您现在的位置: www.cabet888.com > www.cabet88.com > www.cabet88.com

    决策阐发_图文文库

    发布时间:2019-07-28

        第七章 决策阐发 郭云涛 西北工业大学办理学院 次要内容 一、决策阐发框架 二、不确定型问题的决策 三、风险型问题的决策——决策树 四、效用理论 五、决策支撑系统 一、决策阐发概述 ? 决策是一种过程:谍报勾当、设想勾当、抉择 勾当、实施勾当 ? 决策分类: 确定型:对将来环境能够获得切确、靠得住的数据 风险型:将来有几种可能的形态和响应后果,其出 现的概率能够预测 不确定型:将来可呈现的形态和后果难以估量 ? 决策阐发是为处理风险型和不确定型问题供给 一套推理方式和逻辑步调。 决策阐发框架 确定布局 评定后果 评定不确定要素 评价方案 活络度阐发 收集消息 选择方案 决策阐发框架 ? 确定决策模子布局:确定决策过程的阶段、响应 的消息、各阶段的形态和备选方案以及他们 间的条理布局关系 ? 评定后果:估量备选方案正在分歧形态下所付 出的价格和取得的收益后果值 ? 评定不确定要素:估量将来中各类形态呈现 的概率 ? 评价方案:按估量的后果和概率计较备选方案的 效益(效用)目标,按照效益(效用)最大者为 最优方案 决策阐发框架 ? 活络度阐发:因为后果值和概率的客不雅性 和不确定性,确定决策模子中参数的变化 范畴 ? 收集消息:对活络度高的参数需收集更多 消息进行研究,但考虑消息价值问题 ? 选择方案 二、不确定型问题的决策 ? 决策者按照本人的客不雅倾向进行决策,根 据决策者客不雅立场分歧有以下五种常用的 决策原则和方式: 悲不雅从义原则 乐不雅从义原则 乐不雅系数原则 最小机遇丧失原则 等可能性原则 悲不雅从义原则 ? 从各方案的最小益损值当选择最大的,也称“小 中取大”法,是一种满有把握的保守型决策者的 选择原则。 ? 例如: S1 200 300 425 S2 125 200 210 S3 45 -50 -75 S4 -25 -175 -200 A1 A2 A3 乐不雅从义原则 ? 决策者对客不雅环境老是抱乐不雅立场,从各 方案最大益损值当选择最大的,也称“大 中取大”。是一种偏于冒进的决策原则。 ? 例如: S1 200 300 425 S2 125 200 210 S3 45 -50 -75 S4 -25 -175 -200 A1 A2 A3 乐不雅系数原则 ? 一种折衷原则,决策者对客不雅前提的估量既不乐 不雅也不悲不雅,从意一种均衡,用一个乐不雅系数α (0≤α≤1) ,计较各方案的折衷益损值,从当选 取最大的。 ? 例如: S1 200 300 425 S2 125 200 210 S3 45 -50 -75 S4 -25 -175 -200 α=0.7 132.5 157.5 237.5 A1 A2 A3 最小机遇丧失原则 ? 决策者一般易于接管某形态下收益最大的方案, 但因为无法预知那一形态必然呈现,当决策者没 有采纳收益最大的方案,就会感应悔怨,最大收 益值取其他收益值之差做为悔怨值或机遇丧失值, 然后按悲不雅从义原则决策。 ? 例如: S1 225 125 0 S2 85 10 0 S3 0 95 120 S4 0 150 175 A1 A2 A3 等可能性原则 ? 决策者不克不及必定那种形态会呈现,采纳厚此薄彼 的立场,认为呈现的可能性相等,有n个形态,其 呈现的概率均为1/n,计较各方案的期望最大收益 值,从当选取最大的。 ? 例如: S1 200 300 425 S2 125 200 210 S3 45 -50 -75 S4 -25 -175 -200 ER 86.25 68.75 90 A1 A2 A3 三、风险型问题决策 ? 