決策支持系統教程（第二版）

第1章 決策支持系統綜述1
1.1 決策支持系統的形成1
1.1.1 管理信息系統1
1.1.2 管理科學/運籌學2
1.1.3 決策支持系統4
1.1.4 專家系統5
1.1.5 智能決策支持系統5
1.1.6 基于數據倉庫的決策支持系統7
1.1.7 綜合決策支持系統9
1.1.8 網絡環(huán)境的綜合決策支持系統9
1.2 決策支持系統概念10
1.2.1 決策問題的結構化分類10
1.2.2 決策支持系統的定義11
1.2.3 決策支持系統與管理科學/運籌學的關系12
1.2.4 決策支持系統與管理信息系統的關系12
1.2.5 幾個典型的決策支持系統13
1.3 決策科學與決策支持系統17
1.3.1 決策與決策科學17
1.3.2 決策過程與決策支持系統20
1.3.3 決策體系與決策支持系統24
1.3.4 決策支持系統的技術基礎27
習題129
第2章 決策資源與決策支持31
2.1 決策資源31
2.1.1 數據資源31
2.1.2 模型資源33
2.1.3 知識資源42
2.2 決策支持47
2.2.1 決策支持概念47
2.2.2 決策資源的決策支持48
2.2.3 決策方案的決策支持54
2.3 模型實驗的決策支持55
2.3.1 模型的建立與what-if分析55
2.3.2 模型組的決策支持57
2.4 模型組合方案的決策支持58
2.4.1 經濟優(yōu)化方案的決策支持59
2.4.2 產品優(yōu)化方案的決策支持62
2.4.3 多模型輔助決策系統65
習題267
第3章 決策支持系統69
3.1 決策支持系統結構69
3.1.1 決策支持系統結構形式69
3.1.2 決策支持系統的結構比較76
3.1.3 決策支持系統的統一結構形式77
3.2 數據庫系統78
3.2.1 數據庫系統開發(fā)與應用78
3.2.2 數據庫系統在決策支持系統中的作用83
3.3 人機交互與問題綜合系統86
3.3.1 人機交互系統86
3.3.2 問題綜合系統91
3.3.3 決策支持系統的綜合部件91
3.4 模型庫系統93
3.4.1 模型庫93
3.4.2 模型庫的組織和存儲96
3.4.3 模型庫管理系統98
3.5 組合模型的決策支持系統102
3.5.1 模型組合技術103
3.5.2 模型組合的程序設計104
3.5.3 決策支持系統的決策支持106
3.6 決策支持系統實例106
3.6.1 物資申請和庫存的計劃匯總107
3.6.2 制定物資的分配方案107
3.6.3 物資調撥預處理109
3.6.4 制定物資運輸方案110
3.6.5 制定物資調撥方案111
3.6.6 物資分配調撥決策支持系統結構與決策支持112
習題3114
第4章 人工智能的決策支持和智能決策支持系統117
4.1 人工智能基本原理117
4.1.1 邏輯推理117
4.1.2 知識推理119
4.1.3 搜索技術122
4.2 專家系統的決策支持127
4.2.1 專家系統原理127
4.2.2 產生式規(guī)則專家系統128
4.2.3 建模專家系統131
4.3 神經網絡的決策支持134
4.3.1 神經網絡原理134
4.3.2 反向傳播模型135
4.3.3 神經網絡專家系統及實例139
4.3.4 神經網絡的容錯性142
4.4 遺傳算法的決策支持144
4.4.1 遺傳算法原理144
4.4.2 優(yōu)化模型的遺傳算法求解147
4.4.3 獲取知識的遺傳算法149
4.5 機器學習的決策支持153
4.5.1 機器學習綜述153
4.5.2 機器學習分類154
4.5.3 建立模型的發(fā)現學習159
4.6 智能決策支持系統168
4.6.1 智能決策支持系統概念168
4.6.2 智能決策支持系統結構168
4.6.3 專家系統與決策支持系統的集成171
4.6.4 智能決策支持系統實例172
習題4177
第5章 基于數據倉庫的決策支持系統180
5.1 數據倉庫的基本原理180
5.1.1 數據倉庫概念180
5.1.2 數據倉庫結構181
5.1.3 數據集市182
5.1.4 元數據184
5.1.5 數據倉庫存儲185
5.1.6 數據倉庫系統188
5.2 聯機分析處理190
5.2.1 基本概念190
5.2.2 OLAP數據組織195
5.2.3 OLAP的決策支持:多維數據分析197
5.2.4 OLAP的應用實例199
5.3 數據倉庫的決策支持201
5.3.1 查詢與報表202
5.3.2 多維分析與原因分析203
5.3.3 預測未來204
5.3.4 實時決策204
