第十一章决策支持系统及其发展.ppt

第十一章决策支持系统及其发展 2019 12 27 2 第一节DSS的产生与发展 2019 12 27 3 决策支持系统是以信息技术为手段 应用管理科学 计算机科学及有关学科的理论和方法 针对半结构化和非结构化的决策问题 通过提供背景材料 协助明确问题 修改完善模型 列举可能方案 进行分析比较等方式 为管理者做出正确决策提供帮助的人机交互信息系统 2019 12 27 4 1 1DSS的产生背景电子数据处理 EDP ElectronicDataProcessing 管理信息系统 MIS ManagementInformationSystems 决策支持系统 DSS DecisionSupportSystems 2019 12 27 5 电子数据处理EDP ElectronicDataProcessing 提高了工作效率 把人们从繁琐的事务处理中解脱出来 缺点 仅局限于具体信息处理 不共享 不考虑整体或部门情况 2019 12 27 6 管理信息系统MIS ManagementInformationSystems 整体分析 系统设计 信息共享 部门协调 缺点 难于适应多变的内 外部管理环境 对管理人员的决策帮助十分有限 2019 12 27 7 决策支持系统DSS DecisionSupportSystems 70年代中期Keen和ScottMorton在 管理决策系统 1971 一书中提出 目标 对管理者做决策提供技术支持 2019 12 27 8 技术背景 运筹学模型发展已经比较完善 多目标决策分析突破了单一效用理论的框架 计算机软 硬件及网络技术的迅猛发展 人工智能特别是知识处理技术的发展 数据库技术 图形显示技术 各类工具软件的发展与完善 构成了DSS形成与发展的技术基础 2019 12 27 9 1 2DSS的发展70年代 ScottMorton在 管理决策系统 1971 一书中首次提出DSS PeterG W Keen等人编写了一套丛书 阐明DSS的主要观点 初步构造出DSS的基本框架 1978至1988年 DSS得到迅速发展 许多实用系统被开发出来 投入实际应用 产生明显效益 1988至现在 DSS技术持续发展 目前已基本成熟 新一代DSS研究仍然十分活跃 2019 12 27 10 1 3DSS的理论基础信息论计算机技术管理科学与运筹学信息经济学行为科学人工智能 2019 12 27 11 1 信息论信息是现代科学技术中普遍使用的一个重要概念 信息论是运用信息的观点 把系统看作是借助于信息的获取 传送 加工处理 输出而实现其有目的性行为的研究方法 2019 12 27 12 2 计算机技术计算机软件技术计算机硬件技术计算机网络技术计算机图形处理技术计算机知识处理技术等 2019 12 27 13 3 管理科学与运筹学管理科学MS ManagementScience 面向管理者 研究决策问题 如决策目标 决策效能等 运筹学OR OperationsResearch 提供一系列优化 仿真 决策等模型 2019 12 27 14 4 信息经济学在信息时代 研究信息的产生 获得 传递 加工处理 输出等方面的价值问题 从经济学的角度 研究信息产生和获得的成本是多少 利润是多少 即研究信息价值问题 2019 12 27 15 5 行为科学研究决策者的决策风格 在决策过程中的决策行为等 指导DSS的设计和开发 涉及到决策者的心理学 2019 12 27 16 6 人工智能将人工智能技术用于管理决策是一项开拓性工作 当前研究的IDSS就是DSS与AI技术相结合的产物 它用领域专家的知识来选择和组合模型 完成问题的推理和运行 为用户提供智能的交互式接口 2019 12 27 17 人工智能技术作为计算机应用研究的前沿 近十年取得了惊人的进展 呈现了光明的前景 专家系统 智能机器人和模式识别是人工智能中最活跃 最富有成果的三个研究领域 2019 12 27 18 其中专家系统 ExpertSystems 即ES 研究 取得了许多实用化的成果 当今世界上已经有上万个专家系统 应用于医疗 诊断 