决策支持系统试题.pdf

决策支持系统试题决策支持系统试题一、填空题1、一般情况下，DSS 工具可分为两大类：语言类和。外壳类外壳类2、DSS 生成器是由相关的一组软件和硬件组成的模块，其目的是提供迅速而方便地开发SDSS的功能。DSS 生成器只能用来开发。DSSDSS 工具工具3、ROMC 一词来源于四个面向用户目标，即、和控制机构。表达表达操作操作记忆辅助记忆辅助4、决策过程分为、三步。理解理解设计设计选择选择5、决策支持系统的四库一接口是指、数据库、和。知识库方法库方法库模型库模型库人机接口人机接口6、自然语言处理包括四个步骤：查字典、和。句法分析句法分析语义理语义理解解语用分析语用分析7、开发知识库的关键技术是：知识的获取和解释、以及知识库的管理和维护。知识的表示知识的表示知识推理知识推理8、DSS 所必需的三个主要功能是用户与系统间的对话管理、和。数据管数据管理理模型管理模型管理9、DSS 的内部资源主要有四类：硬件、软件、和。模型模型数据数据10、系统的柔性是根据对DSS 用户、任务、环境等因素的观察提出来的概念模式。柔性可分为 4 个层次：求解的柔性、修改的柔性、。适应性柔性适应性柔性 发展的柔性发展的柔性11、在对环境条件和资源可用性之间的关系进行分析时，确定待定问题求解情形中有用的动词和宾语集。请求变换器和对话控制两者应反映这一用户词典。词性特征词性特征12、语义数据模型主要包括E-R 模型、TAXIS 模型、函数模型、SAM*模型、以及 SHM+模型等。RM/TRM/T 模型模型 SDM SDM 模型模型事件模型事件模型二、名词解释1 1、模型、模型：是以某种形式对一个系统的本质属性的描述，以揭示系统的功能、行为及其变化规律。2 2、数据开采、数据开采：就是从大型数据库的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的潜在有用信息，提取的知识表示为概念、规则、规律、模式等形式。3 3、元数据、元数据：是关于源数据的明确信息，它包括从数据源中所抽取数据的民成、数据内容的定义、创建的日期、数据的来源和源点。4 4、知识发现、知识发现：是指识别出存在于数据库中有效地、新颖的、具有潜在效用的、最终可理解的模型。知识发现的整个过程包括在指定的数据库中用数据开采方法提取模型，以及围绕数据开采进行的预处理和结果表达等一系列的计算步骤。5 5、数据仓库、数据仓库：就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。6 6、群决策、群决策：是相对个人而言的，两个或多个召集在一起，讨论实质性问题，提出解决某一问题的若干方案，评价这些策略各自的优劣，最后作出决策，这样的决策过程称为群决策。7 7、分布式决策支持系统：、分布式决策支持系统：是由多个物理上分离的信息处理特点构成的计算机网络，网络的每个结点至少含有一个决策支持系统或具有若干辅助决策的功能。任一实用的DDSS 都包括有机结合起来的硬、软件两部分。8 8、智能决策支持系统：、智能决策支持系统：是 DSS 和 AI 相结合的产物，其设计思想应着重研究把AI 的知识推理技术和 DSS 的基本功能模块有机地结合起来。9 9、决策过程：、决策过程：是人们为实现一定目标而制定行动方案，并准备组织实施的活动过程，这个过程也是一个提出问题、分析问题、解决问题的过程。1010、专用、专用 DSSDSS：专用 DSS 实际上是执行决策支持的系统，它是一种基于计算机的信息系统，但是其特点与数据处理系统完全不同。专用 DSS 包含一组计算机软件和硬件，支持一个或一群决策者，处理一批相关的决策问题。1111、DSSDSS 工具工具：决策支持系统的开发工具是指用于开发DSS 最基础的技术，它包括开发专用DSS 或 DSS 生成器的基本硬件和软件单元。1212、数据库视图：数据库视图：是一种存储辅助，它包含对数据库内数据作分组、子集、聚合的详细说明。这些说明很可能与不同的决策方案有关。决策有时酒杯表述为视图。