基于人工智能的政府決策支持系統(tǒng)發(fā)展體系研究

摘要：文章綜述了政府決策支持系統(tǒng)的發(fā)展體系及其架構(gòu)，重點分析了群決策支持與分布式?jīng)Q策支持的關(guān)鍵方法，并提出了未來決策支持系統(tǒng)的架構(gòu)構(gòu)想。隨著人工智能技術(shù)的創(chuàng)新和政策環(huán)境的改善，群決策與分布式?jīng)Q策的深度融合將促進(jìn)數(shù)字政府的智能轉(zhuǎn)型，進(jìn)而提升公共服務(wù)效率。

關(guān)鍵詞：政府決策支持；數(shù)字政府；人工智能；群決策；分布式?jīng)Q策；數(shù)據(jù)融合；一致性

中圖分類號：G20；G350" " " 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2025）19-0009-05

開放科學(xué)（資源服務(wù)） 標(biāo)識碼（OSID）

0 引言

政府決策支持系統(tǒng)隸屬于國家治理體系，是構(gòu)建法治與服務(wù)型政府的前端和基礎(chǔ)。習(xí)近平總書記強(qiáng)調(diào)實施網(wǎng)絡(luò)強(qiáng)國戰(zhàn)略，推廣數(shù)字技術(shù)以提升政府決策智能化水平[1]。李強(qiáng)總理亦指出要加速數(shù)字政府建設(shè)，推動政府模式智能化轉(zhuǎn)型[2]。構(gòu)建新型政府決策支持系統(tǒng)需從被動執(zhí)行轉(zhuǎn)向主動預(yù)測，確保決策過程的準(zhǔn)確性與科學(xué)性[3]。

本文從決策支持系統(tǒng)的發(fā)展歷程、群決策支持系統(tǒng)與分布式?jīng)Q策支持系統(tǒng)的研究進(jìn)展，及人工智能視角下的未來發(fā)展方向出發(fā)，探討其對政府決策支持系統(tǒng)建設(shè)的指導(dǎo)意義。

1 決策支持系統(tǒng)發(fā)展歷程

自政府形成以來，決策一直是行政管理的核心，直接影響社會、文化與經(jīng)濟(jì)發(fā)展[4]。決策支持系統(tǒng)（DSS） 發(fā)展至今已有50多年歷史，其間，衍生出多種類型。本節(jié)將從發(fā)展沿革、架構(gòu)演變對DSS進(jìn)行系統(tǒng)闡述。

1.1 發(fā)展沿革

DSS的發(fā)展歷程可分為四個階段：萌芽階段、快速發(fā)展階段、優(yōu)化發(fā)展階段和穩(wěn)定發(fā)展階段[5]。每個階段不僅代表了DSS功能的演進(jìn)，還伴隨著架構(gòu)的逐步發(fā)展和完善。

1.1.1 萌芽發(fā)展期

1960年，Herbent Simon[6]的The New Science of Management Decision為DSS奠定初步的理論基礎(chǔ)。1971年，Scott Morton等[7]提出“DDS”的概念。Peter Keen等[8]定義決策支持是指用計算機(jī)輔助領(lǐng)導(dǎo)在任務(wù)中做出決策，強(qiáng)調(diào)支持而非替代領(lǐng)導(dǎo)的判斷。此時期，DSS的架構(gòu)處于初步構(gòu)想階段，尚未形成明確的系統(tǒng)框架。

1.1.2 快速發(fā)展期

20世紀(jì)80年代初，Ralph Sprague[9]提出以用戶接口、數(shù)據(jù)庫管理系統(tǒng)和模型庫管理系統(tǒng)為核心的DSS框架。80年代中期，DSS進(jìn)一步融合方法庫管理系統(tǒng)、知識庫管理系統(tǒng)和推理機(jī)，形成由數(shù)據(jù)庫、模型庫、方法庫與知識庫構(gòu)成的四庫框架[10]。80年代末，Robert Bonczek[11]將專家系統(tǒng)與DSS結(jié)合，用于解決半結(jié)構(gòu)化與非結(jié)構(gòu)化問題，初步形成智能決策支持系統(tǒng)（IDSS） 。此后，DSS研究聚焦IDSS的發(fā)展[12]。

