决策支持系统(Decision Support Systems简称DSS)是一种人机决策系统，为了强 调这种系统对决策只能起辅助作用，应发挥决策者的主体作用，因此将其称为决策支持系 统。决策支持系统(DSS)的使用可以有效提高计算机信息系统的应用水平和决策能力， 但传统的DSS由于体系结构复杂、开发难度大、通用性与灵活性差、决策支持度不高等原 因，没有得到有效地应用。尽管现在群体决策支持系统、智能决策支持系统等新型DSS结 合了现代信息技术的新成果而大大提高了DSS的决策支持能力，但并没有从根本上解决DSS 结构复杂、开发困难的问题。而由Sprague提出的DSS生成器虽然目的在于简化专用DSS 的开发，但由于受梏于传统DSS的体系结构和缺乏对其基本理论的系统研究，真正意义上 的DSS生成器还难以实现。为此，构造更为简单的DSS体系结构，寻求DSS研究与开发的 有效方法，提高DSS的应用水平成为国内外DSS研究领域亟待解决的难题。传统DSS生成 器实现的可行方式有二种，一种是DSS开发系统方式，这是一种用于开发专用DSS的集成 开发平台，类似于Visual Basic、Visual C++、Power Builder等软件，用于开发专用DSS 的界面和各种功能模块；第二种是通用DSS系统方式，它包含所有专用DSS所需的各种功 能模块和库结构，而专用DSS开发时只需要对功能模块作一定的修改和对库中的数据进行 自定义。这两种方式都具有局限性，通用性差，适用面不广，应用效率低。
随着互联网的发展，企业或组织的经济活动领域日益广阔，经营管理也越来越依赖于 互联网络，这也将使人们的决策方法和决策行为发生相应的变化，借助于互联网技术的支 持，为企业和组织经营决策提供更方便、更广泛的辅助支持手段，将成为决策支持系统的 发展方向。将互联网结构体系用于群体智能决策之中，将更有利于提高决策的效率和决策 的效益。

本发明所要解决的技术问题是针对现有技术中的上述缺陷，提供一种基于互联网结构 的群体智能人—机决策方法，借助于互联网技术的支持，为企业和组织经营决策提供更方 便、更广泛的辅助支持手段，以此提高企业和组织经营者的决策水平和决策效率，提升企 业的竞争能力。
解决本发明技术问题所采用的技术方案是该基于互联网结构的群体智能人—机决策 方法，其特征在于是利用局域内部网(Intrannet)和/或因特网(Internet)，在局域内部网 (Intrannet)内设有Web服务器和数据库服务器，在Web服务器和数据库服务器内以面向 对象的决策支持组件构成一种决策支持系统生成器，这些组件包括互联网环境下群体智能 决策支持系统所需的类库、对象及其属性和方法，将提出决策的应用需求的各应用系统作 为应用层，通过开发层的各种开发工具，将群体智能决策支持系统生成器组件作为开发资 源添加到应用系统中，构成具有群体智能决策支持功能的应用系统或专用决策支持系统， 系统在互联网中物理设施包括计算机、Web服务器、数据库服务器、邮件服务器、网络及 通信设备即物理层的支撑下运行，远程用户经互联网通过Web服务器、局域内部用户通过 Web服务器执行带决策支持功能的应用系统，应用系统又调用包含在其内部的决策支持系 统生成器组件来管理和完成各种决策任务，而系统在决策支持中所需要的数据或资料从数 据库服务器中的决策数据库调取。所说的构成决策支持系统生成器的决策支持组件包括面 向问题求解的决策支持组件(主要包括用于结构化问题的理解、分析、分解和求解模块)、 面向数据挖掘的决策支持组件(主要包括用于企业内外部的海量数据分析模块，发现企业 管理决策中存在的问题模块或经营管理中存在的规律模块)、面向知识管理的决策支持组 件(主要包括用于企业显性知识和隐性知识的发掘、管理和运用模块，为非结构化决策问 题的解决提供支持模块)、决策总控制组件(包括用于控制整个决策过程的控制模块和各 组件间的协调模块)、群决策协调控件(包括用于参与群决策用户间的通讯联系模块、意 见协调模块和决策会议组织模块)，这些组件可相互连接，决策总控制组件能对其他组件 进行协调、控制整个决策过程。通过把决策支持系统的各种基本功能模块做成决策支持系 统生成器的决策支持组件，再把这些组件组合形成决策支持系统生成器嵌入到各自不同的 应用系统或专用中，就可以生成专用DSS或带决策支持功能的应用系统。当开发专用决策 支持系统时，只需把这些组件拼装起来形成决策支持系统生成器添加到基本的DSS程序框 架中。可以将决策支持系统生成器的决策支持组件跨硬、软件平台使用，可以在单机、局 域网和互联网中使用和运行。
互联网中物理设施即物理层的支撑包括物理层的网络支撑结构和物理层的信息支撑 结构，其中，物理层的网络支撑结构支撑决策支持系统生成器及其开发的决策支持系统的 运行，物理层的网络支撑结构是企业内部网Intranet与国际互联网Internet的混合体，遵循 Internet协议和规范。企业内部采用快速交换以太网，分公司与企业总部通过光纤或专线连 接，远程用户与企业总部通过国际互联网连接。Web服务器负责对企业内外的用户进行决 策管理和通讯，它是决策支持系统各种功能的主要承载体；数据库服务器负责给企业内外 的决策支持系统用户提供数据；邮件服务器负责与企业内外的用户进行电子邮件交流通 讯；信息安全由路由器、防火强、网管工作站及数据库系统进行控制。而物理层的信息支 撑结构是决策支持系统用户所需的数据首先从外部数据源或企业原有信息系统数据库通 过数据挖掘功能转入数据仓库，根据需要从数据仓库析取所需的数据到决策数据库中，而 数据仓库和决策数据库均存放在数据库服务器中。远程用户通过Web服务器和企业用户通 过Web服务器执行带决策支持功能的应用系统，应用系统又调用包含在其内部的决策支持 系统生成器组件来管理和完成各种决策任务。而系统在决策支持中所需要的数据或资料从 数据库服务器中的决策数据库调取。
本发明技术方案所依据的原理：
决策支持系统通常分为三类：基于模型驱动的决策支持系统、基于数据驱动的DSS和 基于知识驱动的DSS，分别支持面向结构化问题、数据分析和非结构化问题的决策。因此， 本发明中作为实用的决策支持系统生成器也应该能支持这三类决策支持系统DSS的开发。
本发明中的决策支持系统生成器主要使用了以下的决策支持的原理和方法：
(1)决策问题理解与求解的方法
问题的理解和求解是DSS的核心内容，DSS的问题理解与求解的方法和机制是影响DSS 的性能，决定DSS的功能、结构和系统处理流程的关键因素之一。问题的理解是指为决策 问题找到合适的方法去求解，它是问题求解的基础；问题求解就是指为决策问题找到答案。
本发明所使用的问题理解与求解的方法和机制可以用图1所示的决策问题求解的一般 过程来描述：
①对一个描述好的决策问题进行属性识别，包括它的类型、决策目标、求解条件等。
②分析问题属性的状态，即分析问题的各求解条件的取值是否已知或有数据源，如 果已知或有数据源，就作为该问题求解的已知条件加以使用；如果不知或无数据源，则针 对该求解条件产生一个新的问题，构成总决策问题的子问题。
③再对子问题的属性进行分析，并分析子问题属性的状态，如果也存在取值不明的 求解条件属性，则需进一步产生该子问题的下一层子问题。
