决策支持系统(DSS)是二十世纪七十年代在管理信息系统(MIS)的基础上发展起来的,是以现代信息技术为手段,辅助决策者通过数据、模型和知识等,以人机交互方式进行半结构化或非结构化决策的计算机应用系统,现已成为信息领域的研究热点之一。在决策支持过程中,模型库发挥了举足轻重的作用,是其核心所在。高效、合理的模型库是决策支持系统走向实用和成功的关键,针对决策支持系统中的模型具有种类繁多、变化频繁的特点,本文主要研究的是综合评价决策支持系统中优化模型的设计与应用。现行的综合评价方法主要有层次分析法、主成分分析法、综合指数法、模糊综合评价法和人工神经网络法等。本文在对目前用得比较多的模糊综合评价法、神经网络法等方法进行深入研究的基础上,提出了基于遗传神经网络的模糊综合评价模型,实验结果表明此法优于同类其他方法。具体地,本文首先概述了综合评价决策支持系统的基本理论和相关技术;然后对模糊综合评价法、神经网络和遗传算法等算法进行了研究;在此基础上,针对企业综合实力评价的要求和特点,建立了基于遗传神经网络的模糊综合评价模型,该模型以模糊综合评价法为基础,其中的权重向量是通过神经网络法训练而得到,并利用遗传算法的预学习来提高网络的训练速度;最后把该模型的性能和评价效果与基于BP神经网络的综合评价模型的性能和评价效果进行了详细的比较分析。文章通过实例验证,利用上述两种模型进行企业综合实力评价是有效的,比较结果说明了本文所提出的基于遗传神经网络的模糊综合评价模型更合理。