1.1.3 優(yōu)化發(fā)展時期

20世紀(jì)90年代初，數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘技術(shù)的興起推動了DSS的優(yōu)化升級[13]。Paul Gray[14]引入群決策理論，提出群決策支持系統(tǒng)概念。同期，Mayer Margaret[15]基于分布式數(shù)據(jù)庫技術(shù)提出分布式?jīng)Q策支持系統(tǒng)。在架構(gòu)方面，增加了知識庫并定義了信息服務(wù)、科學(xué)計算與決策咨詢等三大功能，DSS發(fā)展為四庫三功能結(jié)構(gòu)[16]。然而，隨著功能的交叉增多，四庫三功能結(jié)構(gòu)在擴(kuò)展性上面臨一定挑戰(zhàn)。因此許多學(xué)者認(rèn)為，三庫結(jié)構(gòu)以其結(jié)構(gòu)清晰、功能獨立的特點，更適合后續(xù)的開發(fā)與優(yōu)化[17]。

1.1.4 穩(wěn)定發(fā)展期

進(jìn)入21世紀(jì)，DSS發(fā)展趨于平緩，研究重點轉(zhuǎn)向具體方向的應(yīng)用開發(fā)，主要集中于群決策支持、分布式?jīng)Q策支持等領(lǐng)域[18]。在架構(gòu)上，DSS逐步向更加靈活和智能化的方向發(fā)展。

2 群決策支持系統(tǒng)研究

2.1 概要

面對重大決策的復(fù)雜性與長遠(yuǎn)性，個人決策往往存在局限性，群決策支持系統(tǒng)（GDSS） 應(yīng)運(yùn)而生。1985年，Brent Gallupe等[19]提出首個可實施的GDSS基本框架。2005年，徐選華[20]基于此提出了群決策支持處理機(jī)制（如圖1所示） ，并研究了網(wǎng)絡(luò)環(huán)境下GDSS的運(yùn)行機(jī)制及其存在的問題[21]。

圖1中，決策者之間的意見與偏好常常存在顯著差異，這要求通過有效的沖突消解與共識達(dá)成機(jī)制來促進(jìn)決策的協(xié)調(diào)。為此，GDSS需重點關(guān)注一致性處理、模糊語言建模與信息融合技術(shù)的研究。

2.2 一致性問題處理

GDSS在面臨個人偏見、社會影響和溝通障礙時，往往難以實現(xiàn)決策的一致性。解決GDSS一致性問題涉及兩個關(guān)鍵方面：確保個體決策的一致性，并促進(jìn)群體共識的達(dá)成。卓越等[22]提出通過協(xié)調(diào)員引導(dǎo)群體意見趨向一致的技術(shù)和方法，利用廣義距離和群體意見一致性軟度指數(shù)量化群體分歧程度，進(jìn)而推動群體決策的一致性。劉靜等[23]在此基礎(chǔ)上提出將個人偏好集成為群體偏好的方法，并借助偏好關(guān)系空間距離模型分析決策結(jié)果，進(jìn)一步提升群體決策的一致性。

為了更精確地處理一致性問題，Xuan Yao等[24]引入不確定性和不精確性，提出偏好關(guān)系修正模型，旨在應(yīng)對決策過程中存在的信息模糊性和不完全性。此方法能更準(zhǔn)確地表示決策者的偏好關(guān)系，尤其在動態(tài)且不確定的復(fù)雜決策問題中表現(xiàn)出更高的魯棒性。

