1.4.1 决策问题管理及问题管理系统的研究
作为问题驱动的决策支持系统中的中枢性系统，问题管理系统的主要作用是找到决策问题的求解方法并与其他子系统连接共同解决决策问题，同时把决策过程和结果反馈给用户，实现用户在问题求解过程中与计算机的交互。
从查阅的文献来看，除了我们自己的研究外，目前全面研究问题管理系统的非常少，比较有代表性的是黄平提出了问题管理系统的概念，并设计了问题管理系统的功能和系统结构[2é]。他所提出的PMS系统结构主要由对话系统、推理机、问题求解模型集、学习模块、问题字典维护、问题解维护等组成，但他的研究基本上没有涉及实现这些功能结构所需的方法问题。更多学者是从问题管理及问题管理系统的某个方面来探讨其中的理论与方法。根据前面对问题管理研究内容的分析，为了使PMS实现决策问题的输入、整理、查询、分析与求解、解决方案管理等各种功能，决策问题的描述与表达、问题理解与求解方法和机制以及问题库的管理是其中的关键技术。因此，我们主要从决策问题的理解与识别研究、问题处理系统研究、问题库的组织研究三个方面来介绍与分析该领域的研究现状。
1.4.1.1 决策问题的理解和识别研究
在传统的决策支持方法研究中，人们主要关注的是决策问题决策模型的构造、模型的算法、模型的管理以及问题的求解机制，而对决策问题的理解和识别的研究很少。由于现在的决策支持系统是一个以人为中心能解决复杂决策问题的动态系统，为了更好地支持复杂决策问题的求解，其理解和识别就变得日益重要。
Keen和Morton将决策问题分为结构化决策问题、半结构化决策问题、非结构化决策问题。如前所述，决策问题的理解和识别实际上就是从半结构化或非结构化问题描述到问题结构化的过程。在这一过程中，如何描述决策问题以及对相应的问题描述如何处理成计算机可以理解的形式以驱动DSS求解问题是决策问题结构化的关键。因此，关于决策问题的理解和识别的研究方向主要集中在以下两个方面：第一，决策问题形式化描述及其识别方法研究；第二，基于自然语言理解的决策问题识别过程研究。
1.决策问题形式化描述及其识别方法研究
目前，关于DSS中决策问题的许多研究都是将决策问题看作问题求解的前提而不是问题求解的研究对象，因此只能理解和识别某些特定的决策问题，从而使得DSS在实际应用中对复杂决策问题求解的适应性不是很强。要提高DSS中决策问题的智能化程度，就必须从问题形式化描述出发研究问题的理解和识别过程。问题的形式化描述是指系统内对问题特性的表示和记录，包括对问题本身特征的描述和问题与外界关系的描述。
关于这方面的研究国内外都有涉及。国外目前的研究主要是通过针对专门的某一领域的决策问题的特征进行分析来建立基于某一类问题的决策支持系统。例如，Reza Barkh、Erik Ro11and、Johh Bít1er和Weigío Fan基于模型构造前对p-median问题（为了达到被分配的设施场地如何识别最优的设施场地布局使环行的总路程最短）的特征进行分析，从这类问题的线性约束和紧约束两个方面的特征出发，通过比较实验法得出如下结论：第一，p-me-dian问题的两个特征对计算机CPU的要求有相当大的影响；第二，对于松约束和目标函数非线性的问题模型用遗传算法比用线性规划算法要好；第三，p-median问题明确的线性模型的建立能缩短占用CPU的时间。从对p-median问题的特征分析所得出的结论可以看出，设计DSS之前对问题域的特征分析是至关重要的，这样的分析能提高决策支持系统的智能性以及问题的求解速度和正确度，对终端用户的专业性要求减少，对构建21世纪的决策支持系统也是必要的。Yoram Reich和Adi Kape1iík将决策支持系统的集合看成DSS空间，将各种不同种类的决策问题看成是决策问题空间，从而建立了一个能系统地提供给定问题解决方案的决策问题空间框架。首先通过问题空间的四维（被解决的问题、可用的技术、组织、参与的人）分析了所提出的四个不同问题的11个相同特征，并提出了三个假设：第一，通过相同问题的一组特征足以解决某一类决策问题；第二，通过问题的特征分析能够将问题划分为不同的类；第三，问题类的划分能够帮助设计这类问题的决策支持系统。然后，利用webgrid知识发现工具分析上述四个问题另外的一些知识特征并验证了第一、二个假设，最后通过四个问题中的学生中途辍学预防问题得出了建立该类问题决策支持系统的基本原理并验证了上述第三个假设。
我国学者则是从决策问题总体的特征出发来研究其理解和识别，其中有些侧重研究决策问题结构化测度问题，有些则侧重研究决策问题的形式化描述和形式化过程框架。如肖人彬等人把决策问题看成是一个由多个要素组成的复杂系统，而这多个要素的有机结合即构成了问题的结构。根据这个观点，他们提出运用分形理论研究决策问题结构特征，得到了决策问题按结构分类的直观化表示，即通过构造单调映射得出决策问题结构化测度函数M（P）与“结构化”划分之间的对应关系。他们还简述了将决策问题通过构成要素和分形个数简化的判据，探讨了病态结构问题的根本特征～[3é]。于长锐、徐福缘、向阳等人从问题的结构特征出发，提出了复杂问题形式化的准确定义：问题的形式化是从问题的理解到问题的定义再到问题的结构化过程。并根据复杂决策问题的形式化研究要解决的三个问题（复杂决策问题表示、问题领域知识的组织、定量分析模型综合）得出了复杂问题形式化方法的逻辑框架。该框架由三部分组成，即复杂决策问题表示层、复杂决策问题结构化层和定量分析模型综合层。在此基础上，运用梯度向量法对复杂决策问题的层次结构进行了定量分析。柳少军等人在问题的形式化研究方面得出了如下结论：第一，任何问题都可分解为原子问题。他们将原子问题分为定性、定量以及定性和定量相结合这三类问题，并讨论了以上三类问题描述的多元组表示：