风险型决策也称随机型决策或统计型决策 ? 最大可能性法 ? 最大期望收益原则(Expected Monetary Value, EMV) ? 最小机遇丧失原则(Expected Opportunity Loss, EOL) ? 决策树法 最大可能性法 ? 从可能呈现的形态中,选择一个概率最大的形态进行决策, 而不考虑其他形态,问题为确定型决策 ? 使用前提:正在收益矩阵中的元素不同不大,而各形态中某 一形态的概率较着地大的多;若是各形态概率很接近,而 益损值相差较大时,不宜采用。 甲 乙 丙 丁 S1 (0.1) S2 (0.8) S3 (0.1) 40 60 15 50 40 30 60 40 10 50 30 5 EMV和EOL ? 决策方针考虑的是收益值,计较各方案的 期望收益值,从当选择期望收益最大的。 ? 决策方针考虑的是丧失值,计较各方案的 期望丧失值,从当选取期望丧失最小的。 决策树法 ? 描述多级决策(序列决策)的东西 ? “?”暗示决策节点,从它引出的分枝为方案枝, 分枝数量取方案数量不异,分枝上要说明方案名 称。 ? “O”暗示形态节点,从它引出的分枝为形态分枝 或概率分枝,分枝数量取可能呈现的天然形态数 量不异,分枝上要说明形态呈现的概率。 “△ ”暗示成果节点,分歧方案正在各类形态下所取 得的成果(益损值),标注正在成果节点的左端。 决策树 A1 A2 A3 S1 S2 S3 1级决策 2级决策 决策树举例 ? 有一钻探队做石油钻探,能够先做地动试验,费 用为0.3万元/次,然后决定钻井取否,钻井费用 为1万元,出油收入为4万元。按照汗青材料,试 验成果好的概率为0.6,欠好的概率为0.4;成果 好钻井出油的概率为0.85,不出油的概率为0.15; 成果欠好钻井出油的概率为0.1,不出油的概率为 0.9。也可不做试验而间接凭经验决定能否钻井, 这时出油的概率为0.55,不出油的概率为0.45, 试用决策树进行决策。 决策树计较 2.4 1.44 1.2 试验 -0.3 不试验 1.2 2.2 0.55 0.45 好 0.6 钻井 -1 不 3.4 0.85 不出油 4 0 0 0.15 欠好 0 0.4 0.4 0.1 0.9 4 0 0 4 0 0 结论:不试验间接钻井,期望收入为1.2万元。 会商 ? 某企业对产物出产工艺进行改良,提出两个方案:一 是从国外引进出产线,另一是自行设想出产线。引进 投资较大,但产质量量好成本低,成功率为80%;自行 设想投资相对较小,产质量量也有必然成本也较 低,只是成功率低些为60%。进一步考虑到无论引进还 是自行设想,出产能力都能获得提高。因而企业又制 订了两个出产方案:一是产量取过去连结不异,一是 产量增大。为此又需要决策,最初若引朝上进步自行设想 不成功,则企业只能采用原工艺出产,产量连结不变。 企业筹算该产物出产五年,按照市场预测,五年内产 品价钱下跌的概率为0.1,不变的概率为0.5,上涨的 概率为0.4,通过估算各类方案正在分歧价钱形态下的益 损值如表所示,试用决策树进行决策。 状 态 概 率 按原工艺出产的益损值 价跌 0.1 -100 价平 0.5 0 价涨 0.4 125 引进 产量不变 (成功0.8) 产量添加 产量不变 自行设想 (成功0.6) 产量添加 -250 -400 -250 -350 80 100 0 -250 200 300 250 650 贝叶斯决策(前提概率) ? 多级决策中,各类形态之间是相关的,其 呈现的概率是前提概率。 ? 为了精确预测各类形态呈现的概率,一般 需要将某形态当作于其他形态,将条 件概率简化为非前提概率,给出最初一级 决策可能呈现形态的概率,称为先验概率, 然后通过试验或其他手段获取新消息,用 贝叶斯批改先验概率,从而为后 验概率(前提概率)。 