④逐步将总问题根据上述方法进行分解，形成一个如图2所示的问题分解树，最终 形成一个个求解条件的取值均已知或均有数据源的子问题(称为原子问题)。
⑤分析各子问题的求解策略，判断是用模型求解还是用知识方法求解。
⑥如果用模型求解，则首先搜索模型库，如果有合适模型，则从模型库中调出该模 型求解；如果没有合适模型，则建立新模型，并利用新模型求解。
⑦如果用方法求解，则搜索知识库，如果有合适知识可解答问题就使用这些知识； 如果没有，就需创造新知识来解答问题。
⑧求解结果可作为它上一层子问题的求解条件的取值，同时也改变了改变上一层问 题的属性及状态。
⑨退回到上一层子问题，重复⑤～⑧步，直到总问题被解答出来。
(2)基于数据管理的决策支持基本方法
本发明中所提出的基于数据驱动的决策支持方法主要由三个阶段组成(如图3所示)： 数据准备、数据开采、结果表达和解释，其中：数据准备包括数据集成、数据选择、数据 预处理。数据集成主要是将多种数据源组合在一起，将其存放于探索数据仓库；数据选择 是从探索数据仓库中检索与分析任务相关的数据；数据预处理则是消除噪音或不一致的数 据，然后将数据转换或统一成为适合挖掘的形式，如汇总或聚集等操作。数据开采主要通 过具体的智能挖掘方法提取数据模式或知识。结果的表达和解释主要通过使用可视化和知 识表达技术，向用户提供挖掘的模式和知识，同时利用某种兴趣度度量识别表示知识的真 正有趣模式。
我们将数据挖掘流程划分为四个层次，即问题识别层、任务层、应用层和用户层。问 题识别层是一个输入输出系统，把问题所处的环境以及其求解的评判标准通过数据挖掘和 控制数据挖掘的参数描述出来，其输出结果包括目标搜索表述和问题求解需求；任务层是 将数据挖掘过程转变满足求解条件的可操作过程；应用层提供了一个统一的技术框架，确 保任务层得以实现；用户层则是实现数据的可视化，用户就可以审视来自应用层(或其他 层次)的输出结果，也可以通过改变某些数据挖掘的参数以获得更满意的求解结果。
(3)知识管理的基本方法
本发明涉及两类知识管理：一般知识管理和问题求解过程知识管理。
①一般知识管理：一般知识子管理旨在建立面向非结构化问题求解的智能代理器， 该代理器提供一般性问题求解的对策。为此需要建立起一个由企业员工、知识专家、以及 相关合作伙伴共同组成的知识平台。该知识平台不仅可以提供以知识专题为中心的知识共 享体系，达到在某一知识专题中全体人员协同工作，及时获得相关知识专家的帮助和指引， 或者通过强大的搜索引擎及时获取相关的知识，同时还可以通过问题求解的方式得到相应 的问题求解对策。根据知识的外明及内隐这两种表现形式，将知识管理分为外明知识的管 理和内隐知识的管理两个部分。一般知识管理的方法如图4所示。
在外明知识的管理方面，本发明将知识管理过程分解为知识获取，知识精炼，知识存 放，知识发布，知识评价，知识维护6个阶段。
内隐知识是个人或组织经过长期实践和积累而拥有的，不易用语言表达，无法传播或 传播起来非常困难的知识，如专家、学者的知识就是这类知识。对于这样的知识，本发明 提出用知识管理系统为内隐知识的获取和共享提供在线网页服务，包括设置专家个人主 页，知识专题BBS，电子会议系统，提供搜索引擎等。同时，建立专家档案，包括专家姓 名，专业，个人主页地址，电子邮件地址等。当用户在利用外明知识管理系统不能获取相 关知识时，由系统通过所要获取的知识类型提供相应的专家的网址，用户可直接从专家主 页上向专家请教，以获取所需的知识。
面向问题求解的智能代理器根据问题的形式化表示在知识检索系统中按照一定的规 则进行匹配，搜索相同或相近似的知识主题，提供一定的解答方案。若搜索到的是外明知 识，则根据知识检索库中所提供的具体知识的存放位置显示相应的知识；对于内隐知识则 提供相应的专家联络方式，相关知识专题BBS的地址或建议使用搜索引擎。
②问题求解过程知识管理：根据前面的决策问题理解与求解方法，建立在问题求解 的基础上的基于案例推理的问题求解过程的知识库是由以前解决过的问题组成的。则知识 库中将存放问题的属性、问题的求解路径和求解结果。如图5所示，通过案例推理器在案 例知识库中查询是否存在类似问题，案例推理中的问题的匹配可对问题属性集进行选择并 对各属性赋予适当的权重。本发明使用的匹配策略有最近相邻策略、归纳推理策略、知识 引导策略，模板检索策略以及这几种方法的结合。若知识库中存在完全相同的问题，直接 采用该问题的求解方案或结论；若存在与当前问题相似的问题，则可取出其求解路径及求 解答案，并将当前问题与旧问题进行比较，然后对旧问题的求解方案做出相应的修改、调 整。在运用该方案进行问题的求解之后，还要对所得结果进行分析评价。若知识库中不存 在相类似的问题，则将问题分解成几个相应的子问题，再重复上述过程。若对子问题仍然 在案例知识库中找不到相类似的问题，则将子问题进一步分解，再重复上述过程。分解过 程到问题被分解成为原子问题为止。若原子问题仍然在案例知识库中找不到相类似的问 题，则可通过问题管理子系统进行问题求解，并将问题属性，求解过程，结果均保存于知 识库中。最后根据求解方案对问题进行解答，并对其结果进行分析和评价。分析和评价结 果也将存放于案例知识库中。
(4)群决策机制
在群体决策过程中，将决策成员划分为两大类，一类是组织者，另一类是参与者。决 策是在组织者的主持下，高度集中的合作型群体决策。组织者的主要职能是提出决策问题， 制定决策日程，组织参与者参加问题的决策过程，确定决策目标和标准，汇总各个参与者 的方案并进行分析，将各个参与者的行动计划形成决策报告。参与者的主要职能是在组织 者的统一指挥下完成自己的决策。首先查看组织者发布的决策日程安排及决策问题的内 容，针对决策问题制定决策方案。对已经形成的各个方案进行投票或讨论。查看组织者发 布的各个方案投票的汇总结果。根据汇总结果制定行动计划。查看组织者发布的决策报告。
附图说明
以下结合附图对本发明作进一步的详细描述。
图1决策问题理解与求解的过程流程图；
图2决策问题分解树图；
图3基于数据管理的决策支持的过程流程图；
图4知识管理方法框架图；
图5基于案例推理的问题求解过程知识库管理流程图；
图6互联网环境中群体智能决策支持系统整体结构图；
图7总控制子系统功能结构图；
图8总控制子系统流程图；
图9面向问题求解的决策支持子系统功能结构图；
图10面向问题求解的决策支持子系统流程图；
图11基于数据挖掘的决策支持子系统功能结构图；
图12基于数据挖掘的决策支持子系统流程图；
图13面向知识管理的决策支持子系统功能结构图；
图14面向知识管理的决策支持子系统流程图；
图15群决策协调子系统功能结构图；
图16群决策协调子系统流程图；
图17基于互联网群体智能决策支持系统生成器组件间的关系图；
图18本发明人—机决策方法逻辑结构图；
图19互联网中物理层支撑网络结构图；
图20互联网中物理层支撑信息结构图；
图21中国金属资源保障决策支持系统功能结构图；
图22实例系统数据录入界面图；
图23实例系统模型管理界面图；
图24实例系统新建/修改求解任务界面图；
图25实例系统算法选择界面图；
图26实例系统输入变量定义界面图；
图27实例系统模型表达式定义界面图；