P=｛｛Pi｝，GP，NP｝；GP=｛Lij｝
其中NP为问题的个数，GP为问题Pi的连接关系。连接关系包括三种：网络关系、递阶关系以及链接关系。第二，得出了基于决策问题环境要素描述以及基于决策问题知识的决策问题识别方法，并基于这两种识别方法得出了两种决策问题识别系统的体系结构。该问题识别系统主要包括智能人机系统、完成问题识别调度的问题识别调度系统、知识库及其管理系统、问题库及其管理系统、文本库及其管理系统等，并对两种识别方法的问题识别过程作了详细的说明。第三，通过按过程或内容分解的两种方法逐级分解复杂的问题，得到问题的分解树，它是以总问题作为根结点、以各子问题作为中间结点和叶节点的树状结构。这个分解树的问题表示和问题间的关系用面向对象的方法，并提出了基于问题分解结构树的问题求解方法和程序框架。张梅、张朋柱、万百五、韩崇昭提出了决策问题的四要素构成：问题q=（a，x，R，Q）。其中a为已知决策条件；x为待求解的目标；R为决策条件与求解目标间的关系，即R（a，x）=0；Q为知识信息库，Q=｛M，K，D，A，T，G｝，其中M为模型库，K为知识库，D为数据库，A为方法库，T为文本库，G为图形库。任何复杂非结构化的决策问题都可以细化为结构化的原子问题，通过原子问题的求解，在问题求解递阶控制策略PMSH-C下得到问题的求解链。侯立文、谭家美、蒋馥等人从决策问题本身就是多因素评价问题这一观点出发，建立了灰色关联度模型和一种基于反应值的满意度评价模型。胡祥培、钱国明、胡运权等人提出了问题描述的一种方法——基于知识的树状表示法。根据问题的结构构造问题描述树，用PROLOG语言生成问题描述的子句集，此子句集构成的可执行程序是一种描述相应问题原始信息的语言模型，称为问题的信息模型。以此为理论基础构造问题描述支持系统，其中问题描述支持系统由问题描述知识库和信息模型库组成，问题描述知识库完成交互式问题的输入、问题的辨识和问题描述树的生成，信息模型库完成信息模型及其数据信息语句的生成。卢涛、李一军、黄梯云等人研究出一种具有类自然语言特点的问题描述语言——PDL语言来描述问题各实体间的联系。
以上对决策问题形式化和决策问题识别方法的研究，由于在对决策问题的特征分析中，一部分是针对某一具体的问题或某一类问题，缺乏决策问题特征的全面研究，对决策支持系统解决普遍性的决策问题缺乏支持；另一部分则比较强调决策问题的普遍特征分析，但如何根据特征分析来全面地理解和识别决策问题还有待进一步的讨论。David Paradice等学者指出，在处理复杂问题时，问题的特征因决策者看待问题的角度不同而不同。也就是说，我们处理问题时因决策者的角度不同而不同。解决决策问题的关键是看待问题的角度，因此我们必须寻找一个决策者们相容的角度。复杂问题的解决方法无所谓对或错，我们考虑复杂问题时应避免为了找到问题的求解方法而求解问题，我们必须将决策问题的求解方法看成是一个求解方法空间，这样我们求解问题的视野才会更开阔。
2.基于自然语言理解的决策问题识别过程研究
自然语言理解一般包括句法分析、语义选择和语用理解三个阶段，其中语义选择和语用理解要在适当的会话环境中完成。对于中文自然语言而言，还需要增加一个分词阶段，且对中文自然语言的理解也更复杂一些。因为与印欧语系相比，汉语有两个大家一直公认的特点：一是汉语缺乏形态变化；二是汉语句子的构造原则与短语的构造原则基本一致，而汉语短语的一个重要特征就是其递归性亦不发生形态变化。正是由于汉语本身的这些特点，计算机在对中文表述的语句进行自动分析时会遇到许多困难。因此，在决策支持系统中，我们不能单靠机器的逐字翻译来使计算机理解和识别问题，我们还必须考虑如何驱动机器作出合乎逻辑的反应。
很多学者在此方面进行了研究，但这些研究都仅仅只是基于中文自动切分的几个中心词或是由用户手动选词组成的问题而进行的问题识别和模型构造。夏安邦等人提出了将自然语言描述的决策问题转化为任务空间中的初始状态，从初始状态出发根据问题的求解而形成的一系列状态构成问题的任务空间即决策环境。他们涉及了自然语言理解和问题求解模型两个方面以及自然语言的理解处理的四个阶段，设计了一种具有启发能力的自然语言的输入系统（HNLS）。HNLS采用全屏幕提示用户用鼠标选择词汇来组成用户需要解决的决策问题的工作方式。并且为了将其转换为机器代码而采用Paivio的双重代码记忆理论，一种代码表示语言，另一种即为机器可执行的代码段落，在句法分析中建立两种代码之间的关联。在进行了中文分词和句法分析后，对状态空间建立了基于谓词逻辑的状态空间表示，并利用消解原理对问题初始状态进行语义分析。