决策支持系统理论与实践

　　《决策支持系统理论与实践》系统地介绍决策支持系统的理论方法、系统设计和发展趋势，分为三篇。上篇是基础理论，介绍决策支持系统和决策分析的基本理论和常用方法，包括八个具体的实践案例；中篇是系统实践，介绍决策支持系统的核心组件及两个前沿方向——群决策支持系统和决策支持系统生成器的理论与设计，包括三个逐步进阶的技术实践环节；下篇是应用趋势，结合物联网、大数据等新一代信息技术介绍智慧城市背景下的信息协同和大数据决策。为了使读者更方便地理解、操作和开展进一步研究，
　　《决策支持系统理论与实践》给出了所涉及的全部案例的原始数据和系统源程序，所有算例、代码均在书中声明的技术环境和软件版本下测试无误。
　　《决策支持系统理论与实践》可作为高等院校管理科学、系统工程、信息技术相关专业研究生和高年级本科生的教材，也可供科研人员、各级行政干部、企业管理人员、工程技术人员参考。

上篇 基础理论
第1章 决策支持系统概述
1．1 决策的基本理论
1．1．1 决策的定义
1．1．2 决策的基础
1．1．3 决策的要素
1．1．4 决策的分类
1．1．5 决策问题的特点
1．1．6 决策过程与类型
1．1．7 决策者的类型及风格
1．2 决策支持系统的基本概念
1．2．1 DSS的定义
1．2．2 DSS的特征
1．2．3 DSS的基本功能
1．2．4 DSS的主要类型
1．2．5 DSS的决策模型
1．3 决策支持系统的产生与发展
1．3．1 DSS的产生
1．3．2 DSS的发展
1．3．3 DSS的研究现状
1．4 决策支持系统的理论基础
1．4．1 管理科学与运筹学
1．4．2 计算机技术
1．4．3 信息论
1．4．4 人工智能
1．4．5 行为科学
1．5 决策支持系统与其他系统的关系
1．5．1 DSS与MIS的关系
1．5．2 DSS与专家系统（ES）的关系
1．6 决策支持系统中的智能技术
1．6．1 基于专家系统的决策支持
1．6．2 基于神经网络的决策支持
1．6．3 基于机器学习的决策支持
1．6．4 基于Agent的决策支持
第2章 决策分析的基本理论
2．1 决策分析的基本问题
2．1．1 决策问题的典型特征
2．1．2 决策分析的步骤与环境
2．1．3 决策分析的类型
2．2 风险型决策方法
2．2．1 期望值法
2．2．2 决策树法
2．2．3 概率的确定
2．2．4 效用与决策
2．2．5 信息价值
2．2．6 灵敏度分析
2．3 多目标决策
2．3．1 多目标决策问题的提出
2．3．2 多目标决策的基本理论
2．3．3 非劣解
2．4 多属性决策方法
2．4．1 基于评价值的方法
2．4．2 基于评价序的方法
2．4．3 新型多属性决策方法
第3章 决策分析的常用方法
3．1 层次分析法
3．1．1 层次分析法的基本概念与思路
3．1．2 层次分析法的基本步骤
3．1．3 层次分析法的优点与局限性
3．1．4 正互反阵最大特征值和特征向量实用算法
应用实践1 “爸爸去哪儿”节目吸引受众因素分析（1）
应用实践2 电视台频道部门绩效考核（1）
3．2 模糊综合评价
3．2．1 模糊综合评价概述
3．2．2 模糊集的基本概念
3．2．3 模糊关系与模糊矩阵
3．2．4 模糊综合评价
应用实践1 “爸爸去哪儿”节目吸引受众因素分析（2）
应用实践2 电视台频道部门绩效考核（2）
3．3 粗糙集
3．3．1 粗糙集的基本概念
3．3．2 信息系统与决策表
3．3．3 知识的约简
3．3．4 区分矩阵
应用实践3 综合系统评价指标权重的计算
应用实践4 播音主持人的综合评价
3．4 主成分分析法
3．4．1 主成分分析法的相关概念
3．4．2 主成分分析法的计算步骤
应用实践5 城市综合竞争力的评价
3．5 数据包络分析
3．5．1 DEA的基本原理
3．5．2 DEA的CCR模型
3．5．3 评价系统的DEA有效性
3．5．4 DEA有效决策单元的构造
3．5．5 DEA应用步骤
3．5．6 DEA的计算方法
应用实践6 我国传媒上市公司绩效实证分析
3．6 马尔科夫决策
3．6．1 转移概率矩阵及其决策特点
3．6．2 转移概率矩阵的平衡状态
3．6．3 转移概率矩阵决策的应用步骤
3．6．4 马尔科夫决策的应用
应用实践7 超市酸奶经营状况预测
3．7 神经网络法
3．7．1 BP网络的相关概念
3．7．2 BP网络算法
3．7．3 BP神经网络群决策模型
应用实践8 课堂效果评价

