决策支持系统教程：高等院校信息管理与信息

　　决策支持系统通过计算机进行模型计算、知识推理以及从数据中获取信息和知识，实现辅助决策。决策支持系统分为传统决策支持系统（模型计算和知识推理结合）和新决策支持系统（数据仓库、联机分析处理和数据挖掘相结合）。两类决策支持系统相结合的综合决策支持系统以及建立在Internet上的网络环境决策支持系统是决策支持系统的发展方向。本书系统地叙述了决策支持、传统决策支持系统、新决策支持系统和综合决策支持系统的原理、结构、功能和实例。本书的特点是将决策系统的结构在计算机中的组织形式和运行方式具体展现出来，并通过实例进行说明。这样例于读者认识和掌握决策支持系统，为进一步开始决策支持系统打下基础。本书可作为高等院校信息管理与信息系统专业、计算机专业、管理类专业本科生和研究生的教材，也可作为计算机应用开发人员和企、事业单位管理人员的参考书。本书前言决策支持系统是20世纪80年代初兴起的。从三部件（对话、模型、数据）结构的决策支持系统（DSS）开始，到20世纪90年代初，结合了人工智能技术特别是专家系统以后，形成了智能决策支持系统（IDSS），称为传统决策支持系统。由于没有模型库系统软件产品的支持，决策支持系统的开发受到很大的阻碍。20世纪90年代末期，兴起了以数据仓库（DW）为基础，结合联机分析处理（OLAP）和数据挖掘（DW）的新决策支持系统（DW+OLAP+DM）。新决策支持系统与传统决策支持系统是什么关系呢？传统决策支持系统是以模型资源和知识资源辅助决策的，而新决策支持系统是以数据资源辅助决策的。二者不是代替关系，不能因为传统决策支持系统受到了挫折而被轻视；二者应该是相互补充的关系，二者结合的综合决策支持系统才是决策支持系统的发展方向。Internet技术的成熟和普及推动了决策支持系统的发展。网络上的数据库服务器为远程客户机提供并发和共享的数据服务。数据仓库也是以服务器的形式提供服务。数据库和数据仓库都是数据资源。同样，将模型资源和知识资源以服务器的形式在网络上为远地的客户机提供并发和共享的模型服务和知识服务，形成了网络环境的决策支持系统。模型服务器和知识服务器是模型库系统和知识库系统在网络上的新的发展形式，它将和数据库服务器、数据仓库服务器一起形成网络环境的综合决策支持系统。由于网络上服务器技术的逐步成熟，网络环境的综合决策支持系统将为决策支持系统的发展带来新的高潮。可以看出，决策支持系统是利用决策资源（数据、模型、知识）达到辅助决策的系统，即决策支持系统是按决策问题的要求来组织和集成决策资源，建成有效解决实际决策问题的计算机程序系统。用模型、知识、数据等决策资源组合而成的决策支持系统是一种类似于搭积木块建造房屋的方式。通过改变或修改模型、知识、数据等资源，就可以构造多种形式的系统方案，通过多方案的计算，对计算结果的对比和选择，就能达到有效的辅助决策。作者长期从事决策支持系统的研究，得到了国家863计划和国防科研项目的资助，数据仓库和数据挖掘的研究得到了国家自然科学基金的资助。1989年研制出了“决策支持系统开发工具GFKDDSS”，专门设计和实现了具有数值计算能力和数据处理能力的DSS集成语言。在当时还没有数据库接口软件产品的情况下，自行研制了数据库接口语言，自行设计和实现了模型库管理系统语言。开发了“松树林虫害智能预测系统”。1995年研制出“分布式多媒体智能决策支持系统开发平台DMIDSSP”，该平台集成了模型库系统、专家系统工具、神经网络、机器学习、分布式处理、多媒体技术、地形处理等多项新技术。1999年研制出“基于客户机/服务器的决策支持系统快速开发平台CSDSSP”，该平台是网络环境的决策支持系统工具，具有三层客户机/服务器结构形式，客户端提供了可视化系统生成工具，广义模型服务器中包括模型库、算法库、知识库、方案库和实例库，并实现了统一的管理和运行，数据库服务器采用SQLServer软件。