于长锐、徐福缘、向阳等人首先结合问题的特征分析给出了复杂问题形式化的三部分框架，这在前面已作说明。该框架的思路是运用自然语言理解中有关词法、语法和语义分析的相关理论来处理复杂决策问题输入文本，以找出用户问题描述语句中的各种中心词。以中心词作为匹配条件，在问题领域知识词网中搜索与中心词匹配的知识片段树。此知识片段树作为复杂决策问题逐层分解的细化分解树。这种逐层分解即可达到明确复杂决策问题组成及其相互之间关系的目的。同时，通过中心词进行人机交互，可明确子问题的求解目标与问题所处的状态空间，然后将子问题求解目标与所处的状态空间作为匹配条件，与数学模型类知识库中的知识相匹配，选择各子问题的定量分析模型类，最后在定量分析模型综合框架的指导下，完成各子问题模型类的聚合操作，生成复杂决策问题定量分析模型，此模型作为复杂决策问题形式化分析的输出结果。以黄梯云为带头人的一些学者先后研究了基于类自然语言、基于问题结构分析、基于问题理解以及基于自然语言理解的智能构模框架。卢涛、李一军、黄梯云等人引入了一种具有类自然语言特点的问题描述语言——PDL语言，它是基于E-R图构造的。通过语义分析和段落理解形成完整的问题结构图，从而识别决策问题的字面表述，最后构造模型求解问题。向阳、黄梯云等人建立了基于问题理解的智能构模框架，用户输入的管理问题自然语言描述语句经过切词系统得到多个词后，选择一词与管理问题知识词典库中的词进行匹配，通过匹配产生问题理解的多元序列。但在该问题的理解和识别过程中，管理问题知识词典库丰富与否至关重要[7é]。此后，向阳、黄梯云等人又提出了基于问题结构化的智能构模框架，管理问题的分析过程是通过文本切分程序把管理问题描述自然语言文本的输入通过中文分词，与管理问题知识库的匹配确定管理问题对象，然后以该对象为父结点对问题对象库进行搜索及剪枝，从而得到管理问题理解结构树，而后与知识库中的规则相匹配得到模型语义链，最后在模型智能构造层转换为可为计算机理解和执行的模型语言。冯玉强、吴菲、黄梯云等人提出了基于自然语言理解的模型自动选择研究，对于自然语言输入的决策问题采用正向匹配的中文分词算法分词，通过组织三部词典（即基本词典、专业词典和同义词典）完成中文分词和句法分析，随后通过切分的词的合取创建和模型之间的产生式规则，最后得到模型自动选择的算法。
应该指出，运用上述方法设计的DSS有专门的问题识别或理解机制，充分发挥了计算机在信息搜索和存储上的优势，但上述方法都较为复杂，在计算机程序实现上存在较大的难度，研究者对由此开发的DSS的介绍也比较少。同时，由于受目前自然语言识别技术的限制和对问题特征缺乏全面的理论研究，以及不能充分发挥人在问题理解上的优势，致使这类方法能理解的问题被限定在一定的范围内，对问题的表述也受到较严格的限制，而且往往只能从表层理解问题。
1.4.1.2 问题处理系统研究
问题处理系统是问题管理系统中完成问题的分析理解以及求解这一核心功能的子系统，其主要作用是将问题的陈述转化为相应可执行的程序代码。因此，有关决策问题处理方法及处理系统的研究也是问题管理系统研究一个比较重要的领域。国内外学者在这一领域的研究主要集中在问题处理系统的设计和问题求解方法的研究两个方面。
1.问题处理系统的设计
问题处理系统设计的好坏直接影响着决策问题的求解能力。在对问题处理系统的设计中，学者们一般都是考虑怎样的设计能提高问题的求解能力。陈晓红、邓超、李一智等提出了问题处理系统的设计方法，即用决策知识—方法库取代问题处理系统（该决策支持系统的方法库采用人工智能语言Pro1og编程将库中的各功能模块有效地衔接），将对不同问题的决策处理模式、领域专家的知识与经验等表达成决策模式的知识存入决策知识—方法库中，并用人工智能技术实现推理，从而动态地形成问题求解过程。赵会群、孙晶提出了基于商流的决策支持系统的设计，其中对问题处理系统的设计引入识别器对用户的问题进行识别，模式知识对问题进行形式化，然后再在协调器参与下综合推理机完成对问题的理解与求解[8é]。于存贵等人提出了基于“元控制 两级黑板模型”的多属性问题处理系统模式。其中元控制完成对问题的识别、分解以及黑板初始化，主控黑板中的每一子目标对应一工作黑板，通过反复激活相应的知识元，由元控制求解各工作黑板的子目标，最后在主控黑板的调度下完成问题的求解[é0][é1]。覃征、汪应洛研究了TIDSS问题处理器的研究与实现，提出了IPPS的模块化设计思想。在IPPS中设计若干独立的子模块（包括问题库及其管理系统、问题求解过程控制系统、复合推理系统，各系统下又细分为相应的子系统），以完成IPPS规定的功能[é2]～[é4]。
2.问题求解方法研究