1313、演绎推理演绎推理：是指由一组前提必然地推导出某个结论的过程。演绎推理是从已知的真理中抽出它所包含的真理。若前提为真，则作为它的一部分的结论必为真，演绎推理并不增加新知识。1414、归纳推理归纳推理：是指以某命题为前提，推论出与其有归纳关系的其他命题的过程，归纳关系可以从特殊到一般，也可以从特殊到特殊。归纳推理能够断定新的内容，增加新的知识。1515、推理机、推理机：是基于知识推理的计算机实现，它包括推理与控制两方面。控制策略决定了对知识进行选择的方法，对推理效果与推理效率有重要影响。1616、工作空间：工作空间：是一种缓冲存储辅助，它提供了可以积累操作结果的工具。在与每一个工作空间相连的库中，长期存储在工作空间所产生有用的中间结果或最后结果，这个库主要用于信息共享的辅助存储。1717、决策树：、决策树：所谓决策树就是一个类似流程图的树型结构，其中树的每个内部结点代表对一个属性（取值）的测试，其分支就代表测试的每个结果；而树的每个叶结点就代表一个类型。树的最高层结点就是根结点。三、简答题三、简答题1 1、数据开采的实施过程、数据开采的实施过程从技术上讲，数据开采的实施大体上可以分为5 个步骤（1）选择和准备待开采的数据；（2）对待开采数据进行预处理；（3）研究开发一种或多种数据开采工具；（4）用数据开采工具发现未知的知识；（5）运用所发现的知识与决策支持，达到事业和企业单位额特定目标。2 2、数据开采工具有哪些类型、数据开采工具有哪些类型（1）基于规则和决策树的工具：采用规则发现和决策树分类技术发现数据模式和规则，其核心是某种归纳算法。（2）基于神经元网络的工具：具有对非线性数据的快速建模能力，过程是将数据抽取，然后分类计算权值。（3）数据可视化方法：支持多维数据的可视化。（4）模糊发现方法：应用模糊逻辑进行数据查询排序。（5）统计方法（6）综合多方法3 3、分布式决策支持系统和一般、分布式决策支持系统和一般 DSSDSS 的区别的区别（1）DDSS 是一类专门设计的系统，能支持处于不同结点的多层次的决策，提供个人支持、群体支持和组织支持。（2）不仅支持问题结构不良的决策过程，还能支持信息结构不良的决策过程。（3）能为结点间提供交流机制和手段，支持人机交互、机机交互和人与人交互。（4）具有处理结点间可能发生的冲突的能力，能协调个结点的操作。（5）既有严格的内部协议，又是开放性的，允许系统或结点方便地扩展。（6）系统内的结点作为平等成员而不形成递阶结构，每个结点享有自治权。4 4、综合决策支持系统的结构主体、综合决策支持系统的结构主体第一个主体是模型库系统和数据库系统的结合，它是决策支持的基础，为决策问题提供定量分析的辅助决策信息；第二个主体是数据仓库、OLAP。它从数据仓库中提取综合数据和信息，这些数据和信息反映了大量数据的内在本质；第三个主体是专家系统和数据开采的结合。数据开采从数据库和数据仓库中挖掘知识，并将其放入专家系统的知识库中，通过知识推理的专家系统达到定性分析辅助决策。综合体系结构的三个主体可以相互补充又可以相互结合。5 5、举例说明决策问题的性质和层次、举例说明决策问题的性质和层次决策问题的性质可分为结构化、非结构化和半结构化三类。每一类决策问题又可以分为三个层次，即战略规划、运筹规划和作业调度。这样就构成了9 种决策类型。针对9 种决策类型举例说明。6 6、决策风格的分类、决策风格的分类一个人的认识风格通常可用他所喜爱的获取数据的方式和他所喜欢的处理数据的方式来分类。按获取数据的方式可把人分为感知型和直觉型；按处理数据的方式可把人分为思考型和感觉型。按不同的获取和处理数据的方式组合起来可形成四种不同的决策风格。系统型：系统型的人喜欢用量化信息，喜欢成本效益分析和评价的研究作为辅助决策的工具。思辨型：思辨型的决策者善于思索未来的可能性，喜欢用带有灵敏度分析的决策树作为决策的帮助。司法型：司法型的个人注意力集中于当前的环境，喜欢使用决策小组进行决策。直观推断型：这样的决策者十分重视现实的可能性，并且喜欢用双向调整的方法来达到决策的目的。7 7、简述开发一个系统需要提供的使用接口、简述开发一个系统需要提供的使用接口（1）开发者接口。