浅谈人工智能在决策支持系统中的应用与发展

2009 年 第1 期 物流工程与管理 第31 卷 总第175 期 LO G IS T IC S E N G IN E E R IN G A N D M A N A G E M E N T
【收稿日期】2008-11-13
【作者简介】赵 宇，武汉理工大学管理学院2006 级硕士研究生，研究方向：企业战略管理。
经济与管理
浅谈人工智能在决策支持系统中的应用与发展
□ 赵 宇
（武汉理工大学 管理学院，湖北 武汉 430070）
【摘 要】文中首先介绍了人工智能（A I）及决策支持系统（D SS）的定义，针对其局限性提出了人工智能与
决策支持系统的结合，然后分述了专家系统（ES），机器学习（R L）及智能体（A gent）在决策支持系统中的应用，
最后进一步阐述了ID SS 的发展方向。
【关键词】人工智能；决策支持系统；智能决策支持系统；发展
【中图分类号】 TP389.1 【文献标识码】 A 【文章编号】 1674-4993（2009）01-0085-02
Research on the application of AI in DSS
□ ZHAO Yu (School of Management Wuhan University of Technology，Wuhan 430070,China )
【Abstract】This article first introduces the definitions of Artificial Intelligence (AI) and Decision
Support System (DSS) and raises its limitations of AI and DSS. Then it describes the application of the
expert system (ES), machine learning (RL) and Agent (Agent) in the DSS, and finally further elaborates
the development of IDSS.
【Key words】AI;DSS;IDSS;development
1 人工智能（AI）及决策支持系统（DSS）概述
人工智能(Artificial Intelligence), 英文缩写是 AI。人
工智能是一门综合了计算机、生理学、哲学的交叉性学科, 是
一门极富挑战性的学科。人工智能研究的是使机器能够胜任
一些需要人类只能才能完成的复杂工作, 人工智能机器人的
诞生是人工智能操作的里程碑, 是人类经过无数的实验而成
功运用人工智能创造的结晶。
决策支持系统（Decision Support System——DSS）
是80 年代迅速发展起来的新型计算机学科。DSS 是利用数
据库、人机交互进行多模型的有机结合，辅助决策者实现科
学决策的综合集成系统。DSS 实质上是在管理信息系统
（MIS）和运筹学（OR）的基础上发展起来的。DSS 有以
下功能：①解决高层管理者常碰到的半结构化和非结构化问
题；②把模型或分析技术以传统的数据存储和检索功能结合
起来；③以对话方式使用决策支持系统；④能适应环境和拥
护要求的变化。
2 AI 技术与DSS 的结合
传统的 DSS 使用数据模型和数值计算方法来辅助决
策，具有无法表示复杂决策过程的局限性，随着AI 技术的发
展，专家系统(Expert System，简称ES)的出现，1981 年
Bonczek 等人提出将DSS 与ES 相结合，分别发挥DSS 数
值分析与 ES 符号处理的特点，将定性分析和定量分析有机
结合，使其能够进行知识处理，以方便、准确地模拟客观世
界，全面地反映决策过程，从而有效地解决半结构化问题，
行成最初的IDSS。
IDSS 具有以下一些特点：
①具有友好的人机接口，如能够理解自然语言，具有模
型运行结果的解释机制，能够以简单、明了的方式向决策者
解释问题求解结果，并能对结果进行分析。
②能对知识进行表示与处理，可以有效提供关于模型构
造知识、模型操纵知识以及求解问题所需的领域知识。
③具有智能的模型管理功能：除支持结构化构模外，还
应提供模型自动选择、生成等功能，将模型作为一种知识结
构进行管理，简化各子系统间的接口。
④系统应该具有学习能力，以修正和扩充已有知识，使
问题求解能力不断提高。
⑤综合运用人工智能中的各种技术，对整个 IDSS 实行
统一协调、管理和控制。
AI 是让计算机来模拟人类智能，由于模拟途径的不同，
产生了不同的AI 理论和技术：人工智能的符号机制，后发展
成ES；Agent 技术和理论，机器学习理论，自然语言理解等
人工智能技术，将上述不同的AI 技术与DSS 相结合，形成
不同形式的IDSS，下面分析其主要研究成果。
2.1 基于ES 的ID SS
专家系统（ES）是目前 AI 中应用较成熟的一个领域，
一般由知识库、推理机及数据库组成，它使用非数量化的逻
辑语句来表达知识，用自动推理的方式进行问题求解，而
DSS 主要使用数量化方法将问题模型化后，利用对数值模型
的计算结果来进行决策支持。
将 DSS 和 ES 集成，把 ES 的知识处理融入 DSS，使
86 物流工程与管理 第31 卷
DSS 具有一定的智能性，解决了很多领域的实际问题，如医
学、教育、商务、设计和科学研究等。但是 ES 的发展遇到