覃征、汪应洛还在TIDSS的研究中得出了求解问题动态管理控制过程和算法。在该算法下对决策问题的识别首先要查询问题字典，看是否存在已有问题解和求解方案，若有，问题直接进入问题管理系统——求解问题首先必须对决策问题进行相似性判断，学者们一般都是引入问题的相似度（Sim）来判断[é5][é6]。相似性分析能简化问题的求解过程，对决策问题的求解是必要的——否则确认决策环境状态，经过确认后调入识别方法进行问题的识别。他们同时又提出了控制智能问题处理系统求解过程的系统结构，并给出了问题处理系统的求解算法。该求解过程控制思想是在TIDSS求解过程控制中，嵌入了问题字典、案例模型、用户问题求解组织环境以及基于“数值”推理和传统符号推理的“泛逻辑”推理思想，使得TIDSS求解过程控制可以在先进的并行机工作台上运行，实现数值推理并行化，满足测试工程领域中大信息量的问题求解[é3]。夏安邦创建了基于知识库与推理机的问题求解模型，将问题的状态用知识库的子集加以表示，并建立了知识源和推理机之间的映射。根据问题的状态类型触发用户、推理机和运算模块，当系统不能引导问题进入新的状态时，意味着求解结束，或者系统将会提示求解该问题的条件不足，该问题本系统无法求解等。黄梯云等人对问题的处理方法一般都是通过中文分词的几个问题中心词来匹配问题库（问题知识词典、问题对象库等）以得出决策问题的形式化描述，再通过形式化描述的问题结构关系构造语义框架，从而得出问题求解的模型匹配框架。向阳、于长锐则将上述思想加以概括化，提出了复杂决策问题求解的定性与定量综合集成方法，给出了该方法三层次理论框架：复杂问题定性简化处理层、复杂问题定量分析层及复杂问题定性定量综合集成求解层。第一层完成复杂问题的分解，并得出子问题的概念模型；第二层得出该问题各子问题求解的逻辑模型；第三层通过各子问题逻辑模型的输入输出关系，组合子问题逻辑模型进行求解。柳少军等人提出了决策问题求解的分解—合成法，将复杂的决策问题分解为原子问题序列，然后基于决策者和DSS的交互形成决策问题的求解链，调用相关资源执行决策问题的求解链得到决策结果。
1.4.1.3 问题库的组织研究
在问题管理系统中，问题库并不只是简单地存储和管理输入的决策问题，通常还管理着问题处理所需的各种信息，特别是与问题有关的知识。要充分利用这些信息或知识，就必须对它们进行有效的组织。好比大脑中贮存的知识如果缺乏组织就不可能求解出复杂的问题一样，如果决策支持系统中问题的知识没有有效的组织也就不可能求解复杂的决策问题。正因为如此，有关问题库的组织管理研究通常是与问题相关信息特别是问题知识的组织管理联系在一起的。
从目前国内外学者的研究来看，有关DSS或PMS中问题库的组织的研究更多的是集中在问题知识及问题知识库的组织管理研究上[7é]～[é7]～，而且通常是在DSS的问题管理系统中设置专门的问题知识库或问题字典来管理和识别决策问题。向阳、黄梯云等人基于问题理解的智能构模框架，通过设计管理问题知识词典库实现其问题理解过程。该库采用面向对象技术，抽象管理问题类，组织管理问题知识词汇，形成管理问题词典库[7é]。此后向阳、黄梯云等人研究了基于问题的结构化分析的智能构模框架，其关键是组织管理问题对象库，管理问题对象的知识采用框架的形式表示。该库采用组织原则和联想原则，形成具有树状数据的数据结构。冯玉强、吴菲、黄梯云等人则建立了问题知识库的三部词典——基本词典、专业词典和同义词典——来完成问题的理解和识别。上述关于问题库的设计虽然引入了知识处理的方法，但主要是将问题理解有关的识别知识和求解有关的建模知识存放于知识库中，并没有管理有关问题处理的全部信息。同时，问题库以存储问题为主，只能实现对问题的简单管理，与问题知识库或一般知识库是两种独立的库结构，相互之间的紧密联系在实现上存在一定的障碍，从而难以利用对问题的深层次理解的信息帮助问题的求解。
1.4.1.4 DSS中人机交互系统的研究
除了决策问题的理解与识别、问题处理方法及其系统、问题库的组织管理这三个问题管理系统涉及的主要研究领域外，国内外还有一些问题管理系统领域的研究是关于人机交互系统的。人机交互系统是一个比较笼统的概念，它既可以只包括DSS或PMS的用户界面系统，也可以涵盖DSS从问题输入到问题求解的整个范畴，因为DSS本身就是一个通过人机交互来解决问题的系统。而目前有关DSS人机交互系统的研究主要还是集中在用户界面领域。虽然用户界面不是PMS的主要部分，但DSS是一个以人为中心的系统，其人机交互系统设计的好坏直接影响着决策者参与决策问题的理解和识别过程的主动性和决策的质量，因此，有关这方面的研究还是值得重视的。
吴海昕、吴新垣指出了人机交互系统设计的七项基本原则：用户控制原则，即要让用户感觉到是自己在控制计算机而不是计算机在操纵自己；直观性原则，即友好的界面设计；可视性原则；易用性原则；及时响应性原则；简洁性原则和一致性原则。DSS或PMS的人机系统的设计不仅要以这七项原则为基础，更重要的是要能通过人机交互系统的设计辅助决策者（DM）决策，以提高DM的决策质量。相关学者将一些概念或软件融入系统的设计中，以提高决策的质量。如Michae1 L。Wi11iams、A1an R。Dennis、Antonie Stam和Jay E。Aronson从减少决策错误和提高决策质量的角度出发，提出了将专家选择（EC）软件实施于层次分析过程的方法，指出该方法能减少处理多标准不连续选择的决策分析问题的几种类型错误的次数并能提高决策的质量，并提出了相关的六大假设，最后通过实验加以验证。Maria Virvoí和Katerina Kabassi则描述了一个智能的图形用户界面，该界面即是融入了基于人的可行性推理理论（HPR）和一个多标准的决策制定理论（SAW）来设计的。