決策支持系統(tǒng)及其發(fā)展.ppt

《決策支持系統(tǒng)及其發(fā)展.ppt》由會員分享，可在線閱讀，更多相關《決策支持系統(tǒng)及其發(fā)展.ppt（98頁珍藏版）》請在裝配圖網(wǎng)上搜索。

第十一章 決策支持系統(tǒng)及其發(fā)展,2019/11/27,2,第一節(jié) DSS的產(chǎn)生與發(fā)展,2019/11/27,3,決策支持系統(tǒng)是以信息技術為手段，應用管理科學、計算機科學及有關學科的理論和方法，針對半結構化和非結構化的決策問題，通過提供背景材料、協(xié)助明確問題、修改完善模型、列舉可能方案、進行分析比較等方式，為管理者做出正確決策提供幫助的人機交互信息系統(tǒng)。,2019/11/27,4,1.1 DSS的產(chǎn)生背景 電子數(shù)據(jù)處理——EDP（Electronic Data Processing） 管理信息系統(tǒng)——MIS（Management Information Systems） 決策支持系統(tǒng)——DSS（Decision Support Systems）,2019/11/27,5,電子數(shù)據(jù)處理EDP（Electronic Data Processing） 提高了工作效率，把人們從繁瑣的事務處理中解脫出來。缺點：僅局限于具體信息處理，不共享，不考慮整體或部門情況。,2019/11/27,6,管理信息系統(tǒng) MIS（Management Information Systems）： 整體分析，系統(tǒng)設計，信息共享，部門協(xié)調。缺點：難于適應多變的內、外部管理環(huán)境，對管理人員的決策幫助十分有限。,2019/11/27,7,決策支持系統(tǒng)DSS（Decision Support Systems）： 70年代中期Keen和Scott Morton在《管理決策系統(tǒng)》（1971）一書中提出。目標：對管理者做決策提供技術支持。,2019/11/27,8,技術背景： 運籌學模型發(fā)展已經(jīng)比較完善，多目標決策分析突破了單一效用理論的框架，計算機軟、硬件及網(wǎng)絡技術的迅猛發(fā)展，人工智能特別是知識處理技術的發(fā)展，數(shù)據(jù)庫技術、圖形顯示技術、各類工具軟件的發(fā)展與完善，構成了DSS形成與發(fā)展的技術基礎。,2019/11/27,9,1.2 DSS的發(fā)展 70年代，Scott Morton在《管理決策系統(tǒng)》（1971）一書中首次提出DSS。 Peter G. W. Keen等人編寫了一套叢書，闡明DSS的主要觀點，初步構造出DSS的基本框架。 1978至1988年，DSS得到迅速發(fā)展，許多實用系統(tǒng)被開發(fā)出來，投入實際應用，產(chǎn)生明顯效益。 1988至現(xiàn)在，DSS技術持續(xù)發(fā)展，目前已基本成熟。新一代DSS研究仍然十分活躍。,2019/11/27,10,1.3 DSS的理論基礎 信息論 計算機技術 管理科學與運籌學 信息經(jīng)濟學 行為科學 人工智能,2019/11/27,11,(1) 信息論 信息是現(xiàn)代科學技術中普遍使用的一個重要概念。 信息論是運用信息的觀點，把系統(tǒng)看作是借助于信息的獲取、傳送、加工處理、輸出而實現(xiàn)其有目的性行為的研究方法。,2019/11/27,12,(2) 計算機技術 計算機軟件技術 計算機硬件技術 計算機網(wǎng)絡技術 計算機圖形處理技術 計算機知識處理技術等。,2019/11/27,13,(3) 管理科學與運籌學 管理科學MS（Management Science）：面向管理者，研究決策問題，如決策目標、決策效能等。 運籌學OR（Operations Research）：提供一系列優(yōu)化、仿真、決策等模型。,2019/11/27,14,(4) 信息經(jīng)濟學 在信息時代，研究信息的產(chǎn)生、獲得、傳遞、加工處理、輸出等方面的價值問題。