举例 ? 某石油公司考虑正在某地钻井,成果可能呈现三种环境: 无油(0.5)、少油(0.3)、富油(0.2),钻井费用为7万 元,如少量出油可收入12万元,大量出油27万元,不 出油收入为零;为了避免盲目钻井,能够先辈行勘察 试验以领会地质布局环境,勘察费用为1万元,勘察结 果可能会是:地质构制差、构制一般、构制优良,根 据过去的经验,地质构制取油井出油的关系如表所示, 试用决策树进行决策。 P(θk/Si) 无油(S1) 少油(S2) 富油(S3) 构制差(θ1) 一般(θ2) 0.6 0.3 0.3 0.4 0.1 0.4 优良(θ3) 0.1 0.3 0.5 ? 按照全概率公式有:P(? k ) ? ? P( S i) P(? k S i ) i ?1 3 ? P(θ1)=0.41 ,P(θ2)=0.35 ,P(θ3)=0.24 ? 按照贝叶斯公式有:P(S ? ) ? i k P( S i ) P(? k P(? k ) S) i P(Si/θk) 无油(S1) 0.7317 构制差(θ1) 0.4286 一般(θ2) 0.2083 优良(θ3) 少油(S2) 0.2195 0.3428 0.3750 富油(S3) 0.0488 0.2286 0.4617 活络度阐发 ? 某工程预备施工,需要决策下个月能否开 工,开工后气候好可按期落成,获利5万元, 气候欠好丧失1万元;如不开工非论气候好 坏,均需领取窝工费0.1万元,按照景象形象统 计材料,下个月气候好的概率P=0.2,试进 行决策。 ? 如下个月气候好的概率P=0.1,试进行决策。 转机概率 ? 方案可能呈现的形态的概率会导致最优方案的变 化,使最优方案发生变化的概率称之为转机概率 ? 正在上例中: ? P×5+(1-P)×(-1)=P×(-0.1)+(1-P) ×(-0.1) ? 得P=0.15 ,则转机概率为P=0.15 ,当P大于0.15 时,开工方案比力合理;当P小于0.15时,不开 工比力好。 消息价值阐发 ? 正在活络度阐发后,有些环节形态的概率有时灵 ? ? ? ? 敏度很高,需要进一步收集消息,提高先验概 率的精度,来更精确靠得住地评定这些参数。 进一步收集消息需要进行“查询拜访研究”,通过 收集样本、统计阐发取得更靠得住的消息。 “查询拜访研究”所获得的征询消息一般都有误差, 调研成果要考虑其失误的可能性 “查询拜访研究”需要费用,不管征询成果能否有 用,都得付费,因而正在调研前要考虑所获得的 消息用处多大,即消息的价值阐发。 为了权衡调研人员供给消息的用处大小,一般 按照汗青材料,用该人员(单元)过去供给正 确或不准确消息的概率来暗示。 举例 ? 某超市欲正在某小区附近设立一分店。设立 分店有三种可能的后果:I—亏本额每年增 加到300万元,P—维持不设分店的环境赢 利100万元,R—吃亏300万元。各类后果出 现的概率经阐发判断,估量为0.2、0.5、 0.3,试进行决策。 举例 ? 画出决策树,按照期望收 益值最优原则,将选择设 分店方案,期望收益为20 万元。 ? 如三种后果的概率为0.2、 0.4、0.4,则设分店就会 吃亏20万元,因而不设分 店为好。最优决策对设定 的概率值很活络,需要进 一步进行市场研究,以使 概率值精度更高些。 ? 请征询公司来进行市场查询拜访,决策者但愿征询 公司供给将来呈现I、P、R中的何种形态。 ? 起首要考虑能否请征询公司进行市场研究?考 虑该公司相关市场研究成功率。征询公司研究 成果所供给的消息为:对设立新分店的方案是 同意仍是否决。 ? 按照汗青材料连系本来估量的先验概率,能够 获得:如未来亏本,征询公司给出同意或否决 的概率是几多? 