智能决策支持系统：理论与实践

IDSS是将人工智能技术引入DSS而形成的一种信息系统。传统的DSS难以解决非结构化问题，AI技术尤其是专家系统的迅速发展促进了DSS的发展。

IDSS是AI技术与传统DSS相结合所形成的。它能综合应用DB（数据库）、MB（模型库）和KB（知识库）进行推理和求解，把定量的计算功能，定性的知识推理功能有机地结合起来，提供有效的、高于专家本人的决策服务。通常认为只要在DSS基本结构中的某一子系统中使用AI技术（智能部件），该系统就可称为IDSS。

1． IDSS研究的主要内容

（1）注重人机交互的友好性

用户和IDSS通过人机接口相互作用，因此对用户和人机接口的研究值得重视。

（2）注重智能部件的模式

IDSS由DSS和智能部件组成，这个智能部件最初是ES，后来发展成为较广泛的“问题求解系统”，它即是IDSS中的知识处理机构。

（3）注重智能部件的接口技术

IDSS与智能部件的接口技术研究是目前IDSS中最迫切与最现实的课题。如何在IDSS中相互接口、相互沟通以构成一个整体是一个重要的问题。

（4）注重各种相关技术的集成应用

IDSS的集成是IDSS的一个重要问题。钱学森提出处理复杂系统要采用从定性到定量的综合集成方法。IDSS将专家群体、统计数据、信息资料与计算机三者有机地结合起来，构成一个高度智能化的人机交互系统，它具有综合集成各种知识、从感性上升到理性、实现从定性到定量的分析功能。

2．基于人工神经网IDSS的研究的主要内容

传统的人工智能通过对人的大脑进行功能模拟来实现，人工智能在许多高层次智能问题领域都得到成功的应用，但对于一些低层次的智能问题，如视觉和自然语言理解等则不理想。人工神经网络系统根据人类大脑的结构进行模拟，并应用于DSS的基本部件中。

（1）对话部件(www.xing528.com)

在过去十年神经网络已被用于对话子系统的设计中，如手写体识别、语音识别和语音合成。这些应用提高了对话管理的功能，将使用户与DSS间用自然语言进行交互成为可能。

（2）数据管理

在数据管理中应用神经网络有重要的意义。人们收集了大量的信息，但缺少统一的数据结构和索引机制。采用神经网络能把数据自动归类，并有助于数据组织、分类和汇总。

（3）模型管理

在DSS中一般由模型库来存储模型，神经网可以看作是一种数据分析模型，可把它包括在模型库中。模型库管理应该允许神经网的用户从模型库中接收输入或输出。模型管理系统还可以提供对其他神经网资源的存取，如联想记忆网等。

3．IDSS研究存在的问题和发展

（1）技术和设计原则的研究。尚未总结出一种普遍适用的概念框架。

（2）对于自然语言接口的研究。理想的方式是自然语言输入与完全自适应输出。但由于对自然语言的理解还没有解决，完全的自然语言的接口还难以实现。

（3）关于知识的智能化识别的表示和推理。人们试图通过模仿人的神经网络来提高水平，但目前还难以有所突破。

（4）对于不精确推理和随机产生的决策问题研究。开始采用模糊控制法来构造具备模糊处理特征的问题，如何利用模糊控制的方法来创造新型的DSS是待探讨的问题。

（5）我国在GDSS研究中存在的问题在IDSS中也不同程度地存在。

IDSS的发展前景主要有三方面：统一的表示方式；进一步发挥智能部件的作用；注重集成应用。IDSS的发展将综合数据库技术、定量分析方法、模糊理论、人工神经网络、面向对象的方法、AI中的问题求解和搜索技术、机器学习等方法的集成和运用，为决策者提供一个集成化的决策支持系统环境。

近年来，我国逐渐重视对DSS（特别是GDSS、IDSS）的研究，将其列入“863”高技术智能计算机应用的一个重要分支，并且在许多领域取得了成绩。