决策支持系统教程

DSS体系结构：

用户 人机交互系统 模型库管理系统（MBMS） 数据库管理系统（DBMS） 模型库（MB） 数据库（DB）

DSS系统的主要功能：

1）对话部件：（1）提供丰富多彩的现实和对话形式；（2）输入/输出转换；（3）控制决策支持系统的有效运行。

2）数据部件：（1）数据库存储的组织形式；（2）数据库管理系统管理功能；（3）数据库管理语言体系。

3）模型部件：（1）模型库：①模型的表示②模型的动态表示；（2）模型库管理系统：（1）模型库的静态管理：①模型字典的管理②模型文件的管理③模型字典和模型文件的统一管理；（2）模型的动态管理（运行管理）：①控制模型的运行②模型与数据库部件间的接口；（3）模型库管理系统的语言体系：①模型管理语言②模型的操作语言；（4）模型库管理系统的特定功能

DSS系统与MIS系统的关系和区别：

DSS是从MIS的基础上发展起来的，都是以数据库系统为基础，都需要进行数据处理，也都能在不同程度上为用户提供辅助决策信息。不同点：①MIS是面向中层管理人员，为管理服务的系统。DSS是面向高层人员，为辅助决策服务的系统。②MIS综合了多个事务处理功能如生产、销售、人事等。DSS是通过模型计算辅助决策。③MIS是以数据库系统为

基础，以数据驱动的系统。DSS是以模型库系统为基础的，以模型驱动的系统。④MIS分析着重于系统的信息需求，输出报表模式是固定的。DSS分析着重于决策者的需求，输出的数据是计算的结果。⑤MIS系统追求的是效率，即快速查询和产生报表。DSS追求的是有效性，即决策的正确性。⑥MIS支持的是结构化决策。这类决策是已知的、可预见的，而且是经常的、重复发生的。DSS支持的是半结构化决策。这类决策是指即复杂又无法准确描述处理原则又涉及大量计算，既要应用计算机又要用户干预，才能取得满意结果的决策。

DSS系统与管理科学的关系和区别：

以模型辅助决策是管理科学和决策支持系统的共同基础。由于管理科学的发展，他已成为处理结构化决策问题的成功方法。DSS与管理科学比较具有的特点①DSS将数据和模型通过接口组成一个系统。②DSS需要模型的选择和多模型的组合，形成多个方案。③DSS通过人机交互支持半结构化问题的决策。④DSS能便于用户的使用和适应用户的不同需求。

2.DSS结合人工智能技术，形成了智能决策支持系统。与决策支持有 关的人工智能技术主要有：专家系统、神经网络、遗传算法、机器学习、自然语言理解等。以其中的某一项技术为例，说明在此基础之上建立起来的智能决策支持系统（最好联系某个实际应用的案例）。

基于专家系统和神经网络的车削过程智能决策 系统模型

制造过程决策就是在生产过程的各种约束条件，如机床功率、扭矩、刀具耐用度、加工精度等的下，通过选取刀具参数、切削用量等加工参数使各种优化目标如加工成本、生产率和利润率等得到尽可能的优化。我们建立的车削过程智能决策系统MTOS-Ⅰ模型如图1所示，它通过专家系统和神经网络的共同作用来获得制造过程的最优解。制造过程决策是典型的多目标优化问题，采用将多目标问题转化为单目标优化问题的方法进行求解，允许选用不同的方法如线性加权法、理想点法和乘除法等，其主要差别只是在于评价函数的不同。利用专家系统来构造评价函数，确定各个优化参数的取值范围，用神经网络将各个优化变量连接起来并进行优化计算。系统以Windows为运行平台，采用Microsoft Visual C++开发。

图1 智能决策系统MTOS-Ⅰ

决策系统中的专家系统

专家系统包含知识库、数据库、公式库和推理机。知识库汇总了选择切削用量的各种知识和经验，主要涉及计算方案选择、约束条件确定、修正系数和其它参数的选取等内容。数据库存储有选择切削用量所需要的标准数据、计算常数、实验数据等。公式库存储有各种加工过程的切削速度、切削力计算等经验公式。专家系统的知识主要来源于《切削用量简明手册》［2］及专家的经验知识。推理机由一组程序组成，控制、协调整个系统，并根据当前的环境，调用知识库、公式库和数据库的资料，选择最优的参数。在本系统中，分别设计了参数选择和约束判断专家系统，能够根据输入的不同机床类型和不同的加工工序，判断某一型号的机床是否满足加工所需要的功率、主轴扭矩，选择合适的刀具角度，确定需要优化的加工参数及选定取值范围，并建立评价函数。 神经网络优化器

神经网络以其自组织、自学习和并行计算的能力，使其在优化求解运算中显示出强大的优势。系统选用Markov神经网络模型为优化器。Markov网络的主要特点是，它不需要对神经网络构造能量函数，容易根据不同的加工过程建立网络建模，而且由于其求解算法不仅能向函数值下降的方向前进，而且在某些情况下允许向函数值上升的方向前进，有利于达到全局最优［3］。加工过程每一个需要优化的参数构成Markov神经网络的一个单元，每个单元和其它单元双向连接。例如对外圆切削来说，定义变量包括进给量、切削深度、刀具耐用度、刀具的车刀前角、主偏角、副偏角、刀尖圆弧半径等共8个变量，则设计有8个单元的神经网络，使神经网络的每一个单元对应于一个需要优化的变量，并