图28实例系统设置输入变量数据源界面图；
图29实例系统决策分析模块界面图；
图30实例系统中决策支持系统生成器组件的使用界面图；
图31实例系统应用结构框图；

图18显示本发明人—机决策方法的逻辑结构图，图中的应用系统是基于互联网结构 的群体智能人—机决策中作为应用层提出决策的应用需求的应用系统，其结构描述如下：
(1)整体结构
该基于互联网结构的群体智能人—机决策中作为应用层提出决策的应用需求的应用 系统的整体结构包括五大子系统：
①总控制子系统，用来提供用户界面，引导用户使用其他四个子系统，控制决策过 程，提供整个系统的维护以及提供其他各子系统间的接口。
②群决策协调子系统，用于分配决策问题的求解任务，提供参与群决策用户间的通 讯联系、意见协调和决策会议组织。
③面向问题求解的决策支持子系统，主要用于结构化决策问题的描述、记录存储、 理解、分析、分解和求解。
④基于数据挖掘的决策支持子系统，用于企业或组织内外部的各类数据库连接，构 建和管理数据仓库，提供决策所需的数据，以及通过海量数据分析发现管理决策中存在的 问题或经营管理中存在的规律。
⑤面向知识管理的决策支持子系统，主要用于企业或组织显性知识和隐性知识的发 掘、管理和运用，为非结构化决策问题的解决提供支持。同时，根据以前问题的求解方法 形成新的问题求解知识，为同类问题求解提供指导。
各子系统之间的关系如图6所示，即用户通过总控制子系统进入和使用DSS，并根据 决策问题的需要或者决策目标来选择使用面向问题求解的决策支持子系统、基于数据挖掘 的决策支持子系统或面向知识管理的决策支持子系统。同时，在决策过程中用户通过总控 制子系统与各子系统进行交互反馈，不断调整决策问题、决策知识或模型、决策数据以及 决策目标。在此过程中，通过群决策协调子系统协调用户之间对各种调整的意见，同时使 群用户之间通过加强联系来沟通思路，统一认识，最终完成整个决策过程。
(2)各子系统的结构及其流程描述如下：
①总控制子系统
总控制系统的模块结构如图7所示。它包括三个部分：
系统维护模块：用以实现整个DSS系统基本数据的设定和修改，包括：
·用户管理子模块：用于设定系统的用户，系统用户包括三类：系统管理员、专家用 户和一般用户。系统管理员负责系统的维护和基础数据的设定；专家用户主要是具有丰富 的某领域专业知识的领域专家，他们在参与决策的同时，也负责设定模型、更新知识；一 般用户是指一般的决策者，他们有问题需要决策，但对问题涉及的专业知识又不太熟悉， 他们是DSS的主要用户。
·代码管理子模块：主要实现系统中各种代码的设定，如用户代码、部门代码、问题 代码、模型代码、知识代码、算法代码等。
·数据维护子模块：用于对系统中所存储的各种数据和资料进行备份和恢复。
决策前台模块：它是直接与系统的用户打交道的模块，用于为用户决策提供前台支持。 具体包括两个子模块：
·用户登录子模块：完成用户的注册、登录、身份认证等工作。
·决策交互子模块：用于将用户的决策要求(或决策任务)录入计算机，让用户选择 登入其他子系统，同时将各子系统决策的中间结果反馈给用户，使用户调整其决策任务和 决策参数。
决策控制模块：用于后台控制各决策任务和过程，包括：
·决策任务管理子模块：负责对决策任务进行存储、查询、分析和修改，为决策过程 的管理提供基础。
·决策进程管理子模块：用于跟踪每个决策任务的决策进度，分析决策过程中存在的 问题。
·决策方案管理子模块：对群决策用户借助问题求解、数据挖掘和知识管理三个决策 支持子系统所产生的决策方案进行存储、查询、修改和删除。同时负责对决策方案进行整 合与优化。
总控制系统的流程如图8所示。即用户首先通过登录进入系统，如果是决策用户，则 通过决策交互模块向计算机提出决策支持请求，然后根据决策任务的类型选择进入到不同 的决策支持子系统中，并通过决策交互模块与这些子系统进行人机交互操作，逐步完成决 策任务。如果是系统管理用户，则可进入用户管理、代码管理和数据维护模块，对系统的 基本信息进行设置。如果是决策组织者，则可进入决策任务管理、决策进程管理、决策方 案管理模块，对决策过程进行监督和控制。
②面向问题求解的决策支持子系统
面向问题求解的决策支持子系统的模块结构如图9所示。它包括四个部分：
问题库管理模块：其功能是实现决策问题入库和检索管理，包括：
·问题录入子模块：即将问题以文本方式输入系统并保存在问题数据库当中。由于不 同用户可能对同一问题有不同的描述，因此该模块还提供同一问题的不同表述的输入，以 备以后可以用不同的描述来检索到这个问题。同时，提供问题关键词录入，以方便以后按 照关键词检索问题和设置问题的关键属性。
·问题检索子模块：其功能是查找一个问题是否已经入库，查阅问题库中存有哪些问 题，以及在问题库中找出与新问题最相似的问题。
问题检索提供三种形式：按问题表述检索，按关键词检索和按问题其他描述检索。检 索采取类似文献检索的方式，由用户输入一个问题表述或一个、一组单词对问题库进行检 索。此外，检索还提供分问题类型、问题涉及的专业领域、问题是否有现成解法以及问题 入库时间等项目进行检索。在问题检索中，当一个问题被检索出来后，可以显示问题的其 他表述、是否有现成解、关键词等信息。
模型管理模块：主要用来创建模型，并对模型库进行维护。包括：
·模型描述子模块：其功能是对一个新的模型添加名称和说明，并将该模型同某个算 法模型建立关联。
·模型变量设置子模块：实现对模型输入变量和输出变量的增加、说明、修改和删除。
·模型表达式设置子模块：即描述出模型所需使用表达式的具体形式。
问题分解与求解管理模块：功能是实现决策问题的分析、分解，为问题找出适当的模 型并提交给模型求解。具体包括：
·模型选择子模块：为某个具体的问题选择适当的应用模型。
·变量数据源分析子模块：变量数据源分析的作用就是为模型的求解条件变量找到数 据源，以备问题求解时使用。
·子问题产生子模块：该模块实现对每一个问题的子问题进行分解。当问题所选的应 用模型的输入变量找不到数据源时，就需要产生一个新问题来求解该变量值，从而形成该 问题的子问题。
·问题提交子模块：该模块的功能是把模型的变量和表达式传递给该子系统的算法去 求解出输出变量。求解的结果将反馈给每个问题的父问题，存入其输出变量中。
求解结果管理模块：该模块的功能是对问题分析/求解的过程进行记录、保存和查询， 以及将决策后是实施结果与求解结果进行比较，为以后分析同样的问题提供知识储备。它 包括两个模块：
·求解过程记录：其功能是记录、存储和查询一个决策问题的分析/求解过程，主要 包括问题的描述、问题所选过的模型、模型涉及的变量、变量值和表达式、求解的结果。
·求解结果评价：该子模块的作用是在决策实施后提供用户对当初用DSS求出的问 题求解结果进行评价，以便为以后决策同样问题提供最佳的模型选择。用户可以用实施结 果与求解结果的比较对各种求解过程进行评价打分。
面向问题求解的决策支持子系统的流程如图10所示：
·用户在进入该子系统后，首先将决策问题录入到问题库，也可以对问题库中的问题 进行检索，找出类似的问题。
