На правах рукописи Путято Михаил Михайлович РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ

На правах рукописи
Путято Михаил Михайлович
РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ
ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
НА ОСНОВЕ НЕЧЁТКИХ КОГНИТИВНЫХ КАРТ
Специальность 05.13.01 – «Системный анализ,
управление и обработка информации
(информационные и технические системы)»
АВТОРЕФЕРАТ
диссертации на соискание ученой степени
кандидата технических наук
Краснодар – 2011
2
Работа выполнена в Государственном образовательном учреждении
высшего профессионального образования
«Кубанский государственный технологический университет»
Научный руководитель:
доктор технических наук, профессор
Симанков Владимир Сергеевич
Официальные оппоненты:
доктор технических наук, профессор
Лойко Валерий Иванович
кандидат технических наук, доцент
Ермоленко Владимир Валентинович
Ведущая организация:
Филиал Военной академии связи
(г. Краснодар)
Защита диссертации состоится « 18 » февраля 2011 года в 1100
на заседании диссертационного совета Д 212.100.04 в Кубанском
государственном технологическом университете по адресу: 350072,
г. Краснодар, ул. Московская 2, ауд. Г-251
С диссертацией можно ознакомиться в библиотеке Кубанского
государственного технологического университета по адресу: 350072,
г. Краснодар, ул. Московская 2
Автореферат разослан « 18 » января 2011 г.
Ученый секретарь
диссертационного совета Д 212.100.04,
канд. техн. наук, доцент
А.В. Власенко
3
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы. Важнейшим процессом, связывающим все основные
функции управления сложными системами, является разработка управленческих
решений, поскольку именно принимаемые решения определяют не только эффективность процесса управления, но и возможность устойчивого развития
управляемой системы и ее выживаемости в быстро изменяющемся мире.
Вместе с тем, для процесса разработки управленческих решений характерен ряд проблем, связанных в первую очередь с трудноформализуемостью большинства его этапов, уникальностью возникающих задач, необходимостью учета
множества факторов и целей, имеющих сложную структуру взаимосвязи, а зачастую противоречащих друг другу. Поэтому наиболее эффективным подходом к
разработке решений является сочетание опыта, знаний, интуиции лица принимающего решения (ЛПР), экспертов, аналитиков, а также современных технологий интеллектуальной поддержки принятия решений, позволяющих систематизировать и структурировать имеющуюся информацию, исследовать альтернативные варианты решений и выбрать из них наиболее удачные.
В целом процесс разработки управленческого решения состоит из шести
основных этапов: анализ проблемы, формулировка целей и задач, выбор критериев и оценка их эффективности, формирование множества альтернатив, анализ
альтернатив и формирование управляющего воздействия - на каждом из этих
этапов решается ряд подзадач, при этом их решение обычно носит параллельный
и итерационный характер. Для некоторых подзадач, таких как получение критериальных оценок, моделирование предпочтений ЛПР, выбор оптимального решения и др., существуют достаточно хорошо проработанные на сегодняшний
день подходы к их реализации - большинство таких подходов основано на математической теории принятия решений. С другой стороны, такие подзадачи, как
анализ факторов, характеризующих моделируемую ситуацию, разработка прогноза ее развития, синтез и отбор альтернатив и управляющих стратегий, решаются в основном на приближенном, качественном уровне, с помощью интуиции
и нестрогих рассуждений. Основная сложность, возникающая при построении
моделей таких задач, состоит в том, что аналитическое описание либо статистическое наблюдение зависимостей между входными и выходными параметрами
4
затруднено, а зачастую невозможно, и приходится прибегать к субъективным
моделям, основанным на экспертной информации, обрабатываемой с привлечением логики «здравого смысла», интуиции и эвристик.
Научным направлением, лежащим в основе исследования задач, обладающих указанными характеристиками, является методология когнитивного анализа.
Наиболее эффективным инструментом являются нечеткие когнитивные карты,
хорошо зарекомендовавшие себя в задачах исследования структуры моделируемой системы и получения прогнозов ее поведения при различных управляющих
воздействиях, с целью синтеза эффективных стратегий управления.
Таким образом, решаемая проблема, связанная с построением, исследованием и поддержкой когнитивных моделей в рамках автоматизации разработки
управленческих решений, для исследования всего комплекса проблем управления в сложных системах является актуальной.
Объектом исследования является класс аналитических информационных
систем поддержки принятия решений для управления сложными системами.
Предметом исследования являются методы и алгоритмы интеллектуальной поддержки принятия решения на основе нечётких когнитивных карт.
Целью работы является разработка и обоснование методов и алгоритмов
интеллектуальной поддержки принятия решений на основе нечётких когнитивных карт (НКК).
