伴随全球经济的飞速发展和科学技术的日新月异,企业所处市场环境动态变化导致交易不确定性日益加剧,企业面临日趋激烈的市场竞争,若不能有效发现并把握市场机遇,将随时面临被淘汰的风险,特别是在金融危机背景下,机遇发现已成为学术界和企业界关注的热点和焦点。然而市场环境中的信息来源和信息量越来越多,信息复杂性和隐蔽性越来越高,市场给企业获取信息、分析判断、进而作出决策的时间期限越来越短,企业越来越难以凭借以往的人工方式来发现机遇,此时利用信息技术构建机遇发现的支持系统,辅助决策者更好地利用所掌握的信息和知识进行机遇发现,已成为关系企业生存和发展的迫切需求。自2000年日本学者Ohsawa提出Chance Discovery (CD)以来,机遇发现已得到国内外学者越来越多的重视,提出了许多机遇发现理论模型及支持技术和方法,但在理论方法、实现技术以及应用系统等方面仍然存在一些有待改进和完善之处。本文在跟踪机遇发现、决策支持、人工智能等相关学科国内外发展动向,集成多学科领域的最新研究成果基础上,采取定性、定量相结合的分析方法,对机遇发现在内在机理、本质特性、决策过程、支持技术等方面进行了如下几部分的研究：首先,从机遇发现主体内部认知和外部环境两方面分析了机遇发现的动态特性,通过提取机遇发现的需求、供给和运作三个维度,建立了机遇发现三维空间,提出机遇发现路径图式及演化机制；通过分析机遇发现决策的特性,提出基于案例的机遇发现决策支持框架。其次,针对机遇发现的案例表示问题,提出了机遇发现树模型以支持对机遇发现过程的描述；通过分析机遇的发现信息层级和多元关系,结合信息系统和超图概念提出机遇发现树的超图系统；研究了超图系统的粒度描述和粒度计算方法。第三,对于机遇发现的案例检索,在总结归纳已有的相似性度量方法基础上,提出基于超图系统的相似度计算模型,包括对象可比分析、对应求解、相似度计算三个步骤；对于超图系统中顶点对应求解,提出了一种基于可比邻接矩阵的二部图极大匹配枚举算法；通过两组实验验证了模型和算法的有效性。第四,针对机遇发现的案例学习,提出其中的机遇发现活动模式挖掘问题,通过对不同重要程度机遇发现活动进行赋权处理,提出一个基于加权支持度的机遇发现活动模式挖掘wGSP算法；在活动模式挖掘基础上,提出一种机遇发现活动序列相似匹配方法。第五,根据问题求解的理论方法,研究了基于问题求解的机遇发现决策支持过程,包括信息吸取、案例检索和案例修正三个阶段的循环迭代；研究了信息吸取的方式、算子和信息吸取方法；研究了案例检索要素模型和检索模式；研究了案例修正的方式、算子,并提出一个基于κ阶星状超图提取的案例修正启发式算法；阐述了基于案例的机遇发现决策支持工作过程。第六,分析了机遇发现决策支持的工作要求以及决策支持系统的工作机制,引入多智能代理(Multi-Agent)技术并分析了系统中信息吸取Agent、案例检索Agent、案例修正Agent和人机界面Agent的结构和工作流程,提出了Multi-Agent的机遇发现决策支持协同工作模型；给出了基于案例的机遇发现决策支持系统的体系结构和功能描述,以及系统实现的平台和工作实例。最后,对本文的研究进行了总结并对未来进一步的研究方向进行了展望。