形态 I P R 同意 P(F/I)=0.8 P(F/P)=0.5 P(F/R)=0.1 否决 P(U/I)=0.2 P(U/P)=0.5 P(U/R)=0.9 例题阐发 ? 将能否进行市场研究做为 第一级决策,征询公司赞 成或否决做为决策后的两 种形态。正在本来决策树基 础上,添加一级决策,构 成增广决策树。 ? 获得进行市场研究后期望 收益值为64万元,取无市 场研究的期望收益值之差 为44万元——是市场研究 供给消息的价值,此值是 决策者可能付给市场研究 的最大费用。 全消息价值 ? 如现正在颠末市场研究能够切当地估量将来到底 发生I、P、R中何种形态,则称之为完全消息。 ? 如预测将来必然呈现I或P,则采纳设立分店方 案,如预测成果是R,则放弃设分店方案,相 应的收益为:300万元、100万元、0;三种状 态的先验概率为:0.2、0.5、0.3。 ? 则利用完全消息后的期望收益值为110万元, 此值为确定前提下的期望价值,此值取无市场 研究环境下的最优期望收益值之差称为完全信 息的价值。市场研究结果再好,决策人付出的 征询费也不成能大于此值。 四、效用值理论 ? 决策原则 ? 可传送性 ? 性 ? 期望收益值的缺陷 ? 后果多样性 ? 决策者的价值不雅 ? 需要一种能表达人们客不雅价值的权衡目标,并能 分析权衡各类定量和定性的后果 ? 如许的目标没有同一的客不雅标准,一视同仁,视 小我的经济、社会和心理前提而定 伯努利期望效用值理论 ? 效用值:人们正在具有财富几多纷歧的前提 下,添加同样的财富所感遭到的效用值是 分歧的,随财富的添加效用值老是正在添加, 但增加率是递减的 ? 买彩券:5(500)元一张,0.5概率中得 10(1000)元,期望收益值为零; ? 问题:若何遵照准绳求得效用值? 冯诺曼-摩根斯坦期望效用值理论 ? 定义了计量效用值,使效用值的计较成为 现实 ? 正在“伯”的根本上提出,针对风险情况下 财富的价值,而“伯”的是针对确定情况 下财富的价值而提出的 事态体 ? 风险决策的根基表达符号 ? 暗示形态节点,各条射线暗示可能呈现的 形态,P1,P2,…,Pm和C1,C2,…,Cm暗示响应 的概率和后果值 ? 事态体的表达式为[P1C1,P2C2,…,PmCm] ? 如m=2,则[C1P,C2(1-P)] 为尺度事态体, P暗示较优后果值呈现的概率 事态体 等价确定值 ? 风险事务取确定型事务之间的桥梁(联系) ? 有两种方案:A1 :有0.5的概率赢500元,0.5的概率无输 赢;A2 :无论若何都赢200元,哪个为优? ? 能否选择A1 取决于取另一个收益为确定值的方案的比力, 此确定值正在500—0元之间,从必定选择A1 到必定不选择 之间,有一确定值即转机点 ? 从决策者的优先不雅念看:此转机值就是事态体A1 方案的 等价简直定值,称为等价确定值 ? 若是等价确定值为200元,即为方案A2 则A1和A2 等价; 如A2 后果值改为205元,则A2>A1 ;如为195元,则A1> A2 辨 ? 通过“两两比力”的 方式辨明事态体优先 次序(现实上是判断 者的偏好挨次)就是 辨优 ? 两两比力中,一方优 于另一方,记做X> Y ;等价关系记做: X~Y 优 辨优过程 ? 轮盘赌:指针正在赢区将博得100元,正在输区则输 ? 100元,赢的概率为P,输的概率为(1-P) 或人现有财富为A,若是参取不参取轮盘赌的两 种方案是等价的,意味着此人原有财富的效用值 和参取后事态体的效用值是一样的,即:U(A) ~ PU(A+100)+(1-P)U(A-100) U(A) >PU(A+100)+(1-P)U(A-100) ,则不参取 U(A) <PU(A+100)+(1-P)U(A-100) ,则参取 明显P有一个下限值,此时辨优式取等号,通过 计较等价确定值确定 ? ? ? 