探矿 军事 调度 质谱分析 计算机配置 辅助教育等各种领域 并已开始涉足财务分析 计划管理 工程评估 法律咨询等管理决策领域 2019 12 27 19 DSS和ES 处于不同的学科范畴 有着不同的解决问题的方法 DSS主要运用数据和模型 ES主要运用知识和推理 在管理科学领域 一个是方兴未艾 一个是后起之秀 各有特色 但是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 2019 12 27 20 决策的正确性关系到经营效果和事业成败 决策理论 决策方法和决策工具的科学化和现代化是正确性的重要保证 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 演绎和问题求解及各种搜索技术 再加上功能很强的人工智能语言 都为DSS的发展走向更加实用的阶段提供强有力的理论和方法的支持 2019 12 27 21 1 4DSS与相关技术的关系决策与预测的关系DSS与MS OR的关系DSS与MIS的关系DSS与ES的关系 2019 12 27 22 1 决策与预测的关系决策 创造未来 基于预测 实现将来一个目标 预测 预言未来 基于分析 研究 仿真 实验 例如 灾害预测与防灾决策 日常预测与决策 经营预测与决策 宏观预测与决策 贯序预测与决策 为重大决策作预备性研究等 2019 12 27 23 2 DSS与MS OR的关系MS 处理结构化问题 运用分析的观点 OR 处理结构化问题 研究对象主要集中在数学规划 决策论 对策论等理论和方法上 DSS 处理战略 规划等半结构化和非结构化一类的决策问题 2019 12 27 24 3 DSS与MIS的关系MIS 收集 传递 存储 加工处理各种信息 监测运营数据 利用历史数据预测未来 用指定的数学方法分析数据 提供全面数据和分析报告 面向管理人员 提供低层次的决策支持 DSS 面向决策者 提供适当的决策支持 是MIS的高级阶段 2019 12 27 25 4 DSS与ES的关系IDSS DSS ESES 利用知识和推理机 处理半结构化和非结构化问题 DSS 使用数据和模型 处理结构化问题 与ES结合后 可处理半结构化和非结构化问题 2019 12 27 26 第二节DSS的基本概念 2019 12 27 27 2 1决策过程 2019 12 27 28 2 2决策问题的类型决策问题的类型 按结构化程度分为 结构化决策问题半结构化决策问题非结构化决策问题 2019 12 27 29 结构化程度 对某一过程的环境和规律 能否用明确的语言 数学的或逻辑学的 形式的或非形式的 给予清晰的描述 定量的或推理的 2019 12 27 30 结构化问题 能够描述清楚的问题 三个阶段都能使用确定的算法或决策规则 非结构化问题 不能够描述清楚 而只能凭直觉或经验作出判断的问题 三个阶段都不能使用确定的算法或决策规则 半结构化问题 介于两者之间的问题 一个或二个阶段能使用确定的算法或决策规则 2019 12 27 31 2 3决策问题的性质和层次 2019 12 27 32 2 4决策风格按获取数据的方式分 感知型 S 直觉型 N 感知型 喜欢与特定问题有关的硬数据 直觉型 喜欢描写可能性的整体信息 2019 12 27 33 按处理数据的方式分 思考型 T 感觉型 F 思考型 喜欢用逻辑或其他规范化的手段去推理 感觉型 喜欢用个人的术语来考虑问题 2019 12 27 34 组合起来 共有四种类型的决策风格 系统型 ST 思辩型 NT 司法型 SF 直观推断型 NF 2019 12 27 35 第三节DSS的构造与系统结构 2019 12 27 36 DSS的构造研究主要解决DSS的组成问题 即组成DSS的部件 现在 经典提法是 DSS 四库系统 对话系统 人机界面 四库系统 数据库系统 模型库系统 方法库系统 知识库系统 2019 12 27 37 近年来 有的学者提出增加DSS的组成部件 从而形成5库 6库 7库 8库等群库结构 即 DSS 群库系统 对话系统 人机界面 群库系统 数据库 模型库 方法库 