决策问题没有固定的规律和解决方法，复杂的决策问题甚至难以建立精确的数学模型，所以单纯依靠决策者的主观判断很难及时提出科学的决策方案。传统的决策支持系统（DecisionSupportsSystem，简称DSS）进行了研究，在一定程度上成功的解决了部分半结构化和非结构化决策问题。但随着决策问题的复杂程度和难度日渐加大，传统的DSS己经不能满足高新技术的要求。

伴随着计算机和网络技术得到了飞速发展，智能化和网络化成为DSS的发展趋势。许多先进的人工智能（ArtificialIntelligent，简称AI）技术如机器学习、知识表示、自然语言处理、模式识别以及分布式智能系统等都被融入到DSS的研究中，形成了智能决策支持系统（IntelligentDecisionSupportsSystem，简称IDSS）。IDSS是界面友好的交互式人机系统、具有丰富的知识，具备强大的数据信息处理能力和学习能力以及更加符合人类智能的科学决策的能力。在网络化的今天，互联网技术完善了IDSS的功能并大大扩展了IDSS的应用范围。

一、智能决策支持系统

决策支持系统是以信息技术为手段，应用决策技术及有关学科的理论和方法，针对某一类型的半结构化和非结构化的决策问题，通过提供背景材料、协助明确问题、修改完善模型、列举可能方案、进行比较等方式，为管理者做出正确的决策提供帮助的信息系统。决策过程本身是人类的一种智能活动，决策支持系统能够越大程度的模拟人类智能，就能够越科学的做出决策方案。要使系统具有智能，必须提供大量高性能的关于某个问题领域的具体知识，智能决策支持系统的开发和研究正是向这种基于知识的方法转变的结果。IDSS的基本结构有如下三种：

1、基于X库的结构

基于X库的IDSS是在传统DSS的“两库”结构上增加知识库、文本库等。但是增加X库的数目就意味着增加了系统中知识表示的复杂性以及各库之间接白的处理难度，所以这种结构的局限性很大，并非真正意义上的IDSS，在实际中很少应用。

2、基于知识的结构

基于知识的结构就是LPK系统结构，它由语言子系统（LS）、知识库子系统（KS）和问题处理子系统（PPS）组成。这种结构突破了传统DSS的模式，语言系统负责传递信息，知识库系统存储领域知识（模型也被看作知识），问题处理系统接收语言系统描述的问题，然后利用统一的知识推理机制进行模型的智能化选择，提供问题的解决方案。这种IDSS结构以知识库及其管理系统为核心，关键技术是知识的表示和处理以及自学习能力。这种结构的优点是便于知识库的维护以及数据与信息的交换，可真正实现IDSS优势互补的主导思想。

3、基于分布式人工智能的结构

随着计算机和人工智能技术的发展，IDSS的研究重心也由专家型IDSS逐步转移到IDSS的模型系统、人机界面、知识处理单元和分布式IDSS等方面的研究。分布式IDSS在基于知识的IDSS的基础上引入了分布式人工智能（DistributedArtificialIntelligence，DAI）技术，其主要思想是利用DA工中的Agent和多Agent系统技术，即根据IDSS中的主要功能模块设计出扮演不同角色的Agent作为模块的智能代理，通过自学习机制模拟人类智能完成决策任务的不同步骤，从而做出科学决策。分布式IDSS主要设计和建立大型的、复杂的互联网支持的协同工作的智能决策支持系统。可以说是IDSS未来的发展方向。

二、互联网上的智能决策支持系统

基于互联网的智能决策支持系统是一个基于Internet技术的集数据仓库技术、OLAP技术、数据采掘技术与专家系统于一体的智能决策支持体系。数据仓库以及基于Web的数据采掘技术的引入是基于互联网的IDSS区别于一般IDSS的关键特征之一，其目标是在广域网络上实现决策支持。强大的Internet使得IDSS摆脱了地域和开发成本方面的限制，为决策支持系统的实施提供了更广阔的基础环境和更良好的发展平台。互联网上的IDSS具有如下优越性：

1、具有庞大的信息资源库，具备多源数据信息处理能力

在技术不断更新的条件下，准确数据信息和高效率的工具是决策者以更低的成本、更加快捷的方式做出及时的科学决策的前提与保证。互联网是辅助决策过程的最理想的载体，信息的智能搜索与知识自动挖掘将使决策者获得更多的可利用的信息。