这是供开发者在生成具体系统时使用的一些命令或菜单选择，以便开发者向生成器下达命令并传递必要的“参数”。开发者接口也包括一些用来给数据库、模型库和方法库中形成和装入具体数据、模型或方法的各种工具。（2）用户接口。在开发时通过开发者接口选定接口形式并充实必要的“参数”后就能形成一个供终端用户使用的接口。它可以用菜单形式、命令形式、自然语言问答式等。（3）系统接口。它指决策支持系统本身与其他软件系统，如操作系统的接口。方便而有效地调用这些外界系统的功能，使外界的许多现成的软件资源的利用成为可能，而且也便于对系统进行各种修改和补充。8 8、人机界面应完成的任务有哪些？、人机界面应完成的任务有哪些？（1）提供 DSS 的控制机构，允许决策者控制DSS 的运行、控制数据库和模型库的工作；（2）向决策者提供多种型式的交互形式，供决策者能够方便地使用；（3）产生输入/输出，决策者应能正确地输入数据和有关参数，系统应能正确地输出系统运行的结果给决策者；（4）具有反馈、帮助和提示功能；（5）适应性，随着环境和需求的变化，界面应能容易扩充和完整；（6）保密，决策问题是个高层次的管理问题，某一项决策的制定将对单位 i、行业乃至国家产生较大的影响，DSS 的人机界面必须提供保密机构，只有经过核定的用户才能使用DSS系统。9 9、模型库管理系统的功能、模型库管理系统的功能（1）模型库与模型字典的定义、建立、存储、查询、修改、删除、插入以及重构等。（2）模型的选择、建立、拼接和组合，提供根据用户命令将简单的子模型构造成复杂模型的手段。（3）模型的运行控制。从调用者获取输入参数，传给模型并使模型运行，最后把输出参数返回到调用者，一个模型可能被另一个模型调用，或者被对话命令直接调用，系统必须提供灵活而方便的控制手段。（4）数据库接口的转换。为了减少模型对数据库管理系统的依赖、增强独立性，模型中对数据库的访问采用了一种统一的标准形式。为了要与一种具体的数据库管理系统连接，必须有一个转换接口，将标准访问形式转化成具体系统要求的形式。1010、比较推理机的控制策略。、比较推理机的控制策略。控制策略决定对知识进行选择的方法，对推理效果与推理效率有重要影响。常用的控制策略有三种：数据驱动控制、目标驱动控制和混合控制。数据驱动控制适于解空间很大的问题，其主要缺点是盲目推理，求解了许多与总目标无关的子目标；目标驱动控制则特别适合于解空间小的问题，其不足在于目标选择盲目，不允许用户主动提供信息来指导推理过程；混合控制则综合了两者的优点，通过数据驱动帮助选择目标，通过目标驱动求解该目标。1111、决策支持系统的体系包括哪些要素、决策支持系统的体系包括哪些要素（1）环境：DSS 边界之外的实体和条件的集合。（2）功能：是指它能对环境产生什么影响，它规定系统应提供什么样的服务，其目标是什么。（3）系统部件：在系统边界以内的一些可区分的要素。（4）部件的布局：设计到系统的部件之间、部件与环境之间的关系和联系。确定部件的布局所考虑的一个基本问题是协作和自治之间的平衡。（5）资源：是构造和运行系统时所消耗的要素。1212、描述决策支持系统的环境特征、描述决策支持系统的环境特征任务特性和存取方式是描述环境特征的两项重要内容。（1）任务特性：包括三个特性，第一，可结构性就是依据任务得到结构的可能性，它既决定于执行任务的个人又依赖于任务本身。第二，问题的层次性，即运行控制、管理控制或规划。第三，决策过程的阶段性理解、设计和选择。第四，不同的实际应用领域对DSS 提出不同的要求与限制，这种明显的差别主要是人物所处的环境和目标不同而造成的。1313、模型的特点、模型的特点模型是客观世界的一个表征和体现，同时又是客观事物的抽象和概括。一般具有以下特点“（1）模型比现实世界容易操作，尤其一些参数值的改变在模型中操作比在实际问题中操作更容易。（2）有些实际问题，很难、甚至根本不可能做实验，通过建立模型可以克服这种困难，而且模型比现实容易理解一些。（3）有些变量在现实中需要很长时间才能观察出它的变化情况，但用模型研究则很快看出变化规律，从而能最迅速抓住本质特征。