·然后调出模型库并根据知识库当中所存储的类似问题解决方案选择可解决该问题 的模型。如果有合适的模型，就进行该模型输入变量(即求解条件变量)的数据源分析， 如果有数据源，就将该问题提交给底层的算法库进行模型求解，求解的结果再通过总控制 子系统的决策交互模块反馈给用户，同时连同该问题的模型选择信息一起送入问题分析记 录库以记录该问题的求解方法，供同类问题使用。如果某个输入变量没有数据源，则产生 关于该变量的新问题，构成待求解问题的子问题，然后再返回到模型选择模块对该子问题 再进行分析。子问题的求解结果除反馈给用户和送至问题分析记录库外，还需要送到数据 库以填充其父问题的输入变量的数据源。
·如果在模型选择时没有合适的求解模型，则需创建新的模型，包括对新模型进行说 明并指定相应算法、设置模型的输入和输出变量、设置模型的表达式，然后将新模型送入 模型库供问题求解。
·问题分析记录库中的记录作为求解知识存入知识库中。
③基于数据挖掘的决策支持子系统
基于数据挖掘的决策支持子系统的模块结构如图11所示。它包括七个部分：
数据源管理模块：其功能是实现与多个异种源数据库进行正确连接，包括：
·源数据库设置：即为连接源数据库提供的资源接口，手动设置源数据库接口参数， 从而为确保与已有的业务数据库相连接而准备条件。系统提供专用数据库或开放数据库连 接(ODBC)两种数据接口，可以允许多个连接同时存在，并将相关参数实时保存下来。
·数据库连接：从源数据库设置所提供的专用接口或通用ODBC接口中，选择相应 的源数据库进行连接，确保数据的畅通。系统对于数据库连接过程进行实时记录。
数据整理与集成模块：功能是实现将多个异种源数据库中的数据进行正确集成，包括：
·数据整理：定义数据集成前的清理策略，设置数据提取条件，设置有效数据范围， 剔除非法数据和脏数据；从已连接的各数据库或其它数据源中选择要集中进行统计分析的 数据列，如有必要可同时定义各计算列；定义数据集中机制，包括目标数据表定义，数据 元素定义，字段格式变换，所有者定义，执行方式(立即，定时)等，记录并保存相关设置。
·数据集成：将各个数据源中的数据按照设置的导入策略和清理策略进行集成，最后 集中存放于数据仓库中具体的数据集市。
数据集市管理模块：其功能是实现所集成数据的管理与维护，包括：
·数据集市描述：其功能是对一个新的数据集市添加名称和说明，便于调用数据时与 挖掘模型建立关联。
·数据集市设置：实现对数据集市的事实表和事实列的增加、说明、修改和删除。
·数据集市维护：实现对数据集市中具体事实表的数据的增加、修改和删除。
·元数据管理：主要由用户通过图形化的界面定义表字段的含义，即完成系统数据到 业务对象的映射。
数据管理模块：其功能是实现选择并导入挖掘数据，并对数据进行预处理，将处理后 的结果给予保存，包括：
·数据选择与导入：选择具体数据集市中的数据，导入基础数据。
·数据预处理：实现将来自关系数据库、多维数据库、数据仓库或者文件系统的数据 进行转化，对于大数据集，可以通过数据采样减少处理的数据量，然后利用数据清理等手 段清除脏数据，将数据整合成能被采掘算法利用的数据，最后存入数据采掘库。同时可以 利用概念层次树对原始数据进行必要的抽象，使得采掘模块能够处理数据各个抽象层次， 而不是仅对细节数据进行采掘。
·数据描述：其功能是对预处理后的数据添加名称和说明，便于将该数据同某个算法 模型建立关联。
·数据项目设置：实现维度、指标和列值的定义。维度是多维分析和挖掘模型中的分 析角度，指标是用户需要分析的对象，其包括的属性为名称、字段名称、数据类型、汇总 方式、说明、表达式、分析类型(维度或指标)、值列名、显示格式；值列是指维度从语义 层到数据层的映射，建立值列是规定提取数据的规则的一个过程。
挖掘模型管理模块：其功能是实现创建挖掘模型，并对其进行维护，包括：
·模型描述：其功能是对一个新的模型添加名称和说明，并将该模型同具体算法建立 关联。
·模型变量设置：实现对模型的输入变量和输出变量的增加、说明、修改和删除。
·挖掘算法设置：实现对具体算法及其执行语句的增加、说明、修改和删除。
挖掘任务管理模块：其功能是实现挖掘任务的录入和检索，并对其设置相应的挖掘模 型与数据，包括：
·挖掘任务录入：即将挖掘任务以文本方式输入系统并保存在知识数据库中，方便于 下次挖掘时参考。同时，提供挖掘任务关键词录入，以方便以后按照关键词检索挖掘任务。
·挖掘任务检索：其功能是查找一个历史挖掘任务是否已经入库，查阅知识库中相关 的挖掘任务，以及其挖掘结果评价。
·模型选择：为挖掘任务选择挖掘模型管理中所提供的具体挖掘模型。
·数据选择：选择数据管理中所提供的具体挖掘对象(数据)，将其装入挖掘任务的 挖掘模型中。
数据开采及评价模块：其功能是实现对数据开采过程的记录，以及开采后结果的解释 评价，为以后挖掘同样的任务提供知识储备，包括：
·挖掘过程记录：其功能是记录、存储具体挖掘任务的开采过程，主要包括挖掘任务 的描述、挖掘任务所选的挖掘模型、模型涉及的算法、挖掘的结果。
·挖掘结果评价：该模块作用是提供用户对数据开采结果的解释和评价，以便为以后 同样挖掘任务提供最佳的模型、算法选择。利用兴趣度，用户可以用挖掘结果与实际情况 的比较对其挖掘过程进行评价打分。
基于数据挖掘的决策支持子系统的流程如图12所示：
·用户在进入该子系统后，首先将挖掘任务录入到任务库，也可以对任务库中的挖掘 任务进行检索，找出历史记录。
·然后调出挖掘模型，选择满足挖掘任务的挖掘模型。如果有合适的模型，就进行选 择数据对象，否则将必须进行挖掘模型及其相关算法的生成和设置。如果有合适数据对象， 就将该任务提交给数据开采模块通过具体挖掘算法进行挖掘，挖掘的结果在对其进行解释 与评价后，再通过总控制子系统的决策交互模块反馈给用户，同时连同该挖掘任务的挖掘 模型选择信息一起送入数据挖掘记录库，以记录该挖掘任务的挖掘方法，供同类情况使用。 如果具体挖掘没有合适的数据对象，则通过数据仓库进行选择、导入、预处理等操作，产 生关于该挖掘任务的训练数据集合，然后再提交。挖掘结果除反馈给用户和送至挖掘分析 记录库外，还需要保存到知识库以储备相关任务的数据挖掘知识。
·如果在数据选择时，如果数据仓库中没有合适的相应数据，则需进行源数据库设置， 创建新的库连接、新的数据集市，在数据整理的基础上进行数据集成。此外，对具体数据 进行元数据管理。
④面向知识管理的决策支持子系统
面向知识管理的决策支持子系统的模块结构如图13所示。它包括六个部分：
外明知识管理模块：实现外明知识的知识获取，知识精炼，知识存放，知识发布，知 识评价和知识维护，包括：
·知识精炼：包括知识清洗，知识编辑，知识抽取，知识形式化，知识集成及知识的 审核。知识管理员将获取的知识经过清洗，编辑，抽取及形式化之后，通过FTP传给相关 专家，经过专家的审核之后，给出意见传回给知识管理员。
·知识存放：即将经过精炼的知识分门别类的存放于知识库中。同时将知识的属性编 辑存放于知识检索库中。
·知识发布：用以实现知识的共享使用，知识发布是利用知识服务器提供知识检索的 功能。用户可通过知识查询代理器在线获取相关的知识。对外明知识可提供分专题共享。
·知识评价：功能是知识的使用者或专家对知识使用后的效果进行评价，给出知识的 适用范围，对相关知识的需求情况，对知识价值和详细程度的反馈，得到的经验教训等。