Задачи исследования:
1. Проведение системного анализа предметной области СППР и определение методов интеллектуального управления на основе когнитивного
анализа таких систем;
2. Разработка методов и алгоритмов построения НКК, описывающих
сложные многокритериальные информационные системы, для интеллектуальной поддержки принятия решений;
3. Разработка методов и алгоритмов интерактивной интеллектуальной
поддержки принятия решений на основе НКК;
4. Построение системы интеллектуального управления СППР на основе
многофакторного иерархического когнитивного анализа;
5. Исследование и анализ поведения системы на примере ситуационного
центра органов государственной власти (СЦ ОГВ).
5
Методы исследования. В работе использованы методы теории систем,
математического моделирования, системного анализа, теории нечётких множеств, теории когнитивного и имитационного моделирования, теории графов,
методы теории группового принятия решений, линейного программирования,
теория регионального управления.
Научная новизна работы. В результате проведенного в работе системного исследования достигнуты следующие новые научные результаты:
1. Теоретические основы и алгоритмическое обеспечение интеллектуального представления процессов информационного и ситуационного
управления в СППР с использованием НКК.
2. Методы и алгоритмы построения НКК, описывающих сложные многокритериальные информационные СППР для мониторинга, оценки,
анализа и принятия управленческих решений.
3. Методы и алгоритмы интеллектуального управления в системах поддержки принятия решений с использованием НКК для применения в
слабоструктурированных системах.
4. Методы и алгоритмы синтеза множества состояний на основе решения
прямой и обратной задачи когнитивного моделирования.
5. Теоретические основы и алгоритмическое обеспечение применения
средств когнитивной интерактивной графики для интеллектуального
принятия управленческих решений.
Практическая значимость. Результаты работы используются для многокритериального анализа и представления данных при разработке ситуационных
центров различного назначения. В частности, при выборе оптимальной стратегии
управления социоэколого-экономическими системами, стратегий управления
развитием регионов, оптимального распределения финансовых и ресурсных
средств и т.п. в ситуационных центрах органов власти.
На защиту выносится:
 Методика построения НКК на основе формирования функции принадлежности и нечётких дискретных множеств.
 Методы и алгоритмы синтеза множества состояний на основе решения
прямой и обратной задачи когнитивного моделирования.
6
 Методы и алгоритмы управления в системах поддержки принятия решений с использованием НКК.
 Программный комплекс «Интеллектуальная Когнитивная Система» (ПК
«ИКС») для интеллектуальной поддержки принятия решений.
Реализация и внедрение работы.
Теоретические положения и алгоритмы реализованы в виде ПК «ИКС», а
также отдельные теоретические положения и программные модули использованы при разработке Ситуационного центра Президента РФ и Ситуационного центра Губернатора Краснодарского края. Работа была выполнена в рамках гранта.
Публикации. По теме диссертации опубликовано 9 печатных работ общим объемом 30 печатных листов, из них 1 - в журнале, рекомендованном ВАК.
Апробация работы.
Основные положения диссертации докладывались и обсуждались на международных научно — практических конференциях:
 Всероссийская конференция “Проведение научных исследований в области обработки, хранения, передачи и защиты информации”, Ульяновск, 2009;
 X Международная конференция «Актуальные проблемы специальных
психофизиологических исследований и перспективы их использования в борьбе
с преступностью и подборе кадров», Сочи, 2009;
 IX Южно-Российская межрегиональная научно-практическая конференция-выставка «Информационные технологии в образовании-2009», Ростовна-Дону, 2009;
 Научно - практическая конференция «Ситуационные центры 2010»,
Москва, 2010;
 III Международная научно-практическая конференция "Молодёжь и
наука: реальность и будущее", Невинномысск, 2010;
Структура и объем диссертации. Диссертационная работа состоит из
перечня сокращений и условных обозначений, введения, пяти глав с выводами,
заключения, списка литературы, приложений. Общий объём диссертации 152
страниц, в том числе 20 рисунков, 5 таблиц, списка литературы из 103 наименований.
КРАТКОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ
7
Во введении обосновывается актуальность выбранной темы, формулируется цель работы, и указываются применяемые методы исследований, определяется научная новизна и практическая ценность работы, описывается ее структура,
и формулируются основные положения, выносимые на защиту.
В первой главе выполняется структурный анализ процесса разработки
управленческих решений, выделяются его основные этапы и исследуются подходы к их автоматизации. Анализируются методы автоматизации формирования
этапов принятия решения при разработке управленческих решений в слабоструктурированных системах. Выполняется обзор подходов к применению когнитивного анализа, и анализируются принципы построения систем поддержки принятия решений (СППР) на основе таких подходов.