规定第一个单元对应进给量、第二个单元对应切削深度……。神经网络运行时，各单元根据各种参数的当前值计算各自的取值范围，然后按Markov神经网络的运行规则改变网络的当前状态，当网络温度降到某个预定值时，各单元的状态就直接对应了一组优化的参数。神经网络的单元能够根据求解问题的需要动态增减，根据不同的加工过程而动态重构，因此神经网络的优化过程不依赖于具体的加工对象。 专家系统与神经网络的信息交换

制造过程智能决策系统利用专家系统确定需要优化的参数，并由此确定神经网络的神经元数目。神经网络优化计算时也需要调用专家系统来确定优化参数的取值。专家系统和神经网络的有效结合及协同工作的前提在于相互间的信息交换。我们设计了如图2所示的查询-翻译式数据传递技术作为数据交换的接口。在系统开始运行时，先由神经网络部分通过标准接口对选定的加工操作对象进行查询，该对象报告出自己所需要的变量个数和每个变量的变化范围，然后神经网络根据查询的结果建立网络单元，当网络单元内容发生变化时，再用网络的当前状态作为参数调用加工对象的翻译函数，该函数根据原先的报告把各个单元的数值转换为对应变量的实际数值，然后神经网络调用该对象的评价函数进行加工参数的评价。通过这种机制，神经网络部分就可以与具体的加工操作分离开来，它在工作时不需要知道当前正在优化的是什么加工操作，也不需要知道各个工作单元的实际物理意义。专家系统和神经网络信息交换主要包括：①通过调用机床的报告函数间接调用某一加工操作的报告函数，取得神经网络需要的变量个数和各自变化范围。②根据查询结果初始化神经网络。③调用翻译函数并计算评价函数的值。

图2 神经网络和专家系统信息交换

3.随着数据仓库和数据挖掘技术的出现及广泛研究、应用，出现了新决策支持系统，并与传统DSS、IDSS相结合，形成了综合决策支持系统。从新决策支持系统或综合决策支持系统中选择其一，试通过具体案例或应用领域，说明其是如何发挥辅助决策作用的。

综合决策支持系统在物资供应中的应用

综合决策支持系统，是以数据库系统为基础．有效综合数据分析、有机钼合众多模犁、充分利用专家知识、通过人机变互，辅助各级决策者解决半结构化问题，实现科学决策的人机系统。在物资供应任务中应用综合决第支持系统，可以显著提高物资供应的决策效率和决策质量。应用于物资供应的综合决策支持系统．能够提供物资供应的需求预测、信息告询、质量评估、库存管理、运输管理、路径优化、计划制定等一系列服务。物资供应决策支持系统包括如下几个部分数据库系统、模型库系统、知识库系统、数据分析系统(数据仓库、数据挖掘、联机分析处理)和人机交互系统。整个系统的决策模块由3个部分组成：模型库系统、知识库系统、数据分析系统。模型库系统进行模型辅助决策，提供模型计算的定量分析；知识库系统提供知识辅助决策，完成知识推理的定性分析；数据分析系统进行数据辅助决策，提供数理统计的定量分析。数据库系统为综合决策支持系统提供底层支持，使得系统所有组件使用同一数据源，避免了数据使用的重复冗余和冲突。3个决策模块能对输入的同一问题进行并行处理，最后分别输出计划预案及自我评价，人机交互部分采用统一的标准进行仿真、评估、优选、输出。

系统要适应不断变化的物资供应需求，知识库必须进行不断的更新和补充。知识获取主要有两种方式， 是从知识库和数据仓库中通过数据挖掘自动获取，以逻辑谓词和语义网络的形式表示。二是专家经验和推理规则的人工添加．通过产生式表示和框架的方式表示。综合决策支持系统能够在最短的时间给出多个可行方案，辅助指挥员作出满意的物资供应方案。考察物资供应历史信息、物资当前；自耗、物资库存信息和下级供应请求，调用预测模型，进行需求预测。查询相关物资的供应点，综台考虑其供应能力和距离，选出符合条件的供应点(组舍)。制定运输方案，包括运输工具选择、路径规划、途中技术保障和火力防卫等。通过流程组合，得到可行供应预案并进行模拟仿真，将不符合供府要求的方案删除，将可行供应计划和自我评价以可视化方式输出，供决策者优选。 物资供应综台决策支持系统的决策方式包括集中式、分布式、远程式、应急式等。其中，应急式供应决策是收集、组织、显示请求信息。并提供快速、有效的物资供应计划，迅速缓解物资短缺的现状。通过简化和改进决策方法可以提高决策速度，如快速匹配法(基于案例的推理、关键词匹配）、简化推理树法、综台法(多推理方法、多约束因素）、多线程推理法、优先杈变换法等。应用应急决策方式能实现推珲过释简洁化、并行化、快捷化，能有效地降低系统负荷、提高决策效率。