CSDSSP的可视化系统生成工具能够快速地制作应用系统的框架流程，既能够可视化运行应用系统，又可快速改变系统方案。CSDSSP为开发实际问题的决策支持系统提供了快速开发环境。本书基本反映了决策支持系统发展的4个阶段：以模型库系统为核心的决策支持系统、模型库与知识推理结合的智能决策支持系统、DW+OLAP+DM的新决策支持系统和网络环境的决策支持系统。本书共分8章，具体内容如下：第1章决策支持系统概述，介绍决策支持系统的形成和发展、决策支持系统概念、新决策支持系统与综合决策支持系统。第2章决策支持，决策支持是比决策支持系统更基本的概念，本章介绍决策支持的概念和模型的决策支持与决策方案的决策支持。第3章决策支持系统，先介绍决策支持系统的结构和决策支持系统的3个部件：数据库系统、人机交互与问题综合系统、模型库系统，再介绍组合模型的决策支持系统和决策支持系统实例。第4章智能决策支持系统和智能技术的决策支持，先介绍专家系统与决策支持系统结合的智能决策支持系统，再介绍神经网络、遗传算法和机器学习3个智能技术的决策支持。第5章数据仓库与数据挖掘的决策支持，先介绍数据仓库原理、结构和数据仓库的决策支持及实例，再介绍数据挖掘方法、数据挖掘的决策支持及应用。第6章综合决策支持系统，通过对比传统决策支持系统和新决策支持系统，引入综合决策支持系统，再介绍在网络环境下的决策支持系统和综合决策支持系统。第7章决策支持系统开发与实例，先介绍决策支持系统的设计和开发的一般思想，再介绍基于客户机/服务器的决策支持系统快速开发平台CSDSSP及实例。第8章决策支持系统的讨论，先介绍知识管理与网格计算两项新技术与决策支持系统的关系，再介绍决策支持系统的回顾和展望。本书的出版得到清华大学出版社的大力支持，在此表示诚挚的谢意。本书的文字录入和图表的绘制由毕季明、彭小宏、廖建文等同志完成，对他们的辛勤劳动表示感谢。

暂缺《决策支持系统教程：高等院校信息管理与信息》作者简介

第1章 决策支持系统概述
1.1 决策支持系统的形成和发展
1.1.1 管理信息系统
1.1.2 管理科学／运筹学
1.1.3 决策支持系统
1.1.4 专家系统
1.1.5 智能决策支持系统
1.1.6 群决策支持系统
1.1.7 经理信息系统
1.1.8 决策支持系统的发展
1.2 决策支持系统概念
1.2.1 决策问题的结构化分类
1.2.2 决策支持系统的定义
1.2.3 决策支持系统与管理科学／运筹学的关系
1.2.4 决策支持系统与管理信息系统的关系
1.3 新决策支持系统与综合决策支持系统
1.3.1 基于数据仓库的新决策支持系统
1.3.2 综合决策支持系统
1.3.3 网络环境的综合决策支持系统
习题
第2章 决策支持
2.1 决策与决策支持
2.1.1 决策
2.1.2 决策过程与决策技术
2.1.3 决策体系与决策信息
2.1.4 决策支持概念
2.2 模型的决策支持
2.2.1 模型
2.2.2 数学模型与建模
2.2.3 优化模型的决策支持
2.3 决策方案的决策支持
2.3.1 决策方案与方案生成
2.3.2 模型并行组合方案的决策支持
2.3.3 模型串行组合方案的决策支挣
习题
第3章 决策支持系统
3.1 决策支持系统结构的分析
3.1.1 决策支持系统的结构形式
3.1.2 决策支持系统的结构比较
3.1.3 决策支持系统的统——结构形式
3.2 数据库系统
3.2.1 数据库系统的开发与应用
3.2.2 数据库系统在决策支持系统中的作用
3.3 人机交互与问题综合系统
3.3.1 人机交互系统
3.3.2 问题综合系统
3.3.3 决策支持系统的综合部件
3.4 模型库系统
3.4.1 模型库
3.4.2 模型库的组织和存储
3.4.3 模型库管理系统
3.5 组合模型的决策支持系统
3.5.1 多模型辅助决策系统
3.5.2 模型组合技术
3.5.3 模型组合的程序设计
3.5.4 决策支持系统的决策支持
3.6 决策支持系统实例