·知识维护：对知识库进行修改，更新，删除等工作，以保持知识库的适时性。
内隐知识管理模块：提供对内隐知识的管理，包括：
·专家档案管理子模块：用于录入、修改和删除专家姓名，专业，个人主页地址，电 子邮件地址等。
·知识专题论坛(BBS)子模块：提供公司职员按知识专题进行有关问题的探讨，知 识交流的场所。
·搜索引擎子模块：为用户提供通过互联网(Internet)，企业网(Intranet)获取 知识的途径。
知识地图模块：实现对外明知识和内隐知识的统一管理，包括：
·知识属性管理子模块：作用是对外明知识和内隐知识相关属性进行输入，更新，删 除等。其中包括对企业中各种知识进行分类，便于企业各级管理人员检索知识。
·知识检索子模块：提供用户检索知识库的接口。
面向问题求解的智能代理器：使用户根据问题的形式化表示在知识检索系统中按照一 定的规则进行匹配，搜索相同或相近似的知识主题，提供一定的解答方案。包括：
·问题求解代理请求接口子模块：为来自于面向问题求解子系统中的结构化问题模型 选择和用户输入的非结构化问题求解提供代理请求接口。
·问题求解知识智能搜索子模块：根据代理请求搜索知识库，并将结果反馈给用户。 若搜索到的是外明知识，则根据知识检索库中所提供的具体知识的存放位置显示相应的知 识；对于内隐知识则提供相应的专家联络方式，相关知识专题BBS的地址或建议使用搜索 引擎。
电子会议代理器：提供由知识管理子系统到群决策协调子系统中的视频会议系统的接 口。包括：
·电子会议准备：提供问题求解智能代理器的提示准备会议参与人员名单提案，检查 会议室使用情况，提供会议室及开会时间草案，并通知相关人员参加会议，提供会议主题。
·电子会议结果管理：将电子会议的记录、决议或形成的解决方案等结果存入知识库， 并提供用户查询、修改或删除。
案例的知识管理模块：将运用模型求解的决策问题求解过程和数据挖掘的过程作为案 例记录到案例知识库中，通过对以往问题求解或数据挖掘经验的积累指导决策者求解类似 问题或挖掘类似数据。它包括：
·案例知识提取子模块：将问题求解记录库中的求解记录和数据挖掘记录库中的挖掘 记录提取出来，并填入相关信息和进行格式转换后存入案例知识库。
·案例知识分析子模块：功能是对案例知识库中的案例知识进行分类，并根据问题求 解评价和数据挖掘结果的评价对案例知识进行分析，给出案例的适用范围或适用条件，并 将分析结果作为案例知识的更新内容存回案例知识库。
面向知识管理的决策支持子系统的工作流程如图14所示。
⑤群决策协调子系统
群决策协调子系统功能结构如图15所示，它包括三个部分：
群决策工作台：由分布在Internet环境中的各用户终端组成。该层主要完成系统与 决策用户的交互，为决策用户之间提供沟通支持。包括以下模块：
·用户接口模块：完成用户的注册、登录、身份认证等工作。与决策用户有关的新系 统通过网络接口存储在应用服务层中。
·用户交互模块：该模块主要为不同的决策用户提供一个沟通环境。相当于电子白板 系统，参与者可以同时看到其上的内容，这些数据信息保存在共享决策空间服务器上，每 一个客户端都得到一个数据拷贝。
·决策支持模块：向用户提供决策服务器中的各种模块，如模型库提供的各种数学模 型、数据处理模型、图形/图像/报表模型以及问题库提供的专用DSS成功案例等。
·信息反馈模块：是交互信息及结果反馈模块，负责将运行结果和运行期间信息反馈 给决策用户。
应用服务平台：包括Web服务器、问题管理器、数据采集器、数据分析器、模型管理 器。
·Web服务器：负责输入/输出，用户交互模块和信息反馈。
·问题管理器：负责问题的存储，调用与查看。
·数据采集器：从外部数据源提取数据，外部数据源包括：远程数据库、Web站点及 用户输入数据。
·模型管理器：模型管理器负责组织数据表示，根据已有的数据执行推理过程。它包 括数据组合器和模型求值程序。其中数据分析器充当数据收集器和方案评估器之间的桥梁。 它从数据收集器中提取数据，然后对数据进行转换、格式化、分解为子问题。完成这些处 理后，数据分析器将处理过的数据传给模型求值程序。模型求值程序根据模型库中提取模 型的有关标准信息对这些数据进行计算，产生结果集。这些结果集接着被送到显示组件(用 户界面)为参与者提供可选方案。
决策资源库：包括内部数据库、模型库、知识库等。
群决策协调子系统的工作流程如图16所示：
·组织者提出并定义问题，描述问题背景，安排日程，设定参与人员，分发问题及日 程(可以通过网站，也可以通过电子邮件)；
·参与者(或专家)在获得问题后，运用本地系统功能界面及联机模型进行决策分析， 并在“讨论面板”上填写决策中间结果以供其他参与者(或专家)观看其思路；
·参与者采用匿名的方式对中间决策结果进行讨论；
·组织者制定决策问题的目标和评价标准；
·参与者对问题的每个方面进行评价或投票，并加相关的注释；
·组织者对评价或投票结果进行汇总和分析，比如最重要的选项，达成共识最多的项， 最少的项等；
·参与者进行进一步的讨论；
·产生决策行为：包括对参与者进行分组，每组集中讨论问题的某个方面，提出决策 行为(做什么，由谁做，什么时候做)；
·组织者生成决策分析报告。
·提交实施。
本发明中基于互联网的群体智能决策支持系统生成器的结构：
本发明中基于互联网的群体智能决策支持系统生成器是以面向对象的决策支持组件 来构成决策支持系统生成器，这些组件中包含了互联网环境下群体智能决策支持系统所需 的类库、对象及其属性和方法。决策支持组件可包括面向问题求解的决策支持组件、面向 数据挖掘的决策支持组件、面向知识管理的决策支持组件、决策总控制组件、群决策协调 控件，这五个主要组件相互连接，由决策总控制组件对其他进行协调，并控制整个决策过 程。通过把决策支持系统的各种基本功能做成DSS组件控件，再把这些控件嵌入到各自不 同的应用系统或专用DSS中，就可以生成专用DSS或带决策支持功能的应用系统。各组件 之间的关系如图17所示。
本发明中所提出的DSS生成器中包含的各组件结构如下所述：
①面向问题求解的决策支持组件(P_DSS.dll)
该组件包含了利用模型求解问题所需的各种类、对象、通用窗口和方法：
·变量类(Var)，用于描述模型的每个变量，包括的属性有：VarName(变量名称)、 Description(变量描述)、DataType(变量类型)、DataSource(变量数据源)；
·任务类(Task)，用于描述问题的每个求解任务，包括的属性有：TaskName(求解 任务名称)、TaskType(求解任务类型)、Parent(父问题)、Model(所用模型)；
·变量集类(Vars)，用于管理模型的所有变量，包括的属性有：Count(变量个数)、 Items(变量标号)；以及包括的方法有：Add(添加一个变量)、Remove(删除一个变量)、 Clear(清除所有变量)、Find(查找变量)；
·任务集类(Tasks)，用于管理所有求解任务，包括的属性有：Count(求解任务个 数)、Items(求解任务标号)，以及包括的方法有：Add(添加一个求解任务)、Remove(删 除一个求解任务)、Clear(清除所有求解任务)、Find(查找求解任务)；