從經(jīng)濟學的角度，研究信息產(chǎn)生和獲得的成本是多少？利潤是多少？即研究信息價值問題。,2019/11/27,15,(5) 行為科學 研究決策者的決策風格、在決策過程中的決策行為等，指導DSS的設計和開發(fā)。涉及到?jīng)Q策者的心理學。,2019/11/27,16,(6) 人工智能 將人工智能技術用于管理決策是一項開拓性工作。當前研究的IDSS就是DSS與AI技術相結合的產(chǎn)物，它用領域專家的知識來選擇和組合模型，完成問題的推理和運行，為用戶提供智能的交互式接口。,2019/11/27,17,人工智能技術作為計算機應用研究的前沿，近十年取得了驚人的進展，呈現(xiàn)了光明的前景。 專家系統(tǒng)、智能機器人和模式識別是人工智能中最活躍、最富有成果的三個研究領域。,2019/11/27,18,其中專家系統(tǒng)（Expert Systems , 即ES ） 研究，取得了許多實用化的成果。當今世界上已經(jīng)有上萬個專家系統(tǒng)，應用于醫(yī)療、診斷、探礦、軍事、調度、質譜分析、計算機配置、輔助教育等各種領域，并已開始涉足財務分析、計劃管理、工程評估、法律咨詢等管理決策領域。,2019/11/27,19,DSS和ES：處于不同的學科范疇，有著不同的解決問題的方法。DSS主要運用數(shù)據(jù)和模型，ES主要運用知識和推理。在管理科學領域，一個是方興未艾，一個是后起之秀，各有特色。但是它們的互相結合和互相滲透，將會把計算機用于決策支持技術推向一個新的高度。,2019/11/27,20,決策的正確性關系到經(jīng)營效果和事業(yè)成敗，決策理論、決策方法和決策工具的科學化和現(xiàn)代化是正確性的重要保證。人工智能將為DSS提供有效的理論和方法。例如，知識的表示和建模，推理、演繹和問題求解及各種搜索技術，再加上功能很強的人工智能語言，都為DSS的發(fā)展走向更加實用的階段提供強有力的理論和方法的支持。,2019/11/27,21,1.4 DSS與相關技術的關系 決策與預測的關系 DSS與MS/OR的關系 DSS與MIS的關系 DSS與ES的關系,2019/11/27,22,(1) 決策與預測的關系 決策：創(chuàng)造未來，基于預測，實現(xiàn)將來一個目標。 預測：預言未來，基于分析、研究、仿真、實驗。 例如：災害預測與防災決策、日常預測與決策、經(jīng)營預測與決策、宏觀預測與決策、貫序預測與決策、為重大決策作預備性研究等。,2019/11/27,23,(2) DSS與MS/OR的關系 MS：處理結構化問題，運用分析的觀點。 OR：處理結構化問題，研究對象主要集中在數(shù)學規(guī)劃、決策論、對策論等理論和方法上。 DSS：處理戰(zhàn)略、規(guī)劃等半結構化和非結構化一類的決策問題。,2019/11/27,24,(3) DSS與MIS的關系 MIS：收集、傳遞、存儲、加工處理各種信息，監(jiān)測運營數(shù)據(jù)，利用歷史數(shù)據(jù)預測未來，用指定的數(shù)學方法分析數(shù)據(jù)，提供全面數(shù)據(jù)和分析報告。面向管理人員，提供低層次的決策支持。 DSS：面向決策者，提供適當?shù)臎Q策支持，是MIS的高級階段。,2019/11/27,25,(4) DSS與ES的關系 IDSS = DSS + ES ES：利用知識和推理機，處理半結構化和非結構化問題。 DSS：使用數(shù)據(jù)和模型，處理結構化問題，與ES結合后，可處理半結構化和非結 構化問題。,2019/11/27,26,第二節(jié) DSS的基本概念,2019/11/27,27,2.1 決策過程,2019/11/27,28,2.2 決策問題的類型 決策問題的類型（按結構化程度分為）： 結構化決策問題 半結構化決策問題 非結構化決策問題,2019/11/27,29,結構化程度： 對某一過程的環(huán)境和規(guī)律，能否用明確的語言（數(shù)學的或邏輯學的，形式的或非形式的）給予清晰的描述（定量的或推理的）。