决策是一个极其复杂的命题，特别是随着经济的发展、科学技术的进步和全球一体化的加快，各行各业面临的是一个日益复杂和不断变化的环境，决策问题变得越来越复杂。作为解决良性结构的决策问题的有效工具——决策支持系统(DSS)和管理信息系统(MIS)的出现，虽然一度让许多决策者踏上了信息时代的快车，但是不能在更高的决策层次和更复杂的决策环境下提供支持，因此复杂环境下自适应智能决策支持系统(AIDSS)的研究和应用，便成为当前决策支持系统研究的一个重要而又具有现实意义的课题。复杂环境下，决策是由多个相关人员根据日益更新的信息反复讨论才做出的。据此可知，复杂环境下自适应智能决策支持系统的决策应该是一个不断进化的过程，是不断适应外部环境变化、调整自身组元和结构的过程。因此，面对日趋复杂化的决策对象和环境，要提高决策水平就必须借助复杂系统理论和人工智能理论。论文以复杂系统理论、人工智能理论和决策理论为指导，围绕复杂环境下自适应智能决策支持系统的组成，在网络信息获取、复杂系统预测、模型优化、自适应决策主体模型和决策支持应用平台等五个方面展开研究。本文的主要贡献和创新点如下：1、针对传统搜索引擎技术在复杂环境下不能及时准确为决策者提供信息的缺陷，本文提出了基于本体和支持向量机的语意余弦相似度，在此基础上构造了农业专用搜索引擎——搜农。实践证明基于该算法的搜索引擎在特定领域，预测效果准确性、快速性明显优于普通的搜索引擎，能够及时的给决策者以准确的信息。2、针对传统预测方法不能有效预测复杂决策环境中含有混沌非线性的对象这一缺陷，本文利用信息几何理论、支持向量机(SVM)理论与相空间重构理论，提出了基于相空间重构的混沌支持向量机预测(CSVM)算法。该算法在精度、效率和支持向量个数等预测性能上明显优于传统的BP、RBF和SVM等预测方法。3、针对传统优化技术因复杂决策环境的多准则、非线性、不可微、不确定而导致局部收敛这一问题，本文利用支持向量机(SVM)理论和遗传算法(GA)理论提出了基于先验知识的GA优化算法。该算法根据历史经验构造适应度函数来指导遗传算法的优化过程，避免了局部收敛或者收敛慢的问题。4、针对传统DSS体系结构呆板，不能满足复杂环境自适应决策的缺陷，本文基于复杂适应理论，建立了三种单主体模型和三种多主体模型；并基于这些主体模型，构建了自适应的智能决策支持系统，分析了其自适应的螺旋式决策过程；最后，将该系统应用于农业生产决策过程中，证明了基于自适应智能决策理论的决策平台能够在复杂环境下帮助决策者提供有效决策。