В результате проведенного анализа литературы построен обобщенный алгоритм процесса разработки управленческих решений, и делается вывод о необходимости автоматизации решения ряда подзадач, возникающих в рамках данного процесса.
Установлено, что при разработке моделей поддержки принятия решений
часто приходится сталкиваться с задачами, которые относятся к классу слабоструктурированных. Делается вывод о том, что одним из наиболее эффективных подходов к исследованию слабоструктурированных систем является использование когнитивного анализа, в основе которого лежит математический аппарат
нечетких когнитивных карт.
Установлено, что актуальным направлением развития современных СППР
является поддержка всех этапов процесса разработки решений. Поэтому в состав
СППР целесообразно включать подсистемы на основе когнитивного анализа для
автоматизации решения слабоструктурированных задач. Сформулированы основные требования к интеллектуальной поддержке процедур поддержки принятия решений на основе нечётких когнитивных карт.
Во второй главе рассматриваются вопросы, связанные с постановкой и
анализом задачи управления этапами принятия управленческих решений, выбранной в качестве объекта исследования, рассматриваются и сравниваются методы построения нечётких когнитивных карт.
Указанный выбор аппарата поддержки принятия решений обусловлен тем,
что данная задача является неотъемлемым этапом процесса разработки управ-
8
ленческих решений, причем от успешности её решения зависит качество последующего принятия решения. Также для этой задачи характерна слабая структурированность и вследствие этого она чаще всего решается приближенно, на основе экспертной информации, интуиции и эвристик. Структурный анализ данной
задачи, выполненный с учетом рассмотренных в первой главе обобщенного алгоритма разработки управленческих решений и результатов анализа работ С.Н.
Воробьева, О.И. Ларичева, Б.Г. Литвака, В.И. Максимова, А.Б. Петровского, Г.
Саймона, Э.А. Трахтенгерца, С.Д. Ильенковой, позволил выявить следующие закономерности, присущие объекту исследования:

Моделируемая система описывается конечным множеством концептов и причинно-следственных связей между ними.

Концептом является значимая для решаемой задачи характеристика ситуации или системы. Концепты делятся на целевые, управляемые, промежуточные и внешние.

Между концептами существуют причинно-следственные связи, которые могут быть положительными или отрицательными.

Причинно-следственные связи различаются по силе.

Исходное состояние системы задается вектором начальных
значений концептов.

Существует целевое состояние, заданное вектором значений целевых концептов.
С учетом рассмотренных свойств, принципов системного подхода и общей
методологии разработки управленческих решений выбрана модифицированная
информационная модель данного процесса:
P,S,Z,K,SH,D,M,A,F,G,U,V,W ,
(1)
где P – математическая проблема, S – определение системы, Z – определение целей системы, K – множество критериев эффективности системы, SH –
множество шкал измерений критериев, D – способ исследования системы, M –
методы моделирования системы, A – множество альтернатив, F – отображение
множества альтернатив на множестве критериев, G – система предпочтений ЛПР,
U – вид целевой функции, V – универсальное множество, W – решающее правило, отображающее систему предпочтений.
9
Определены методы, разработка и исследование которых необходимы для
обеспечения автоматизированной поддержки указанного процесса. В качестве
методологической основы целесообразно использовать подходы, базирующиеся
на применении когнитивных карт.
С учётом выбранной информационной модели и методов нечёткого когнитивного анализа нами разработан обобщенный алгоритм анализа и решения задачи (рис. 1):
Рисунок 1 - Обобщенный алгоритм анализа и решения задачи
В общем случае когнитивная карта (КК) представляет собой причинноследственную сеть, отражающую какую-либо область знаний и допускающую
следующее формальное представление:
G = <E,W>,
(2)
где E = {e1, e2, …,en} - множество концептов,
W- бинарное отношение на множестве E, задающее связи между ними.
Концепты ei и ej считаются связанными отношением W (обозначается (ei, ej
 W или eiWej), если изменение значения концепта ei (причины) приводит к из-
10
менению значения концепта ej (следствия). В соответствии с терминологией когнитивного анализа, в этом случае говорят, что концепт ei оказывает влияние на
ej. При этом если увеличение значения концепта-причины приводит к увеличению значения концепта-следствия, то влияние считается положительным («усиление»), если же значение уменьшается отрицательным («торможение»). Тем самым, отношение W можно представить в виде объединения двух непересекающихся
подмножеств
W = W+
W−, где W+ - множество положительных, а W– - множество отрица-
тельных связей. Сами концепты при этом могут задавать как относительные (качественные) показатели, такие как популярность, социальная напряженность, так
и абсолютные, измеримые величины - численность населения, стоимость и т.п.