,2019/11/27,30,結構化問題：能夠描述清楚的問題。三個階段都能使用確定的算法或決策規(guī)則。 非結構化問題：不能夠描述清楚，而只能憑直覺或經(jīng)驗作出判斷的問題。三個階段都不能使用確定的算法或決策規(guī)則。 半結構化問題：介于兩者之間的問題。一個或二個階段能使用確定的算法或決策規(guī)則。,2019/11/27,31,2.3 決策問題的性質和層次,2019/11/27,32,2.4 決策風格 按獲取數(shù)據(jù)的方式分： 感知型（S） 直覺型（N） 感知型——喜歡與特定問題有關的硬數(shù) 據(jù)。 直覺型——喜歡描寫可能性的整體信息。,2019/11/27,33,按處理數(shù)據(jù)的方式分： 思考型（T） 感覺型（F） 思考型——喜歡用邏輯或其他規(guī)范化的手 段去推理。 感覺型——喜歡用個人的術語來考慮問 題。,2019/11/27,34,組合起來，共有四種類型的決策風格： 系統(tǒng)型（ST） 思辯型（NT） 司法型（SF） 直觀推斷型（NF）,2019/11/27,35,第三節(jié) DSS的構造與系統(tǒng)結構,2019/11/27,36,DSS的構造研究主要解決DSS的組成問題，即組成DSS的部件。 現(xiàn)在，經(jīng)典提法是： DSS = 四庫系統(tǒng) + 對話系統(tǒng) （人機界面） 四庫系統(tǒng)：數(shù)據(jù)庫系統(tǒng)、模型庫系統(tǒng)、方 法庫系統(tǒng)、知識庫系統(tǒng)。,2019/11/27,37,近年來，有的學者提出增加DSS的組成部件，從而形成5庫、6庫、7庫、8庫等群庫結構。即： DSS = 群庫系統(tǒng) + 對話系統(tǒng) （人機界面） 群庫系統(tǒng)： 數(shù)據(jù)庫、模型庫、方法庫、知識庫、 文本庫、圖形庫、語音庫、工具庫、 地理信息庫………………,2019/11/27,38,DSS的系統(tǒng)結構主要研究DSS各主要部件的連接關系。,2019/11/27,39,3.1 人機界面技術 主要研究內容集中在： 可視化圖形界面技術 基于多媒體技術的界面技術 自然語言界面技術,2019/11/27,40,3.2 數(shù)據(jù)庫系統(tǒng) 數(shù)據(jù)庫系統(tǒng)包括數(shù)據(jù)庫及其管理系統(tǒng)，其基本技術與一般數(shù)據(jù)庫及其管理系統(tǒng)基本相同。但也有自己的特點。,2019/11/27,41,共同點： 數(shù)據(jù)的獨立性 最小冗余度 最大的共享性 統(tǒng)一管理與控制 適當?shù)姆从硶r間 整體性（完整性） 可修改性和可擴充性 安全和保密 簡明性,2019/11/27,42,DSS數(shù)據(jù)庫系統(tǒng)的特點： 面向決策支持過程組織和管理數(shù)據(jù) 面向模型、面向模型生成來使用數(shù)據(jù) 數(shù)據(jù)描述方式要面向不同的決策者,2019/11/27,43,3.3 模型庫系統(tǒng) 模型——是以某種形式對一個系統(tǒng)的本質 屬性的描述，揭示系統(tǒng)的功能、 行為及其變化規(guī)律。 模型庫系統(tǒng)——以庫的形式對模型進行組 織和管理，包括模型庫及模型庫 管理系統(tǒng)。,2019/11/27,44,模型庫（Model Base）提供模型的存儲和表示模式。 模型庫管理系統(tǒng)提供模型的提取、訪問、更新和合成等操作。,2019/11/27,45,人們認識客觀世界一般有三種方法： 邏輯推理法 實驗法 模型法 模型法是我們認識客觀世界的最得力、最方便、最有效的方法。,2019/11/27,46,注意： 并非所有模型都是數(shù)學模型，并非所有模型都是定量的。 例如， 門捷列夫元素周期表。,2019/11/27,47,3.3.1 模型群 解決軟科學所涉及的問題時，可利用的模型已達100多個，根據(jù)他們的功能和用途可分為若干模型群。