很多困难：知识的获取具有“瓶颈”问题，专家能够有效地
解决实际问题，但知识表达较困难、知识的系统整理也较困
难，形象和逻辑思维也难以用语言表达，这使知识的获取受
到极大限制；知识的表达要求非常准，当知识库进行扩充时
需进行知识一致性处理；ES 缺乏人类特有的直觉判断，根据
经验学习的能力较差。这此问题限制了 ES 的发展，同时也
制约了基于 ES 的 IDSS 的发展，为了使 IDSS 能够获取和
精确与决策过程直接相关的知识(例如关于模型的知识、领域
的知识和模型操纵知识等)，具有一定的适应性和演进能力，
使其在不断的使用过程中积累经验而改善自身性能，有必要
将人工智能中的机器学习引入IDSS。
2.2 基于机器学习的ID SS
机器学习(machine learning)是研究计算机怎样模拟
或实现人类的学习行为，以获取新的知识或技能，重新组织
已有的知识结构使之不断改善自身的性能。它是人工智能的
核心，是使计算机具有智能的根本途径，其应用遍及人工智
能的各个领域，它主要使用归纳、综合而不是演绎。通过在
数据中搜索统计模式和关系，把记录聚集到特定的分类中，
产生规则和规则树。这种方法的优势在于不仅能提供关于预
测和分类模型，而且能从数据中产生明确的规则，如常用的
递归分类算法，通过逐步减少数据子集的熵，把数据分离为
更细的子集，从而产生决策树，决策树是对数据集的一种抽
象描述，可以作为知识进行推理使用，机器学习由于能自动
获取知识，在一定程度上能解决专家系统中知识获取“瓶颈”
问题。Holsapple 等将机器学习作为一个新的元件加入到由
问题处理子系统、语言子系统和知识子系统组成的传统决策
支持系统框架中，对决策支持系统知识库进行求精，以加强
决策支持系统适应问题的能力。
机器学习在 IDSS 中的应用还有很多问题有待于进一步
的研究，如有效的学习算法探究，神经网络、模糊逻辑、遗
传算法、粗糙集理论等也被广泛应用于机器学习。
2.3 基于A gent的ID SS
Agent 是目前AI 领域的研究热点，主要有智能型Agent
研究、Multi-Agent 系统研究和Agent-oriented 的程序设计
研究三个方面，知识、目标和能力是Agent 本身具有的三个
要素。知识是Agent 对其周围环境和要求解的问题的某种描
述，目标是 Agent 解决问题能所能达到的程度，能力就是
Agent 自身具有的解决问题的技能。
根据系统的需求，可以将 Agent 分为以下四种：界面
Agent 和信息Agent、移动Agent 和协作Agent。
3 IDSS 的发展方向
3.1 注重基于知识的人机交互
决策支持系统强调决策过程的交互性，对人机对话系统
有较高的要求，长期以来，人们对数据、信息和知识的认识
仅限于数据——信息——知识的单链条关系，实际上，从数
据中获得信息，再从信息中获得知识，仅仅是决策过程的开
始，对数据、信息和知识的关系的研究表明，对其它关系的
研究对提高决策质量也具有重要意义。在如何从数据中提取
信息、信息如何呈现给决策者等问题中，知识发挥着重要作
用，对这些问题的研究产生了数据——知识——信息——知
识——数据的循环或网状关系等。
3.2 分布式并行化决策求解
决策环境的复杂性常常会超出人的求解能力，促使研究
者抛开传统的模型求解方法，转而寻求新的技术。 同时技术
的不断进步，尤其是IT 的进步，也在为IDSS 的研究提供更
为有力的手段和工具。目前随着计算机网络的发展，决策环
境出现了新的特点：分析、决策中使用的数据不再集中于一
个物理位置，而是分散到不同的地区、部门；运行在
Internet/Intranet 环境里的分析、决策模型及知识处理方法
也从集中式处理发展为在网络环境下的分布、或分布再加上
并行的处理方式。
同时，决策的可行解本身也存在计算效率问题，有时候
IDSS 的顺序计算结构也会成为决策的瓶颈。 对复杂决策问
题的并行求解已得到广泛关注，分布式数据仓库、分布式决
策处理的研究以及分布式人工智能技术的应用、并行决策计
算等已成为新的研究热点。
3.3 注重各种相关技术的集成应用
IDSS 的核心是知识和知识处理。 决策中用到的知识
总是和特定应用领域相关，不同的领域对知识的表示和处理
具有不同的特点，不同智能决策方法有其特点和适用范围，
方法的综合成为提高系统决策能力的重要途径。同时，决策
信息来源的多样性对信息融合也提出了新的要求。如何综合
来自不同方面的信息为一个决策目标服务是决策中的常见问
题，经历了从简单叠加到优化的线性组合的过程，采用逻辑、
线性优化、决策树和神经网络等可以实现不同层次的信息融
合，目前采用证据理论、 贝叶斯网络等不确定性推理技术进
行信息融合也取得了一些成果，这一领域的更高目标是要寻
找更为一般的知识表示和推理算法。
4 结束语
智能性和决策支持是当今 IDSS 的两大特性 。随着 AI
领域中新技术的不断发展，如何把 ES 、Agent、机器学习
等优点有机的结合起来应用于 IDSS 的构建中，是 IDSS 今
后发展的重要问题之一。
[参考文献]
[1] 汪敬贤. 浅谈人工智能的应用与发展[J].科技信息,
2006,(2).
[2] 王洪璋. 浅谈信息时代人工智能的应用与发展[J].人工智
能及识别技术,2007,(3).
[3] 陈文伟. 决策支持系统及其开发[M ],北京:清华大学出版
社,2004.