Когнитивная карта строится на основании субъективных представлений
экспертов о ситуации. На основе анализа работ Р. Аксельрода, Б. Коско, А.А. Кулинича, В.И. Максимова, Ф.С. Робертса, В.Б. Силова, Э.Ч. Толмена, А.С. Федулова было выделено и проанализировано несколько видов когнитивных карт, из
которых для моделирования задачи формирования множества состояний выбраны нечеткие когнитивные карты Силова (рис. 2).
Знаковые когнитивные карты
Нечёткие когнитивные карты Коско
Модифицированные нечёткие когнитивные
карты Коско
Нечёткие реляционные когнитивные карты
Нечёткие продукционные когнитивные карты
Нечёткие когнитивные карты Силова
Обобщённые нечёткие продукционные карты
11
Рисунок 2 - Виды нечётких когнитивных карт
Нечеткие когнитивные карты Силова хорошо зарекомендовали себя при
анализе и исследовании слабоструктурированных систем, и некоторые их недостатки могут быть устранены доработкой методов статического и динамического
моделирования.
Для учета данного обстоятельства вводится показатель интенсивности
влияния, и от классического отношения мы переходим к нечеткому отношению
W, элементы wij которого характеризуют направление и степень интенсивности
(вес) влияния между концептами ei и ej:
wij = w(ei, ej),
(3)
где w - нормированный показатель интенсивности влияния (характеристическая функция отношения W).
НКК допускает весьма наглядное представление в виде взвешенного ориентированного графа, вершины которого соответствуют элементам множества E
(концептам), а дуги - ненулевым элементам отношения W (причинноследственным связям). Каждая дуга имеет вес, задаваемый соответствующим
значением wij. Само отношение W представимо в виде матрицы размерности n×n
(где n - число концептов в системе), которая может рассматриваться как матрица
смежности данного графа и называется когнитивной матрицей.
Таким образом, разработан обобщенный алгоритм анализа и решения задачи на основе НКК, а также на основе анализа выбраны методы его реализации.
В третьей главе исследуются математические методы управления на основе нечетких когнитивных карт Силова.
В целом, процесс решения задачи управления принятием решения с применением НКК можно представить в виде последовательности этапов (рис. 3).
12
1 Определение цели.
2 Построение
нечеткой
когнитивной
карты.
2.1
Определение списка концептов, значимых для данной
предметной области
2.2
Определение отношений причинности (влияния) между
каждой парой концептов.
2.3
Определение знака влияния (+ или -) между каждой
парой концептов, связанных отношением причинности.
2.4
Определение силы влияния между каждой парой концептов,
связанных отношением причинности.
2.5
Определение начального состояния концептов.
Определение внешних влияний на концепты
2.6
3 Статическое моделирование, в рамках которого производится вычисление и анализ системных показателей нечеткой когнитивной карты. На основе полученных данных выполняется построение модели системы.
4 Динамическое моделирование, выполняемое при помощи математического аппарата импульсных процессов. Его результаты позволяют получить сценарий развития ситуации
для каждого этапа с учетом внешних влияний.
5 Управление этапами принятия решений на основе полученных сценариев развития ситуации и заданной цели. Модель передается ЛПР для дальнейшего анализа и обработки.
Рисунок 3 - Этапы решения задачи управления принятием
решения с применением НКК
Процесс когнитивного моделирования начинается с формирования экспертами списка концептов, наиболее значимых для рассматриваемой задачи. При этом
полученная от экспертов информация должна быть обработана на предмет
устранения двусмысленностей и повторений, а также согласования используемой
терминологии. На следующем этапе эксперты должны установить причинноследственные связи между концептами, с указанием для каждой связи ее характера (т.е. является она усиливающей или ослабляющей), и оценить силу каждого
влияния.
Наиболее сложной задачей при построении нечеткой когнитивной карты
является назначение весов. Для решения этой задачи целесообразно использовать
построение функции принадлежности дискретных нечетких множеств. В качестве таких методов предлагается использовать:
 метод парных сравнений (автор Т. Саати), основная идея которого обработка суждений эксперта об относительном превосходстве степеней принадлежности различный элементов;
13
 метод множеств уровня (автор Р.Р. Ягер), основанный на идентификации уровневых множеств искомого нечеткого множества.
Обозначим Е = {е1,е2,...,еn} - область определения (множество сравниваемых концептов), на которой требуется построить нечеткое множество А. Далее
формируем матрицу парных сравнений:
(4)
Где
- формализованная оценка степени соответствия элемента хi перед в
смысле принадлежности нечеткому множеству А. Для формализации оценок используем шкалу, состоящую из четырёх цветовых интерпретаций (зелёный, жёлтый, оранжевый, красный).
