学习等技术的研究与应用为知识的学习与获取提供了新途径，如专家系统和DSS结合形成IDSS。这阶段有代表性的是：DSS书籍；群决策支持系统原型；基于计算机的专家系统等。20世纪80年代中后期，注重系统的柔性及应用性。1990年以前，DSS大多是模型驱动的。
20世纪90年代：1990年后，Bill Inmon和Ralph Kimball积极推崇使用关系数据库技术建立数据驱动的DSS；1994年，开始把OLAP功能集成到数据库中；1995年，数据仓库和World Wide Web开始影响决策支持技术的发展，基于Web的DSS变得切实可行；Gartner Group（1996），提出BI的概念。随着网络、新一代数据库、多媒体、仿真和虚拟现实等技术的发展，DSS的研究主要集中在商业智能/联机在线分析、数据仓库、基于Web服务的系统/门户网站、数据挖掘等方面。系统的主要特征是网络化、应用性、数据驱动。
21世纪至今：系统研究注重应用、注重集成及融入人的高级思维，出现了面向服务的体系结构（Service-Oriented Architecture，SOA）的一体化系统形态。重视计算机与人的知识的相互融合及有效管理，强调DSS与人的交互。特别是近几年来，开始关注触控界面技术。系统的主要特征是友好交互、个性化、智能化、集成化。
DSS名称的扩展反映了决策支持技术的进步和决策者需求内涵的提升，几种主要的DSS形态的特征对比如表1所示。
每一种系统形态都有其独特的运用范围，即所求解的决策问题都有一定的边界。当然，无论是哪种形态的DSS，都需经过系统调查、可行性论证、系统规划、系统分析、系统设计、系统实施和系统评价等各阶段。
四、 面临的问题
目前，物联网、云计算、网络超算、无线传感、语义Web等新技术的出现和现有决策支持技术的发展，对个人、组织和社会的影响与日俱增。现有的DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入困境，这引起了我们的反思，DSS的决策支持效能为什么多年来没能提上去？
传统DSS是进行决策任务求解的重要支持工具，主要具备基于逻辑和符号推理的理性决策能力。在实践中常面临以下问题：
（1）知识提取困难。信息是决策的基础，海量（多维）信息、不完备信息，并有信息孤岛的存在，如何从这些信息中提取所需知识成为严重影响DSS系统效能的因素。
（2）处理半结构化和非结构化决策问题的能力较弱。目前，已经应用于实践的DSS大部分是模型或数据驱动的，面对结构化和非结构化的问题缺乏有效的解决途径。
（3）忽视了人的参与作用。传统DSS的发展重心在技术，主要依靠数据和模型从决策技术层面支持人的决策，忽略了不能完全模型化（定量化）的非技术因素（人的认知），人只是系统的“看客”，而单纯考虑技术因素往往让决策者认为技术不符合决策需求，作为非技术因素的人又是决策系统的一个重要组件，其参与作用如何才能被刻画出来且无缝融入系统并获得决策者的认可。
这些存在的问题严重影响了DSS的使用价值和用户的使用热情，以致DSS的进展不大，但这也是一种挑战和推动力。因此，如何突破现有DSS的体系架构以提供快速决策和满足决策者真实需求的复杂的、个性化的决策服务也就成为了研究焦点。
五、 发展趋势
进入20世纪90年代以来，人工智能（包括遗传算法、模糊逻辑和智能代理等），数据库技术，Web Service，特别是一些专用技术如网格计算、人机交互、移动计算和代理启发式搜索的算法等技术的发展，为DSS的发展提供了强大的技术支撑，扩展了系统辅助决策的深度与广度。其发展趋势主要有：