·模型表达式类(Exps)，用于记录和操作模型表达式，包括的属性和方法有：Count (表达式个数)、Items(表达式标号)、Add(添加一个表达式)、Remove(删除一个任务)；
·求解步骤类(SolveStep)，用于记录问题的求解步骤，包括的属性有：Algorithm (求解所用算法)、InputVars(求解的输入变量)、OutputVars(求解的输出变量)、ModelExps (所用模型表达式)；
·算法类(Algorithm)，用于描述模型的算法，包括的方法有：Solve(求解问题)、 GetMainClass(取得问题的大类)、GetSubClass(取得问题的子类)、GetAlgorithm(取得 计算公式)；
·决策控件(DSSCtrl)，用于面向问题求解的决策控制，包括的方法有：Tasks(设 置任务)、GetSQLType(取得数据查询类型)、SetModel(设置模型)、SetData(设置数据 源)、Sovle(求解问题)、OnTransData(数据转换)、OnGetSQL(取得数据查询语句)；
·算法函数(Alg001、Alg002、...)，即各种算法程序，由它们构成系统的算法库；
·数据管理窗口(Data Manager Windows)，用来为用户提供分析和设置数据源的界 面；
·模型管理窗口(Model Manager Windows)，用来为专家用户提供创建和修改模型的 界面；
·模型向导窗口(Model Wizard Windows)，用来引导用户选择决策模型的界面；
·表达式生成器窗口(Expression Generator Windows)，用来为专家用户创建和修改 模型表达式的界面；
·SQL语句生成器窗口(SQL Generator Windows)，用来访问SQL语句生成器的界面。
②面向数据挖掘的决策支持组件(D_DSS.dll)
面向数据挖掘的决策支持组件主要包括数据仓库组件和数据挖掘组件两部分。其中， 数据仓库组件包括：
·事实列类(Columns)，用于记录数据项，包括的属性和方法有：Items(数据项序 号)、Name(数据项名称)、DataType(数据项类型)、Description(数据项描述)、Add(增 加一个数据项)、Remove(删除一个数据项)、Clear(清除所有数据项)；
·事实表类(Tables)，用于记录数据表，包括的属性和方法有：Items(事实表序号)、 Columns(事实列)、Description(事实表描述)、Add(增加一个事实表)、Remove(删除 一个事实表)、Clear(清除所有事实表)；
·数据集类(DataSet)，用来存放来自多种数据源中数据的事实表，并对数据进行管 理，包括的属性和方法有：Items(数据集标号)、Tables(事实表、Description(数据集 说明)、Add(增加一个数据集)、Remove(删除一个数据集)、Clear(清除所有数据集)；
·数据源设置(SetDataSource)，为数据集市中具体事实表的具体列值设置数据。设 置方式主要有数据库中读取、手工输入或从文件中读取三种。它包括的属性有：Table(事 实表)、Column(事实列)、DataType(数据类型)、ColValue(列值)，以及方法有：SetItem (选择设置)、InputData(手工输入)、LoadFromFile(从文件中读取)；
·对应列值类(ColValue)，用于描述数据仓库与源数据库的对应列值，包括的属性和 方法有：Db(数据库)、Table(事实表)、Column(事实列)、DataType(数据类型)、Description (列值描述)、DbConnect(数据库连接)、Find(查找对应列)、Clear(清除对应列)；
·SQL设置器(SetSQLs)，为SQL生成器提供手动设置相应SQL语句，包括选择相 关的数据库、事实表、事实列及其计算类型。它包括的属性和方法有：DataBases(数据库)、 DBType(数据库类型)、DBDescription(数据库描述)、FindDB(查找数据库)、SelectDB (选择数据库)、Tables(事实表)、TbDescription(事实表描述)、FindTb(查找事实表)、 SelectTb(选择事实表)、Columns(事实列)、DataType(数据类型)、CmptType(计算类 型)、FindCl(查找事实列)、SelectCl(选择事实列)；
·SQL生成器(SQL Generator)，为相对应的数据源生成相应的SQL语句，生成方式 主要有自动生成、手动设置两种方式。包括的属性和方法有：Column(事实列)、SQLs(SQL 语句)、Find(自动生成SQL语句)、SetSQLs(手工设置SQL语句)；
·元数据管理(MediaCtrl)，主要对于原始数据给予清理、管理，为用户自定义数据提 供良好界面。它包括的属性有：DataSet(数据集)、Table(事实表)、Column(事实列)、 DataType(数据类型)、CmptType(计算类型)、ColExps(列值表示)、Description(元数 据说明)；还有方法：Add(增加元数据)、Remove(删除元数据)、Clear(清除所有元数据)、 Find(查找元数据)；
·数据库连接(DbConnect)，主要实现与异种数据源的正确连接，包括的属性和方法 有：DbName(数据库名称)、DbType(数据库类型)、CnntVars(连接参数)、Description (连接描述)、DbProfiles(相关配置文件)、New(新增一个连接)、Save(保存一个连接)、 Delete(删除一个连接)、LoadFromFile(从文件中读取)；
数据仓库组件包括：
·数据设置(SetData)，为数据挖掘提供挖掘数据对象。主要通过数据仓库控件来获 取，为具体的模型变量正确设置具体相关的数据，并对其进行预处理，为挖掘准备数据。 它包括的属性和方法有：VarName(变量名)、DataType(数据类型)、DataSource(数据 源)、Select(选择数据)、Input(手工输入数据)、Load(载入变量)、PreProcess(数 据预处理)；
·模型设置(SetModel)：为相对应的挖掘任务设置相对应的挖掘模型，包括常用模 型和特殊模型。用户可以手动增添或删除模型。具有的属性和方法有：Items(模型序号)、 ModelType(模型类型)、Algorithm(采用算法)、Description(描述说明)、Add(增加 模型)、Delete(删除模型)、Save(保存模型)、Find(查找模型)；
·算法设置(SetAlg)，所采用的挖掘模型设置相对应的挖掘算法。包括的属性和方 法有：Items(算法序号)、Name(算法名称)、Description(描述说明)、Add(增加一个 算法)、Delete(删除一个算法)、Save(保存算法)、Find(查找算法)；
