分類
決策支持系統
決策支持系統(1)結構化決策，是指對某一決策過程的環境及規則，能用確定的模型或語言描述，以適當的算法產生決策方案，並能從多種方案中選擇最優解的決策；
(2)非結構化決策，是指決策過程複雜，不可能用確定的模型和語言來描述其決策過程，更無所謂最優解的決策；
(3)半結構化決策，是介於以上二者之間的決策，這類決策可以建立適當的算法產生決策方案，使決策方案中得到較優的解。
非結構化和半結構化決策一般用於一個組織的中、高管理層，其決策者一方面需要根據經驗進行分析判斷，另一方面也需要藉助計算機為決策提供各種輔助信息，及時做出正確有效的決策。
決策的進程一般分為4個步驟：
(1)發現問題並形成決策目標，包括建立決策模型、擬定方案和確定效果度量，這是決策活動的起點；
(2)用機率定量地描述每個方案所產生的各種結局的可能性；
(3)決策人員對各種結局進行定量評價，一般用效用值來定量表示。效用值是有關決策人員根據個人才能、經驗、風格以及所處環境條件等因素，對各種結局的價值所作的定量估計；
(4)綜合分析各方面信息，以最後決定方案的取捨，有時還要對方案作靈敏度分析，研究原始數據發生變化時對最優解的影響，決定對方案有較大影響的參量範圍。
構成
決策支持系統決策支持系統基本結構主要由四個部分組成，即數據部分、模型部分、推理部分和人機互動部分：
數據部分是一個資料庫系統;
模型部分包括模型庫(MB)及其管理系統(MBMS);
推理部分由知識庫(KB)、知識庫管理系統(KBMS)和推理機組成；
人機互動部分是決策支持系統的人機互動界面，用以接收和檢驗用戶請求，調用系統內部功能軟體為決策服務，使模型運行、數據調用和知識推理達到有機地統一，有效地解決決策問題。
發展
1.決策支持系統的興起
決策支持系統1981年Bonczak等提出了DSS三系統結構，即語言系統(LS)、問題處理系統(PPS)、知識系統(KS)。該結構在"問題處理系統"和"知識系統"上具有特色，並在一定範圍內有其影響，但它與人工智慧的專家系統(ES)容易混淆。
決策支持系統主要是以模型庫系統為主體，通過定量分析進行輔助決策。其模型庫中的模型已經由數學模型擴大到數據處理模型、圖形模型等多種形式，可以概括為廣義模型。決策支持系統的本質是將多個廣義模型有機組合起來，對資料庫中的數據進行處理而形成決策問題大模型。決策支持系統的輔助決策能力從運籌學、管理科學的單模型輔助決策發展到多模型綜合決策，使輔助決策能力上了一個新台階。80年代末90年代初，決策支持系統與專家系統結合起來，形成了智慧型決策支持系統(I DSS)。專家系統是定性分析輔助決策，它和以定量分析輔助決策的決策支持系統結合，進一步提高了輔助決策能力。智慧型決策支持系統是決策支持系統發展的一個新階段。
2.中國決策支持系統的進展
中國決策支持系統的研究始於80年代中期，其套用最廣泛的領域是區域發展規劃。大連理工大學、山西省自動化所和國際套用系統分析研究所合作完成了山西省整體發展規劃決策支持系統。這是一個大型的決策支持系統，在中國起步較早，影響較大。隨後，大連理工大學、國防科技大學等單位又開發了多個區域發展規劃的決策支持系統。天津大學信息與控制研究所創辦的《決策與決策支持系統》刊物，對中國決策支持系統的發展起到了很大的推動作用。中國不少單位在智慧型決策支持系統的研製中也取得了顯著成績，如以中國科學院計算技術研究所史忠植研究員為首的課題組研製並完成的"智慧型決策系統開發平台IDSDP"就是一個典型代表。
3.智慧型決策支持系統的關鍵技術
開發一個實際的IDSS需要解決如下關鍵技術:
(1)模型庫系統的設計和實現：它包括模型庫的組織結構、模型庫管理系統的功能、模型庫語言等方面的設計和實現。
(2)部件接口：各部件之間的聯繫是通過接口完成的，部件接口包括:1對數據部件的數據存取；2對模型部件的模型調用和運行;3對知識部件的知識推理。
(3)系統綜合集成：根據實際決策問題的要求，通過集成語言完成對各部件的有機綜合，形成一個完整的系統。
模型庫系統是一個新概念、新技術，它不同於資料庫系統。資料庫系統有成熟的理論和產品，模型庫系統則沒有，它需要研製者自己設計和開發。這樣就不可避免地阻礙了決策支持系統的發展。 決策支持系統需要對數據、模型、知識、互動四個部件進行集成。目前，計算機語言的支持能力有限，數值計算語言(如FORTRAN、Pascal、C等)不支持對資料庫的操作，而資料庫語言(如FoxPro、Oracle、Sybase等)的數值計算能力又很薄弱。決策支持系統既要進行數值計算又要進行資料庫操作。這個問題再一次為決策支持系統的發展帶來障礙。
