第1章 概论 1
1.1 概述 1
1.1.1 决策分析与决策支持系统的概念 1
1.1.2 决策分析与决策支持系统的关系 4
1.1.3 决策分析与决策支持系统的发展简史 5
1.2 决策分析与决策支持系统原理 8
1.2.1 决策分析的特征、步骤与分类 8
1.2.2 决策函数和决策系统 12
1.2.3 决策支持系统的理论基础 13
1.2.4 决策支持系统的技术基础 16
1.2.5 决策支持系统的工作原理 19
1.3 决策分析与决策支持系统在管理中的作用 20
1.3.1 决策分析与决策支持系统在管理中的作用 20
1.3.2 决策分析与决策支持系统在管理中的应用概况 22
习题 24
第2章 随机型决策理论与方法 25
2.1 决策理论与方法概述 25
2.1.1 决策理论与方法回顾 25
2.1.2 决策方法的分类 25
2.1.3 典型确定型决策方法简介 26
2.2 随机型决策基本原理 28
2.2.1 随机型决策问题的分类 29
2.2.2 随机型决策问题的决策方法和步骤 29
2.3 主观概率 31
2.3.1 主观概率的概念 31
2.3.2 设定主观概率的方法 32
2.4 效用函数 34
2.4.1 效用函数的概念 34
2.4.2 效用函数的构造 36
2.4.3 效用函数在决策中的作用 40
2.5 随机型决策方法 43
2.5.1 基于效用的决策方法 43
2.5.2 Bayes决策分析 44
2.5.3 决策树 48
习题 51
第3章 模糊决策理论与方法 52
3.1 模糊决策理论与方法概述 52
3.1.1 模糊决策的概念 52
3.1.2 模糊决策理论与方法的发展简史 54
3.2 模糊集合与模糊关系 55
3.2.1 模糊集合及其运算 55
3.2.2 模糊集合的分解与扩张定理 59
3.2.3 模糊集合的隶属函数 62
3.2.4 模糊关系 66
3.2.5 模糊关系的合成 67
3.2.6 模糊等价关系 68
3.3 模糊聚类分析 69
3.3.1 模糊矩阵的建立 70
3.3.2 模糊相似矩阵与模糊等价矩阵 71
3.3.3 模糊聚类分析 72
3.4 模糊决策 75
3.4.1 模糊规划 75
3.4.2 模糊层次分析法 81
3.4.3 模糊综合评判 84
3.4.4 模糊群组决策问题 88
3.4.5 模糊决策应用举例 93
习题 102
第4章 多目标与多属性决策 103
4.1 多目标与多属性决策概述 103
4.1.1 多目标决策与多属性决策的概念 103
4.1.2 多目标决策与多属性决策的历史沿革 105
4.1.3 多目标决策与多属性决策的关系 106
4.2 多目标决策方法 106
4.2.1 多目标决策的目标准则体系 106
4.2.2 多维效用并合方法 108
4.2.3 DEA法 113
4.2.4 AHP决策分析法 118
4.2.5 不确定性多目标决策方法简介 122
4.2.6 多目标规划非劣解与产生非劣解的方法 122
4.3 多属性决策方法 129
4.3.1 多属性决策指标体系 129
4.3.2 多属性效用函数 136
4.3.3 多属性决策一般步骤 140
4.3.4 典型多属性决策方法介绍 145
4.4 多目标与多属性决策的应用举例 153
4.4.1 TOPSIS法应用举例 153
4.4.2 多维效用并合方法举例 154
习题 155
第5章 群决策理论与方法 157
5.1 群决策概述 157
5.1.1 群决策的概念 157
5.1.2 群决策在决策中的作用 158
5.1.3 群决策发展简史 160
5.2 群决策原理 161
5.2.1 群决策效用函数及其构造方法 161
5.2.2 福利经济学和社会福利函数 165
5.2.3 Arrow不可能定理 168
5.2.4 群决策的一般步骤 171
5.3 群体偏好集结方法 172
5.3.1 决策个体偏好序集结方法 172
5.3.2 决策个体偏好概率集结方法 174
5.3.3 决策个体偏好模糊集结方法 175
5.3.4 群决策特征根法 177
5.3.5 群决策熵集结方法 179
5.3.6 群体AHP 183
5.4 群决策应用举例 185
5.4.1 应用实例一 185
5.4.2 应用实例二 188
习题 188
第6章 智能决策理论与方法 190
6.1 智能决策理论与方法概述 190
6.1.1 智能决策方法概念 190
6.1.2 智能决策理论与方法的发展背景 191
6.2 粗糙集理论 196
6.2.1 粗糙集的基本理论 196
6.2.2 决策表达逻辑 199
6.3 证据理论 203
6.3.1 证据理论概述 203
6.3.2 证据获取 207
6.3.3 证据合成与决策分析 209
6.4 定性推理理论 210
6.4.1 定性推理概述 210
6.4.2 定性推理与决策支持 213
6.5 案例推理理论 220
6.5.1 案例推理概述 220
6.5.2 基于案例推理的决策技术 222
第7章 决策支持系统 225
7.1 决策支持系统体系结构 225
7.1.1 决策支持系统概述 225
7.1.2 基于X库的体系结构 228
7.1.3 基于知识的体系结构 230
7.1.4 DSS发展中面临的问题 231
7.2 四库系统 232
7.2.1 数据库系统 232
7.2.2 模型库系统 233
7.2.3 方法库系统 239
7.2.4 知识库系统 241
7.3 群决策支持系统 244
7.3.1 群决策支持系统的概念 245
7.3.2 群决策支持系统的体系结构 247
7.3.3 群决策支持系统的功能模块 248
7.4 基于多Agent技术的群决策支持系统 250
7.4.1 基于MAS的群决策支持系统结构 250
7.4.2 基于MAS的群决策支持系统的功能模块 252
7.4.3 基于MAS的群决策支持系统应用实例 254
7.5 智能决策支持系统 256
7.5.1 传统的智能决策支持系统框架 256
7.5.2 智能决策支持系统发展现状 258
7.6 基于机器学习的智能决策支持系统 263
7.6.1 机器学习技术 263
7.6.2 基于机器学习的IDSS体系结构 265
第8章 决策支持系统的分析与设计 271
8.1 决策支持系统的开发 271
8.1.1 DSS的开发过程 271
8.1.2 决策支持系统开发与管理信息系统开发的区别 272
8.2 决策支持系统的系统分析 274
8.2.1 决策支持系统的系统分析内容 274
8.2.2 ROMC分析法 275
8.3 决策支持系统的系统设计 278
8.3.1 决策支持系统设计内容 278
8.3.2 累接设计方法 279
8.4 决策支持系统的开发环境与工具 280
8.4.1 决策支持系统的开发环境 280
8.4.2 决策支持系统的开发工具 281
8.4.3 开发工具的选择与使用 283
8.4.4 常用工具介绍 283
8.5 决策支持系统实现与集成 298
8.5.1 决策支持系统实现内容 298
8.5.2 快速原型开发技术 299
8.5.3 决策支持系统生成器 301
8.5.4 决策支持系统的评价 302
习题 303
参考文献 304