1. 注重基于认知特征的人机交互技术。系统通过人机交互技术支持决策过程，为决策过程中超越其认知极限的问题处理提供适用技术手段。近年来，基于知识的人机交互技术是目前DSS研究的主要方向。随着信息技术的发展，人机交互技术的研究也从简单的菜单驱动和多媒体界面发展到智能化、多模态（通道）界面，除了传统的键盘输入、触摸屏等接触式操控模式外，还允许语言、手势、视觉（眼动仪）等多种非接触式操控模式。
2. 注重人的高级思维的参与，从技术和非技术角度重建系统架构。目前，人类对信息处理规律的研究与探索已经渗透到认知领域，但人的认知特征并没有体现在传统DSS系统设计与操作过程中。我们认为，需从技术与非技术的角度考虑DSS的体系结构。将人的高级思维嵌入到非结构化决策问题求解之中以实现人机智能的协同与融合，以期系统在可信度、可行性、适应性、敏捷性等方面都会有所提高。当然，这势必会引起新型决策系统架构的改变，也会带来一系列需要解决的关键技术。譬如，如何将人件（参与决策活动的人）和软件网络赋能为人件服务和软件服务，并纳入系统进行统一管理、调度及使能驱动等。
3. 注重各种相关技术的集成应用。未来的DSS将是综合集成的，是一个集各种决策支持技术于一身的多功能系统。它把专家群体、决策者、统计数据和信息资料与计算机软件系统等有机结合起来，构成一个操作便利、快捷、流畅、更能反映决策者高级思维的新型决策系统，具有感性与理性、定性与定量的综合功能。特别是将语义Web服务、认知科学与未来DSS的设计与开发相结合，已引起国内一些科研院所（校）的重视，并开展了一些基础性研究工作，但仍有很多理论问题和技术实现难点有待深入研究。
4. 注重系统的智能化。随着人工智能技术的不断发展，人工智能技术在DSS中的应用己经相当广泛。大体可分为两类：一类是用人工智能技术去实现DSS的模型管理、模型选择等；另一类则是利用人工智能的知识表达和推理能力直接为决策问题提供支持。如使用专家系统可提升DSS的模型和数据管理；神经计算系统或GSS能够支持专家系统的知识获取过程；智能代理技术能实现不同任务的自动化，最终代替人执行许多日常事务等。
六、 总结
阐述了DSS的产生背景、概念体系、系统分析和设计方法、应用等方面，总结了DSS的演化发展历程。针对现有的DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入“困境”，反思了为何多年来DSS的系统效能提不上去的原因，并分析了DSS进一步的发展趋势。
参考文献：
1. 吴奎.基于面向服务架构的辅助决策开发平台若干关键技术研究.南京：南京理工大学博士学位论文，2010.
2. 白晓民，张伯明.大型互联电网在线运行可靠性评估、预警和决策支持系统.北京：清华大学出版社，2010.
3. 瞿斌.高等教育评估决策支持系统.北京：中国水利水电出版社，2011.
4. 李照顺，宋祥斌等.决策支持系统及其军事应用.北京：国防工业出版社，2011.
5. 吴健宏，翁文国.应急避难场所的选址决策支持系统.清华大学学报（自然科学版），2011，51（5）：632-636.
6. 王富忠，沈祖志.物流敏捷调运决策支持系统的研究.中国管理科学，2011，19（1）：84-90.
7. 黄孝鹏，周献中，田卫萍.基于人件服务的人机协同决策系统有关问题研究.第三届C4ISR技术论坛，2011，（11）.
8. 黄孝鹏，周献中，杨佩，萧毅鸿.基于人件服务的新型决策系统关键技术研究.计算机应用与软件，2012，29（2）：19-21，66.
基金项目：国家自然科学基金（项目号：71171107）；总装重点预研基金（项目号：9140A06040510BQ***）；江苏省普通高校研究生科研创新计划（项目号：CXZZ11_0054）。
作者简介：周献中，南京大学控制与系统工程系教授、博士生导师；黄孝鹏，南京大学控制与系统工程系博士生；杨洁，南京大学控制与系统工程系博士生；盛寅，南京大学控制与系统工程系博士生。
收稿日期：2012-02-15。
