软考之决策支持系统的概念

简介: 软考之决策支持系统的概念

决策支持系统的演进

在20世纪70年代末期,决策支持系统(DSS)主要由模型库、数据库和人机交互系统构成。

到了20世纪80年代初,DSS增加了知识库与方法库,形成了三库系统或四库系统。

80年代后期,随着人工智能技术的发展,DSS与之相结合,形成了智能决策支持系统,提高了对非结构化决策问题的支持能力。

近年来,DSS与计算机网络技术相结合,形成了群体决策支持系统,使得异地决策者能够共同参与决策过程。

群体决策支持系统的演化

群体决策支持系统利用便捷的网络通信技术在多位决策者之间沟通信息,提供协商与综合决策环境,支持集体做出重要决策。

为了支持更广泛的群体,人们将分布式数据库、模型库和知识库等决策资源有机地集成起来,构建了分布式决策支持系统。

DSS的定义

对于DSS的定义存在不同观点,但都基本认同其建立在对象特征之上。以下是两个比较典型的定义:

  1. DSS是一个由语言系统、知识系统和问题处理系统三个相互关联的部分组成的基于计算机的系统。其特征包括数据和模型作为主要资源,支持用户决策而不是代替用户,主要用于解决半结构化及非结构化问题,其作用在于提高决策的有效性。
  2. DSS应当是一个交互式的、灵活的、适应性强的基于计算机的信息系统,用于支持解决非结构化管理问题,提高决策的质量。具有用户友好的界面、模型和分析技术的结合、灵活性和适应性等特征。

决策支持系统的基本模式

DSS的基本模式反映了其形式与“真实系统”、人和外部环境的关系。其中,管理者处于核心地位,通过自身知识和经验,结合DSS提供的支持,对管理的“真实系统”进行决策。

决策支持系统的结构

不同功能特色的DSS具有不同的系统结构。基本结构形式包括两库结构和基于知识的结构。两库结构由数据库子系统、模型库子系统和对话子系统构成,而实际中的DSS会通过分解或增加某些部件演变而来。

通过对DSS的演进、定义、特征以及基本模式和结构的介绍,我们可以更好地理解决策支持系统在管理决策中的作用和发展趋势。

背诵点

定义一DSS 是一个由语言系统、知识系统和问题处理系统3个互相关联的部分组成的,基于计算机的系统。

DSS 应具有的特征是:(1)数据和模型是DSS 的主要资源。

(2)DSS 用来支援用户作决策而不是代替用户作决策。

(3)DSS主要用于解决半结构化及非结构化问题。

(4)DSS 的作用在于提高决策的有效性而不是提高决策的效率。

定义二DSS应当是一个交互式的、灵活的、适应性强的基于计算机的信息系统,能够为解决非结构化管理问题提供支持,以改善决策的质量。

DSS使用数据,提供容易使用的用户界面,并可以体现决策者的意图。

DSS 可以提供即时创建的模型,支持整个决策过程中的活动,并可能包括知识成分。

DSS 应具有的特征是:(1)主要针对上层管理人员经常面临的结构化程度不高、说明不够充分的问题。

(2)界面友好,容易被非计算机人员所接受。

(3)将模型、分析技术与传统的数据存取与检索技术结合起来。

(4)具有对环境及决策方法改变的灵活性与适应性。

(5)支持但不是代替高层决策者进行决策。

(6)充分利用先进信息技术快速传递和处理信息。

决策支持系统的基本模式DSS 由若干部件按一定的结构组成,部件不同或结构不同会构成功能略有差异的DSS, 但各种 DSS 的结构都建立在某种基本模式之上。

DSS 的基本模式反映DSS 的形式及其与“真实系统”、人和外部环境的关系,如图所示。


其中管理者处于核心地位,运用自己的知识和经验,结合决策支持系统提供的支持,对其管理的“真实系统”进行决策。

决策支持系统的结构具有不同功能特色的 DSS, 其系统结构也不相同。

DSS的两种基本结构形式是两库结构和基于知识的结构,实际中的DSS 由这两种基本结构通过分解或增加某些部件演变而来。

两库结构由数据库子系统、模型库子系统和对话子系统形成三角形分布的结构,如图所示。

目录
相关文章
|
人工智能 Linux 测试技术
NexaAI, 一行命令运行魔搭社区模型,首次在设备上运行 Qwen2-Audio
Qwen2-Audio是一个 70亿参数量 SOTA 多模态模型,可处理音频和文本输入。
982 8
|
机器学习/深度学习 存储 人工智能
阿里云机器学习PAI全新推出特征平台 (Feature Store),助力AI建模场景特征数据高效利用
机器学习平台 PAI 推出特征平台(PAI-FeatureStore),在所有需要特征的AI建模场景,用户可通过 Feature Store 轻松地共享和重用特征数据,减少资源和时间成本、提升工作效率。
|
3月前
|
人工智能 Java API
构建基于Java的AI智能体:使用LangChain4j与Spring AI实现RAG应用
当大模型需要处理私有、实时的数据时,检索增强生成(RAG)技术成为了核心解决方案。本文深入探讨如何在Java生态中构建具备RAG能力的AI智能体。我们将介绍新兴的Spring AI项目与成熟的LangChain4j框架,详细演示如何从零开始构建一个能够查询私有知识库的智能问答系统。内容涵盖文档加载与分块、向量数据库集成、语义检索以及与大模型的最终合成,并提供完整的代码实现,为Java开发者开启构建复杂AI智能体的大门。
1813 58
|
8月前
|
缓存 边缘计算 网络协议
CDN加速网站的终极指南:关键策略与实战技巧
内容分发网络(CDN)是现代互联网基础设施的核心,通过全球分布式服务器网络加速内容交付。掌握CDN原理与实践,可显著提升网站速度、安全性和用户体验。本文详解CDN基础、优势、实施步骤及未来趋势,帮助您选择合适方案并优化配置,在数字时代中占据竞争优势。无论是高流量网站还是跨国企业,CDN都是不可或缺的技术工具。立即行动,让您的内容交付更高效!
|
安全
全息技术有哪些应用?
【6月更文挑战第27天】全息技术有哪些应用?
878 4
|
机器学习/深度学习 传感器 算法
OpenCV4工业缺陷检测的六种方法
OpenCV4工业缺陷检测的六种方法
|
存储 监控 NoSQL
Redis脑裂:预防与解决之道
在分布式系统中,Redis集群的脑裂问题是一个令人头疼的难题。它指的是由于网络分区或其他原因,导致集群中的节点无法正常通信,从而形成多个子集群,每个子集群都认为自己是主集群,进而引发数据不一致和服务可用性下降的问题。那么,如何有效预防Redis脑裂问题?当问题发生时,我们能否迅速解决?本文将围绕这一主题,分享一些实用的技术干货。
533 2
|
Linux
Could not fetch/save url http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repoError 403
Could not fetch/save url http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repoError 403
2252 1
|
机器学习/深度学习 边缘计算 5G
|
消息中间件 存储 网络协议
MQTT-轻量级的物联网消息传输协议
随着 5G 时代的来临,万物互联的伟大构想正在成为现实。联网的 物联网设备 在 2018 年已经达到了 70 亿,在未来两年,仅智能水电气表就将超过10亿。
1674 57