在群體決策中，不僅需要考慮偏好關(guān)系，還應(yīng)當(dāng)關(guān)注群體成員的多樣性和屬性差異。Xu Yejun等[25]提出基于屬性驅(qū)動的兩階段一致性方法，通過動態(tài)調(diào)整決策參與者的權(quán)重與影響力，尤其在大規(guī)模群體決策中有效解決沖突，展現(xiàn)出較高的計算效率。

針對語言偏好關(guān)系，金飛飛等[26-27]提出加性一致性和乘性一致性兩種語言偏好模型，通過自迭代算法與最優(yōu)化方法分別解決這兩類一致性問題。這些模型優(yōu)化語言偏好的一致性，顯著提高了群體決策中語言表達(dá)差異帶來的決策一致性和精度。

2.3 模糊語言

GDSS中，處理不確定性決策問題尤為關(guān)鍵，尤其是在模糊域中獲取可靠決策結(jié)果。為此，模糊語言術(shù)語集成為表達(dá)決策者信息的重要工具。

1965年，Zadeh Lotfi[28]《模糊集合》的發(fā)表，標(biāo)志著模糊數(shù)學(xué)的誕生。模糊集發(fā)展為直覺模糊集和猶豫模糊集兩類。直覺模糊集通過隸屬度和非隸屬度有效描述不確定性，增強(qiáng)知識的完備性[29]；猶豫模糊集允許集合的隸屬度可以由多個值表示[30]。

Wu Tong等[31-32]提出一種解決大規(guī)模群體決策問題的方案，通過模糊等價聚類對群體屬性和決策者進(jìn)行分類，結(jié)合模糊TOPSIS模型處理不確定性，使用猶豫模糊集對語言變量建模，并采用猶豫模糊加權(quán)平均法聚合決策信息。然而，猶豫模糊語言的計算策略常導(dǎo)致信息流失，影響決策精度。為解決此問題，武文穎等[33-34]提出基于概率猶豫模糊信息集成算子的多屬性群決策模型，從而提高決策精度。

隨著猶豫模糊集的廣泛使用，XU Zeshui等[35-36]提出概率猶豫模糊集，結(jié)合猶豫模糊元與猶豫度，考慮隸屬度的概率分布，更好地刻畫決策者的不確定性。此方法不僅反映決策者的偏好，還充分考慮專家的不確定性決策信息。

2.4 信息融合

信息融合在GDSS中具有重要作用，它通過整合多源數(shù)據(jù)，為決策提供全面支持[37]。自20世紀(jì)70年代以來，信息融合技術(shù)已被廣泛應(yīng)用，尤其在多源數(shù)據(jù)融合以實現(xiàn)綜合評價方面[38]。

在群體決策中，信息融合通常涉及知識域、數(shù)據(jù)域與模型域的綜合應(yīng)用。常見方法之一是有序權(quán)重平均（OWA） 算子，由Marcin Detyniecki提出[39]，該方法在多指標(biāo)決策中通過賦予不同指標(biāo)權(quán)重來優(yōu)化決策的綜合性與精確度，從而提升決策結(jié)果的可靠性與準(zhǔn)確性。

李俊輝等[40]結(jié)合信息熵理論，在OWA算子基礎(chǔ)上融合專家定性指標(biāo)數(shù)據(jù)，提取信息特征并賦予客觀權(quán)重，最終得出精確的評價結(jié)果，尤其在多專家決策中效果顯著。邢玉平[41]基于OWA算子，定義q階正交模糊點算子，提出多屬性決策方法以解決傳統(tǒng)信息融合算子無法控制決策不確定性的問題。閆英等[42]通過DICE系數(shù)評估群體決策信息的相似性，并采用加權(quán)平均法融合專家信息，避免了“一票否決”和“聚集效應(yīng)”，保留了專家原始判斷。

3 分布式?jīng)Q策支持系統(tǒng)研究

3.1 概要

分布式?jīng)Q策支持系統(tǒng)（DDSS） 通過物理上分離的決策單元構(gòu)成網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)并行計算與協(xié)同解決問題。方衛(wèi)國等[43]提出了DDSS的框架（如圖2） ，并描述了單元協(xié)作的求解過程。