知识库 文本库 图形库 语音库 工具库 地理信息库 2019 12 27 38 DSS的系统结构主要研究DSS各主要部件的连接关系 2019 12 27 39 3 1人机界面技术主要研究内容集中在 可视化图形界面技术基于多媒体技术的界面技术自然语言界面技术 2019 12 27 40 3 2数据库系统数据库系统包括数据库及其管理系统 其基本技术与一般数据库及其管理系统基本相同 但也有自己的特点 2019 12 27 41 共同点 数据的独立性最小冗余度最大的共享性统一管理与控制适当的反映时间整体性 完整性 可修改性和可扩充性安全和保密简明性 2019 12 27 42 DSS数据库系统的特点 面向决策支持过程组织和管理数据面向模型 面向模型生成来使用数据数据描述方式要面向不同的决策者 2019 12 27 43 3 3模型库系统模型 是以某种形式对一个系统的本质属性的描述 揭示系统的功能 行为及其变化规律 模型库系统 以库的形式对模型进行组织和管理 包括模型库及模型库管理系统 2019 12 27 44 模型库 ModelBase 提供模型的存储和表示模式 模型库管理系统提供模型的提取 访问 更新和合成等操作 2019 12 27 45 人们认识客观世界一般有三种方法 逻辑推理法实验法模型法模型法是我们认识客观世界的最得力 最方便 最有效的方法 2019 12 27 46 注意 并非所有模型都是数学模型 并非所有模型都是定量的 例如 门捷列夫元素周期表 2019 12 27 47 3 3 1模型群解决软科学所涉及的问题时 可利用的模型已达100多个 根据他们的功能和用途可分为若干模型群 2019 12 27 48 1 预测模型群定性模型 特尔斐法 主观概率预测法 交叉影响巨阵法等定量模型 回归预测 平滑预测 马尔柯夫链预测等回归预测 一元回归 多元线性回归 非线性回归等 平滑预测 平均预测法 指数预测法等 2019 12 27 49 2 系统结构模型群主要用来分析社会经济系统以及其他系统的结构 反映系统各要素之间的主要联系和关联作用 从宏观上和结构上来揭示系统的运行规律 系统结构模型 层次分析模型 投入产出模型 系统动力学模型等 2019 12 27 50 3 数量经济模型群 计量经济模型 经济控制论模型等 4 优化模型群 线性规划 非线性规划 动态规划 目标规划和最优控制等 5 不确定模型群 模糊数学模型 灰色模型 随机模型等 6 决策模型群 单目标风险性决策 多目标决策 以及一些不确定性决策方法等 7 系统综合模型群 即大系统理论 2019 12 27 51 3 3 2模型体系解决某一特定系统工程问题的一系列模型 从概念上 2019 12 27 52 3 3 3模型库模型库提供模型的存储和表示模式 模型库管理系统提供模型的提取 访问 更新和合成等操作 模型的表示形式 模型的程序表示 基于程序的表示方法 模型的数据表示 基于数据的表示方法 模型的逻辑表示 基于知识的表示方法 2019 12 27 53 3 3 4当前研究课题模型的自动生成技术模型管理的人工智能方法模型管理与数据管理的结合 2019 12 27 54 3 4方法库系统方法库系统 MBS 综合了数据库和程序库 方法库 类似于程序库 包含面向多种应用的程序包或功能程序 2019 12 27 55 方法库管理系统 对程序方法提供多种功能操作 具有扩充的程序组件可与多种数据库系统相连接可随时加入新的程序组件 2019 12 27 56 3 5知识库系统3 5 1基本概念数据 客观事物的属性 数量 位置及其相互关系等的抽象表示 信息 数据所表示的含义 语义 因而说 数据是信息的载体 知识 信息之间结构化的关联关系 2019 12 27 57 3 5 2知识的分类事实 指人类对客观事物属性的值或状态的描述 不包含任何变量 规则 表示因果关系的知识 分为前提 条件 和结论两部分 规律 带有变量的规则 所以 规则是规律的例化 2019 12 27 58 3 5 3知识的属性真实性相对性不完全性模糊性可表示性 2019 12 27 59 3 5 4推理方法演绎推理 P Q 