Для определения функций принадлежности и последующего анализа на
основе НКК нами разработан алгоритм на основе метода парных сравнений
Т.Саати и метода множеств уровня Р.Ягера (рис. 4).
Рисунок 4 - Алгоритм формирования концептов согласно функциям
принадлежности
14
На основе полученных результатов формируется когнитивная матрица, содержащая усредненные (с учетом мнений всех экспертов) оценки интенсивности
влияний, на основе которой строится НКК. На следующем этапе к построенной
карте применяются методы аналитической обработки, ориентированные на исследование структуры системы и получение прогнозов ее поведения при различных управляющих воздействиях Используемые при этом методы анализа когнитивных карт можно разделить на две группы:
1. статические методы, связанные с исследованием силы взаимовлияний
между концептами (в том числе и не имеющими непосредственной взаимосвязи),
либо концептом и системой, на основе анализа системных показателей когнитивной карты (консонанс, диссонанс, показатель воздействия и др.);
2. динамические методы, ориентированные на исследование динамики
поведения системы во времени, одним из способов описания которой является
модель импульсного процесса.
Для выполнения анализа нечеткой когнитивной карты необходимо учесть
все
опосредованные
взаимовлияния
концептов
друг
на друга.
Это позволяет сделать операция нечеткого транзитивного замыкания. Используя данную операцию, от когнитивной матрицы можно перейти к транзитивно замкнутой когнитивной матрице Z, элементами которой являются пары (zij,
). На основе матрицы Z могут быть рассчитаны основные системные показатели нечетких когнитивных карт Силова.
Показатели Рi,Pj,Сi,Cj характеризуют каждый концепт относительно системы. На основе показателей cij, pij, nij строятся матрицы С = [сij]n x n, P = [pij]n x n N
= [nij]n x n, называемые соответственно когнитивными матрицами совместного
консонанса, положительного и отрицательного взаимного влияния. Эти матрицы
нужны для последующего анализа когнитивной модели.
На основе анализа системных показателей выделяются способствующие и
препятствующие концепты, а также степень и достоверность их влияния. Эта
информация используется для генерации состояний, которые в дальнейшем проверяются с помощью динамического моделирования на основе метода импульсных процессов.
15
Метод импульсных процессов используется для прогнозирования состояний концептов в дискретные моменты времени. В рамках данного метода считается, что состояние j-го концепта в момент времени t+1 определяется такими параметрами, как характер внешнего воздействия на него в указанный момент времени, состояние данного концепта в предыдущий момент времени t, а также характер изменения в момент t состояния других концептов, влияющих на данный.
Для описания характера изменения параметров когнитивной карты во времени в
работе предложена следующая модель импульсного процесса.
K
vi (t  1)  S (vi (t ), qi (t  1)  oi (t  1)   T ( wij , p j (t )))
(7)
j 1
где vi(t+1) - значение i-го концепта в момент времени (t + 1);
vi(t) - значение i-го концепта в момент времени t;
qi(t+1) - внешнее воздействие на i-й концепт в момент времени (t + 1);
oi(t+1) - управляющее воздействие на i-й концепт в момент (t + 1);
wij = w(ei, ej) - сила связи между концептами ei и ej;
pj(t) - изменение значения j-го концепта в момент времени t;
Т - операция Т-нормы (произведение);
S- операция S-нормы (S-норма Лукасевича).
Генерация состояний, приближающих состояние системы к заданному
ЛПР целевому состоянию, осуществляется путем решения обратной задачи когнитивного моделирования. Состояние системы представляет собой вектор воздействий на управляемые концепты, так как только они доступны прямому влиянию со стороны ЛПР. На остальные концепты, в том числе и на целевые, ЛПР
может влиять только опосредованно, через управляемые. Значение управляемого
концепта можно увеличивать, уменьшать либо оставлять без изменений. При
этом значения можно изменять в разной степени, в пределах заданной шкалы.
Если концепт принадлежит только подмножеству способствующих, то во
всех генерируемых состояниях системы его значение необходимо увеличивать.
Если концепт принадлежит только подмножеству препятствующих, то во всех
генерируемых состояниях его значение необходимо уменьшать. Если же концепт
принадлежит обоим подмножествам, то необходимо генерировать состояния, где
его значение как уменьшается, так и увеличивается. Далее на основе полного пе-
16
ребора всех возможных комбинаций генерируется базовое множество состояний
Y, из которого и будет осуществляться окончательный отбор.
Цель задается вектором значений, к которому должны максимально приблизиться значения соответствующих целевых концептов в процессе динамического моделирования.