·挖掘算法管理(AlgManage)，主要对于挖掘算法进行统一管理，为用户自定义算法 提供良好界面。具有的属性和方法有：Name(算法名)、Type(算法类型)、Program(执行 语句)、Description(描述说明)、Add(增加算法)、Delete(删除算法)、Save(保存算 法)、Find(查找算法)；
·解释器(explainor)，实现对于挖掘结果的解释与评价，用户更加直观地审视所得 模式或知识。具有的属性和方法有：MiningTasks(挖掘任务)、MiningType(挖掘类型)、 DateSource(数据来源)、RuningState(运行情况)、Explain(结果描述解释)、Find(查 找挖掘任务)、Delete(删除挖掘任务)、Save(保存挖掘任务)。
③面向知识管理的决策支持组件(K_DSS.dll)
该组件包含了利用知识管理提供决策支持所需的各种类、对象和方法：
·专家类(Experts)，用于记录专家的信息，包括的属性和方法有：ExpertName(专 家姓名)、ExpertField(专家领域)、ExpertHompage(专家主页)、ExpertEmail(专家电 子邮箱)、Add(添加一个专家)、Delete(删除一个专家)、Modify(修改专家信息)、Find (查找专家)；
·知识类(Knowledges)，用于描述和管理各类知识，包括的属性和方法有：Items (知识序号)、Title(知识主题)、Type(知识类型)、KeyWord(关键词)、Description (知识描述)、Provider(知识提供者)、InputDate(知识提供时间)、KnowSource(知识 来源)、Evaluation(知识的评价)、Add(增加一条知识)、Delete(删除一条知识)、Modify (修改一条知识)、Find(查找知识)；
·电子会议类(EConference)，用于描述电子会议代理器所需信息，包括的属性和方 法有：ConTitle(会议主题)、Participance(会议参加者)、Time(会议时间)、Place(会 议场所)、ConMaterial(会议要点)、Save(保存会议信息)、Edit(编辑会议信息)、Inform (会议通告)；
·论坛索引类(BBSIndex)，用于记录论坛索引信息，包括的属性和方法有：BBSName (论坛名称)、BBSAddress(论坛地址)、BBSField(论坛领域)、Add(增加一条论坛信息)、 Delete(删除一条论坛信息)、Modify(修改一条论坛信息)、Find(查找论坛信息)；
·案例库方法(CaseBasedMethod)，用于操控案例库，包括的方法有： PropertiesExtract(提取案例特征)、SetPowerVector(设置权重)、Matching(案例匹配)、 Select(案例选择)、Adjust(案例调整)、GetSolution(得到答案)、SaveAsKnowledge (将案例储存为知识)；
·知识管理(KnowledgesCtrl)，用于知识管理决策，包括的属性、方法和事件有： ExplKnowledges(外明知识)、TacitKnowledges(内隐知识)、EConference(电子会议)、 SearchEngine(搜索引擎)、Solve(求解问题)、OnSeleExpert(选择专家)、OnSeleBBS (选择论坛)、OnHoldEConf(举办电子会议)、OnSeleSearchEng(选择搜索引擎)；
·问题处理器(ProblemProceesor)，用于处理决策问题，包括的属性和方法有： ProblemSolStyle(问题求解类型)、OnDataDriven(数据驱动求解)、OnModelDriven(模 型驱动求解)、OnKnowDriven(知识驱动求解)；
④决策总控制组件(Mail_Control.dll)
该组件包含了决策交互和决策控制所需的各种类、对象、通用窗口和方法，而系统维 护和用户登录由各专用DSS自行编制。
·决策结果类(Result)，用于记录各求解任务的求解结果，包含的属性和方法有： Description(结果描述)、Task(所属求解任务)、Evaluate(结果评价)、Status(结果 状态)、GetResualt(取得结果)、Modify(修正结果)；
·决策任务类(DTask)，用于描述决策任务，包含的属性有：DTaskName(决策任务 名称)、DTaskType(决策任务类型)、Submitter(决策任务提交者)、Manager(决策任务 管理者)、Tactics(所选求解策略)；
·决策任务集类(DTasks)，用于管理所有的决策任务，包括的属性和方法有：Count (决策任务个数)、Items(决策任务标号)、Add(添加一个决策任务)、Remove(删除一个 决策任务)、Clear(清除所有决策任务)、Find(查找决策任务)；
·决策进程类(Process)，用于管理决策任务的决策进程，包括的属性和方法： ProcessName(进程名称)、DTask(所属决策任务)、Plans(决策任务进程计划)、Status (进程状态)、Resume(进程简述)、Start(启动决策任务进程)、Adjust(调整决策任务 进程计划)、Stop(终止决策任务进程)；
·决策方案类(Scheme)，用于管理个决策任务的决策方案，包括的属性和方法有： Description(方案描述)、DTask(所属决策任务)、Result(所属任务的最终求解结果)、 Evaluate(方案评价)、Get Scheme(取得方案)、Optimize(优化方案)；
⑤群决策协调组件(Group_Coordinate.dll)
该组件包含了群体决策支持所需的各种类、对象和方法。
·决策成员类(Member)，用于记录决策成员的信息，包括的属性和方法有： MemberName(决策成员姓名)、MemberCondition(决策成员身份)、MemberFlag(决策成员 标记)、MemberEmail(决策成员电子邮箱)、Add(增加一个决策成员)、Delete(删除一个 决策成员)、Modify(修改决策成员信息)、Find(查找决策成员)；
·决策日程类(Schedule)，用于描述、管理和控制决策过程，包括的属性和方法有： ScheduleName(日程名称)、MemberContent(日程内容)、Add(增加一个日程)、Delete (删除一个日程)、Modify(修改日程信息)、Find(查找日程安排)
·决策方案类(Program)，用于记录决策成员制定方案信息，包括的属性和方法有： Items(方案序号)、ProgramName(方案名称)、ProgramContent(方案内容)、Add(增加 一个方案)、Delete(删除一个方案)、Modify(修改方案信息)、Find(查找方案)；
·决策目标类(Goal)，用于记录组织者制定的决策方案评价目标及水平信息，包括 的属性和方法有：GoalName(目标名称)、GoalContent(日程内容)、GoalLevel(目标水 平)、Add(增加一个目标)、Delete(删除一个目标)、Modify(修改目标信息)、Find(查 找目标安排)；
