ОБЗОР МОДЕЛЕЙ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Мелихова О.А.,Руденко Э.Г.,Логинов О.А.


Номер: 6-1
Год: 2015
Страницы: 78-83
Журнал: Актуальные проблемы гуманитарных и естественных наук

Ключевые слова

Просмотр статьи

⛔️ (обновите страницу, если статья не отобразилась)

Аннотация к статье

Все большее место в современной науке занимают проблемы принятия решений, которые в широком плане можно рассматривать как проблемы анализа сложных систем. В той или иной степени, системы поддержки принятия решений присутствуют в любой информационно-управляющей системе. По мере развития предприятия, упорядочения структуры организации и налаживания межкорпоративных связей, проблема разработки и внедрения систем поддержки принятия решений становиться особенно актуальной. В данной статье будут рассмотрены некоторые аспекты теории принятия решений, задачи и классификация систем поддержки принятия решений, основные проблемы искусственного интеллекта, а также перспективы использования интеллектуальных систем поддержки принятия решений на практике.

Текст научной статьи

Процессы принятия решения лежат в основе любой целенаправленной деятельности - в технике, экономике, политике, социальной сфере, в области обеспечения безопасности сложных систем. Изучением и развитием методов принятия решений занималась такая научная дисциплина, как «Исследование операций», вошедшая позднее в направление, названное «Системным анализом». Его особенностью является учет системного эффекта, когда совокупность объектов, объединенных в систему, приводит к появлению новых свойств, то есть системный анализ представляет собой совокупность методов исследования систем, методик выработки и принятия решений при проектировании, конструировании и управлении сложными объектами различной природы[1]. В процессе принятия решений требуется использование не только формальных методов моделирования (математическая модель, аналоговая модель, физическая модель и пр.), но и качественных, слабоструктурированных факторов, таких как знания специалистов, которые трудно формализовать [7]. Это, прежде всего, опыт, интуиция, приверженность к тем или иным взглядам лиц, принимающих решения. Так появилось новое комплексное научное направление «Теория принятия решений» - ТПР, которое использует не только формальные методы системного анализа, но и методы экспертных оценок, достижения в области информационных технологий и искусственного интеллекта. Для помощи персоналу, занятому подготовкой решений, созданы специализированные информационно-управляющие системы, называемые системами поддержки принятия решений (СППР). Существует множество определений СППР, отражающих точки зрения различных ученых научных школ и направлений. На практике, чаще всего под СППР понимаются системы, позволяющие пользователю обрабатывать и анализировать массивы данных с помощью совокупности моделей объективного характера (финансовые расчеты, сбыт, управление запасами и т.п.), то есть СППР - это компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях при полном и объективном анализе предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных [3]. Маракас [12] предложил обобщенную архитектуру СППР, состоящую из пяти различных частей: -система управления данными; -система управления моделями; -машина знаний; -интерфейс пользователя; -пользователи (Рисунок 1). Рис. 1 - Архитектура СППР Пользовательский интерфейс охватывает вопросы формирования входов и выходов системы, управляет синтаксическими аспектами диалога, поддерживает контекст взаимодействия. Преобразователь запросов предоставляет словарь для доступа к данным. Управление данными охватывает модуль механизма доступа к базам данных (БД), системам управления базами данных (СУБД), хранилищам и витринам данных, а также содержит словарь данных, средства запросов и функции перемещения блоков данных между запоминающими устройствами разного уровня, организует доступ к внешним источникам и используется для соединения с другими системами. Управление моделями и операциями моделирования способствует логическому выбору данных. Здесь происходит генерирование, выбор и обновление соответствующих параметров и создание «справочника» моделей. Основными функциями СППР являются: - оказание помощи лицу, принимающему решение (ЛПР) при анализе исходной информации (оценке сложившейся обстановки и ограничений, накладываемых внешней средой); - выявление и ранжирование приоритетов, учет неопределенности в оценках ЛПР и формирование его предпочтений; - генерация возможных решений (формирование списка альтернатив); - оценка возможных альтернатив, исходя из предпочтений ЛПР и ограничений, накладываемых внешней средой; - анализ возможных последствий принимаемых