Síprasith Jarípathirín和Fatemeh“Mariam”Zahedi提出了一种新的人机交互问题的处理—辩证决策支持系统（DDSS）的设计思路，他们通过论证辩证对话（dia1og approach）对决策制定者（DM）的积极作用得出DDSS设计的可行性和有效性，并指出了DDSS的设计包括四个处理模块：DSS模块、辩证知识库、可视化辅助模块和智能交互处理模块。这四个模块通过各自智能体（IA）进行交互，最后给出了该系统框架的评价指标及其评价过程。辩证决策支持系统确实在一定程度上提高了人机交互中决策者对决策问题处理参与的积极性[10é]。陈学中提出了人机交互接口设计及计算机实现，包括菜单设计、屏幕版面设计、图形技术、多媒体技术的计算机实现方法。陈晓红、李一智等在研究问题处理系统的设计方法的同时，也研究探讨了基于自然语言可以理解的人机交互系统，提出了相应的系统设计。但上述研究对于通过人机交互系统实现决策问题分析与求解过程控制的一般方法还较为缺乏。
1.4.2 决策支持系统的开发方法研究
一个好的系统开发方法不仅能降低系统的开发成本，减少人力物力资源的浪费，缩短系统的开发时间，更能满足用户多方面的需求和实现系统的可重用性。在决策支持系统的开发领域，主要还是沿用一般信息系统的开发方法，比较典型的开发方法有结构化系统开发方法、原型法、面向对象方法和自动化的开发方法等。
目前，有关决策支持系统的开发方法仍然是一个被广泛关注并值得进一步探索的课题。虽然在开发技术和开发工具两个层次上，20世纪以来，基于构件/构架的软件开发技术、UML统一建模语言和软件开发平台技术以及分布式系统的体系结构大大推进了软件技术的发展，VS。NET、J2EE等各种通用软件开发工具/平台也是日新月异，但专门针对DSS的开发技术和实用开发工具/平台却较为缺乏。实际上，这些开发工具和技术主要解决的是软件程序的构造和系统模型的构造问题，而DSS的开发主要需要解决的是功能结构的设计、处理流程的控制以及决策资源（数据、模型、知识和方法）的调度问题，而这些问题更多地属于开发方法学的层次。在这一层次上，除了上述典型的开发方法外，新的系统性的DSS开发方法研究成果并不多，比较有代表性的是陈晓红、高原康彦提出的层次模型法，它按照通用系统理论将决策支持系统的开发分为四个层次——应用层、任务层、功能层和物理层，并提出了设计这些层次的专门方法，即用于应用层的控制论方法、用于任务层的任务框架法、用于功能层的模型集成法和用于物理层的DSS描述语言法。同时，将该开发方法应用到一些具体的决策支持系统开发中，并提出在应用层中将决策问题模型化，进而提出问题求解策略；在任务层中建立数据模型，并归纳出问题表达器，综合分析系统的求解过程的应用思路。
国内外其他关于DSS的开发方法的研究更多的是提出一些DSS的开发思路和基于新的计算机软件开发技术的DSS具体实现技术，主要集中于以下四个方面：第一，目标导向法和原型法相结合的方法研究；第二，基于计算机语言的决策支持系统设计方法；第三，基于计算机技术的决策支持系统开发方法；第四，决策支持系统生成器的研究。
1.目标导向法和原型法相结合的方法研究
目标导向法和原型法相结合的方法的具体步骤是，先应用原型法研制一个DSS的技术部件，然后应用目标导向法按照一般系统的结构和系统生成方法组合成DSS的开发工具和开发环境。徐超汉、申文果等人以开发物资局长辅助决策支持系统（WZDSS）为背景，研究了ROMC法与原型法相结合的开发方法。首先不断地进行ROMC过程，得出令人满意的表达、操作、存储和控制，然后综合这一组属性迅速建立一个DSS原型，通过人机交互沿ROMC方向修正原型，直到得到令人满意的DSS为止[12é]。孙龙清探讨了以面向对象模型技术（OMT）方法为指导，将系统界面开发与系统内部功能的开发分离，快速开发用户驱动需求分析原型系统的方法。基于OMT建立的系统模型包括对象模型的建立及动态模型的建立。模型建立后，快速建立无用户需求实际功能的原型系统，然后基于Gi1b渐增模型在OMT方法的指导下对原型系统进行修改和扩充，最后得到用户满意的DSS。
2.基于某种新计算机语言的决策支持系统设计方法
随着SML语言、UML语言、XML语言以及第四代计算机语言的广泛应用，国内外许多学者也先后将这些新的建模语言、标记语言、编程语言等应用于DSS的开发中。马君提出了基于UML的DSS系统开发方法，并详细叙述了该开发方法的系统开发过程：①需求分析阶段，用例图来描述系统、角色和用例三种模型元素及其相互之间的关系；②系统分析阶段，使用UML提供的活动图来刻画用例的动态特征，从而直观地描述工作流以及并行过程的行为；③系统设计阶段，完成系统的体系设计、详细设计、用户接口设计；④系统实施阶段，采用面向对象的JAVA语言对类进行编程，从而实现整个系统的开发。钟大伟、陈崇成、池天河等以福建省海岸带环境调查空间决策支持系统为例，简述了基于UML的系统建设背景和基本功能需求。李高和、张艳莉、石龙、李琪提出了一种基于XML的智能决策支持系统，通过XDD语言来表示语言系统、问题求解系统以及知识系统中的知识，并通过研究归结原理在XDD中应用的可能性证明了利用归结原理实现问题求解的现实性。