简述决策支持系统的功能和结构.docx
- 文档编号:11761983
- 上传时间:2023-04-01
- 格式:DOCX
- 页数:15
- 大小:106.60KB
简述决策支持系统的功能和结构.docx
《简述决策支持系统的功能和结构.docx》由会员分享,可在线阅读,更多相关《简述决策支持系统的功能和结构.docx(15页珍藏版)》请在冰豆网上搜索。
简述决策支持系统的功能和结构
简述决策支持系统的功能和结构
1、模型库
“模型”的概念,最初被用于自然科学的研究和工程设计,如分子模型、天体运动模型、建筑模型等。
这些被称为模拟模型,在应用中发现这些模型有一定的局限性,构造一个模型往往要花费大量的人力物力,而且对于一些问题的研究不能借助于这种模拟模型,比如要研究事物随时间或外界条件的变化而变化的规律,静态的模拟模型就不能适用,这时,找到了另一种模拟方法,即数学模拟方法。
这种方法将客观事物的变化用数学方法表现出来,将事物外界或内部条件的变化用自变量表示,将要反映的事物变化用应变量表示。
计算机技术的形成和发展,使人们能够依赖计算机求解一些较为庞大、复杂的数学模型。
如对于国民经济的计划模型、宏观预测模型等,必须借助于较大规模的计算机系统才能容纳其巨大的数据量,完成亿万次的工作量。
在管理领域常见的是信息处理模型,它的表达式为数学表达式、计算机程序等,通过对模型的建立和使用,决策者可以获得有用的辅助决策信息。
建立模型是有关决策领域的专家学者在探索事物的变化规律中抽象出它们的数学模型,这项工作是创造性的劳动,需要花费大量的精力来得到规律性或相近的数学模型。
数学模型建立之后的一具重要问题就是该模型的求解算法,它可以是精确求解,也可以是近似求解,这种算法的提出由计算机数值计算学者来完成。
有了模型算法,就可以用计算机语言来编制成程序。
实际的决策者就可以利用模型程序在计算机上执行,计算出结果,得到辅助决策信息。
模型是辅助决策的重要手段,模型库是模型的集合,它按照一定的组织方法,将模型有机地汇集起来,由模型库管理系统统一管理。
模型库以及模型库管理系统构成模型库系统。
2、方法库
方法库系统由方法库和方法库管理系统组成。
它的基本功能是为各种模型的求解分析提供必要的算法以及为用户的决策活动提供所需的方法。
方法库中的方法通常可以包括各种优化方法、预测方法、统计方法、对策方法、风险方法、矩阵方程求解等。
方法库管理系统负责对方法的描述、录入、存储、增加、修改、删除等处理。
通常采用的方法是选择适当的计算机程序设计语言,将有关算法变成一组可执行的程序存入计算机内。
这些程序可以表示为附有描述说明的函数或过程,而后按照求解问题的需要调用对应程序模型,从而达到求解问题的目的。
另外,方法库管理系统还应具有与数据库、模型库进行交互的能力以及为用户选择算法提供灵活方便的交互揭示功能。
3、“三库”的联系
从支持决策过程来看,数据库、方法库和模型库,即“三库”是DSS的三大组成部分,研究“三库”之间的相互依赖关系,已成为研讨“三库”的主流。
数据库是进行信息的收集、加工、存贮和输出的软件系统,因此,模型库和方法库的研制和应用应以数据库为基础。
只有有了完善的数据库系统,在信息有了根本的保证的前提下,模型库和方法库才能发挥其作用。
反过来,模型库和方法库的发展又给数据库的研究和应用提出了新课题,促进它的研究如何提供更为适合模型和方法操作的数据模型。
能模型库和方法库是不可分割的,无论是模型的参数估计、模型的求解还是模型的验证都是通过各种方法来具体实现的。
方法库中方法的丰富程度、方法的性能决定了模型使用的效果。
总之,从辅助决策的角度看,“三库”是进行问题求解的重要支持方面,一个强有力的辅助决策系统应具备“三库”,并以其为核心。
系统设计思想和系统结构
商流计划是大型商业企业对本企业商品购进、销售、调配和存储各环节中各种经指标制定的目标规划,时间跨度一般为一年。