Далее из множества состояний Y необходимо выбрать подмножество YN
Y недоминируемых состояний. Состояния принадлежат множеству YN, если
каждое из них превосходит любое другое по какому-то из критериев. В качестве
критериев обора будем использовать расстояние от конечных значений концептов VR, полученных в результате динамического моделирования по формуле (7),
до целевых значений концептов VT, равное | vTi - vRi |, а также силу управляющих воздействий Y.
Множество недоминируемых состояний системы YN
Y и множество ко-
нечных значений целевых концептов VR передаются ЛПР для выбора наиболее
предпочтительной состояния.
Таким образом, разработаны и представлены математическое обеспечение
и алгоритмы интеллектуальной поддержки принятия решений на основе НКК.
В четвертой главе рассматриваются вопросы разработки программной
системы, обеспечивающей поддержку моделирования на основе нечетких когнитивных карт. На основе изложенных в трёх главах положений спроектирован и
реализован ПК «ИКС». Были определены и формализованы основные понятия,
связанные с представлением данных и отношения между ними.
В результате представленных алгоритмов и методов интеллектуальной
поддержки принятия решений на основе нечётких когнитивных карт была спроектирован и реализован ПК «ИКС». Основными направлениями разработки программной системы являются поддержка построения нечеткой когнитивной карты
описывающей заданную предметной область или ситуацию, проведение статического и динамического моделирования на основе полученной НКК, генерация
альтернатив (сценариев) на основе результатов статического анализа и их отбор
на основе результатов динамического моделирования с последующим формированием рекомендаций для ЛПР. Для ЛПР формируется набор изображений с
возможность непосредственного динамического изменения и моделируется
17
оконная среда с возможностью адаптации интерфейса для последующей работы
с программой.
Поддерживаются два режима работы: однопользовательский, когда НКК
строится и анализируется одним экспертом-аналитиком, и экспертный, когда в
построении НКК принимают участие несколько экспертов и один координатор, а
анализ выполняют несколько аналитиков. Принципы построения и механизмы
функционирования и взаимодействия основных структурных блоков ПК «ИКС»
представлены на рисунке (рис. 5).
Рисунок 5 - Структура программного комплекса «Интеллектуальная
Когнитивная Система»
Можно сформулировать следующий минимальный набор структурных и
функциональных характеристик программной системы, осуществляющей компьютерную поддержку принятия решений на основе использование нечетких когнитивных моделей:
1. В основе ПК «ИКС» лежит база знаний, содержащая нечеткие когнитивные
карты описания предметной области. Наличие базы знаний позволяет
обеспечить поддержку параллельного процесса согласования экспертами
когнитивной модели предметной области, а также является основой для
проведения моделирования и выработки рекомендаций ЛПР.
18
2. ПК «ИКС» обеспечивает соответствующим набором инструментов экспертов
в предметной области и ЛПР. Для обеспечения эффективной работы всех
категорий пользователей предусмотрены в ПК соответствующие группы
пользователей и режимы функционирования.
3. ПК «ИКС» представляет возможности построения нечетких когнитивных
моделей. Для обеспечения эффективности процесса создания и
редактирования НКК и снижения степени субъективизма экспертов
реализованы методы непрямого задания весов связей в НКК и предусмотрена
возможность прямого задания весов координатором в спорных случаях с
помощью матрицы смежности или визуального представления НКК в виде
графа
4. В ПК «ИКС» реализованы в полном объеме функции статического и
динамического моделирования на основе НКК. Для представления
результатов моделирования аналитику используется режим, с максимальной
информативностью, а также визуальный режим.
5. ПК «ИКС» обеспечивает представление процессов согласования,
моделирования и анализа в графической форме, удобной для восприятия
пользователем.
6. В ПК «ИКС» реализована возможность формирования отчетов, содержащих
как входные данные (матрица смежности, визуальное отображение
когнитивной карты), так и результаты моделирования (системные
показатели, графы а-уровней, сгенерированные сценарии, графики изменения
значений концептов для различных сценариев и т.п.).
7. ПК «ИКС» обладает понятным графическим интерфейсом, через который
можно реализовать все заложенные функции.
8. Структура ПК «ИКС» имеет модульный принцип построения, а внутреннее
представление данных объектно-ориентированное, что обеспечиват, с одной
стороны, возможность использования ПК «ИКС» на этапах его разработки, а
с другой стороны, расширяемость его функциональных характеристик.