该系统将XML的灵活性和通用性、XDD的表达和推理能力与智能决策支持系统相结合，不仅能够利用WEB信息辅助决策，而且在系统的表达能力和处理能力之间取得了很好的平衡，使系统不仅能够处理复杂的决策问题，而且便于实现各子系统之间以及不同系统之间的信息交换和共享。徐彤、李松、谢波通过对Visía1 Pro1og语言的讨论提出了将Visía1 Pro1og与Visía1 C 相结合开发IDSS的系统框架的方法，具体为：用Visía1 Pro1og进行知识表示、逻辑推理，实现基于知识的模型智能操控；用Visía1 C 实现模型、算法、数值计算，编写人机接口，进行数据库管理。输入的决策问题是通过问题理解模块按一定的机制将其转换为Visía1 Pro1og问题表达式，然后利用产生式规则实现模型的自动选择。S。Raghí-nathan提出了将结构化建模方法（SM）及其语言（SML）应用于决策支持系统设计的方法论，该方法论描述了设计数据库系统和模型库系统以及将两者整合的严格步骤。他指出，在具体的决策支持系统的设计过程中，不仅要将数据库和模型库的域特征考虑进来，还必须根据决策者的性格特点来设计。他还指出了该设计方法的不足之处，如定性决策问题的处理能力不强、没有对人机交互系统作深入研究等。
3.基于计算机新技术的决策支持系统开发方法
随着面向对象的技术、组件技术、数据挖掘技术、联机分析处理技术以及多媒体、WEB技术的出现和发展，基于这些技术的DSS开发方法也成为学者们的研究对象。曹元大、胡军、管春提出了基于面向对象的决策支持系统的系统结构建立方法，该方法用O-S图建立DSS的面向对象的系统结构，并提出八个具体实现步骤：①定义决策支持系统问题空间的对象和类；②建立面向对象的数据库；③定义决策支持的方法和模型；④定义对象间的继承关系；⑤定义对象间的信息传递机制；⑥定义O-S图；⑦定义系统功能模块；⑧系统的详细设计。并将其成功运用于王禾丘农村能源系统生态工程研究的DSS的开发中[13é]。黄景平、冯珊、周凯波利用分形的思想和面向对象的技术来设计智能决策支持系统，该分形思想就是决策单元提交符合特定规则的问题时，单元能按照统一的交互方法和接受处理方式进行全程辅助决策支持。白劲波提出了基于COM的组件设计思想，指出构建可重用的决策模型组件是快速搭建基于组件的DSS软件的一条根本有效的途径。他对基于COM的模型设计作了分析，同时提出了建立可重用的模型组件库的途径。张家生、宁慧、赵会群等提出了一个基于组件技术的商业DSS的设计与实现，在处理商流计划决策问题的基础上建立了问题处理系统功能结构：识别器、推理机和系统的状态跟踪。首先将商流决策问题进行分类，由识别器基于决策问题的类型进行问题的识别和判断，然后根据模式知识通过协调器通用系统环境实现具体构模任务，再由系统状态参数对决策过程进行跟踪，完善PPS的功能，最后将组件技术引入系统设计中来，用三层c1ient/sever结构实现DSS。黄桢提出了基于数据挖掘技术的智能决策支持系统开发方法，该系统基于传统的DSS与数据仓库技术的有机结合，利用数据挖掘技术提高了决策问题求解的智能性，并将数据库系统转换成决策性的数据仓库来存储数据。他提出的一个重要思想是改变传统的DSS体系结构而将数据挖掘技术并入问题求解系统中，从而提高决策问题求解的智能性。目前很多研究也是利用数据挖掘、联机分析处理技术来开发决策支持系统的。Shifeng Zhang和Steve Goddard提出了基于WEB技术决策支持系统的软件体系结构和框架。该软件体系结构分为四层：表达层、知识层、信息层和数据层。该分层的体系结构在系统设计阶段为设计者提供了正式的分层的观点。为了将该体系结构应用于分布式决策环境中，作者还提出了基于计算和存贮服务器的3CO框架。该框架基于三个主要的任务：计算和存贮服务器（component）、连接服务器（connector）和协调服务器（coordinator）。同时作者指出了体系结构和框架之间是如何关联的。借助于体系结构描述语言（ADL）详细描述了计算和存贮服务器和连接服务器与外部界面之间正式的交互行为，给予计算和存贮服务器和连接服务器分析和执行以明确的指导。最后作者还介绍了将该分层的软件体系结构和框架在基于WEB技术的国家农业决策支持系统中的应用。
目前，面向对象技术和组件技术在一般信息系统开发中已成为主流的技术，但是在DSS的开发中却没有得到普及。虽然上面提到一些学者开展了这些技术在DSS开发中的应用研究并成功开发出一些专用DSS，但面向对象的通用DSS组件还是很少有人涉及，更没有实际可运用的功能齐全（包含问题管理、数据管理、模型管理、知识管理等DSS常用功能）的通用DSS组件。其原因在于通用DSS的组件设计比一般的应用软件复杂得多，同时，对DSS的通用逻辑结构也缺乏统一的认识。
4.决策支持系统生成器研究
决策支持系统生成器（DSSG）又称为DSS开发系统，是介于通用软件开发平台和专用DSS软件之间的专门用来开发专用DSS的软件系统，它能够快速方便地生成专用DSS的起始基本系统，并能够提供访问各种数据源（包括内部的和外部的、事务的和非事务的）的能力。