,2019/11/27,48,（1）預測模型群 定性模型：特爾斐法、主觀概率預測法、交叉影響巨陣法等 定量模型：回歸預測、平滑預測、馬爾柯夫鏈預測等 回歸預測：一元回歸、多元線性回歸、非線性回歸等； 平滑預測：平均預測法、指數(shù)預測法等,2019/11/27,49,（2）系統(tǒng)結構模型群 主要用來分析社會經(jīng)濟系統(tǒng)以及其他系統(tǒng)的結構，反映系統(tǒng)各要素之間的主要聯(lián)系和關聯(lián)作用，從宏觀上和結構上來揭示系統(tǒng)的運行規(guī)律。 系統(tǒng)結構模型、層次分析模型、投入產(chǎn)出模型、系統(tǒng)動力學模型等。,2019/11/27,50,（3）數(shù)量經(jīng)濟模型群：計量經(jīng)濟模型、經(jīng)濟 控制論模型等。 （4）優(yōu)化模型群：線性規(guī)劃、非線性規(guī)劃、 動態(tài)規(guī)劃、目標規(guī)劃和最優(yōu)控制等 （5）不確定模型群：模糊數(shù)學模型、灰色模 型、隨機模型等 （6）決策模型群：單目標風險性決策、多目 標決策，以及一些不確定性決策方法等 （7）系統(tǒng)綜合模型群：即大系統(tǒng)理論。,2019/11/27,51,3.3.2 模型體系 解決某一特定系統(tǒng)工程問題的一系列模型。（從概念上）,2019/11/27,52,3.3.3 模型庫 模型庫提供模型的存儲和表示模式。 模型庫管理系統(tǒng)提供模型的提取、訪問、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。 模型的數(shù)據(jù)表示：基于數(shù)據(jù)的表示方法。 模型的邏輯表示：基于知識的表示方法。,2019/11/27,53,3.3.4 當前研究課題 模型的自動生成技術 模型管理的人工智能方法 模型管理與數(shù)據(jù)管理的結合,2019/11/27,54,3.4 方法庫系統(tǒng) 方法庫系統(tǒng)（MBS）綜合了數(shù)據(jù)庫和程序庫。 方法庫——類似于程序庫，包含面向多種應用的程序包或功能程序。,2019/11/27,55,方法庫管理系統(tǒng)——對程序方法提供多種功能操作。 具有擴充的程序組件 可與多種數(shù)據(jù)庫系統(tǒng)相連接 可隨時加入新的程序組件,2019/11/27,56,3.5 知識庫系統(tǒng) 3.5.1 基本概念 數(shù)據(jù)——客觀事物的屬性、數(shù)量、位置及 其相互關系等的抽象表示。 信息——數(shù)據(jù)所表示的含義（語義），因 而說“數(shù)據(jù)是信息的載體”。 知識——信息之間結構化的關聯(lián)關系。,2019/11/27,57,3.5.2 知識的分類 事實——指人類對客觀事物屬性的值或狀 態(tài)的描述。（不包含任何變量） 規(guī)則——表示因果關系的知識，分為前提 （條件）和結論兩部分。 規(guī)律——帶有變量的規(guī)則。所以，規(guī)則是 規(guī)律的例化。,2019/11/27,58,3.5.3 知識的屬性 真實性 相對性 不完全性 模糊性 可表示性,2019/11/27,59,3.5.4 推理方法 演繹推理：P → Q，由前提到結論 歸納推理：由個別到一般，“主觀不充分置信推理” 聯(lián)想與類比 綜合與分析 預測 假設與驗證,2019/11/27,60,從另外的角度還可分為 演繹推理、歸納推理、缺省推理 確定性推理、不確定性推理 單調推理、非單調推理 啟發(fā)式推理、非啟發(fā)式推理 基于知識的推理、統(tǒng)計推理、直覺推理 正向推理、逆向推理、混合推理、雙向推理 —— 推理控制策略,2019/11/27,61,3.5.5 知識庫系統(tǒng) 知識庫—— 提供知識的表示和存儲。 知識庫管理系統(tǒng)——提供對知識（規(guī)則） 的存儲、檢索、修改、檢查等 操作。 推理機—— 利用知識庫中的知識進行推 理，對給定問題進行求解，得 到結論。