由于群體成員的認(rèn)知差異，決策結(jié)果可能出現(xiàn)沖突?！皡f(xié)調(diào)”因此成為DDSS的核心問題之一，源于知識和行為的空間、時間或邏輯分布性[44]。為解決成員及系統(tǒng)局限性，常采用三種方法：引入Agent、馬爾科夫決策以及多層次架構(gòu)。

3.2 Agent

2009年，Michael Woodridge[45]提出Agent，定義其為具有人工智能特性的自管理軟件過程，通過信息采集和處理的積累獲取經(jīng)驗，提升處理能力。引入Agent技術(shù)構(gòu)建DDSS，能增強(qiáng)系統(tǒng)的開放性和智能性。

張明磊等[46]針對分布式?jīng)Q策中的協(xié)調(diào)需求，提出了包含交互系統(tǒng)、協(xié)調(diào)器、問題處理系統(tǒng)、知識獲取系統(tǒng)和知識系統(tǒng)的DDSS框架，有效整合局部模式。羅娜等[47]通過多Agent技術(shù)構(gòu)建分布式智能決策支持系統(tǒng)，實現(xiàn)多個Agent在知識、目標(biāo)、意圖和規(guī)劃方面的協(xié)調(diào)與問題求解。

隨著移動設(shè)備的普及，Agent技術(shù)突破了固定物理位置的限制。陳學(xué)廣等[48]提出基于移動Agent的分布式DSS模型，通過將復(fù)雜決策任務(wù)分布到網(wǎng)格各節(jié)點并行異步處理，提升了系統(tǒng)效率，減輕了網(wǎng)格負(fù)載及對網(wǎng)絡(luò)帶寬的依賴。

3.3 基于馬爾可夫決策的DDSS

馬爾可夫決策過程（MDP） 是一種基于當(dāng)前狀態(tài)及其動態(tài)趨勢進(jìn)行決策的理論方法，通過轉(zhuǎn)移概率矩陣預(yù)測系統(tǒng)在特定時間的狀態(tài)變化[49]。

MDP的核心是智能體與環(huán)境的交互，智能體根據(jù)當(dāng)前狀態(tài)選擇動作，環(huán)境反饋新的狀態(tài)和收益值，智能體旨在最大化其目標(biāo)。在MDP中，動作的選擇僅依賴于當(dāng)前狀態(tài)，而與更早的狀態(tài)和動作無關(guān)。根據(jù)實際需求，智能體與環(huán)境的界限可靈活設(shè)定，因此MDP可應(yīng)用于系統(tǒng)的不同部分。

基于MDP的分布式?jīng)Q策支持已廣泛應(yīng)用于我國電力系統(tǒng)領(lǐng)域。李英姿等[50]利用MDP優(yōu)化含光伏并網(wǎng)發(fā)電的分布式電源結(jié)構(gòu)。張子霖[51]針對多目標(biāo)電動汽車協(xié)調(diào)充電問題，提出一種基于深度強(qiáng)化學(xué)習(xí)的分布式算法，通過將問題建模為MDP，實現(xiàn)全局信息的分布式計算。段斌等[52]則通過信息交互架構(gòu)主動運(yùn)行MDP，生成最優(yōu)策略，為電力系統(tǒng)提供有效解決方案。

3.4 基于多層次的DDSS

DDSS中，問題求解需要整合不同領(lǐng)域的知識，且求解模型的表示各不相同。針對這一挑戰(zhàn)，周泓等[53]提出一種分布式多層式設(shè)計，將決策過程中的定性與定量知識劃分為三個層次：第一層為與決策者交互明確決策目標(biāo)；第二層為用于問題求解的推理和算法實現(xiàn)；第三層包含有關(guān)模型使用和知識解釋的各類知識。