商流计划应明确指出下一年度中各个季度,各个月份商品进、销、调、存中各个经营指标。
商流计划的范围和内容不同的企业可能有不同的要求,但一般应包括进、销、调、存货物的数量和金额,毛利和利润额,各种费用额等。
商流计划决策是典型的半结构决策问题,既需要对影响商流计划的诸因素进行定性分析又要对各因素的影响程度进行定量计算。
为此,商流计划决策支持系统的主要目标是:
如何对影响商流计划的各因素进行定性分析和定量计算,尽可能的帮助决策者把握市场变化的幅度,从而预测未来一年的销售总水平;根据预测结果对商品的购进、调配和存储以及企业各种经营指标提出多种商流计划的可行方案。
从实际使用的角度出发,系统应尽可能地准确模拟决策过程,所建立的模型也应尽可能是实际决策过程的描述,以期对决策者的支持更有效。
另外,系统的设计应向DSS生成器的方向发展,应充分体现基于知识的特征。
为此,系统的设计思想为:
系统能获取、存储商业领域的经营决策经验(知识),并能准确地应用这些经验;系统使用方便,适应性强,便于修改、扩充;系统能帮助用户建立、集成、修改、查询以及正确使用各种模型;提供“友好”的用户界面;采用较先进的三层Client/Server系统结构,把组件技术引入到系统设计和实现中来。
为此,SLDSS的系统结构见图1:
在该系统结构中用户(客户端)发送请求,通过问题处理系统(中间层)对问题进行分解后,选择相应的决策模型(服务器端)对问题进行求解并返回结果,当然用户也可以直接访问各子系统。
在这一结构中问题处理系统是关键,它协调各部件的运行。
下面分别介绍系统结构中各部件的功能。
问题处理系统PPS
PPS是用户与系统的接口,它起着衔接用户与系统环境的桥梁作用,系统通过PPS对决策问题进行分类并确定问题求解的策略。
为此,PPS是反映系统功能的主要部件之一,也是整个系统的窗口。
PPS根据商流计划的一般要求把商品分成了12大类。
SLDSS中的PPS根据商品的种类不同分别为用户提出制定商流计划指标决策的解决方案。
SLDSS中PPS结构如图2:
识别器的任务是对用户提出的问题进行识别和判断,并引导其进入相应的处理入口。
推理机是PPS的关键部件,它根据模式知识,通过协调器调用系统环境来对用户提出的问题加以处理。
其中模式知识是对具体决策模式的抽象化、规则化。
模型知识的加工过程也是SLDSS的系统分析过程。
协调器根据推理机的“智能”分析,完成系统调用,实现具体问题的构模任务。
系统状态参数是对决策过程的跟踪,从决策过程的非连续性出发,对系统的这种跟踪是必要的。
基于四库的系统环境
模型库管理子系统
模型及其管理是DSS的重要工作,本课题把组件技术引入到DSS模型的设计与实现中来,把DSS基模型定义为一个结构级组件,把DSS复合模型定义为由基模型经复合运算复合而成。
定义如下:
定义1:
我们把称为一个DSS模型模式。
这里的S表示模型的属性集合,它包括模型的标示ID、模型的类型Type,以及反映模型功能和行为的变量;P可以包括对上述信息的操作和该模型向外界所提供的服务,P对S封闭;E表示模型所产生各类消息的事件集合;I为模型的多重接口,多重接口为模型的连接和了解一个模型的功能提供了一个窗口;O为模型中操作次序,它是反映模型中操作或子模型标示的一个构造数据类型,对基模型一般为空,对复合模型它反映了求解问题的步骤。
定义2:
对任何DSS模型M(D(D为论域),DSS模型M为DSS模型模式的一个实例,DSS模型记为:
M=;M=<{},{},{},{},{}>称为空模型,记为Mφ。
这里定义的DSS模型是一种结构级的组件。
根据上述定义,我们可以定义模型的连接运算。
定义3:
设M和N为两个DSS模型,如果修改模型M将影响模型N的运行或功能,则称模型N依赖模型M,记作:
M→N。