,2019/11/27,62,3.5.6 知識的表示方法 一階謂詞邏輯表示 語義網(wǎng)絡表示 產(chǎn)生式規(guī)則 知識的框架表示 腳本表示 過程表示 Petri網(wǎng)表示 面向對象表示,2019/11/27,63,第四節(jié) 新一代DSS的研究與發(fā)展,2019/11/27,64,群決策支持系統(tǒng)（GDSS） 分布式?jīng)Q策支持系統(tǒng)（DDSS） 智能決策支持系統(tǒng)（IDSS） 決策支持中心（DSC） 戰(zhàn)略決策支持系統(tǒng)（SDSS） 智能交互綜合 I3DSS,2019/11/27,65,（1）群決策支持系統(tǒng)（GDSS） 支持多人或集體共同決策：利用通信技術（網(wǎng)絡、電話會議、電子信息交換）、計算機技術（多用戶系統(tǒng)、4GL、數(shù)據(jù)庫、數(shù)據(jù)分析OLAP、數(shù)據(jù)存儲、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘）和決策支持技術（議程設置)、AI與推理技術、決策模型方法——如決策樹、風險分析、預測方法等，結構化群決策方法——如德爾菲法等）相結合。,2019/11/27,66,（2）分布式?jīng)Q策支持系統(tǒng)（DDSS） 研究DSS在分布式環(huán)境中、與分布式技術相結合相關的技術問題。,2019/11/27,67,（3）智能決策支持系統(tǒng)（IDSS） 智能決策支持系統(tǒng)IDSS（Intelligent Decision Support Systems）是決策支持系統(tǒng)DSS 與人工智能AI （Artificial Intelligence）相結合的產(chǎn)物，它將人工智能中的知識表示與處理的思想引入到DSS，其獨特的研究方法和廣泛的發(fā)展前途使之一出現(xiàn)就成為決策支持技術研究的熱點。,2019/11/27,68,智能決策支持系統(tǒng)是以信息技術為手段，應用管理科學、計算機科學及有關學科的理論和方法，針對半結構化和非結構化的決策問題，通過提供背景材料、協(xié)助明確問題、修改完善模型、列舉可能方案、進行分析比較等方式，為管理者做出正確決策提供幫助的智能型人機交互信息系統(tǒng)。,2019/11/27,69,IDSS是一個新的正在發(fā)展的研究領域，涉及IDSS的文獻大量涌現(xiàn)。有文獻將IDSS稱為基于知識的DSS。盡管這些研究側重點不盡相同，但它們的一個共同特點就是人工智能技術融于傳統(tǒng)的DSS之中，彌補傳統(tǒng)DSS單純依靠模型技術與數(shù)據(jù)處理技術，以及用戶高度卷入而可能出現(xiàn)意向性偏差的缺陷。,2019/11/27,70,AI與DSS技術相結合，形成了高級別的、具有知識處理能力的DSS。 組成：四庫系統(tǒng)+接口。知識庫、數(shù)據(jù)庫、模型庫、方法庫及人機接口，還有問題求解模塊。,2019/11/27,71,DSS,專家知識優(yōu)勢,結合專家知識和 DSS 模型分析的優(yōu)點形成智能 DSS （IDSS） 提高支持非結構化決策能力,智能DSS的基本概念,2019/11/27,72,專家系統(tǒng)是一種知識系統(tǒng) 利用專家知識及知識推理等來理解與求解問題 將 ES 和傳統(tǒng) DSS 結合而形成的 IDSS： 增設了知識庫、推理機與問題處理系統(tǒng) 人機對話部分還加入了自然語言處理功能 IDSS 在用戶決策問題的輸入、決策問題的描述、 決策過程的推理，問題解的求取與輸出等方面 都有了顯著的改進,2019/11/27,73,人工神經(jīng)元網(wǎng)絡采用物理器件或計算機 模擬生物體中神經(jīng)網(wǎng)絡的某些結構與功能 ANN 屬于基于案例學習的模型 吸取了生物神經(jīng)網(wǎng)絡的部分優(yōu)點 ANN 由許多簡單處理單元互連而成 局部神經(jīng)元損壞后不影響全局的活動 ANN 