真正的決策支持系統都是自行解決了上述困難後研製出來的，這需要付出較大的代價。因此，它們成為決策支持系統發展緩慢的主要原因。
數據倉庫
決策支持系統數據倉庫將大量用於事務處理的傳統資料庫數據進行清理、抽取和轉換，並按決策主題的需要進行重新組織。數據倉庫的邏輯結構可分為近期基本數據層、歷史數據層和綜合數據層(其中綜合數據是為決策服務的)。數據倉庫的物理結構一般採用星型結構的關係資料庫。星型結構由事實表和維表組成，多個維表之間形成多維數據結構。星型結構的數據體現了空間的多維立方體。這種高度集中的數據為各種不同決策需求提供了有用的分析基礎。
隨著數據倉庫的發展，OLAP也得到了迅猛的發展。數據倉庫側重於存儲和管理面向決策主題的數據；而OLAP則側重於數據倉庫中的數據分析，並將其轉換成輔助決策信息。OLAP的一個重要特點是多維數據分析，這與數據倉庫的多維數據組織正好形成相互結合、相互補充的關係。OLAP技術中比較典型的套用是對多維數據的切片和切塊、鑽取、鏇轉等 ，它便於使用者從不同角度提取有關數據。OLAP技術還能夠利用分析過程對數據進行深入分析和加工。例如，關鍵指標數據常常用代數方程進行處理，更複雜的分析則需要建立模型進行計算。
以數據倉庫和OLAP相結合建立的輔助決策系統是決策支持系統的新形式。Business Object(BO)推出的智慧型決策支持系統工具BO 4.0是以OLAP技術為主體的、集查詢和報表為一體的決策支持系統開發工具。該工具的=http://www.hudong.com/wiki/%E5%B0%8D%E8%B1%A1 target="_new">對象"的概念。語義層是將資料庫中的列(欄位)按決策主題重組為面向用戶的對象，對象可以是資料庫中的表、列、連線(多欄位組合)以及對多欄位進行運算的表達式。語義動態對象是對已經定義的語義層對象進行任意組合後形成決策需要的新表，並將表中的數據以可視化的方式在螢幕上顯示或以報表的形式列印出來。
OLAP技術是對由語義動態對象建立的、以動態微立方結構形式存儲的表進行向下鑽取、向上鑽取、跨越鑽取、切片和切塊等操作。BO 4.0的網路版使用戶能夠在網上通過瀏覽器查看或下載BO報表。
綜合系統
以模型庫為主體的決策支持系統已經發展了十幾年，它對計算機輔助決策起到了很大的推動作用。數據倉庫和OLAP新技術為決策支持系統開闢了新途徑。數據倉庫與OLAP都是數據驅動的。這些新技術和傳統的模型庫對決策的支持是兩種不同的形式，它們可以相互補充。在OLAP中加入模型庫，將會極大提高OLAP的分析能力。
90年代中期從人工智慧、機器學習中發展起來的數據開採，是從資料庫、數據倉庫中挖掘有用的知識，其知識的形式有產生式規則、決策樹、數據集、公式等。對知識的推理即形成智慧型模型，它是以定性分析方式輔助決策的。
數據開採的方法和技術包括決策樹方法、神經網路方法、覆蓋正例排斥反例方法、粗集方法、概念樹方法、遺傳算法、公式發現、統計分析方法、模糊論方法、可視化技術。
把數據倉庫、OLAP、數據開採、模型庫結合起來形成的綜合決策支持系統，是更高級形式的決策支持系統。其中數據倉庫能夠實現對決策主題數據的存儲和綜合，OLAP實現多維數據分析，數據開採用以挖掘資料庫和數據倉庫中的知識，模型庫實現多個廣義模型的組合輔助決策，專家系統利用知識推理進行定性分析。它們集成的綜合決策支持系統，將相互補充、相互依賴，發揮各自的輔助決策優勢，實現更有效的輔助決策。
綜合體系結構包括三個主體。第一個主體是模型庫系統和資料庫系統的結合，它是決策支持的基礎，為決策問題提供定量分析(模型計算)的輔助決策信息。第二個主體是數據倉庫、OLAP，它從數據倉庫中提取綜合數據和信息，這些數據和信息反映了大量數據的內在本質。第三個主體是專家系統和數據開採的結合。數據開採從資料庫和數據倉庫中挖掘知識，並將其放入專家系統的知識庫中，由進行知識推理的專家系統達到定性分析輔助決策。
綜合體系結構的三個主體既可以相互補充又可以相互結合。它可以根據實際問題的規模和複雜程度決定是採用單個主體輔助決策，還是採用兩個或是三個主體的相互結合輔助決策。利用第一個主體的輔助決策系統就是傳統意義下的決策支持系統。利用第一個主體和第三個主體相結合的輔助決策系統就是智慧型決策支持系統。利用第二個主體的輔助決策系統就是新的決策支持系統。在OLAP中利用模型庫的有關模型，可以提高OLAP的數據分析能力。將三個主體結合起來，即利用"問題綜合和互動系統"部件集成三個主體，這樣形成的綜合決策支持系統是一種更高形式的輔助決策系統，其輔助決策能力將上一個新台階。由於這種形式的決策支持系統包含了眾多的關鍵技術，研製過程中將要克服很多困難，這也是人們今後努力的方向。