如果模型N不依赖模型M,则记作:
M↑N。
如果模型N依赖模型M,而模型M又依赖模型N,则称模型M与模型N相互依赖,记为M←→N。
定理1:
设A、B、C为三个DSS模型,如果A→B,B→C,则有A→C。
定义4:
设M1、M2、...、Mn和N为DSS模型,如果有M1→N、M2→N、...、Mn→N,则称N为由M1、M2、...、Mn组成的DSS复合模型。
DSS的基模型和复合模型是相对的,一个复合模型在构造更复杂的DSS决策过程模型时,又成为基模型。
所以,在不造成混乱的情况下,可对两个概念不加区分。
根据上述定义,我们可以使用组件开发工具实现DSS基模型,对DSS复合模型的设计与实现本课题采用下面策略。
构成DSS复合模型中所用的基模型M1、M2、...、Mn之间的关系有两种情形。
其一是它们由纯粹基模型构造,并且它们之间不存在着依赖关系,即不存在基模型Mi、Mj使Mi→Mj;其二是由基模型之间存在依赖关系,即存在基模型Mi、Mj使Mi→Mj成立。
对第一种情形我们可以通过组件容器把基模型组合成复合模型或通过编写程序的方法把基模型复合成复合模型,这里不再讨论。
下面着重讨论第二种情形。
两个基模型存在依赖关系意味着两个模型之间有消息的传递和方法的调用。
我们可以采用在两个模型之间建立连接器的方法解决消息的传递和方法的调用,连接器与基模型的关系如图3。
这种DSS模型的调用关系与组件对象模型的调用关系有所不同。
在组件对象模型的调用中,模型Mi通常作为事件源,Mj做为事件的接受者,并在接到事件后执行相应的操作。
而在DSS复合模型中Mj做为事件源,Mi作为事件的接受者,Mi在接到事件后执行相应的操作或模型Mj回调Mi中的方法。
SLDSS的模型库管理子系统提供的功能包括自动建立模型、模型维护和模型的运算。
知识库管理子系统
SLDSS的知识库中存放了两类知识,事实类和规则类。
对事实类的知识,如“今年银行利率增加”,表示为“ZJ(利率)”;再如,对于批处理的模型知识表示为GOTO(START,DLMXL);GOTO(DLMXL,JGSC),对规则型的知识以下列形式存放于规则库中,RULE(规则号,[条件1,条件2,条件N],结论)。
例如,“如果工农业生产情况正常且银行利率不便且物价变化幅度不大,则用一元回归分析销售量,可表示为:
RULE(22,[ZJ(“工农业”),BB(“利率”),BB(“物价”)],ZX(“一元回归”))。
SLDSS中的知识库由若干子库构成,不同的知识按其类别存放在不同的子库中,这样有利于知识的管理,同时也大大的提高了推理机的搜索速度。
知识的推理采用正向推理和反向推理两种推理策略,对于专业领域知识的推理都采用正向推理,对系统知识的推理采用了反向推理策略,既方便又迅速。
而对专业领域知识采用正向推理策略与实际情况较接近。
算法库、数据库的组织与管理
算法库的组织及管理SLDSS中算法库存放了一些与模型有关的算法,算法是模型的实现。
这些算法以它们的计算机程序和有关算法使用的“智能”信息存放在算法库中,通过算法字典统一管理,算法库字典的结构为:
算法库字典是算法管理的主要依据,算法库的维护也就是其字典的维护,另外,算法库字典又是使用算法的事实性知识,系统推理机通过算法库字典的读取来完成算法的选择工作,算法库管理提供的功能有:
算法建立;算法查询;算法修改;算法删除。
数据库的组织与管理SLDSS的数据有两种类型。
其一是企业内部运行数据,这类数据可以采用关系模型加以描述并存储,这里不做讨论。
其二是模型描述数据,这类数据描述了模型的属性、调用的条件、返回结果的要求和模型的功能(操作),它实际上是组件的接口。
SLDSS中的模型采用三级结构表示法,这种表示法与人工智能中知识的框架——槽值表示法相对应。
如线性规划模型,它的三级表示如下:
第一级结构:
模型ID,模型名,模型用途,模型类型,算法名,同名序号,结果地址,二级结构ID;第二级结构:
二级结构ID,变量数,方程数,同名序号,三级结构ID;第三级结构:
三级结构ID,变量上限,变量下限,方程系数,方程系数2,方程系数3,方程系数n。
在上述三级表示中,第二级、第三级结构可以不同,这要根据具体模型而确定,但第一级结构对任何模型都是相同的,它是模型库的字典,是模型库管理的主要依据。
摘要:
房地产是一个综合性极强的系统产业,这种复杂的决策已经很难仅凭经验正确地做出。
目前我国在房地产投资方面的决策支持系统还不多,有待于进一步发展。
因此,将决策支持系统技术应用到房地产投资决策是房地产投资的一项重大变革。
关键词:
房地产决策支持系统;数据仓库;联机分析处理;数据挖掘
房地产投资不仅与国民经济的发展状况有关,而且还涉及到建筑业、金融业、商业、市政建设、能源、交通等各个重要部门。
房地产市场变化快、投资巨大、风险极高,要完成这样一个决策需要决策者同时考虑主市场、材料、资金、市政建设等诸多因素,并且做出综合判断,这种复杂的决策已经很难仅凭经验正确地做出。
房地产是一个综合性极强的系统工程,关系到国家、集体、个人的利益,影响到国民经济的起伏,其兴旺与低落从一个侧面反映了经济发展状况。
因此,房地产业迫切需要一种能帮助决策者综合考虑多方面的因素,根据科学的决策方法,辅助决策者做出决策的工具。
决策支持系统为解决房地产投资决策中出现的种种问题提供了解决方案。
决策支持系统是一种基于计算机的系统,帮助决策者通过与系统直接交互使用数据及分析模型解决非结构化的决策问题。
通过决策支持系统,房地产开发商可以对要开发的项目的各种情况有一个更深入的了解,能综合各方面的因素对投资的项目做出一个合理的判断,从而减少房地产投资中的盲目性,使投资更准确,收益率更高。
本文结合房地产项目投资的实际情况,提出了一种房地产投资决策支持系统,可以为房地产项目的投资提供决策支持,实现企业项目管理的快速辅助决策,提高投资者的决策水平。
一、房地产投资决策支持系统
房地产投资决策支持系统是将决策支持系统技术应用到房地产投资中,从而能有效地对房地产投资者进行辅助决策,提高决策的效率和准确性。
(一)房地产投资决策支持系统的基本功能
本系统分为房地产市场调查与预测、经济评价、风险分析和可行性报告生成等四大模块。
通过房地产市场调查与预测模块,用户可以方便地了解到房地产市场的现状以及国民经济状况,并能对将来房地产市场的发展情况做出一个大概的预测。
通过经济评价模块可以对所投资项目做出准确的评估,从而判断出此项目的盈利状况。
风险分析模块可以对投资项目的风险作一个大体的分析,用户通过对各个投资方案的经济评价和风险的权衡,可以做出较为准确的判断。
可行性报告生成模块则可以自动生成项目的可行性报告,用户可以根据具体情况来添加可行性报告中的内容。
(二)系统的基本结构
在房地产投资中遇到的可变性因素非常多,再加上房地产投资本身所具有的高风险性,这就使得传统的MIS系统不能满足房地产投资决策的需要,只有使用决策支持系统才能有效地解决这一问题。
但是传统的决策支持系统也有着它的不足,不能很好的对房地产投资进行有效的辅助决策。
因此,本系统借鉴了最近发展起来的决策支持系统的新技术,提出了一种新的房地产决策支持系统模型。
数据仓库、联机分析处理、数据挖掘是决策支持系统发展中的新兴技术,将这些技术引入到房地产决策支持系统中可增强系统的辅助决策功能。
该系统的总体结构如图1所示。
其中,数据仓库是为了决策支持的需要而在数据库的基础上发展起来的一项新技术。
数据仓库可将大量的用于事务处理的数据库中的数据进行清理、抽取和转换,按决策主体的需要重新进行组织。
数据仓库中的各种数据可以适应决策问题多样性的要求,数据仓库侧重于对面向主题的数据的存储和管理。