具有良好的自組織、自學習和自適應能力 特別適用于處理復雜問題或開放系統(tǒng) 能彌補專家系統(tǒng)的不足,2019/11/27,74,典型的結構為四庫結構,智能DSS的結構,2019/11/27,75,IDSS 具有人工智能的行為 向人類靠攏了一大步 使不熟悉機器的人也能方便地使用 DSS,IDSS： 更好地理解人 能積累已有知識 能獲得新知識 提高分析和求解能力,增設： 自然語言處理系統(tǒng) 知識庫 推理機 問題處理系統(tǒng),2019/11/27,76,語法、語義 結構分析,智能DSS的結構----智能人機接口,2019/11/27,77,問題處理系統(tǒng) 工作流程,,智能DSS的結構---問題處理系統(tǒng),2019/11/27,78,智能DSS的結構---知識庫子系統(tǒng),知識庫子系統(tǒng)： 獲取、解釋、表示、推理及管理與維護知識 知識：有關規(guī)則、因果關系及經(jīng)驗等,2019/11/27,79,存儲知識首先要表示知識 知識的表示是知識的符號化過程 常見的知識表示形式有： 邏輯表示法 語義網(wǎng)絡表示法 產(chǎn)生式規(guī)則表示法 框架表示法 過程表示法,2019/11/27,80,推理是指從已知事實推出新事實的過程 推理一般由三部分組成： 大前提、小前提、結論 例：大前提 － 拖債達3級及以上的客戶信用低 小前提 － 該客戶拖債達4級 結論 － 該客戶信用低 例：大前提 － 與信用低的客戶做交易要謹慎 小前提 － 該客戶信用低 結論 － 與該客戶做交易要謹慎,智能DSS的結構---推理機,2019/11/27,81,根據(jù)推理方向的不同，可以分出三種推理： 正向推理、反向推理、正反向混合推理 例：從某城市到一個無直達航班的城市 為確定坐哪些航班轉達，即是簡單的推理問題 例：若事實M為真，且有規(guī)則IF M THEN N，則N為真 因此，若事實任務A是緊急訂貨為真，且有規(guī)則 IF任務I是緊急訂貨THEN任務I按優(yōu)先安排計劃 則任務A就應優(yōu)先安排計劃,2019/11/27,82,,ANN在分析與決策中的應用,人工神經(jīng)元網(wǎng)絡基本原理,2019/11/27,83,什么是人工神經(jīng)網(wǎng)絡？ T.Koholen的定義：“人工神經(jīng)網(wǎng)絡是由 具有適應性的簡單單元組成的廣泛并行互連的網(wǎng)絡，它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所作出的交互反應?！?2019/11/27,84,腦神經(jīng)信息活動的特征,(1)巨量并行性。 (2)信息處理和存儲單元結合在一起。 (3)自組織自學習功能。,2019/11/27,85,ANN研究的目的和意義,(1)通過揭示物理平面與認知平面之間的映射，了解它們相互聯(lián)系和相互作用的機理，從而揭示思維的本質，探索智能的本源。 (2)爭取構造出盡可能與人腦具有相似功能的計算機，即ANN計算機。 (3)研究仿照腦神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡，將在模式識別、組合優(yōu)化和決策判斷等方面取得傳統(tǒng)計算機所難以達到的效果。,2019/11/27,86,神經(jīng)網(wǎng)絡研究的發(fā)展,(1)第一次熱潮(40-60年代未) 1943年,美國心理學家W.McCulloch和數(shù)學家W.Pitts在提出了一個簡單的神經(jīng)元模型，即MP模型。1958年，F(xiàn).Rosenblatt等研制出了感知機(Perceptron）。 (2)低潮(70-80年代初): (3)第二次熱潮 1982年，美國物理學家J.J.Hopfield提出Hopfield模型，它是一個互聯(lián)的非線性動力學網(wǎng)絡他解決問題的方法是一種反復運算的動態(tài)過程,這是符號邏輯處理方法所不具備的性質. 