3.6.1 物资申请和库存的计划汇总
3.6.2 制定物资分配方案
3.6.3 物资调拨预处理
3.6.4 制定物资运输方案
3.6.5 制定物资调拨方案
3.6.6 物资分配调拨决策支持系统结构与决策支持
习题
第4章 智能决策支持系统和智能技术的决策支持
4.1 智能决策支持系统概述
4.1.1 智能决策支持系统概念
4.1.2 智能决策支持系统结构
4.2 人工智能基本原理
4.2.1 逻辑推理
4.2.2 知识表示与知识推理
4.2.3 搜索技术
4.3 专家系统与智能决策支持系统
4.3.1 专家系统原理
4.3.2 产生式规则专家系统
4.3.3 专家系统与决策支持系统的集成
4.3.4 建模专家系统
4.3.5 智能决策支持系统实例
4.4 神经网络的决策支持
4.4.1 神经网络原理
4.4.2 反向传播模型
4.4.3 神经网络专家系统及实例
4.4.4 神经网络的容错性
4.5 遗传算法的决策支持
4.5.1 遗传算法原理
4.5.2 优化模型的遗传算法求解
4.5.3 获取知识的遗传算法
4.5.4 遗传规划建立模型
4.6 机器学习的决策支持
4.6.1 机器学习概述
4.6.2 机器学习分类
4.6.3 建立模型的发现学习
习题
第5章 数据仓库与数据挖掘的决策支持
5.1 数据仓库的基本原理
5.1.1 数据仓库概念
5.1.2 数据仓库结构
5.1.3 数据集市
5.1.4 元数据
5.2 数据仓库系统
5.2.1 数据仓库系统结构
5.2.2 数据仓库的存储
5.3 联机分析处理
5.3.1 基本概念
5.3.2 OLAP的数据组织
5.3.3 OLAP的决策支持：多维数据分析
5.3.4 OLAP应用实例
5.4 数据仓库的决策支持及实例
5.4.1 数据仓库的开发
5.4.2 数据仓库的决策支持
5.4.3 数据仓库应用实例
5.5 知识发现与数据挖掘
5.5.1 知识发现与数据挖掘概念
5.5.2 数据挖掘方法和技术
5.5.3 数据挖掘的知识表示
5.6 数据挖掘的决策支持及应用
5.6.1 数据挖掘的决策支持分类
5.6.2 决策树及其应用
5.6.3 决策规则树及应用
5.6.4 数据挖掘的决策支持应用领域
习题
第6章 综合决策支持系统
6.1 基于模型库与知识库的传统决策支持系统
6.1.1 传统决策支持系统概念
6.1.2 传统决策支持系统的进展
6.1.3 传统决策支持系统的关键技术和开发困难
6.2 基于数据仓库的新决策支持系统
6.2.1 数据仓库技术及困难
6.2.2 数据仓库与新决策支持系统
6.2.3 新决策支持系统与商业智能
6.2.4 新决策支持系统实例
6.3 综合决策支持系统
6.3.1 传统决策支持系统与新决策支持系统的比较
6.3.2 数据仓库与数学模型
6.3.3 综合决策支持系统结构和原理
6.4 网络环境的综合决策支持系统
6.4.1 客户机／服务器结构与数据库服务器
6.4.2 网络环境的决策支持系统
6.4.3 网络环境的综合决策支持系统体系
习题
第7章 决策支持系统的开发与实例
7.1 决策支持系统的设计与开发
7.1.1 决策支持系统开发过程
7.1.2 决策支持系统设计
7.1.3 决策支持系统开发技术
7.1.4 决策支持系统的开发
7.2 基于客户机川艮务器的决策支持系统快速开发平台
7.2.1 CS—DSSP概述
7.2.2 客户端交互控制系统
7.2.3 广义模型服务器系统
7.2.4 CS—DSSP的决策支持方式
7.3 基于客户机川艮务器的决策支持系统实例
7.3.1 全国农业投资决策问题
7.3.2 全国农业投资空间决策支持系统
习题
第8章 决策支持系统的讨论
8.1 决策支持系统与新技术
8.1.1 决策支持系统与知识管理
8.1.2 决策支持系统与网格计算
8.2 决策支持系统的回顾与展望
8.2.1 决策支持系统的回顾
8.2.2 决策支持系统的展望
习题
参考文献