联机分析处理可以对数据仓库中的大量数据进行分析,从中提取出有用的信息,从而起到辅助决策的作用。
数据挖掘是从知识发现的概念中引申出来的,把数据挖掘技术应用到数据仓库的分析可以有效地从数据仓库中挖掘出有价值的东西,从而有利于辅助决策。
二、房地产投资决策系统的相关技术
传统的决策支持系统是利用数据库、人机交互进行多模型的有机组合,辅助决策者实现科学决策的综合集成系统。
自从决策支持技术形成以来,在全世界得到了广泛的应用,但是决策支持在发展中也遇到了一些问题,主要问题有以下几个方面:
(1)DSS使用的数据库只能对原始数据进行一般的加工和汇总,而决策支持涉及大量历史数据和半结构化问题,传统的数据库管理系统难以求解复杂的半结构,不能满足DSS的需要;
(2)决策支持系统以集成数据为基础,然而现实中的数据往往分散管理且大多分布于异构的数据平台,数据集成不易;(3)由于决策本身所涉及问题的动态性和复杂性,针对不同的情况应有不同的处理方法,而模型库提供的分析能力有限,所得到的分析结果往往不尽如人意;(4)决策支持系统的建立需要对数据、模型、知识和接口进行集成。
数据库语言数值计算能力较低,因而采用数据库管理技术建立决策支持系统知识表达和知识综合能力比较薄弱,难以满足人们日益提高的决策要求。
数据仓库、联机分析处理和数据挖掘技术,给决策支持系统的发展注入了新的活力,数据仓库、联机分析处理和数据挖掘技术的出现,有利于解决上面传统的决策支持系统所遇到的问题,为决策支持的发展提供了一条新的途径。
(一)数据仓库(DW)技术
信息系统中有两种类型的数据:
操作型数据和决策支持型数据。
前者是由日常事务处理生成的,后者是把前者加工后(清理与集成)形成的。
操作型数据服务于日常事务处理,决策支持型数据服务于信息增值。
目前,理论界把存有决策支持型数据的系统称为数据仓库。
当需要为决策部门提供及时、准确、详细和可靠的风险信息时,海量数据的存储与加工便成为首要问题,而这正是数据仓库的专长。
(二)联机分析处理(OLAP)
OLAP是一种决策分析工具,它是针对特定问题的联机数据访问和数据分析而产生的一种技术,它可以根据分析人员的要求,快速、灵活地对大量数据进行复杂地查询处理,并以直观的、易理解的形式将查询结果提供给各种决策人员,从而得到高度归纳的信息。
OLAP是基于数据仓库的信息分析处理过程,是数据仓库的用户接口部分。
通过OLAP这种独立于数据仓库的分析技术,决策者能灵活地掌握项目进度的数据,以多维的形式从多方面和多角度来观察项目进度的状态、了解项目进度的变化。
OLAP技术分析方法有切片、钻取、维度自由组合、图标自由切换,并可形成表现友好、丰富的报表结果。
(三)数据挖掘(DM)技术
数据挖掘可以称为数据库中的知识发现,是从大量数据中提取出可信、新颖有效并能被人理解的模式的高级处理过程,是数据库技术、人工智能、神经网路、机器学习等领域的交叉学科。
数据挖掘是一个过程,是从大型数据库中抽取隐藏其中的可理解的可操作的信息,目的是帮助分析、决策人员寻找数据之间的关联,发现被忽略的要素,而这些信息对于决策行为是至关重要的。
数据挖掘常用的技术和算法有决策树、神经网络、概念树、遗传算法、模糊数学、统计分析、可视化技术、粗糙集、公式发现等。
数据挖掘的作用是可以实现自动预测趋势和行为、关联分析、聚类等。
数据仓库、联机分析处理、数据挖掘是作为三种独立的信息处理技术出现的,但都是以解决决策支持分析问题为主要驱动力量发展起来的,具有一定的联系性和互补性。
其中数据仓库用于数据的存储和组织,联机分析处理集中于数据的分析,数据挖掘则致力知识的自动发现。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 简述 决策 支持系统 功能 结构
![提示](https://static.bdocx.com/images/bang_tan.gif)