辨优提问模式 ? 效用值正在现实中:最小效用值U(0)=0 ,最大效用 值U(M)=1 ,M为决策人可能具有的最大财富 ? 对于肆意财富X的效用值通过辨优提问估量: “若是事态体有P的概率呈现后果M,(1-P)的 概率呈现后果0,概率P的数值应为多大才能认为 此事态体和确定的即呈现概率为1的财富X等价”? 即:U(X)~PU(M)+(1-P)U(0)=P ? 财富X的效用值等价于事态体较优后果呈现的概 率 ? 通过插点法能够绘制效用曲线 效用曲线性质阐发 ——稳沉型效用曲线 ? 稳沉型效用曲线 ,曲线形 状随财富X的添加而趋于扁平,即跟着财富 的增加,附加财富带来的满脚程度逐步下 降 ? 甲和乙具有同样的效用曲线,甲有财富为A, 乙有财富为B(B>A ),两人都接管同样 的附加收益Y,甲添加的效用值为U1 而乙 为U2 ,明显U1>U2 , ? 甲要参取某项赌博(或者说要采纳某个事态体),其 ? ? ? ? ? 赢输额为Y的概率为P和(1-P),若是采纳此事态体 则需要满脚:PU(A+Y)+(1-P)U(A-Y)≥U(A) 得P的最小容许值为:P=1/2+Z/2Y Z为通过U(A)取DG订交的线段(如图),此线段正在点 U(A) 的左边,因而P总大于1/2 对于一种赢输相等的事态体,只要赢的概率大于1/2, 甲才肯采纳,像甲这类人称为稳沉者 乙现有财富较多,处于曲线曲率较小部门,Z值较甲要 小,申明乙并不像甲那样大的概率才同意采纳 ;若处 于效用曲线尾部的曲线就采纳 看待同样的事态体,财富越多的人,就不那么严酷地 持稳沉立场了 效用曲线 效用曲线性质阐发 ——冒险型效用曲线 ? 冒险型效用曲线:曲线为凸(呈碗状) ? Z线段处于U(A) 点的左边,最小可接管的概 率为P=1/2-Z/2Y ? 持如许立场的人可以或许接管P小于1/2的赢输 额相等的事态体 ? 一些小企业从,创业时(或处于较穷困情 况)情愿冒风险,而具有必然规模后又变 的稳妥,这种环境下效用曲线为组合曲线 夹杂型效用曲线 财富效用函数的推导 ? 推导某企业(现实上是该企业的决策者或决策 群体)的效用值曲线 ,按 安全的概念提问: ? 企业可能会有那些丧失? ? 这些丧失发生的概率若何 ? 你情愿为这些丧失安全吗?你同意付出的最大安全 金为几多? ? 假设发素性灾祸的概率为0.001,企业愿 意为此每年领取4万元安全金 ? 效用值的辨优算式为: 0.001U(0)+0.999U(1500)~U(1496) ? 得U(1496)=0.5994 ? 假设1496万元处于效用曲线的尾部,能够近似当作线X ? 下表给出了一些可能的变乱和发生的概率以及安全金, 表中每一行供给了效用曲线上的一个点,如第一行: 0.005U(1500-50)+0.995U(1500)~U(1500-0.35) ? 即:0.005U(1450)+0.995×0.6=U(1499.65) ,得 U(1450)=0.5999 ? 同理可求的其他各点的效用值,描画出效用曲线 变乱 小厂房火警 厂房爆炸 厂房火警 丧失(万元)概率 安全金(万元) 50 0.005 0.35 100 400 0.001 0.13 0.005 2.8 供应单元中止合同 产物畅销 150 200 0.010 1.8 0.010 2.4 其他效用函数的推导 ? 非货泉单元的和定性目标的效用函数的推 导 ? 推导步调 ?确定对象,弄清对象应付与效用值的属性 ?成立目标标准,选择一种最适合权衡目标的尺 度 ?辨优,将目标怀抱值转换为效用值函数 举例 ? 