решений; - выбор лучшего, с точки зрения ЛПР, возможного варианта. Процесс принятия решений может протекать по двум основным схемам: интуитивно-эмпирической, основанной на сравнении проблемной ситуации с ранее встречавшимися схожими ситуациями, и формально-эвристической, основанной на построении и исследовании модели проблемной ситуации. Независимо от схемы процесса принятия решений информационное обеспечение управления является одним из решающих факторов принятия эффективных решений. СППР решают две основные задачи: • выбор наилучшего решения из множества возможных (оптимизация), • упорядочение возможных решений по предпочтительности (ранжирование). В обеих задачах главным является выбор совокупности критериев, на основе которых в дальнейшем будут оцениваться и сопоставляться возможные решения (альтернативы). Существует классификация СППР: а) по взаимодействию с пользователем выделяют три вида: • пассивные, помогают в процессе принятия решений, но не могут выдвинуть конкретного предложения; • активные, непосредственно участвуют в разработке правильного решения; • кооперативные, предполагают взаимодействие СППР с пользователем. Выдвинутое системой предложение пользователь может доработать, усовершенствовать, а затем отправить обратно в систему для проверки. После этого предложение вновь представляется пользователю, и так до тех пор, пока он не одобрит решение [12]. б) по способу поддержки различают: • модельно-ориентированные СППР - используют в работе доступ к статистическим, финансовым или иным моделям; • СППР, основанные на коммуникациях - поддерживают работу двух и более пользователей, занимающихся общей задачей; • СППР, ориентированные на данные - использующие в работе не только внутренние, но и внешние данные; • СППР, ориентированные на документы - манипулируют неструктурированной информацией, заключенной в различных электронных форматах; • СППР, ориентированные на знания - предоставляют специализированные решения проблем, основанные на фактах [7]. в) по сфере использования выделяют: • Общесистемные - работают с большими системами хранения данных и применяются многими пользователями. • Настольные - являются небольшими системами и подходят для управления с персонального компьютера одного пользователя [12]. Существующие СППР ограничиваются оценкой текущего уровня эффективности и выдачей рекомендуемых значений входных и выходных показателей системы. Также они не позволяют, проведя исследование эффективности всех подсистем, интегрировать полученные оценки в единую оценку (или группу оценок) эффективности сложной системы. При работе сложного оборудования, функционирующего в условиях неопределенности и неполноты информации, оператор не имеет возможности заранее предвидеть ситуацию о необходимости каких-либо действий и выполняет их уже после возникновения проблемной ситуации. Для анализа и выработки предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных [5], рассуждение на основе прецедентов, имитационное моделирование [4], эволюционные вычисления и генетические алгоритмы, нейронные сети [7], ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта (ИИ). Тенденция интеллектуализации компьютеризованных систем обеспечивает естественный переход от баз данных к базам знаний, которые являются важными компонентами перспективных САПР [8]. Базы знаний являются логическим продолжением баз данных, они поддерживают и моделируют некоторые элементы интеллектуальной деятельности человека, при этом активно используют механизмы семантической интерпретации. Если в основе работы СППР лежат методы искусственного интеллекта, интеллектуальной СППР (ИСППР), то это экспертные системы и автоматизированные системы управления [7]. Главная идея использования технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. Такие системы помогают, когда собственных знаний, опыта и интуиции экспертов недостаточно для самостоятельного решения возникающих проблем. Экспертные системы представляют собой машинные программы, решающие задачи примерно так же, как решает их эксперт в реальной обстановке. Это позволяет накапливать, систематизировать и использовать знания и профессиональный опыт тех экспертов, которые выполняют конкретные задачи наилучшим образом и, в первую очередь, в тех областях, где задачи и их решения слабо формализованы или совсем не формализованы. Экспертная система достигает более высокой эффективности за счет перебора большого числа альтернатив при выборе решения, опираясь на высококачественный опыт группы специалистов. В основе интеллектуального решения проблем в некоторой предметной области лежит принцип воспроизведения знаний опытных экспертов [3]. Ключевое место в ИСППР занимает проблема представления знаний. Системы поддержки