决策任务求解是决策科学和人工智能等领域的一个研究热点,目前主流的做法是结合决策支持系统进行决策任务求解理论和方法的研究。现有大多数决策支持系统不能满足快速决策、智能决策和复杂决策的需求,原因是其架构和实现技术无法有效支持复杂决策所需的知识管理、模型自动化匹配和组合等功能,并且没有很好地处理人与计算机在进行复杂决策时的角色分工。本文以复杂决策任务求解为研究对象,以提高决策支持系统求解复杂决策问题的能力为目的,采用本体论、模糊逻辑、贝叶斯网、语义Web服务技术、层级任务网络规划、图搜索和服务工作流等相关理论、方法和技术,研究了决策支持系统中的知识表示、任务分解、模型组合和人机协同等问题。主要研究成果与创新点有：1.提出了一种基于本体的复杂决策任务形式化方法。分析了使用决策支持系统进行复杂决策任务求解的一般过程,选择本体作为复杂决策任务的形式化方法,给出了包括领域知识本体、决策模型本体和决策任务本体的决策求解相关本体构建方法,并分析了各种本体之间的层级关系和作用机理。2.针对人类思维和语言表达的模糊性,将模糊逻辑引入本体方法,提出了复杂决策任务形式化的模糊扩展。通过对模糊逻辑的适用性分析,将模糊理论引入到本体描述语言OWL2的逻辑基础——描述逻辑SROIQ(D),得到一种模糊描述逻辑F-SROIQ(D),定义了其语法和语义,并对其进行脆化表示使其可以运用现有的推理机制,在此基础上实现了决策任务相关本体的模糊扩展,并用于在服务匹配算法中计算文本相似度。3.针对事件发生的随机性和人类主观期望的概率特性,将贝叶斯网引入本体方法,提出了复杂决策任务形式化的概率扩展。通过将贝叶斯网方法中的概率推理引入SROIQ(D),得到一种概率描述逻辑P-SROIQ(D),定义了其语法和语义,并通过建立本体和贝叶斯网中相关元素间的映射实现本体描述向贝叶斯网描述的转换,在此基础上实现决策任务相关本体的概率扩展。4.提出了一种基于扩展层级任务网络规划的复杂决策任务分解方法。通过对传统层级任务网络规划中的操作算子和方法进行改写得到扩展版本。扩展后的层级任务网络规划可以有效引入领域知识,并且可以表示任务间的并行、循环、选择等复杂逻辑结构,有利于对领域相关的决策任务进行自动分解。5.提出了一种扩展WS-BPEL的人机协同决策任务求解机制。通过扩展BPEL以描述抽象工作流,将人工任务服务化为人件服务,对软件服务和人件服务进行统一管理,通过定义调度机的活动状态及其转换机制实现用户和计算机的协同和交互。6.设计并实现了一个基于服务架构的综合决策支持平台原型系统,结合具体案例对原型系统及相关关键技术进行了初步验证。