工场仓库选址,有几个方案供选择,要求 仓库和厂房之间运输货色(物资)时既方 便靠得住又快,用期望效用值原则做为评价 原则对各方案进行评价。 ? 选择仓库和厂房之间距离或两地的车辆行 驶时间做为评价目标 ? 将车辆行使时间目标通过辨优转换为效用 值 ? 选择目标的上限值(X* )、下限值(X0 ) 形成事态体A U(30)=0 ?取最快最慢行使时间,如T* =0,U(0)=1;T0 =30min, ? 选择各类目标值X(概率为1)和事态体A辨优 ?拔取0—30之间的T值和事态体A(0,0.5;30,0.5)进 行辨优 ? 选定决策者认为事态体AX时的X的最大值 用X暗示;选定决策者事态体AX时的最小 值用X暗示 ?T从大到小找到一个T值,设T=14min ?T从小到大找到一个T值,设T=10min ? 正在X~ X范畴内,确定等价目标值X0.5 , 即找一个取事态体A等价的X,它的效用 值为0.5 ?确定T0.5 值,设T0.5 =12min ? 将求出的X0.5 做为下限,形成事态体 (X* ,0.5;X0.5 ,0.5),反复上述步调求得此 事态体的等价确定值X0.75 ? 同理,可求得X0.25 等所对应的值 ? 描画效用值曲线 安全公司运转机理 ? 某企业欲将价值为A的厂房设备申报火警保 险,如安全来岁要付安全金i元,如发生火 灾所失将获得弥补;如不安全,一旦 发生火警则丧失B元(BA)。企业决策者 面对两种事态体,即安全环境下的L0=(A-i,1) 和不安全环境下的L1=[(A-B),pf; A,(1-pf)] , 需要做出决策。(pf 为火警发生的概率) 按期望收益值原则判断 ? 如进行投保,需满脚pf(A-i)+(1-pf)(A-i)pf(AB)+(1-pf)A ? 得pfi/B ,火警发生的概率大于安全金i和火警损 失额B之比时,以加入安全为优 ? 如B为50万元,i为0.1万元,则pf0.002 ,申明火 灾发生的概率大于0.002时才值得安全 ? 但现实中人们的行为并非如斯,即便概率小于 0.002仍是情愿安全,由于人们老是力图满有把握, 情愿付出比期望收益值原则算出的安全金要高的 多的费用 按期望效用值原则判断 ? 如进行投保,需满脚pfU(A-i)+(1-pf)U(A-i)pfU(A-B)+(1? ? ? ? pf)U(A) 得pf[U(A)-U(A-i)]/[U(A)-U(A-B)] 正在稳沉型效用曲线 ,可知pfpf1 投保人按期望收益行事,情愿正在火警概率为pf 的前提下付i 安全金。对安全公司来说收入i=Bpf 现实上绝大大都人按照稳沉型效用曲线处事,情愿正在低于 火警概率pf 的前提下投保,并仍交i数量的安全金,安全公 司天性够正在收安全金i*=Bpf1 的环境下而收用户i元,则 △i=i-i* 被安全公司赔进,用做盈利。 五、决策支撑系统 Decision Support Systems(DSS) ? DSS的定义 ? 决策支撑理论 ? 决策支撑系统的消息组织手艺 一、DSS定义 ? DSS是正在计较机用于办理的过程中降生的 ? 上世纪50年代,计较机次要用于记帐性的数据处置,即电 子数据处置(EDP),方针是节流人力 ? 60年代初,美国粹者提出成立基于计较机的办理消息系 统(MIS)的设想,其根基思惟正在于,切实领会系统中消息 处置的现实环境,正在这一根本上合理地改善消息处置的组 织体例取手艺手段 ? 70年代初 “MIS为什么失败”的会商反思发觉,MIS没有 留意将消息系统取办理决策节制联系正在一路,即没有对领 导决策供给支撑感化。因而,MIS虽然储存了大量消息, 生成了多量的报表,但带来的现实效益很少 ? 完成例行的日常消息处置使命,只是计较机正在办理中阐扬 感化的初级阶段。