（4）用模型研究变量之间的关系，可以节约时间，降低费用。（5）可以通过模型进行灵敏度分析，以便看出哪些因素对系统影响更大。1414、神经网络的特征、神经网络的特征神经网络是基于人类大脑的结构和功能而建立的新学科。尽管目前它只是大脑的低级近似，但它的很多特点和人类的智能特点近似。神经网络具有以下几个特征：以分布式方式存储信息；以并行协同方法处理信息；具有较强的自学习、自适应能力；具有较强的容错能力；具有较强的非线性映射能力。1515、简述群决策支持系统的目标、简述群决策支持系统的目标GDSS 的目标应能发现并向决策群体提供新的方法，它们通过有规则的信息交流逐步达到这些目标。首先，要克服信息交流的障碍，加速其进程。其次，可用一些较成熟的系统技术使决策过程结构化或准结构化。最后，应对群体决策的信息交流的内容和方式、议事的时间进程提供智能型指导，从根本上解决非结构化决策的支持问题。四、论述题四、论述题1 1、DSSDSS 和和 MISMIS 的关系的关系DSS 强调面向用户，强调对决策者提供系统外部环境信息，内部综合信息、决策者个人经验和判断等方面的支持。在这方面并非MIS 做不到或没有做，而这不是 MIS 的重点所在。MIS强调管理系统内信息流程的整体性，为所有决策人员提供其所需的信息，并强调其系统性，而对中、高层决策者所需的内外部消息和适应个人决策风格的经验和判断，则只提供了其中的部分信息，不可能达到使决策者操作得心应手的程度。因此，MIS 不能满足决策者的全部需要。从开发方法论来考察，二者的开发过程基本相同，都经过系统调查、可行性论证、系统分析、系统设计、系统实施、系统评价等各阶段。但 MIS 的开发侧重于系统的稳定性，虽然 MIS 也强调系统的进化，但要求在相当长的一段时间内是稳定的；而 DSS 更强调进化性开发，要求开发周期短，重复进行，由此造成这两种开发不可能在一个系统内共存。因此DSS和 MIS 这两个系统应该并存，相互不能代替，有些功能可以交叉。2 2、DSSDSS 和和 ESES 的关系的关系第一，运筹学的发展使决策更科学化，使决策过程同时使用模型和数据。DSS 为了强调数据与模型的有机结合和方便用户而引入了人工智能思想和技术，而专家系统则是抽取专家的知识并加以组织，以提供专家水平的咨询。第二，DSS 强调在大范围内支持决策者工作，它可按着人的思维规律引导用户解决问题，而不是侧重将某一专门领域的知识装入知识库自动工作。因此，DSS 强调通用性，而 ES 是专用的，它强调在某一窄范围内代替决策者工作。第三，管理领域内问题复杂多变，DSS 不可能将解决问题的过程完全自动化，即在解决问题过程中对某些不能解决的仍需调用大脑解决，人机是紧密配合的，而专家系统除了要求用户回答问题、提供必要数据外，基本是自动独立工作的。第四，对于问题比较窄的 DSS 有可能模拟决策者的思维过程自动得到解答，决策者只在最后决定时起作用，只有这时，可以说DSS 与 ES 是雷同的。3 3、DSSDSS 与管理学、运筹学的关系与管理学、运筹学的关系在处理结构性很强的局部问题时，MS/OR 是相当成功的方法。但是，用它们来解决诸如战略、规划等半结构化或非结构化一类的决策问题时，往往使人进退维谷，很难达到预期的效果。MS/OR 国语注意结构上的规范、形式上的构造模式，而DSS 却把管理者所要处理问题的过程分为四个步骤：调研、建模、优化和解释，并用这种分类方法对 DSS 与 MS/OR 加以比较，发现 MS/OR 只完成第二步工作，而相对于其余三步工作，它们是无能为力的，DSS 在这三步工作中却大有作为。DSS 的开发和研制离不开传统的MS/OR 所提供的模型，但是DSS 倾向于模型尽量简单，宁可牺牲方法上的精巧而努力使用户在概念上和决策效能上能够接受，而不拘泥于形式上的构造和造型的规范，这是DSS 的显着特点。DSS 给 MS/OR 的发展带来了生机，DSS 既与 MS/OR 构成了相互支持、相互合作的整体，又与MS/OR 之间有剧烈的竞争。