Разработанная программная система, является одним из важнейших инструментов при принятии решений ЛПР. Представленный программный продукт
решает следующие проблемы, возникающие при принятии решения руководителем:
19
1. Отсутствие универсального инструмента управления этапами поддержки принятия решений на основе классического системного подхода;
2. Сложность представления информации экспертам и лицу, принимающему решения в адекватной понятной форме без потери качества информации;
3. Отсутствие формализованных человеко-машинных процедур для реализации задач инженерии знаний – передачи и формализации знаний экспертов и
ЛПР в первоначальной смысловой форме в систему поддержки принятия решений;
4. Необходимость учитывать большое количество взаимосвязанных концептов при принятии решений одновременно.
Благодаря архитектуре «клиент-сервер» решается задача объединения нескольких экспертов и ЛПР в едином информационном пространстве. Система
«ИКС» предоставляет удобный интерфейс взаимодействия и учёта мнений. Простота и удобство манипулирования концептами, управления системой предоставляет возможность пользователям проявить всю творческую активность не
затрачивая усилия на изучение сложных систем и обучение работы с ними.
Таким образом, разработан ПК «ИКС» реализующий выбранные методы и
разработанные алгоритмы.
В пятой главе рассматривается практическая реализация разработанной
системы ПК «ИКС».
Решением прямой задачи является выявление общего состояния системы в
зависимости от изменений значений управляемых концептов. Для формирования
и представления результатов на основе нечёткой когнитивной карты производится экспертный опрос с целью выявления функций принадлежности концептов
(рис. 6)
Рисунок 6 - Формирование функций принадлежности концептов
20
В результате введённых данных формируется список функций принадлежности на основе созданного нами алгоритма. Полученные множества сравниваются с текущими значениям и полученный результат представляется ЛПР.
Алгоритм решения прямой задачи с использованием представленной системы состоит из следующих этапов:
1.
Выбор управляемых концептов. Для выбора управляемых
концептов ЛПР необходимо сначала через интерфейс работы с концептами, а
после непосредственно и в самой графической оболочке определить
посредством выбора и удобного расположения графических окон необходимые
для изменения концепты (рис. 7 и 8)
Рисунок 7 - Выбор управляемых концептов из списка
Рисунок 8 - Выбор расположение концептов в рабочей области
Изменение значений управляемых концептов. Для изменения
значений концептов разработан интерактивный интерфейс с возможностью
непосредственного изменения цветографических изображений. Срезы
когнитивного графа представляются в виде двух типов графиков, на каждом из
которых можно при помощи изменения положения шкалированных
индикаторов изменить значение выбранного концепта. (рис. 9)
2.
21
Рисунок 9 - Динамическое изменение значений управляемых концептов
3. Мониторинг изменений системы. При каждом изменении значений
управляемых концептов система перерасчитывается. Можно наблюдать
непосредственное изменение каждого из целевых концептов, в том числе и
концептов необходимых для принятия решения (рис. 10.).
Рисунок 10 - Мониторинг целевых концептов
Таким образом, решается прямая задача когнитивного анализа. Используя
предложенный когнитивный интерфейс возможно отслеживание прямого
влияния управляемых концептов на целевые с учётом того, что они не имеют
прямой взаимосвязи.
В представленном программном комплексе также реализовано решение
обратной задачи когнитивного анализа. Решением обратной задачи является
множество альтернатив, каждая из которых приближает состояние системы к
заданному ЛПР целевому состоянию. Альтернатива представляет собой вектор
22
воздействий на управляемые концепты, так как только они доступны прямому
влиянию со стороны ЛПР.
Для решения обратной задачи с использованием ПК «ИКС» необходимо
совершить следующие действия:
1. Выбор управляемых концептов. Для выбора управляемых концептов
ЛПР необходимо повторить этап 1 из алгоритма решения прямой задачи.
2. Выбор целевых концептов. Для выбора целевых индикаторов
необходимо проделать процедуру, описанную в пункте 1.
3. Изменение значений целевых концептов. Для изменения значений
концептов используется интерактивный интерфейс с возможностью изменения
цветографических изображений. Срезы когнитивного графа представляются в
виде двух типов графиков, на каждом из которых можно при помощи изменения
положения шкалированных индикаторов изменить значение выбранного
концепта.
4. Мониторинг сгенерированных альтернатив. При каждом изменении
значений целевых концептов система подбирает набор альтернатив, каждая из
которых приближает состояние системы к целевому состоянию. (рис. 11.).
Рисунок 11- Мониторинг сгенерированных альтернатив
Таким образом представленная программная среда «ИКС» позволяет ЛПР,
экспертам и аналитикам быстро и качественно решать возникающие задачи
управления и принимать решения, адекватные ситуации.
23
ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ВЫВОДЫ
1. В результате проведенного системного исследования показано, что архитектура стандартных технологических ИС неэффективна для задач анализа больших
объемов взаимосвязанных данных сложных технических систем, а также выделен класс аналитических задач и соответствующий класс систем поддержки принятия решений с использованием когнитивного анализа.