要想对办理工做做出本色性的贡献,必 须间接面向决策及节制,面向不竭变化的中呈现的不 那么固定的消息要求,从而导致DSS概念的发生 ? DSS被定义为:DSS是一种可以或许帮帮决策者操纵数据和模子, 处理半布局化问题的以计较机为根本的交互感化系统 半布局化问题 ? 美国办理学者西蒙认为,决策问题能够分为两个极端大类,即 布局化(法式化)和非布局化(非法式化)的问题 ? 布局化问题是指正在决策过程起头前可以或许精确识别,可用计较机 实现全数从动化求解的问题。对于布局化问题,决策者关怀的 只是决策制定的效率 ? 非布局化问题具有下列三个方面的特征,非布局化问题,决策 者起首关怀的是决策的效能,只要正在决策合理的根本上, 才能再寻求提高效率 ? 方针不明白且为非操做的,或者方针尚可操做但方针多且相 互矛盾 ? 过后难于确定决策效益变化的缘由,而事前也很难预测决策 者采纳的办法对于决策效益的影响 ? 决策者采纳什么办法合影响决策效益也是不确定的 ? 布局化取非布局化是两个极端,大大都决策问题介于两者之间, 称为半布局化问题。颠末必然的阐发,非布局化问题能够 为半布局化问题 二、决策支撑理论 ? 决策遍及存正在,按照决策者所做决策的范围分歧, 可将决策者分成三类 :专业决策者、办理决策者 和公共决策者 ? 为了使决策发生的后果尽可能地达到抱负的预期 目标,需要决策支撑 ? 计较机正在决策问题求解过程中使用避免了良多沉 复性的脑力劳动,削减了大量单调无味的手工分 析工做 ? DSS应能按照决策者的快乐喜爱和需要供给决策 办事 决策者需要的支撑 ? 决策者正在决策中要依托概念、方针,DSS应供给 ? ? ? ? 决策者熟悉的暗示体例,如图、表等协帮概念的 发生 决策者正在决策过程中,要完成谍报、设想及选择 勾当,因而DSS应供给支撑这些勾当的操做 决策者需要回忆援帮,DSS应供给消息查询,支 持完成决策过程 决策者具有多种技术、气概取学问,DSS应支撑 决策者以本人习惯的体例进行决策 决策者但愿对其决策支撑按小我的志愿进行节制, 因而,DSS应供给援帮,帮帮决策者进行间接的 小我节制 DSS中的人机分工 ? 操纵机械指令成立完成决策阐发所需计较的指令 ? ? 系统,能够反复地进行多方案模仿计较 操纵高级法式设想言语求解问题的法式系统,既 可反复进行问题的求解,也能够对求解成果加上 简单的正文 有组织地存储办理消息,利意图义简明的号令表 示决策支撑的要求,决策支撑系统驱动施行获得 求解的成果 可视对象构制问题求解方案。决策支撑系统正在用 户的不竭交互过程中实现求解方案的施行 用户可控、问题驱动的柔性动态顺应的决策支撑 ? ? 智能决策支撑 ? 可以或许供给决策人员认知顺应的决策支撑称为智能 决策支撑 ,其理论决策支撑系统为决策人员 供给顺应性问题求解支撑的过程、步调及方式 ? 面向决策者的智能支撑过程 ? 高层的公共决策者的智能支撑过程 :问题界定、求解运转及 成果输出 ? 中基层公共决策者和办理决策者的智能支撑过程 :问题界定、 求解方案组织、求解运转及成果输出 ? 专业决策者的智能支撑过程 :功能选择、初始前提取鸿沟条 件的输入、计较或推理施行以及成果输出 ? 面向决策阐发人员的智能支撑过程:问题界定、求解 方案组织、模子生成、求解施行、成果输出及求解学 习 ? 群体决策的智能支撑过程 :决策过程的四个阶段要求 分歧 三、消息组织手艺 ? DSS做为一种消息系统,有其特定的布局特征。 从框架布局方面来看,DSS由言语系统、问题处 理系统及学问系统三部门构成。 ? 按照DSS学问系统的形成特点,Sprague提出了 具有二库布局的DSS :数据库和模子库 ? 后逐步成长为三库、四库、五库等,包罗:学问 库和法则库、方式库、案例库、文本库以及图形 库等 现代DSS布局