DSSG一直是DSS开发方法和技术研究领域的热点。Spragíe和Car1son根据DSS领域中人们技能水平的不同以及各自任务的性质和范围的不同，将DSS的开发划分为三个技术层次，即专用DSS、DSS生成器和DSS工具。按照Spragíe的观点，可以先利用低层次上的工具、单独的软件部件（包括编程语言、程序库和专门的小应用程序）来建立一个DSS生成器，再通过它建立专用DSS。DSS生成器是一种决策支持系统开发环境（DSS-IDE），它提供一系列工具和功能，由开发者快捷而方便地建立一个专用的DSS。Sergio Matírana、Jían-Car1os Ferrer、Francisco Baranao提出了一种基于优化的决策支持系统生成器（OB-DSSG）的设计和实施方法。先建立基于模型库结构（IRT）文本说明和基于数据库结构详细说明的决策支持系统开发环境，然后根据OB-DSS的组成元素——图表用户界面（GUI）、模型管理、数据管理、问题解决器——开发具体的决策支持系统，最后指出了根据该决策支持系统生成器开发的OB-DSS各个部件的优缺点。刘宏、袁捷则提出了一种基于Agent的决策支持系统生成器框架。由于Agent具有社交能力、拥有本地知识、自主性和可改造性强等优点，作者将Agent作为决策支持系统生成器的基本单元，将四类Agent（问题、数据、模型和协调）集成到决策支持系统生成器的框架中，构造DSSG原型。王宇、史永杰、王晓锋用面向对象可视语言De1phi 4.0和可视化理论设计并实现了一个新的决策支持系统生成器（HD-DSSG），但仅对HD-DSSG的模型库子系统的设计作了阐述，探讨了可视化模型的构造以提高用户友好性。利用面向对象的可视化语言，HD-DSSG的模型可视化构造为对用户提供友好的图形化界面，采用图形方式把模型直观地表示出来，并提供给用户一套方便的图形编辑手段来描述和修改模型。何晓雁、高衿畅则提出了面向对象的DSSG模型（OODSST模型），将模型、数据以及决策者的经验都视为对象，通过面向对象的DSS生成器模型描述语言——OOMDL来定义知识对象的网络集成关系，从而建立OODSST模型。
张大海提出了领域通用决策支持系统生成器的设计方法，该设计包括两个部分：领域通用的智能决策支持系统框架设计和系统生成器的设计。系统框架设计是围绕构建领域通用智能决策支持系统的难点，即生成通用的问题处理系统而展开的，提出了将问题处理系统和知识库系统置于同一模块且将其处于框架的中心地位的体系设计特点。并强调模型库、方法库的设计中各模块间的独立性，以提高库的通用性。最后给出了系统生成器的设计框架。王亚芬则讨论了用ROMC设计决策支持系统生成器的方法。提出了DSSG建立的两种途径：一种是根据所要建立的DSS生成器的功能要求选择合适的DSS工具，例如专用语言、操作系统、编程软件、图形编辑程序、数据提取程序等，通过ROMC方法建立起广泛的描述、操作、记忆和控制的机制和能力，这种具有广泛的描述、操作、记忆和控制的机制和能力的软硬件就称为DSSG；一种是根据实际需要，直接用DSS工具建立具有不同功能和特征的数个专用DSS，然后将这些专用DSS集成起来构成DSS生成器，ROMC的过程贯穿于整个实现过程。杜江、周济、肖人彬等给出了以面向对象技术建立DSS中基于模型对象的模型库及其管理系统的方法，用该方法开发的DSS具有DSS生成器的功能。介绍了利用这项技术开发长岭炼油化工总厂智能型分布式决策支持系统（CL-IDDSS）[15é]。陈晓红、高原康彦首先提出了基于通用系统理论的层次模型的决策支持系统开发方法，然后提出了面向问题求解的决策支持系统生成器（ADSS）的开发方法。层次模型包括应用层、任务层、功能层和物理层。问题求解机制的实现属于任务层，根据任务层中自组织层、适应层和问题求解层与人进行交互的模式来设计具体的ADSS的功能和结构。其网络环境下群体智能决策支持系统生成器研究与开发是功能层和物理层的结合，由用户层、安全层、协调层、操作系统层、抽象数据层和物理数据层组成，每一层都为上一层提供服务，对其下层则要求得到服务。
上述方法的主导思想多是试图构造一个决策支持系统集成开发环境（DSS integrated deve1opment environment，DSS-IDE），再运用IDE开发专用DSS。但这类IDE往往存在以下问题：第一，在DSS开发中难以充分利用现有的通用软件集成开发环境的强大功能。第二，所开发的DSS难以同现有的其他类型的信息系统进行集成与整合。第三，所开发的DSS缺乏灵活性，难以完全适应最终用户复杂多变的决策与管理需求等。
与此同时，上述这些研究更多是处于理论研究阶段，实际可运用的DSSG也多是针对某些特定类型的DSS所开发的，真正功能齐备、实用性强、适应性广的通用DSSG还不多见。
在关于DSS开发方法的研究中，并没有专门针对PMS开发方法的研究，但由于问题管理系统是DSS的重要组成部分，要开发出DSS的PMS，这些研究成果仍然是很有参考价值的。同样，该领域研究中所存在的问题或不足，也是在开发PMS中需要研究和解决的。
