Decision Support Center， DSC）、综合性决策支持系统（ Intelligent， Interactive and Integrated DSS，I3DSS）、智能决策支持系统（ Intelligent Decision Support System， IDSS）以及基于网络技术而发展的分布式决策支持系统（ Distributed Decision Support System， DDSS）等，目前 DSS 的研究主要集中在应用层面，其演化进程总结如下。 20 世纪 60 年

11、代： DSS 的研究主要体现在 Scott Morto 的管理决策支持，卡内基梅隆大学（ CMU）的组织决策理论研究，麻省理工学院（ MIT）的有关交互式在线分析处理系统的技术研究，决策支 持理论发展等方面。系统的主要特征是将交互式技术应用于管理任务。 20 世纪 70 年代： Scott Morton 和 Gorry（ 1971）提出 DSS 的概念； 1971年 1976 年，研究主要集中在交互式的计算机系统，后把模型融入 DSS；Keen 和 Scott Morton（ 1978）把 DSS 的应用范围限定在对半结构化管理决策的支持；这阶段具有代表性的是 BrandAid， Alter，

12、 Holsapple 等的研究。70 年代中后期，系统主要注重有效性，而不是效率。 20 世纪 80 年代： Sprague（ 1980）提出 DSS 的 “ 三部件 ” 结构，后又增加了知识库和方法库； Bonczek（ 1980）等提出 DSS 的 “ 三系统 ” 结构； 1981年首届 DSS 国际会议在亚特兰大举办； 1980 年出现了 GDSS 的概念； Owen（ 1985）等人提出了 DSC 的概念； Kersten（ 1985）年开发支持谈判的决策支持系统 NEGO； 1989 年出现的群件 Lotus Notes； Kraemer 和 King（ 1989）提出的协同决策系统

13、 CDSS。人工神经元网络及机器学习等技术的研究与应用为知识的学习与获取提供了新途径，如专家系统和 DSS 结合形成 IDSS。这阶段有代表性的是： DSS 书籍；群决策支持系统原型；基于计算机的专家系统等。 20世纪 80年代中后期，注重系统的柔性及应用性。 1990年以前，DSS 大多是模型驱动的。 20 世纪 90 年代： 1990 年后， Bill Inmon 和 Ralph Kimball 积极推崇使用关系数据库技术建立数据驱动的 DSS； 1994 年，开始把 OLAP 功能集成到数据库中； 1995 年，数据仓库和 World Wide Web 开始影响决策支持技术的发展，基于

14、Web 的 DSS 变得切实可行； Gartner Group（ 1996），提出 BI 的概念。随着网络、新一代数据库、多媒体、仿真和虚拟现实等技术的发展，DSS 的研究主要集中在商业智能 /联机在线分析、数据仓库、基于 Web 服务的系统 /门户网站、数据挖掘等方面。系统的主要特征是网络化、应用性、数据驱动。 21 世纪至今：系统研究注重应用、注重集成及融入人的高级思维，出现了面向服务的体系结构（ Service-Oriented Architecture， SOA）的一体化系统形态。重视计算机与人的知识的相互融合及有效管理，强调 DSS与人的交互。特别是近几年来，开始关注触控界面技术。系

15、统的主要特征 是友好交互、个性化、智能化、集成化。 DSS 名称的扩展反映了决策支持技术的进步和决策者需求内涵的提升，几种主要的 DSS 形态的特征对比如表 1 所示。 每一种系统形态都有其独特的运用范围，即所求解的决策问题都有一定的边界。当然，无论是哪种形态的 DSS，都需经过系统调查、可行性论证、系统规划、系统分析、系统设计、系统实施和系统评价等各阶段。 四、 面临的问题 目前，物联网、云计算、网络超算、无线传感、语义 Web 等新技术的出现和现有决策支持技术的发展，对个人、组织和社会的影响与 日俱增。现有的 DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入困境，这引起了

16、我们的反思， DSS 的决策支持效能为什么多年来没能提上去？ 传统 DSS 是进行决策任务求解的重要支持工具，主要具备基于逻辑和符号推理的理性决策能力。在实践中常面临以下问题： （ 1）知识提取困难。信息是决策的基础，海量（多维）信息、不完备信息，并有信息孤岛的存在，如何从这些信息中提取所需知识成为严重影响DSS 系统效能的因素。 （ 2）处理半结构化和非结构化决策问题的能力较弱。目前，已经应用于实 践的 DSS大部分是模型或数据驱动的，面对结构化和非结构化的问题缺乏有效的解决途径。 （ 3）忽视了人的参与作用。传统 DSS 的发展重心在技术，主要依靠数据和模型从决策技术层面支持人的决策，忽略