1987年首屆國際ANN大會在圣地亞哥召開，國際ANN聯(lián)合會成立，創(chuàng)辦了多種ANN國際刊物。1990年12月，北京召開首屆學術會議。,2019/11/27,87,生物神經(jīng)元網(wǎng)絡基本模型,2019/11/27,88,ANN類型與功能,2019/11/27,89,人工神經(jīng)網(wǎng)絡研究的局限性,（1）ANN研究受到腦科學研究成果的限制。 （2）ANN缺少一個完整、成熟的理論體系。 （3）ANN研究帶有濃厚的策略和經(jīng)驗色彩。 （4）ANN與傳統(tǒng)技術的接口不成熟。,2019/11/27,90,一般而言, ANN與經(jīng)典計算方法相比并非優(yōu)越, 只有當常規(guī)方法解決不了或效果不佳時ANN方法才能顯示出其優(yōu)越性。尤其對問題的機理不甚了解或不能用數(shù)學模型表示的系統(tǒng),如故障診斷、特征提取和預測等問題,ANN往往是最有利的工具。另一方面, ANN對處理大量原始數(shù)據(jù)而不能用規(guī)則或公式描述的問題, 表現(xiàn)出極大的靈活性和自適應性。,2019/11/27,91,ANN 可看作黑箱 通過案例學習 能具備求解同類問題的本領 尤其是那些機理模糊或處理頻繁的問題 例如：圖像、語音和文字的識別 事物的分析、評估和預測 半結構化和非結構化問題的方案搜索和選擇,2019/11/27,92,在產(chǎn)品評價和選擇方面： 利用學習了股票漲落走勢因果對應關系的 ANN 能得到該證券今后走勢的評價輸出 在一批股票中，用 ANN 做掃描式的分析和評價 發(fā)現(xiàn)有看好跡象和走壞征兆的股票 在客戶關系管理和交易服務方面： 根據(jù)客戶基本信息和交易信息，能： 得出客戶優(yōu)質度、劃分客戶、找出優(yōu)質客戶 識別風險和客戶流失征兆 為風險防范措施的確定提供依據(jù),2019/11/27,93,（4）決策支持中心（DSC） 1985年歐文提出來的。 功能：提供辦公決策支持，具有定性定量 相結合的綜合集成功能。 組成：以決策支持小組為核心，為決策的 全過程提供技術支持。,2019/11/27,94,（5）戰(zhàn)略決策支持系統(tǒng)（SDSS） 功能：支持戰(zhàn)略級或高層管理者的決策過 程。 組成：數(shù)據(jù)庫系統(tǒng)、模型庫系統(tǒng)、方法庫 系統(tǒng)、知識庫系統(tǒng)、案例分析系統(tǒng)、 輸入輸出系統(tǒng)、控制與通信系統(tǒng)等。,2019/11/27,95,（6） I3DSS 含義：智能的、交互式的、集成化的（Intelligent,Interactive and Integrated）DSS。 特點：面向問題，有機集成。 綜合采用系統(tǒng)分析、運籌學方法、計算機技術、知識工程、專家系統(tǒng)等技術，使之有機結合，而不是單一的以信息為基礎的系統(tǒng)，或單一的以數(shù)學模型為基礎的系統(tǒng)，或單一的以知識為基礎的系統(tǒng)。在面向問題的前提下，充分發(fā)揮各自的優(yōu)勢，特別是發(fā)揮它們在聯(lián)合運用時的優(yōu)勢，即集成化（Integrated）。 .,2019/11/27,96,當DSS進入到高層次的決策活動領域時，由于處理的問題多半是半結構化或非結構化的，為了幫助決策者進一步明確問題、認定目標和環(huán)境約束，產(chǎn)生決策方案和對決策方案進行綜合評價，系統(tǒng)應具有更強的人機交互能力，這種應用方式就是決策支持系統(tǒng)的交互性（Interactive）。,2019/11/27,97,在處理難以定量分析的問題時，需要使用知識工程、專家系統(tǒng)方法與工具，已經(jīng)涉及到人工智能領域。而重要的問題在于如何使用知識工程的思想方法，組織各個有關模塊，實現(xiàn)決策支持過程的集成化。這種應用方式就是決策支持系統(tǒng)的智能化（Intelligent）。,2019/11/27,98,I3DSS的提出和實際應用，是DSS進入一個新的歷史階段。,