随着信息处理技术、计算机技术、移动通信等技术的快速发展和广泛应用，许多实际问题要求在移动的过程中完成决策，对外界情况能够给予快速的反映。如在研究民防部门基于地理信息辅助决策支持系统，考虑到对突发事件快速反应、快速处理问题，要求基于地理信息辅助决策支持系统具有灵活性、快速性、应急支持等特点。又如，在计算机支持协同工作（CSCW）中群决策支持系统（GDSS）研究中，考虑到个体决策者在协同决策时常处于移动状态，这也要求设计的系统能够支持处于移动状态个体或用户的决策，这是我们该课题研究目的与意义。　　 个体移动方式、移动状态以及外部的环境条件对其下一步的决策都有较大的影响。因此，研究个体处于移动状态下的决策问题必须考虑个体的移动方式、个体的移动模型。为此，论文做了如下方面的工作：　　 考虑到服务器中大量用户移动日志包含有用户移动的统计规律，基于高斯·马尔可夫移动模型讨论了在位置区域不变的情况下的移动开销问题，通过选取Kalman滤波器的参数来保证总开销估计误差均方差的极限收敛，或者说在某一时刻以后，确证总开销的估计误差的均方差在某一范围之内。考虑到建模的复杂度，基于图论方法，挖掘用户的移动模式，进而给出基于用户移动日志的位置区域优化方法，本地位置注册选取算法，本地位置注册与访问位置注册的均衡优化算法。　　 针对服务器掌握移动用户少量数据的情况下，提出一种基于用户移动位置的局部预测方法，以便对移动用户进行位置管理与切换管理。考虑到无线应用环境的特点，结合位置相关信息数据的特征，在服务器端，运用粗糙集理论，为移动用户提供一种更加准确、实用的移动缓存替换策略。　　 由于在实际问题中，如信息查询、决策支持方面，用户常常要考虑提取规则的信息占信息表中信息的多少，论文讨论了基于粗糙集理论提取决策规则的信息度量问题。针对多Agent决策系统，在服务器端给出了衡量Agent基于知识水平的能力、协同的冗余度方法。运用粗糙度、信息熵和知识这三个指标，讨论了协同的可能条件以及必然条件。对于协同满足可能条件而不满足必然条件的情况下，提出了进行学习的最小知识集的概念。在此基础上，给出了相关任务T的协同模型与算法。并指出了有待解决的问题。　　 在移动客户端，考虑到移动计算的主要特点，对移动用户决策环境和移动决策过程中所涉及移动状态、通信状态进行描述。在此基础上，提出一种基于路径长度和可变通信质量的综合系数（General Quotient，简记为GQ）的移动决策方法。　　 考虑到移动对象状态的变化，运用Markov决策过程（MDP）对移动决策过程进行建模、优化，进而给出仿真过程。考虑到通信中接入何种数据，如何对这些数据提取信息、规则，讨论了用户在移动过程中数据接入的类型、数据的挖掘与规则提取问题。　　 在上述讨论的基础上，对决策支持系统的发展进行概述，讨论了服务器端决策支持与移动终端决策支持的关系，给出了移动决策支持系统的框架，并探讨了基于地理信息的移动决策支持系统和群移动决策支持系统的实现与应用问题。　　 论文针对突发事件应急处理问题，提出了移动决策支持的思想。考虑到移动模式对信息接入、移动决策的影响，从不同角度讨论了接入优化、移动管理和移动决策框架问题。进而为移动用户的如何移动、如何决策提供系统支持，使得提出的移动决策支持框架具有灵活性和实用性。