多層次分布式計算可以顯著縮減系統(tǒng)運(yùn)行時間，薛靜[54]通過實驗驗證了并行計算在大規(guī)模工程問題求解中的時間效益，廣泛應(yīng)用于實際問題中。協(xié)同優(yōu)化與并行計算的結(jié)合，使得多層次分布式?jīng)Q策支持系統(tǒng)不僅提高了運(yùn)算速度，解決了大規(guī)模問題，還顯著改善了求解性能。

在我國，多層次DDSS已廣泛應(yīng)用于經(jīng)濟(jì)領(lǐng)域。李小聰[55]將多層次分布式智能決策支持系統(tǒng)應(yīng)用于區(qū)域經(jīng)濟(jì)分析，基于智能預(yù)測與評價方法，研究了該地區(qū)經(jīng)濟(jì)協(xié)調(diào)發(fā)展的預(yù)測模型及控制模型，為區(qū)域經(jīng)濟(jì)決策者提供參考。張雷[56]詳細(xì)介紹了多層次分布式智能決策支持系統(tǒng)，結(jié)合回歸分析法和時間序列法，基于經(jīng)濟(jì)發(fā)展定性分析，對未來經(jīng)濟(jì)發(fā)展進(jìn)行合理預(yù)測和可信仿真。

4 人工智能賦能的決策支持系統(tǒng)

ChatGPT 4.0的發(fā)布標(biāo)志著人工智能進(jìn)入新階段，為政府決策支持系統(tǒng)模式的轉(zhuǎn)變提供了新的機(jī)遇。人工智能技術(shù)的進(jìn)步使得GDSS和DDSS的融合成為可能，推動政府決策支持系統(tǒng)向更高效、更智能、更集成的方向發(fā)展。

下面本文就政府決策支持模式轉(zhuǎn)變、政府決策支持角色分擔(dān)以及政府決策支持系統(tǒng)未來架構(gòu)進(jìn)行總結(jié)說明。

4.1 政府決策支持模式轉(zhuǎn)變

政府決策支持模式的轉(zhuǎn)變源于GDSS與DDSS的深度融合。GDSS通過匯聚多方意見和協(xié)作，增強(qiáng)決策的民主性與協(xié)同性，而DDSS則通過分布式節(jié)點的資源共享，提升決策效率和響應(yīng)速度。兩者結(jié)合，不僅促進(jìn)了決策過程的智能化，還能夠在復(fù)雜和動態(tài)環(huán)境中提供高效、靈活的決策支持，從而推動政府決策的智能化轉(zhuǎn)型和效率提升[57]。

4.2 政府決策支持角色分擔(dān)

在大數(shù)據(jù)時代，DDS的角色主要聚焦于數(shù)據(jù)的采集、存儲與歷史分析，更多的是一個被動的數(shù)據(jù)處理工具，主要服務(wù)于結(jié)構(gòu)化數(shù)據(jù)任務(wù)[58]。而在人工智能時代，DSS的角色發(fā)生了轉(zhuǎn)變，系統(tǒng)通過自學(xué)習(xí)和自適應(yīng)功能，使決策支持過程更加主動與智能，能夠應(yīng)對復(fù)雜的動態(tài)決策場景，提供主動的分析與建議。這種轉(zhuǎn)變使得DSS從單純的數(shù)據(jù)工具進(jìn)化為具備智能決策能力的系統(tǒng)。

4.3 政府決策支持系統(tǒng)未來架構(gòu)

系統(tǒng)結(jié)合了傳統(tǒng)的三庫結(jié)構(gòu)，整合了GDSS和DDSS的優(yōu)點，實現(xiàn)了智能化、高效化、透明化和協(xié)同化。其創(chuàng)新點包括：

1） 多層次結(jié)構(gòu)：通過層次化設(shè)計，確保信息流動的高效傳遞，每層承擔(dān)特定的決策任務(wù)；

2） 智能化支持：嵌入生成式人工智能，使系統(tǒng)具備主動決策支持能力，能夠從多源異構(gòu)信息中提取有價值的數(shù)據(jù)，并提供精準(zhǔn)的決策建議；