5.3.5 自動決策205
5.4 數據挖掘206
5.4.1 知識發(fā)現與數據挖掘概念206
5.4.2 數據挖掘方法和技術208
5.4.3 數據挖掘的知識表示211
5.5 數據挖掘的決策支持214
5.5.1 數據挖掘的決策支持分類214
5.5.2 決策樹與決策規(guī)則樹的挖掘及其應用216
5.3.3 關聯規(guī)則及應用227
5.6 基于數據倉庫的決策支持系統231
5.6.1 基于數據倉庫的決策支持系統的原理和結構232
5.6.2 基于數據倉庫的決策支持系統簡例234
5.6.3 基于數據倉庫的決策支持系統實例239
習題5241
第6章 綜合決策支持系統243
6.1 基于模型庫與知識庫的傳統決策支持系統243
6.1.1 傳統決策支持系統概念243
6.1.2 傳統決策支持系統的進展244
6.1.3 傳統決策支持系統的關鍵技術和開發(fā)的困難245
6.2 基于數據倉庫的新決策支持系統246
6.2.1 新決策支持系統與商業(yè)智能246
6.2.2 數據倉庫關鍵技術250
6.2.3 數據倉庫開發(fā)的困難255
6.3 綜合決策支持系統257
6.3.1 傳統決策支持系統與新決策支持系統的比較257
6.3.2 數據倉庫與數學模型258
6.3.3 綜合決策支持系統原理、結構和定義259
6.4 網絡環(huán)境的綜合決策支持系統261
6.4.1 客戶機/服務器結構與數據庫服務器262
6.4.2 網絡環(huán)境的決策支持系統265
6.4.3 網絡環(huán)境的綜合決策支持系統體系268
習題6271
第7章 決策支持系統的開發(fā)與實例273
7.1 傳統決策支持系統設計與開發(fā)273
7.1.1 決策支持系統開發(fā)過程273
7.1.2 決策支持系統設計278
7.1.3 決策支持系統的關鍵技術279
7.2 傳統決策支持系統開發(fā)工具284
7.2.1 決策支持系統開發(fā)技術與方法284
7.2.2 系統快速原型開發(fā)方法286
7.2.3 決策支持系統的開發(fā)實踐286
7.2.4 專家系統開發(fā)工具與實例288
7.3 新決策支持系統的開發(fā)294
7.3.1 數據倉庫開發(fā)過程294
7.3.2 數據抽取、轉換和裝載299
7.4 基于客戶機/服務器的決策支持系統快速開發(fā)平臺CS-DSSP304
7.4.1 CS-DSSP開發(fā)平臺綜述304
7.4.2 客戶端交互控制系統308
7.4.3 廣義模型服務器系統311
7.4.4 CS-DSSP決策支持方式316
7.5 基于客戶機/服務器的決策支持系統實例318
7.5.1 全國農業(yè)投資決策問題318
7.5.2 全國農業(yè)投資空間決策支持系統320
7.6 網絡環(huán)境的決策支持系統的對比分析323
7.6.1 網絡環(huán)境的決策支持系統的技術進步323
7.6.2 網絡環(huán)境的決策支持系統的決策支持效果的提升324
習題7324
第8章 基于Web Services的決策支持系統與實例326
8.1 Web Services技術架構326
8.1.1 Web Services概念和技術規(guī)范326
8.1.2 Web Services體系架構和技術平臺327
8.1.3 Microsoft .NET技術平臺329
8.2 基于Web Services的服務器開發(fā)332
8.2.1 基于Web Services的模型服務器開發(fā)332
8.2.2 基于Web Services的知識服務器開發(fā)338
8.2.3 基于Web Services的數據庫服務器開發(fā)342
8.3 基于Web Services的客戶端開發(fā)343
8.3.1 客戶端對Web Services模型服務查詢343
8.3.2 客戶端對Web Services模型服務的集成344
8.4 基于Web Services的決策支持系統的開發(fā)實例348
8.4.1 基于Web Services的橡膠配方產品優(yōu)化方案
決策支持系統的設計348
8.4.2 基于Web Services的DSS實例開發(fā)348
8.4.3 DSS客戶端程序開發(fā)和運行351
8.5 基于Web Services的決策支持系統的對比分析353
8.5.1 基于Web Services的決策支持系統的技術進步353
8.5.2 基于Web Services的決策支持系統的決策支持效果的提升353
習題8354