由前提到结论归纳推理 由个别到一般 主观不充分置信推理 联想与类比综合与分析预测假设与验证 2019 12 27 60 从另外的角度还可分为演绎推理 归纳推理 缺省推理确定性推理 不确定性推理单调推理 非单调推理启发式推理 非启发式推理基于知识的推理 统计推理 直觉推理正向推理 逆向推理 混合推理 双向推理 推理控制策略 2019 12 27 61 3 5 5知识库系统知识库 提供知识的表示和存储 知识库管理系统 提供对知识 规则 的存储 检索 修改 检查等操作 推理机 利用知识库中的知识进行推理 对给定问题进行求解 得到结论 2019 12 27 62 3 5 6知识的表示方法一阶谓词逻辑表示语义网络表示产生式规则知识的框架表示脚本表示过程表示Petri网表示面向对象表示 2019 12 27 63 第四节新一代DSS的研究与发展 2019 12 27 64 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 IDSS 决策支持中心 DSC 战略决策支持系统 SDSS 智能交互综合I3DSS 2019 12 27 65 1 群决策支持系统 GDSS 支持多人或集体共同决策 利用通信技术 网络 电话会议 电子信息交换 计算机技术 多用户系统 4GL 数据库 数据分析OLAP 数据存储 数据仓库 数据挖掘 和决策支持技术 议程设置 AI与推理技术 决策模型方法 如决策树 风险分析 预测方法等 结构化群决策方法 如德尔菲法等 相结合 2019 12 27 66 2 分布式决策支持系统 DDSS 研究DSS在分布式环境中 与分布式技术相结合相关的技术问题 2019 12 27 67 3 智能决策支持系统 IDSS 智能决策支持系统IDSS IntelligentDecisionSupportSystems 是决策支持系统DSS与人工智能AI ArtificialIntelligence 相结合的产物 它将人工智能中的知识表示与处理的思想引入到DSS 其独特的研究方法和广泛的发展前途使之一出现就成为决策支持技术研究的热点 2019 12 27 68 智能决策支持系统是以信息技术为手段 应用管理科学 计算机科学及有关学科的理论和方法 针对半结构化和非结构化的决策问题 通过提供背景材料 协助明确问题 修改完善模型 列举可能方案 进行分析比较等方式 为管理者做出正确决策提供帮助的智能型人机交互信息系统 2019 12 27 69 IDSS是一个新的正在发展的研究领域 涉及IDSS的文献大量涌现 有文献将IDSS称为基于知识的DSS 尽管这些研究侧重点不尽相同 但它们的一个共同特点就是人工智能技术融于传统的DSS之中 弥补传统DSS单纯依靠模型技术与数据处理技术 以及用户高度卷入而可能出现意向性偏差的缺陷 2019 12 27 70 AI与DSS技术相结合 形成了高级别的 具有知识处理能力的DSS 组成 四库系统 接口 知识库 数据库 模型库 方法库及人机接口 还有问题求解模块 2019 12 27 71 DSS 专家知识优势 结合专家知识和DSS模型分析的优点形成智能DSS IDSS 提高支持非结构化决策能力 智能DSS的基本概念 2019 12 27 72 专家系统是一种知识系统利用专家知识及知识推理等来理解与求解问题将ES和传统DSS结合而形成的IDSS 增设了知识库 推理机与问题处理系统人机对话部分还加入了自然语言处理功能IDSS在用户决策问题的输入 决策问题的描述 决策过程的推理 问题解的求取与输出等方面都有了显著的改进 2019 12 27 73 人工神经元网络采用物理器件或计算机模拟生物体中神经网络的某些结构与功能ANN属于基于案例学习的模型吸取了生物神经网络的部分优点ANN由许多简单处理单元互连而成局部神经元损坏后不影响全局的活动ANN具有良好的自组织 自学习和自适应能力特别适用于处理复杂问题或开放系统能弥补专家系统的不足 2019 12 27 74 典型的结构为四库结构 智能DSS的结构 2019 12 27 75 IDSS具有人工智能的行为向人类靠拢了一大步使不熟悉机器的人也能方便地使用DSS