2. Разработана методика построения когнитивных имитационных моделей, описывающих сложные многокритериальные информационные системы интеллектуальной поддержки принятия решений, в основе которых лежит математический аппарат нечетких когнитивных карт Силова.
3. Предложен подход к построению нечеткой когнитивной карты Силова,
основанный на применении методов задания функций принадлежности дискретных нечетких множеств и обеспечивающий возможность учета и согласования мнений группы экспертов, что позволяет повысить адекватность и
обоснованность когнитивной модели.
4. Исследованы и адаптированы методы статического и динамического анализа
нечетких когнитивных карт. Предложена модификация модели импульсного
процесса для нечетких когнитивных карт, обеспечивающая комплексный
учет причинно-следственных связей между концептами.
5. Построены и представлены алгоритмы решения прямой и обратной задачи
когнитивного анализа на основе формирования и анализа функций принадлежности для интеллектуальной поддержки принятия решений.
6. Разработана программная система, обеспечивающая поддержку нечетких
когнитивных моделей для разработки, исследования и мониторинга стратегий
управления слабоструктурированными системами. Программный продукт относится к классу систем поддержки принятия решений и обладает свойством инвариантности по отношению к предметной области.
7. Предложена методика применения нечетких когнитивных моделей и
программной системы для разработки и обоснования решений по управлению
органами государственной власти. Применение данной методики способствует
сокращению сроков и повышению эффективности управленческой деятельности.
24
ПЕРЕЧЕНЬ РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ
ДИССЕРТАЦИИ
1. Симанков В.С., Тарасов Е.С., Путято М.М. Методологические основы
принятия решений с использованием автоматизации неформальных процедур
//Журнал «Естественные и технические науки», №4, с.292, 2010 г
2. Симанков В.С., Тарасов Е.С., Путято М.М. О применении лингвосемантического подхода к подбору экспертов с учётом специфики проблемной области
// Международная научно-практическая конференция «Молодёжь и наука: реальность и будущее», том 5/с.419, Естественные и прикладные науки, 2010 г,
Невинномысский институт экономики, управления и права.
3. Симанков В.С., Тарасов Е.С., Путято М.М. Использование когнитивной
графики для формализованного представления знаний экспертов и принятия решений // Международная научно-практическая конференция «Молодёжь и наука:
реальность и будущее», том 5/с.402, Естественные и прикладные науки, 2010 г,
Невинномысский институт экономики, управления и права.
4. Симанков В.С., Путято М.М. Использование методики когнитивного
анализа для оценки целевых показателей // Всероссийская конференция “Проведение научных исследований в области обработки, хранения, передачи и защиты
информации”, т. 4-5/с. 566, 2009 г., Ульяновский государственный технический
университет.
5. Симанков В.С., Путято М.М. Использование когнитивной графики для
визуализации информации // Сборник трудов Юбилейной Десятой Международной научно-практической конференции «Актуальные проблемы специальных
психофизиологических исследований и перспективы их использования в борьбе
с преступностью и подборе кадров», с.117, 2009 г. Кубанский государственный
технологический университет.
6. Симанков В.С., Путято М.М. Автоматизированная система построения
когнитивных образов при оценке эффективности сложных структурированных
систем // Сборник научных трудов «Инновационные технологии – основной ресурс социально-экономического развития», с.220, 2009 г., Южно-Российский
университет - Институт управления, бизнеса и права, г. Ростов-на-Дону.
25
7. Симанков В. С., Редько А.П., Черкасов А.Н., Владимиров С.Н., Тарасов
Е.С., Путято М.М., Денисенко А.О., Колесников Д.А., Мирзоев М.Р. Разработка
теоретических основ и построение интеллектуальных систем мониторинга, анализа и поддержки принятия политических, социально-экономических и технологических решений регионального уровня для ситуационных центров органов
власти // Сборник научных трудов «Вклад фундаментальных научных исследований в развитие современной инновационной экономики Краснодарского
Края», 2009, Российский фонд фундаментальных исследований Департамент образования и науки Краснодарского края НП «Инновационно-технологический
центр «Кубань-ЮГ».
8. Симанков В.С., Владимиров С.Н., Путято М.М. Свидетельство
№2009611970. «Программный комплекс мониторинга, анализа и поддержки
принятия решений для ситуационных центров. Модуль «Визуальная среда отображения критериальных показателей».
9. Симанков В.С., Владимиров С.Н., Путято М.М. Свидетельство
№2009611378. «Программный комплекс мониторинга, анализа и поддержки
принятия решений для ситуационных центров. Модуль «Формирование системы
критериев эффективности».