17、了不能完全模型化（定量化）的非技术因素（人的认知），人只是系统的 “ 看客 ” ，而单纯考虑技术因素往往让决策者认为技术不符合决策需求，作为非技术因素的人又是决策系统的一个重要组件，其参与作用如何才能被刻画出来且无缝融入系统并获得决策者的认可。 这些存在的问题严重影响了 DSS 的使用价值和用户的使用热情，以致DSS 的进展不大，但这也是一种挑战和推动力。因此，如何突破现有 DSS 的体系架构以提供快速决策和满足决策者真实需求的复杂的、个性化的决策服务也就成为了研究焦点。 五、 发展趋势 进入 20 世纪 90 年代以来，人工智能（包括遗传算法、模糊逻辑和智能代理等），数据库技术， Web S

18、ervice，特别是一些专用技术如网格计算、人机交互、移动计算和代理启发式搜索的算法等技术的发展，为 DSS的发展提供了强大的技术支撑，扩展了系统辅助决策的深度与广度。其发展趋势主要有： 1. 注重基于认知特征的人机 交互技术。系统通过人机交互技术支持决策过程，为决策过程中超越其认知极限的问题处理提供适用技术手段。近年来，基于知识的人机交互技术是目前 DSS研究的主要方向。随着信息技术的发展，人机交互技术的研究也从简单的菜单驱动和多媒体界面发展到智能化、多模态（通道）界面，除了传统的键盘输入、触摸屏等接触式操控模式外，还允许语言、手势、视觉（眼动仪）等多种非接触式操控模式。 2. 注重人的高级

19、思维的参与，从技术和非技术角度重建系统架构。目前，人类对信息处理规律的研究与探索已经渗透到认知领域，但人的认知特征并没有体 现在传统 DSS系统设计与操作过程中。我们认为，需从技术与非技术的角度考虑 DSS的体系结构。将人的高级思维嵌入到非结构化决策问题求解之中以实现人机智能的协同与融合，以期系统在可信度、可行性、适应性、敏捷性等方面都会有所提高。当然，这势必会引起新型决策系统架构的改变，也会带来一系列需要解决的关键技术。譬如，如何将人件（参与决策活动的人）和软件网络赋能为人件服务和软件服务，并纳入系统进行统一管理、调度及使能驱动等。 3. 注重各种相关技术的集成应用。未来的 DSS将是综合集

20、成的，是一个集各种决策支持技术于 一身的多功能系统。它把专家群体、决策者、统计数据和信息资料与计算机软件系统等有机结合起来，构成一个操作便利、快捷、流畅、更能反映决策者高级思维的新型决策系统，具有感性与理性、定性与定量的综合功能。特别是将语义 Web服务、认知科学与未来 DSS的设计与开发相结合，已引起国内一些科研院所（校）的重视，并开展了一些基础性研究工作，但仍有很多理论问题和技术实现难点有待深入研究。 4. 注重系统的智能化。随着人工智能技术的不断发展，人工智能技术在 DSS中的应用己经相当广泛。大体可分为两类：一类是用人工智能技术 去实现 DSS的模型管理、模型选择等；另一类则是利用人工

21、智能的知识表达和推理能力直接为决策问题提供支持。如使用专家系统可提升 DSS的模型和数据管理；神经计算系统或 GSS能够支持专家系统的知识获取过程；智能代理技术能实现不同任务的自动化，最终代替人执行许多日常事务等。 六、 总结 阐述了 DSS 的产生背景、概念体系、系统分析和设计方法、应用等方面，总结了 DSS的演化发展历程。针对现有的 DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入 “ 困境 ” ，反思了为何多年来 DSS的系统效能提 不上去的原因，并分析了 DSS 进一步的发展趋势。 参考文献： 1. 吴奎 .基于面向服务架构的辅助决策开发平台若干关键技术研究 .南京：

22、南京理工大学博士学位论文， 2010. 2. 白晓民，张伯明 .大型互联电网在线运行可靠性评估、预警和决策支持系统 .北京：清华大学出版社， 2010. 3. 瞿斌 .高等教育评估决策支持系统 .北京：中国水利水电出版社，2011. 4. 李照顺，宋祥斌等 .决策支持系统及其军事应用 .北京：国防工业出版社， 2011. 5. 吴健宏，翁 文国 .应急避难场所的选址决策支持系统 .清华大学学报（自然科学版）， 2011， 51（ 5）： 632-636. 6. 王富忠，沈祖志 .物流敏捷调运决策支持系统的研究 .中国管理科学，2011， 19（ 1）： 84-90. 7. 黄孝鹏，周献中，田卫

23、萍 .基于人件服务的人机协同决策系统有关问题研究 .第三届 C4ISR 技术论坛， 2011，（ 11） . 8. 黄孝鹏，周献中，杨佩，萧毅鸿 .基于人件服务的新型决策系统关键技术研究 .计算机应用与软件， 2012， 29（ 2）： 19-21， 66. 基金 项目：国家自然科学基金（项目号： 71171107）；总装重点预研基金（项目号： 9140A06040510BQ*）；江苏省普通高校研究生科研创新计划（项目号： CXZZ11_0054）。 作者简介：周献中，南京大学控制与系统工程系教授、博士生导师；黄孝鹏，南京大学控制与系统工程系博士生；杨洁，南京大学控制与系统工程系博士生；盛寅，南京大学控制与系统工程系博士生。 收稿日期： 2012-02-15。