3） 透明化與協(xié)同化：集成的決策支持模塊推動決策過程更加開放和協(xié)同，提升決策公信力。

5 結(jié)語

本文綜述了政府決策支持系統(tǒng)的發(fā)展歷程及其架構(gòu)，分析了群決策與分布式?jīng)Q策支持系統(tǒng)的融合對提高決策效率的貢獻(xiàn)。隨著人工智能技術(shù)的進(jìn)步，政府決策支持系統(tǒng)將從傳統(tǒng)數(shù)據(jù)分析工具向更智能高效的決策體轉(zhuǎn)型[59]。本文為未來政府決策支持系統(tǒng)的發(fā)展與實踐提供了理論指導(dǎo)和技術(shù)路徑，并為智能化政府建設(shè)提供了新的視角。

參考文獻(xiàn)：

[1] 牛鏞.加強(qiáng)數(shù)字政府建設(shè)（專題深思）[EB/OL].（2024-03-26）[2024-05-11].http：//opinion.people.com.cn/n1/2024/0326/c1003- 40202989.html.

[2] 中華人民共和國中央人民政府.政府工作報告[EB/OL].（2024-03-12）[2024-05-11].https：//www.gov.cn/yaowen/liebiao/ 202403/content_693915.htm.

[3] 中華人民共和國中央人民政府.國務(wù)院關(guān)于加強(qiáng)數(shù)字政府建設(shè)的指導(dǎo)意見[EB/OL].（2022-06-23）[2024-05-26].https：//www.gov.cn/zhengce/content/2022-06/23/content_5697299.htm.

[4] 陳婧.政府公共決策支持信息系統(tǒng)的構(gòu)建[J].情報資料工作，2012，33（5）：61-66.

[5] 梁羅希，吳江.決策支持系統(tǒng)發(fā)展綜述及展望[J].計算機(jī)科學(xué)，2016，43（10）：27-32.

[6] SIMON H A.The new science of management decision[M].New York：Harper amp; Brothers，1960.

[7] SCOTT MORTON M S. Management decision systems： computer-based support for decision making[J].Boston： Harvard University，1971.

[8] 阮俊杰.智能型決策支持系統(tǒng)[J].控制與決策，1991，6（1）：69-74.

[9] SPRAGUE R H.A framework for the development of decision support systems[J].MIS Quarterly，1980，4（4）：1.

[10] 于洪，何德牛，王國胤，等.大數(shù)據(jù)智能決策[J].自動化學(xué)報，2020，46（5）：878-896.

[11] BONCZEK R H，HOLSAppLE C W，WHINSTON A B.The evolving roles of models in decision support systems[J].Decision Sciences，1980，11（2）：337-356.

[12] 顧紅艷.從DSS的發(fā)展重新認(rèn)識決策支持系統(tǒng)[J].沈陽工程學(xué)院學(xué)報（社會科學(xué)版），2006（3）：330.

[13] 張靜.商務(wù)智能在移動通信企業(yè)的應(yīng)用研究[D].昆明：昆明理工大學(xué)，2006.

[14] GRAY P.Group decision support systems[J].Decision Support Systems，1987，3（3）：233-242.

[15] MAYER M K.Future trends in model management systems：parallel and distributed extensions[J].Decision Support Systems，1998，22（4）：325-335.

[16] 何淳真，燕昊，康瑩，等.面向智能決策的知識管理平臺框架研究[J].電腦知識與技術(shù)，2019，15（16）：239-241.

[17] 陳文偉.決策支持系統(tǒng)教程[M].3版.北京：清華大學(xué)出版社，2017.

[18] KU C H，LEROY G.A decision support system：Automated crime report analysis and classification for e-government[J].Government Information Quarterly，2014，31（4）：534-544.