принятия решений, которые строятся на результатах, полученных в области искусственного интеллекта, часто называют системами, основанными на знаниях. Знания представляют собой совокупность сведений (у индивидуума, общества или системы ИИ) о мире (конкретной предметной области, объекте или совокупности объектов), включающее в себя информацию о свойствах объектов, закономерностях процессов и явлений, правилах использования этой информации для принятия решений. Первоначально средства вычислительной техники были ориентированы на обработку данных. Дальнейшее усложнение решаемых задач, их интеллектуализация и развитие вычислительной техники ставят задачу создания систем обработки знаний. Представление знаний - это выражение на некотором формальном языке, называемом языком представления знаний (ЯПЗ), свойств различных объектов и закономерностей, важных для решения прикладных задач и организации взаимодействия пользователя с ЭВМ. Это могут быть объекты и закономерности предметной области, вычислительной среды и т. д. Совокупность знаний, хранящихся в вычислительной системе и необходимых для решения комплекса прикладных программ конечным пользователем, называется системой знаний. Сведения о том, какими знаниями владеет система, могут потребоваться пользователю (и он должен иметь возможность их получить), однако в первую очередь организованные знания необходимы вычислительной системе для того, чтобы поддерживать процесс взаимодействия с пользователем и решать требуемые задачи. В интеллектуальных системах знания хранятся в специальном программном или программно-аппаратном блоке, называемом базой знаний (БЗ). Вычислительная система использует систему знаний, выполняя над ней разнообразные действия (операции), такие, как поиск необходимых сведений, их модификация, интерпретация знаний, вывод из имеющихся новых знаний и т. п. Проблемы ИИ тесно связаны с организацией знаний об окружающем мире в виде математических моделей, например, множеств, графов, алгоритмов, которые отражают реальные связи между любыми объектами в природе. Под ИСППР понимают организационно-техническую систему, состоящую из интеллектуального комплекса средств поддержки принятия решений взаимосвязанного и взаимодействующего с пользователями и сетями ЭВМ и выполняющую решения заданных задач. Укрупненная структура ИСППР по аналогии с другими интеллектуальными системами будет состоять из четырёх подсистем: адаптивной, интерактивной, обрабатывающей, подсистемой управления и блока «внешняя среда». Первая подсистема состоит из нескольких уровней: микро-, макро- и метауровней. На этих уровнях можно эффективно использовать различные модели эволюции. Между данными уровнями организована связь на основе полных и неполных, четких и нечетких графов и гиперграфов. На каждом уровне строится интегрированная целевая функция, определяются свои граничные условия, затем строится обобщенная целевая функция для всей ИСППР. Вторая подсистема анализирует входные описания на языке пользователя на основе имеющихся знаний и формирует внутреннее неполное и нечеткое представление задачи. Для этого необходимо задание четкого множества данных Х={x_1,x_2,…} и определение на нем нечеткого множества Ã={<μ_1,x_1>,<μ_2,x_2>,…}. При этом μ_iϵМ(Х) функция принадлежности элемента x_i множеству X, а множество М(Х) изменяется на интервале [0,1]. Третья подсистема заменяет неполное и нечеткое описание задачи в его полное четкое описание, и снова передает его интерактивной подсистеме. Далее процесс происходит итерационно до получения удовлетворительного решения. Четвертая подсистема управляет процессом решения, взаимодействуя с первой, второй и третьей подсистемами [9]. Современное состояние объектов и систем управления организационного, социального и медицинского типа показывает, что меняются объекты управления и автоматизации. В настоящее время такими объектами все больше становятся не только отдельные технологические системы и процессы, но и деятельность человека в различных предметных областях или операционных средах. Другой особенностью объектов такого рода является наличие в системе множества потоков различного вида, переработка и использование которых составляет основу деятельности системы (объекта управления). Условно можно выделить два класса объектов, с которыми приходится сталкиваться специалистам в области автоматизации управления: "простые" и "сложные". "Простыми" являются объекты, точные математические модели которых при учете всех необходимых количественных факторов, влияющих на поведение объекта, пригодны для реализации на ЭВМ, для построения моделей таких объектов имеются достаточно хорошо разработанные традиционные точные математические методы. "Сложные" объекты управления имеют следующие главные отличительные особенности: а) не все цели выбора управляющих решений и условия, влияющие на этот выбор, могут быть выражены в виде количественных соотношений; б) отсутствует либо является неприемлемо сложным формализованное описание объекта управления; в) значительная часть информации, необходимая для математического описания объекта, существует в виде представлений и пожеланий специалистов-экспертов, имеющих опыт работы с данным объектом. Опыт исследований и разработки СППР в течении последних двух десятилетий в работах отечественных ученых, таких как М.