论文部分内容阅读
大数据时代的到来对决策支持系统(Decision Support System, DSS)的发展提出了许多新的要求,传统DSS在基础理论和采用技术上都出现了无法与大数据环境相适应的情况。诸多行业领域的DSS在大数据时代都暴露出了严重的问题,这些问题主要体现在实时决策、体系结构、数据处理和存储等方面,因此越来越多的研究者开始对大数据与DSS在理论和技术层面上的结合进行研究。本文在剖析传统DSS在大数据环境中暴露的不足和其面临的新需求与新挑战的基础上,对基于大数据的实时决策支持系统(Big Data based Realtime Decision Support System, BDRDSS)进行了研究。主要工作如下：1.研究BDRDSS的相关理论、模型与结构。对BDRDSS的属性特征进行分析,并对BDRDSS进行形式化定义,以此来表述大数据环境下DSS应该具备的功能与特点,从而为后续的研究奠定基础并指明方向。针对传统DSS组成结构在大数据环境中暴露出的缺陷,设计了能够在复杂大数据环境中有效工作的BDRDSS组成结构,并在此基础上设计了一个通用的BDRDSS分层服务模型。2.对BDRDSS中的任务调度算法和数据流降载策略这两个关键技术进行研究。首先,分析BDRDSS系统资源的相关特点,对系统中的计算资源、计算任务和决策任务进行建模,以最优跨度为目标分别设计了DC-SS-FF和TC-SS-FF两个决策任务调度算法,并借助实验手段证明了它们具有良好的近似比。其次,结合不同的决策任务对时效性有不同的要求这一特点,对BDRDSS中的数据流降载策略进行分类,并提出一种基于数据时效价值的动态降载策略,通过实验验证了该策略的执行效果,同时分析了关键参数对决策时效性和质量的影响。3.以金融领域为实例,设计并实现了一个BDRDSS系统原型。基于本文在BDRDSS结构、模型与关键技术等方面的研究,使用大数据相关技术构建了一个用于量化投资的BDRDSS原型。通过对实例系统的实现,在实践层面上探索大数据技术与DSS的具体结合,并对本文其它的研究成果进行实际验证。