·行动计划类(Plan)，用于记录决策成员组的决策实施行动计划信息，包括的属性 和方法有：GroupName(决策成员组名称)、PlanStep(行动步骤)、PlanContent(行动内 容)、Add(增加一个行动)、Delete(删除一个行动)、Modify(修改行动信息)、Find(查 找行动)。
本发明的DSS生成器容易被实用化和最有前途的，容易实现跨平台应用。而且，通过把 DSS的各种基本功能做成DSS控件，再把这些控件嵌入到各自不同的应用系统或专用DSS 中，就可以生成专用DSS或带决策支持功能的应用系统。
利用本发明中的决策支持系统生成器可以开发企业经营管理所需的各种专用决策支 持系统或带决策支持功能的管理信息系统，应用时，其技术逻辑结构如图18。
在开发各种基于互联网的应用系统时，各应用系统作为本发明技术应用逻辑的应用层 提出决策的应用需求，借助于开发层的各种开发工具，将群体智能决策支持系统生成器组 件作为开发资源添加到应用系统中，构成具有群体智能决策支持功能的应用系统或专用 DSS，系统在物理设施(计算机、服务器、网络及通信设备等)即物理层的支撑下运行。
其中，物理层的网络支撑结构如图19所示。该网络模型支撑本项目的生成器及其开 发的DSS的运行，它是局域(企业)内部网Intranet与国际互联网Internet的混合体，遵 循Internet协议和规范。局域(企业)内部采用快速交换以太网，分公司与企业总部通过 光纤或专线连接，远程用户与企业总部通过国际互联网连接。Web服务器负责对企业内外 的用户进行决策管理和通讯，它是决策支持系统各种功能的主要承载体；数据库服务器负 责给企业内外的DSS用户提供数据；邮件服务器负责与企业内外的用户进行电子邮件交流 通讯；信息安全由路由器、防火强、网管工作站及数据库系统进行控制。
而物理层的信息支撑结构如图20所示。DSS用户所需的数据首先从外部数据源或企 业原有信息系统数据库通过数据挖掘功能转入数据仓库，根据需要从数据仓库析取所需的 数据到决策数据库中，而数据仓库和决策数据库均存放在数据库服务器中。远程用户通过 Web服务器和企业用户通过Web服务器执行带决策支持功能的应用系统，应用系统又调用 包含在其内部的生成器组件来管理和完成各种决策任务。而系统在决策支持中所需要的数 据或资料从数据库服务器中的决策数据库调取。
应用实例
以下提供一个应用本发明的一个实例：
1.应用系统名称
中国金属资源保障程度与开发利用战略决策支持系统
2.系统简介
该系统的目标是为国家有关部门对我国金属资源保障程度进行相关决策时，提供定量 的辅助支持。主要功能包括：
(1)对有色与黑色金属行业的整体经济指标的趋势进行预测。使相关人员在进行决 策时，对我国黑色与有色金属行业的产出、投资、资本存量、就业人数等宏观经济变量的 总体态势予以把握。
(2)对各种重要的黑色与有色金属的供给、需求与储量进行预测，进而预测各种金 属的保障程度，为有关部门制定相应的政策提供数据支持。
(3)分析黑色与有色金属行业和各种技术经济指标与产出的关系，找出对产出影响 最敏感的技术因素，从而为决策部门在制定提高金属的自有供给的科技政策时提供依据。
(4)分析黑色与有色金属行业和各种财务指标与产出的关系，找出对产出影响最敏 感的财务因素，从而为决策部门在制定提高金属的自有供给的投融资政策时提供依据。
3.系统开发思想
该系统是一个基于(预测与分析)数学模型驱动的专用决策支持系统，因此其设计与 开发遵循决策支持系统开发的一般原则，即以模型库为核心，通过友好的人机交互界面将 模型库与数据库有机地连接起来，完成各种预测与分析的目标。
基于传统决策支持系统在模型库管理上的缺陷，即缺乏编程经验的终端用户不能轻易 地对模型进行管理，应用“基于互联网结构的群体智能决策支持系统生成器组件”来构 造本系统的模型库和决策功能，从而使用户在不需要编程的条件下，完成对模型库中各模 型的定义与修改，以及实现决策支持，以提高本系统的适用性与灵活性。
4.系统功能结构
该系统的功能结构如图21所示。
5.模块功能介绍
(1)数据管理模块
本模块完成对系统所需的各类数据进行获取、输入、修改、删除等操作，为分析决策 提供数据源。这些数据主要包括：①行业宏观经济指标数据；②分品种金属供需数据；③ 行业技术经济指标数据；④行业财务指标数据；数据录入界面如图22。
(2)模型管理模块
本模块完成对系统所需的各类模型进行定义、修改、删除等操作，为分析决策提供分 析模型。这些模型主要包括：①行业宏观结构分析模型；②分品种金属供需预测模型；③ 投资敏感性分析模型；④技术经济敏感性分析模型；⑤财务敏感性分析模型；模型管理界 面见图23。
模型的定义包括以下主要步骤：
①设置求解任务：每一个模型均由一系列求解任务构成，每一任务完成一个原子问 题的求解(见图24)。
②设置任务的模型描述：对每一个求解任务进行数学描述，包括选择算法、定义输 入与输出变量、定义数学表达式(见图25～图27)
③设置任务输入变量的数据源：对每一个求解任务的输入变量的数据源进行指定， 数据源可以是一个具体数值、一个数据查询语句或是其它任务的输出值(如图28)。
(3)决策分析模块
本模块根据用户所定义的决策模型，调用相关数据来完成各项分析与预测工作。分析 的结果将为决策者的决策提供数据支持。这些分析主要包括：①行业宏观结构分析；②分 品种金属供需预测；③投资敏感性分析；④技术经济敏感性分析；⑤财务敏感性分析。决 策分析模块界面如图29。
6.决策支持组件的应用
本系统的开发使用了“基于互联网的群体智能决策支持系统中面向对象的决策支持系 统生成器组件”中的“面向问题求解的决策支持组件(P_DSS.dll)”来直接生成模型管理 模块，同时使用“面向数据挖掘的决策支持组件(D_DSS.dll)”中的数据仓库组件来构成 系统中的数据仓库，这两个决策支持组件形成了决策支持系统生成器。
系统开发平台可以是Windows2000、WindowsXP或Windows2003，开发工具采用微软 公司的Visual Basic.NET。
开发时，先用开发工具开发出系统的界面和其他模块的程序，然后在开发工具中再将 所需的决策支持组件直接拖至系统中(如图30所示)，这样就在开发的系统中包含了完整 的相应决策支持模块。
7.系统使用方式：基于互联网结构的群体智能人—机决策方法
该基于互联网结构的群体智能人—机决策方法流程如图31所示：
·用户通过互联网访问在Web服务器上的应用系统，该应用系统内有组装的决策支 持系统生成器，首先进入数据管理模块设置数据。数据来源有两种方法，一种方式是从互 联网上搜索外部数据源，将有关的统计数据存入放在数据库服务器上的数据仓库中；另一 种方式是直接在数据管理模块的界面中录入。
·通过数据管理模块的控制把数据仓库中的数据析取到决策数据库中。
·进入模型管理模块进行求解问题所需的模型的选择、设置。新设置的模型存放在模 型库中；选择模型则通过搜索和分析模型库实现。
·最后进入决策分析模块完成问题的求解和各种决策分析，决策分析的结果再通过互 联网反馈给用户。