中篇 系统实践
第4章 决策支持系统的核心组件
4．1 决策支持系统的体系结构与组成
4．1．1 基于多库的体系结构及组成
4．1．2 基于知识的体系结构及组成
4．2 模型库系统
4．2．1 模型
4．2．2 模型库
4．2．3 模型库管理系统
4．2．4 模型库的设计
4．3 数据库系统
4．3．1 数据库系统概述
4．3．2 数据模型
4．3．3 DSS数据库
4．3．4 数据仓库
4．3．5 联机分析处理
4．3．6 数据挖掘
4．4 方法库系统
4．4．1 方法库概念介绍
4．4．2 方法库的结构
4．4．3 方法库管理系统
4．4．4 方法库系统的设计
4．5 人机交互系统
4．5．1 人机交互系统概述
4．5．2 人机交互系统的设计
4．5．3 人机交互系统开发技术
应用实践9 技术组件体系搭建
第5章 群决策支持系统设计与应用
5．1 群决策的基本概念与方法
5．1．1 群决策的基本概念
5．1．2 群决策问题的集结方法
5．1．3 德尔菲法
5．1．4 投票表决
5．2 群决策支持系统的基本理论
5．2．1 GDSS的背景与概念
5．2．2 GDSS的分类与特点
5．2．3 GDSS的功能与结构
5．2．4 GDSS研究的缺陷与发展方向
5．2．5 GDSS与DSS的关系
5．3 人才招聘群决策支持系统的设计实现
5．3．1 系统总体设计
5．3．2 系统需求分析
5．3．3 系统概念设计
5．3．4 系统逻辑设计
5．3．5 系统物理设计
5．3．6 系统实施
5．3．7 系统运行示例
……
第6章 决策支持系统生成器设计与应用

下篇 应用趋势
第7章 智慧城市下的大数据决策
附录A 决策风格测试
附录B 城市综合竞争力的评价原始数据表
附录C 人才招聘GDSS功能流程说明
附录D 人才招聘GDSS源程序目录
附录E DSSG方法库函数分类列表
附录F DSSG源程序目录
附录G 美国奥巴马政府大数据战略

主要英文缩写索引
主要参考文献
后记——行为决策中的哲学智慧

　　《决策支持系统理论与实践》一书的写作过程历时六载，从写作目的到成稿形式，都几经调整。不管是内容架构，还是行文风格，其实一直徘徊在普适性和专业性之间。从理论中引出实践，从应用中再回到方法论，客观地讲，最终呈现在读者面前的，应该还是专业性略强一点，至少作者希望是这样的。科学是严肃而严谨的，决策科学尤其如是。
　　决策支持是一门将自然科学的定量分析与社会科学的定性分析完美结合在一起的学问，用定量的方法处理决策人的价值判断。与运筹学所研究的确定条件下的决策相比，决策分析的理论与方法更关注风险型和严格不确定条件下的决策，涉及以主观概率论和效用理论为支柱的统计决策理论、多属性和多目标决策、群决策和社会选择理论等诸多层面。
　　目前，与决策支持系统相关的许多专业书籍更多地侧重于理论层面的描述。但是，读者在应用过程中会面临一些具体的问题。比如：方法库和模型库在实践中到底是怎么关联并发挥作用的？如何对一个现实决策问题进行解构，并选择合适的决策方法构建模型，对多个模型进行组合，再将组合后的模型转换成程序？如何将群决策支持系统用于实际的群体决策活动？如何开发并利用决策支持系统生成器辅助科学决策？通过决策理论和决策支持系统辅助做出的决策是否真的比传统的“拍脑袋”要更科学、更高效？如果能够深入、全面地解答这些问题，读者对决策科学的认识将不再局限于理论层面和实验室阶段，而是真正清楚所看、所学、所想、所研究的东西在实践中有什么作用以及如何发挥作用。这正是我们撰写本书的初衷之一，重视决策理论与方法的模型化、程序化、可操作化，让读者对决策支持系统有一个完整的认识，看到森林的同时，也看到树木。
　　本书分为三篇。
　　上篇是基础理论，对决策、决策分析和决策支持系统的理论体系进行了系统性、总结性的介绍，呈现了一个完整的知识结构体系。在本篇第3章（决策分析的常用方法）中对七种主流的决策方法分别给出了相应的实践案例场景、数据、过程、结果和应用，注重模型与应用的结合及模型向方法的转换。
　　中篇是系统实践，介绍决策支持系统的核心组件，并结合案例重点介绍决策支持系统的两个前沿方向——群决策支持系统和决策支持系统生成器的实证应用和分析。通过介绍给出了决策行为从问题解析到模型构建，再到设计开发的完整流程；所提供的系统既可以作为辅助决策的支撑平台，也可以作为二次开发的通用架构。
　　下篇是应用趋势，结合当前全球智慧城市建设的大背景和新一代信息技术的融合趋势，一方面从大数据决策的角度，介绍决策支持系统在大数据时代的挑战和应对，诠释了科学决策在时间维度上的快速反应；另一方面从城市系统中信息协同的角度，介绍决策支持在智慧城市运行管理层面的定位和趋势，诠释r科学决策在空间维度上的信息对称。