本课题的研究工作得到国家自然科学基金“基于复杂问题结构可计算的决策支持模式研究”的支持。 课题的研究内容大体分为两个部分:第一部分是对复杂决策问题表示方法的研究,这部分主要工作有复杂问题领域知识的特点、复杂问题表示的重要性、难点及解决方案等;第二部分是对复杂问题类比定量求解方法的研究,这部分的主要工作是专家知识结构分析、专家求解思维分析、问题表示模型、领域知识词表的构建、案例的相似推理等,总结各章的研究内容,本课题所作的研究工作可以概括为以下七个方面: 1、分析复杂问题求解的传统方法——面向模型的DSS研究工作中所存在的问题及弊端,提出面向问题的DSS支持模式,明确了课题研究的目的和意义,并分析评述了本课题相关领域的研究工作; 2、详细介绍了案例推理方法的理论基础及实现技术,总结了该方法的优缺点; 3、系统分析复杂问题表示的重要性和复杂问题表示的难点与重点工作,提出用问题领域知识树来描述复杂问题的观点,并对该方法的优势做了具体化的说明; 4、结合专家与新手复杂问题求解的思维差异,总结出专家求解复杂问题的思维优势,并据此给出了基于CBR的复杂问题求解方法的总体框架和技术路线; 5、结合人类问题求解知识结构特征,总结出专家知识结构特征,并根据这一知识存储模式,给出了案例表示的概念模型,并对这三个空间内所包含的信息做了描述; 6、阐述了基于案例推理的复杂问题求解方法研究应注重的几个关键问题:针对案例表示模型的结构特点,结合领域树的搜索匹配算法及相似度评价的特点,制定了相应的案例检索匹配算法、相似度评价标准、案例的修订措施及案例的保存条件; 7、给出一个实例——高校排课问题,利用本文提到的案例表示方法和基于CBR的问题求解体系结构对其进行求解,检验该方法的效果。 本课题的研究工作从认知学和复杂性两个角度来充实决策支持理论,其成果将为人类解决复杂问题,实施有效的复杂问题动态支持管理提供有益的指导和参考,具有较大的理论意义和实际应用价值。