4 4、群决策支持系统提供的三个级别的决策支持、群决策支持系统提供的三个级别的决策支持第一层次的 GDSS 旨在减少群决策中决策者之间的通信，沟通信息，消除交流的障碍，如及时显示各种意见的大屏幕，投票表决和汇总设备。第一层次系统通过改进成员间的信息交流来改进决策进程，通常所说的“计算机支持的会议室”就属于这一类。第二层次的GDSS 提供善于认识过程和系统动态的结构技术，决策分析建模和分析判断方法的选择技术。这类系统常常使用便携式单用户计算机来支持一群决策者。决策者面对面地工作，在GDSS 的支持下共享面临问题的知识和信息资源，制定出行动计划。第三层次的GDSS 其主要特征是将上述第一层次和第二层次的技术结合起来，用计算机来启发、指导群体的通信方式，包括专家咨询和会议中规则的智能安排，这样高水平的系统目前还处在预研制阶段。5 5、智能决策支持系统组成模块的结构、智能决策支持系统组成模块的结构（1）用户接口模块。它是 IDSS 与用户交互的窗口，它向用户提供各种命令语言和I/O 软件，使用户能按系统可以接受的方式提出要求，同时也使系统能按用户要求的形式输出结果。（2）问题求解模块。首先根据决策者提供的问题，构造面向此问题的模块序列；然后根据模块序列获取问题的最优解或满意解。问题求解模块由问题分析和问题求解两部分组成。（3）库管理模块。它的功能包括在外部环境和内部系统间建起信息传输作用；对四库进行管理、协调和维护；满足问题求解模块对数据、模型、方法和知识的需求，提供交互式的内部通道，使 AI 的知识推理和 OR 的数值计算相组合成为可能。（4）数据库系统。不仅包括模型所要求的数据文件，也包含模型运行的结果文件。（5）模型库系统。是IDSS 的核心部分，其功能是向决策者提供能方便地构造、修改和应用库内各种模型以支持决策。（6）方法库系统。ABS 的功能是把关于支持决策的方法有机地结合起来，提供与建立和求解模型有关的方法。6 6、DSSDSS 系统结构中的三角式结构、串联结构和融合式结构的区别系统结构中的三角式结构、串联结构和融合式结构的区别（1）三角式结构：把 DSS 的三大构件组成一个三角式的网络结构，用户通过对话管理部分以各种对话形式直接与数据管理和模型管理部分对话，查询或操作数据库，或运行模型获得结果。在查询数据库时，根据对话管理部分送来的命令信息，由数据管理部分进行查询，然后再把结果经由对话管理部分送回用户。在运行模型时，直接从外界获得输入参数，或者从数据库中查出数据作为输入，模型运行后产生的记过通过对话管理部分直接送给用户。所以，三个管理部分都有直接联系，而且两两之间应有互相进行通信的接口。（2）串联结构：对话管理部分若与数据管理部分传达命令或接受数据都要间接通过模型管理部分来转达。这样稍增加了一点模型管理的功能，但省去了一套接口，是结构更加简单，更易于开发和维护。（3）融合式结构：数据管理部分被熔合在模型管理之中，所以两者之间互不独立，模型管理和数据管理之间没有明显的接口。数据库和模型库的维护和管理统一地由一个数据库管理系统来实现，而模型管理主要负责模型的建立、选择、拼接、组合、运行控制以及数据库控制的转换等。7 7、决策支持系统对决策风格的划分、决策支持系统对决策风格的划分一个人的认识风格通常可用所喜爱的的获取数据的方式和所喜欢的处理数据的方式来分类。按获取数据的方式可把人分为感知型和直觉型；按处理数据的方式可把人分为思考型和感觉型。感知型的人喜欢与特定问题有关的硬数据。直觉型的人则喜欢描写可能性的整体信息。思考型的人喜欢采用逻辑或其他规范化的手段去推理；而感觉型的人却喜欢用个人的术语来考虑问题。把上述不同的获取和处理数据的方式组合起来形成4 种不同的决策风格：（1）系统型：系统型的人喜欢用量化信息，喜欢用成本效益分析和评价的研究作为辅助决策的工具；（2）思辨型：思辨型的决策者善于思考未来的可能性，喜欢用带有灵敏度分析的决策树作为决策的帮助。（3）司法型：司法型的个人注意力集中于当前的环境，喜欢使用决策小组进行决策。（4）直观推断型：这样的决策者十分重视现实的可能性，并喜欢用双向调整的方法来达到决策的目的。