[19] DESANCTIS G，GALLUPE B.Group decision support systems[J].ACM SIGMIS Database：the DATABASE for Advances in Information Systems，1984，16（2）：3-10.

[20] 徐選華.網(wǎng)絡(luò)環(huán)境下模型驅(qū)動的復(fù)雜大群體決策支持系統(tǒng)研究[D].長沙：中南大學(xué)，2005.

[21] 徐選華，尹儇鵬，鐘香玉，等.大群體決策理論與方法研究綜述：問題與挑戰(zhàn)[J].信息與控制，2021，50（1）：54-64，74.

[22] 卓越，王紅，吳秋峰，等.群決策支持系統(tǒng)中的一致性分析技術(shù)[J].控制與決策，1999（6）：636-641.

[23] 劉靜，楊作慎.群決策支持系統(tǒng)一致性問題的處理算法[J].系統(tǒng)工程與電子技術(shù)，2000（6）：87-89.

[24] YAO X，XU Z S.A survey of consensus in group decision making under the CWW environment[J].Applied Soft Computing，2023，144：110557.

[25] XU Y J，WEN X W，ZHANG W C.A two-stage consensus method for large-scale multi-attribute group decision making with an application to earthquake shelter selection[J].Computers amp; Industrial Engineering，2018，116：113-129.

[26] 金飛飛.基于直覺模糊語言信息的群決策支持模型與方法研究[D].合肥：合肥工業(yè)大學(xué)，2018.

[27] 金飛飛，倪志偉，陳華友，等.基于一致性局部調(diào)整算法和DEA的語言偏好決策模型[J].中國管理科學(xué)，2019，27（12）：152-163.

[28] ZADEH L A.Fuzzy sets[J].Information and Control，1965，8（3）：338-353.

[29] 張海東.基于猶豫模糊環(huán)境下的軟集與粗糙集理論模型的研究[D].成都：電子科技大學(xué)，2017.

[30] 張冉，王然，林燕鴻，等.直覺模糊集及其在網(wǎng)絡(luò)輿情中的應(yīng)用[J].中國傳媒大學(xué)學(xué)報（自然科學(xué)版），20，30（6）：19-27.

[31] WU T，LIU X W，QIN J D.A linguistic solution for double large-scale group decision-making in E-commerce[J].Computers amp; Industrial Engineering，2018，116：97-112.

[32] WU T，LIU X W，LIU F.An interval type-2 fuzzy TOPSIS model for large scale group decision making problems with social network information[J].Information Sciences，2018，432：392-410.

[33] 武文穎，李應(yīng)，金飛飛，等.基于概率猶豫信息集成方法的群決策模型[J].模式識別與人工智能，2017，30（10）：894-906.

[34] WU P，ZHOU L G，MARTíNEZ L.An integrated hesitant fuzzy linguistic model for multiple attribute group decision-making for health management center selection[J].Computers amp; Industrial Engineering，2022，171：108404.

[35] XU Z S，ZHOU W.Consensus building with a group of decision makers under the hesitant probabilistic fuzzy environment[J].Fuzzy Optimization and Decision Making，2017，16（4）：481-503.

[36] 劉玉敏，朱峰，靳琳琳.基于概率猶豫模糊熵的多屬性決策方法[J].控制與決策，2019，34（4）：861-870.

[37] 胡祖輝.基于微信公眾平臺的移動信息服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)[J].南通大學(xué)學(xué)報（自然科學(xué)版），2021，20（3）：75-81.

[38] 侯彩虹，丁永生.基于改進(jìn)二元語義的評估信息融合研究[J].系統(tǒng)仿真學(xué)報，2011，23（10）：2142-2146.

[39] DETYNIECKI M，YAGER R R.Ranking fuzzy numbers using α-weighted valuations[J].International Journal of Uncertainty，F(xiàn)uzziness and Knowledge-Based Systems，2000，8（5）：573-591.

[40] 李俊輝，黎新華，彭湘濤，等.基于決策信息融合的第三方物流供應(yīng)商選擇[J].物流技術(shù)，2015，34（17）：167-170.