IDSS 更好地理解人能积累已有知识能获得新知识提高分析和求解能力 增设 自然语言处理系统知识库推理机问题处理系统 2019 12 27 76 语法 语义结构分析 智能DSS的结构 智能人机接口 2019 12 27 77 问题处理系统工作流程 智能DSS的结构 问题处理系统 2019 12 27 78 智能DSS的结构 知识库子系统 知识库子系统 获取 解释 表示 推理及管理与维护知识知识 有关规则 因果关系及经验等 2019 12 27 79 存储知识首先要表示知识知识的表示是知识的符号化过程常见的知识表示形式有 逻辑表示法语义网络表示法产生式规则表示法框架表示法过程表示法 2019 12 27 80 推理是指从已知事实推出新事实的过程推理一般由三部分组成 大前提 小前提 结论例 大前提 拖债达3级及以上的客户信用低小前提 该客户拖债达4级结论 该客户信用低例 大前提 与信用低的客户做交易要谨慎小前提 该客户信用低结论 与该客户做交易要谨慎 智能DSS的结构 推理机 2019 12 27 81 根据推理方向的不同 可以分出三种推理 正向推理 反向推理 正反向混合推理例 从某城市到一个无直达航班的城市为确定坐哪些航班转达 即是简单的推理问题例 若事实M为真 且有规则IFMTHENN 则N为真因此 若事实任务A是紧急订货为真 且有规则IF任务I是紧急订货THEN任务I按优先安排计划则任务A就应优先安排计划 2019 12 27 82 ANN在分析与决策中的应用 人工神经元网络基本原理 2019 12 27 83 什么是人工神经网络 T Koholen的定义 人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络 它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应 2019 12 27 84 脑神经信息活动的特征 1 巨量并行性 2 信息处理和存储单元结合在一起 3 自组织自学习功能 2019 12 27 85 ANN研究的目的和意义 1 通过揭示物理平面与认知平面之间的映射 了解它们相互联系和相互作用的机理 从而揭示思维的本质 探索智能的本源 2 争取构造出尽可能与人脑具有相似功能的计算机 即ANN计算机 3 研究仿照脑神经系统的人工神经网络 将在模式识别 组合优化和决策判断等方面取得传统计算机所难以达到的效果 2019 12 27 86 神经网络研究的发展 1 第一次热潮 40 60年代未 1943年 美国心理学家W McCulloch和数学家W Pitts在提出了一个简单的神经元模型 即MP模型 1958年 F Rosenblatt等研制出了感知机 Perceptron 2 低潮 70 80年代初 3 第二次热潮1982年 美国物理学家J J Hopfield提出Hopfield模型 它是一个互联的非线性动力学网络他解决问题的方法是一种反复运算的动态过程 这是符号逻辑处理方法所不具备的性质 1987年首届国际ANN大会在圣地亚哥召开 国际ANN联合会成立 创办了多种ANN国际刊物 1990年12月 北京召开首届学术会议 2019 12 27 87 生物神经元网络基本模型 2019 12 27 88 ANN类型与功能 2019 12 27 89 人工神经网络研究的局限性 1 ANN研究受到脑科学研究成果的限制 2 ANN缺少一个完整 成熟的理论体系 3 ANN研究带有浓厚的策略和经验色彩 4 ANN与传统技术的接口不成熟 2019 12 27 90 一般而言 ANN与经典计算方法相比并非优越 只有当常规方法解决不了或效果不佳时ANN方法才能显示出其优越性 尤其对问题的机理不甚了解或不能用数学模型表示的系统 如故障诊断 特征提取和预测等问题 ANN往往是最有利的工具 另一方面 ANN对处理大量原始数据而不能用规则或公式描述的问题 表现出极大的灵活性和自适应性 2019 12 27 91 ANN可看作黑箱通过案例学习能具备求解同类问题的本领尤其是那些机理模糊或处理频繁的问题例如 图像 语音和文字