2、交互的集群决策处理平台

复杂的决策需要搜集系统反馈信息进行预测，有时需要决策者之间的远程协商。强大的信息库和知识库、智能的知识挖掘使以及安全高效的实时控制与决策，使得基于互联网的IDSS可以真正实现远程多方协作的广域集群决策。

3、界面友好的客户端管理

用户向系统输入参数或请求信息时，互联网上的IDSS支持图形用户界面，客户端管理更加友好，同时系统的响应速度加快，维护和管理简化，系统的应用范围得到很大拓展。

三、基于互联网的分布式IDSS的结构框架

基于互联网的IDSS系统是在多Agent理论的指导下建立的，其主要实现模块可以分为以下几个方面：

1、浏览器服务器的设计

对浏览器端，基于互联网的分布式IDSS的客户服务主要面向具有WWW浏览功能的恶客户端。客户首先利用动态HTML或Java编写的Web页面向服务器端传送决策结果的数据更新请求。通过确认后，系统自动启动相关的任务模块，调用数据、模型和方法等问题领域知识。通过浏览器，决策者从系统后端获得信息查询、知识获取和再现分析处理等服务。客户端使用标准化的浏览器界面，具有访问局部或远程多个关联数据库的能力。动态页面丰富的数据信息表达能力以及它与后端服务器系统的数据交互能力是关键问题。

服务器端，以系统的数据仓库和知识库及其管理系统作为决策支持的基础，进行数据抽象、知识挖掘以及信息的处理，并作为智能中介与WebServer进行交互。

2、功能模块的设计

系统有四个主要部分组成，分别为：信息处理子系统（IS）、知识处理子系统（KS）、问题处理子系统（PPS），以及人机接口子系统。其中，信息处理子系统负责数据信息的智能处理，知识处理子系统负责知识的获取和求精，问题处理子系统负责分配任务和协调系统，人机接口负责用户与系统的交互。在用户输入参数数据时，系统同时进行分析处理，而且可以在用户等待期间显示相关信息或中间结果，这样就大大提高了系统响应速度。

3、Agent的设计

对于基于互联网的IDSS而言，其实现系统的关键技术是多Agent技术，即利用不同角色的Agent作为完成不同功能模块的智能代理，用户提出高层次的复杂任务请求交由不同的Agent通过搜索和推理来实现。Agent允许用户请求中的模糊、遗漏甚至错误；能够通过观察自动建立用户模型并按照用户的工作模式完成任务，还可以通过辅导和帮助用户进行操作。

·任务Agent：负责协调所有的Agent的工作，实现系统的集中控制。系统首先形成问题求解规划，与其他Agent交换信息后启动任务Agent并为其他Agent指定任务，分配资源，以及协调所有Agent最优化的共同实现决策目标。这种集中控制方式较为简单，但大量系统信息都要经过任务Agent，容易形成问题求解的瓶颈。

·接口Agent：负责与用户的交互。它可以协助用户处理各种专门的应用，负责接受用户指令，传送相关信息，建立模型后启动任务Agent，在问题求解过程中，要求用户提供附加的信息，必要时会请求用户确认。

·信息Agent：负责处理数据信息并协调系统与用户之间以及Agent之间的通信，可以访问种类不同、位置不同的信息，具备数据挖掘功能，能够根据用户或其他Agent的需要自动获取和处理相关信息。

·知识Agent：负责系统的学习系统，强调的是自学习能力。知识库中自动存储用户行为和决策问题的应用领域与解决方案。智能自学习Agent无需指导，可以通过观察学习，自动建立和维护知识库。知识库存有适应特定领域的互联网IDSS的程序和算法，系统通过搜索具体路径，按照用户请求或者系统缺省的方式调用合适的路径选择并执行模型。

以上提及的四种Agent为基于互联网的IDSS中所必需的Agent，对于特定的需求和应用环境，系统的构建还需要因时制宜、随需而变。

将决策支持系统与人工智能技术和互联网相结合，大大提高了传统决策支持系统的灵活性和可扩展性。结合数据发掘技术、知识发现技术、模糊处理技术和超文本远程通信技术等先进技术手段，互联网上的IDSS成为了学习能力和适应能力较强的交互式人机系统，这也成为当前决策支持系统的主流发展模式。

来源：AMT