1.4.3 国内外研究成果总结
通过对决策问题管理及问题管理系统研究内容和现状的分析可以看出：
一方面，国内外很多学者在该领域作了许多卓有成效的研究，对我们研究开发i-GIDSSG中的PMS具有重要的借鉴价值，主要包括：
（1）决策问题形式化描述及其识别方法方面。Yoram Reich等学者提出的决策问题空间框架，可以作为问题描述的一种基本方法。肖人彬等学者关于决策问题结构化的研究为我们分析决策问题结构的特征指明了方向。于长锐等学者对于复杂问题形式化的定义和层次结构的分析为我们研究决策问题系统提供了理论基础。而柳少军等学者关于决策问题形式化过程中的问题分解研究，为研究子问题识别方法提供了基本思路。
（2）基于自然语言理解的决策问题识别方法方面。现有的中文自然语言处理技术为我们开发基于中文自然语言理解的决策问题智能识别模块提供了技术支撑。于长锐等提出的利用中心词匹配问题领域知识词网来明确子问题的方法可借鉴到决策问题类型的智能识别中。黄梯云等学者提出的基于自然语言理解的模型自动选择方法对于PMS中涉及的决策问题求解方法的智能匹配也具有参考价值。
（3）问题处理系统的设计方面。各学者研究设计的专用问题处理系统为我们研究设计通用问题管理系统提供了参考，虽然这些问题处理系统在功能结构和实现方法上各有不同，但对于我们归纳问题处理系统的一般功能结构和探寻最佳的实现方法依然不可或缺。
（4）问题库的组织研究方面。向阳、黄梯云等提出的基于知识框架的问题知识库管理方法为问题库与知识库的结合提供了思路。
（5）决策支持系统的开发方法方面。陈晓红、高原康彦提出的层次模型法为我们开发通用DSS提供了理论指导。曹元大等学者提出的基于面向对象的决策支持系统结构建立方法，无论是对通用DSS还是专用DSS，抑或是DSS生成器都是值得借鉴的。而其他学者关于DSS生成器的研究与实践，也为我们研究开发i-GIDSSG中的PMS组件提供了参考。
但另一方面，这些研究成果还不足以解决i-GIDSSG中的PMS及其开发工具研发中的所有问题，主要表现在：
（1）问题管理系统设计与开发的理论和方法体系还不完善。从DSS的问题管理（处理）到PMS的设计与开发，尚未形成统一完整的理论与方法体系，虽然该领域涉及的各方面的研究都有一定的研究成果，但各种研究的思路各异，目前还缺乏按照一个完整的思路将它们连接起来的体系，这正是本书需要解决的主要问题。而且这种体系的建立还不能把现有成果简单组合叠加，需要在问题管理机制与方法、问题管理系统设计与开发上能够相互衔接。
（2）对DSS中决策问题的特征和处理规律的研究还不够深入。对于决策问题的一般特征及问题处理的一般规律与机制，现有研究成果还未深入涉及，而作为通用问题管理系统的设计与开发，决策问题处理一般规律和机制的分析是其理论基础，也是形成完整方法体系的前提。为此，我们需将其作为研究的起点。
由于目前对决策问题一般特征和问题处理一般规律的研究还不够深入全面，现有关于DSS中决策问题理解和识别的方法大多是针对特定的DSS来设计的，而且通常都较为复杂，难以据此开发出具有通用性的问题管理系统程序。同时，这些方法也没有很好地发挥人和计算机在处理决策问题上的各自优势。一些基于自然语言理解的问题处理智能方法受到自然语言识别技术本身发展的限制，难以实现对复杂问题的深入分析。因此，我们需要找到基于决策问题基本特征和处理规律分析的，能够更好地发挥人机的各自优势的，且对各决策问题具有更广泛的适应性的，又便于计算机处理的问题理解和识别方法。
（3）DSS中决策问题的智能管理方法还有待改进。从现有的研究成果可以看出，决策问题的智能处理是DSS中问题管理的主要趋势，国内外学者也给出了基于问题知识管理的问题智能处理的基本方法，但在如何组织问题库和利用问题知识理解和求解决策问题方面，现有的研究尚没有提出一个利用对问题库的有效管理来充分运用问题知识的解决方案。虽然关于问题库和问题知识库的研究都有学者涉及，但他们的方案还是将问题库与问题知识库（或一般知识库）作为两种独立的库结构处理，问题库只是实现对问题基本信息的简单管理，不能有效利用问题处理的全部信息实现对决策问题的深层次理解和求解。为此，如果要更好地实现PMS对决策问题的智能分析理解，还需要改进现有的问题库管理方法，定义更合理的问题知识库结构和问题知识结构，并提出基于这种方法和结构的决策问题智能理解和求解机制，以及相应的模型、规则和算法。
（4）缺乏可快速生成问题管理系统的开发组件。只有在解决了DSS中决策问题处理的通用方法（包括智能方法）和机制问题的基础上，才能设计出通用PMS的功能结构及内部处理流程，并据此开发出适应于各类DSS中PMS的生成器。但现有的研究还缺乏这种基于问题处理一般方法的通用PMS的设计。与此同时，虽然面向对象的组件开发方法已经成为软件开发的主流方法，但由于缺乏一个关于DSS中决策问题处理和PMS设计开发的完整理论方法体系，目前尚没有这种用于生成DSS中问题管理子系统的PMS开发组件。而PMS开发组件是我们解决现实中PMS开发难题的根本途径。因此，本研究最终需在建立起决策问题处理的一般方法体系和设计出PMS一般功能结构的基础上，设计开发出PMS开发组件。