А. Айзерман, А.Н. Борисов, О.И. Ларичев, А.Н. Мелихов, Д.А. Поспелов, Э.А. Трахтенгерц, И.Ю. Юсупов, В.И. Васильев, Г.Н. Зверев, Б.Г. Ильясов, Ю.С. Кабальнов, Г.Г. Куликов, а также зарубежных Л.Заде, Ю.Козелецкий, Т.Саати и других, показал наличие двух самостоятельных задач в рамках таких систем: задача создания математических и инструментальных средств и задача создания базовой информационной технологии в предметной области, обеспечивающих поддержку принятия решений лицом, принимающим решение (ЛПР) в условиях неопределенности. Бывает необходимо самостоятельно принять решение в проблемных ситуациях, так как существует риск больших потерь, неопределенность, уникальность, ограниченность ресурсов. Среди проблемных ситуаций выделяются диагностические проблемные ситуации (ДПС), особенность которых заключается в том, что принятие решений в этом случае характеризуется наличием человеческого фактора на всех уровнях и этапах процесса управления. В ДПС объект управления является источником существенно неполной, неточной, нечеткой информации и противоречий. При возникновении ДПС недостаточно изученными остаются также вопросы исследования и анализа ситуаций инструментальными средствами при нечетко заданной информации, где необходимо согласовать оценки, получаемые от экспертов, а также классифицировать ДПС по множеству критериев [10]. В соответствии с изложенным разработка системы поддержки принятия решений в диагностических проблемных ситуациях на основе нечеткой логики является весьма актуальной задачей. Знания эксперта о решении задач в условиях неполноты, нечеткости исходной информации и достигаемых целей также имеют нечеткий характер. Для их формализации в настоящее время успешно применяется аппарат теории нечетких множеств и нечеткой логики. Нечеткие понятия в данном случае формализуются в виде нечетких и лингвистических переменных, а нечеткость действий в процессе принятия решения - в виде нечетких алгоритмов. Системы поддержки принятия решений нечеткой логики способны формализовывать нечеткую информацию и обрабатывать ее в рамках нечетких алгоритмов, они могут использоваться в различных предметных областях, в том числе и для эффективного анализа статистической информации в медицинских учреждениях. Системы применяются при определении статистических показателей для выявления и оценки существующих и потенциальных угроз неблагоприятных эпидемиологических ситуаций, и подготовке мотивационной базы для принятия управленческих решений, направленных на повышение эффективности мероприятий по устранению таких угроз. Каждая модель в СППР нечеткой логики строится на основе отдельной семантической сети, причем работает система с несколькими моделями предметной области, взаимосвязанными или не связанными между собой. Затем эти сети объединяются в единую модель предметной области. Достоинством нечетко-множественного подхода является его близость к естественному языку, что дает эксперту возможность формализовать свои нечеткие представления, трансформировав их в язык количественных оценок [2]. Рассмотрена новая концептуальная модель СППР, отличающаяся от известных наличием непостоянного состава экспертных групп по уровням управления и внутренними обратными связями по согласованию нечетких оценок. Известна новая методика автоматической классификации ситуаций, отличающаяся от известных тем, что для классификации по множеству критериев используются механизмы эволюционного поиска [11]. Таким образом, для полной реализации интеллектуальных способностей, связанных с принятием решений, планированием, прогнозом и эффективным управлением, современные и перспективные ИСППР должны быть реализованы с использованием новейших технологий, основанных на концепциях распределенного искусственного интеллекта, динамических адаптивных моделей знаний, параллельной обработки информации при поиске решения на основе экспертных (нечетких) моделей и методов правдоподобного вывода.

Научные конференции

 

(c) Архив публикаций научного журнала. Полное или частичное копирование материалов сайта возможно только с письменного разрешения администрации, а также с указанием прямой активной ссылки на источник.