[41] 邢玉平.基于信息融合算子的q階正交模糊多屬性決策方法研究[D].北京：北京交通大學(xué)，2020.

[42] 閆英，周中林，何曉蘭，等.基于不確定群決策信息隨機(jī)抽樣的組合賦權(quán)法[J].系統(tǒng)工程，2015，33（6）：131-136.

[43] 方衛(wèi)國，周泓.分布式智能決策支持系統(tǒng)設(shè)計研究[J].系統(tǒng)工程理論與實踐，1999（6）：17-22.

[44] 鄭全全，宋昱.分布式?jīng)Q策支持系統(tǒng)設(shè)計中的心理學(xué)研究和趨勢[J].應(yīng)用心理學(xué)，2004，10（1）：45-50，63.

[45] An Introduction to MultiAgent Systems[M].Newyork：Wiley，2009.

[46] 張明磊，劉立騫，任飛飛.基于Agent的分布式?jīng)Q策支持系統(tǒng)框架[J].河北科技大學(xué)學(xué)報，201，33（2）：157-160，18.

[47] 羅娜，錢鋒，涂善東.多Agent環(huán)境下過程設(shè)備的分布式智能決策支持[J].自動化技術(shù)與應(yīng)用，2007，26（2）：20-22.

[48] 陳學(xué)廣，魏倩倩，吳鐵洲.一種基于移動Agent的分布式DSS模型[J].華中科技大學(xué)學(xué)報（自然科學(xué)版），2006，34（7）：53-56.

[49] 戴亞平，賈之陽，趙凱鑫，編.決策支持系統(tǒng)中的經(jīng)典與智能化方法[M].北京：北京理工大學(xué)出版社， 20.05.

[50] 李英姿，賀琳，牛進(jìn)蒼.基于馬爾可夫決策模型的分布式電源結(jié)構(gòu)優(yōu)化[J].太陽能學(xué)報，2015，36（4）：849-854.

[51] 張子霖.基于深度強(qiáng)化學(xué)習(xí)的電動汽車協(xié)調(diào)充電算法[J].信息技術(shù)與網(wǎng)絡(luò)安全，20，41（04）：83-89.

[52] 段斌，陳明杰，李輝，等.基于電能質(zhì)量態(tài)勢感知的分布式發(fā)電主動運(yùn)行決策方法[J].電力系統(tǒng)自動化，2016，40（21）：176-181.

[53] 周泓，吳健中.智能決策支持系統(tǒng)的多層次與分布式設(shè)計[J].上海交通大學(xué)學(xué)報，1994，28（2）：134-137.

[54] 薛靜.基于時間序列算法與多層次分布式智能決策支持系統(tǒng)[J].計算機(jī)工程與設(shè)計，2007，28（15）：3645-3646，3664.

[55] 李小聰，郝曼麗.多層次分布式智能決策支持系統(tǒng)在區(qū)域經(jīng)濟(jì)中的應(yīng)用[J].微電子學(xué)與計算機(jī)，2006，23（12）：172-174.

[56] 張雷.多層次分布式智能決策支持系統(tǒng)及應(yīng)用研究[D].西安：西北工業(yè)大學(xué)，2006.

[57] 禹春霞，成煜鑫，張路平，等.考慮決策信息變化的多屬性群決策方法研究[J].工業(yè)工程與管理，2024，29（2）：47-58.

[58] 胡金萍.試論“一帶一路” 大數(shù)據(jù)決策支持體系建設(shè)[J].電腦知識與技術(shù)，2018，14（3）：16-17.

[59] 張曉宇，周文泓，王萍等.國外促進(jìn)政府開放數(shù)據(jù)社會化利用的實踐全景及其啟示：基于十國政府開放數(shù)據(jù)平臺的調(diào)查[J].現(xiàn)代情報，20，43（1）：100-109.

【通聯(lián)編輯：李雅琪】