выбор методов построения функций принадлежности для задач

IV Международная научно-практическая конференция «Инновационные процессы и
корпоративное управление», 15-30 марта, г. Минск
ВЫБОР МЕТОДОВ ПОСТРОЕНИЯ ФУНКЦИЙ ПРИНАДЛЕЖНОСТИ
ДЛЯ ЗАДАЧ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ
ИННОВАЦИОННЫМИ ПРОЦЕССАМИ В ОРГАНИЗАЦИИ
ȻɨɛɪɨɜɚɇɚɬɚɥɶɹɅɟɨɧɢɞɨɜɧɚг. Минск, Институт информационных технологий БГУИР
Николаенко Евгений Владимирович
г. Минск, ОАО «Белорусская универсальная товарная биржа»
В общем случае принятие решения заключается [1]: в генерации
возможных альтернатив решений {А}, их оценке и выборе лучшей
(«правильной») альтернативы А*. В результате оценки из исходного множества
{А} выделяют подмножество альтернатив, допустимых по качеству {Адоп}, из
которого по определенным критериям качества и выбирается лучший вариант.
Часто уже при выработке исходного множества альтернатив, особенно при
решении сложных задач при многих критериях, в исследуемом процессе могут
принимать активное участие эксперты, как правило, это специалисты в данной
предметной области, либо, при необходимости, в смежных («критериальных»)
областях. Структурное представление процесса принятия решений,
включающего указанные этапы, показано на рис. 1.
Рис. 1. Структурное представление процесса принятия решения
Принять «правильное» решение – значит выбрать такую альтернативу из
числа возможных, которая с учетом всех разнообразных факторов и
противоречивых требований будет в максимальной степени способствовать
достижению поставленной цели. Оптимальные решения позволяют достигать
цели при минимальных затратах ресурсов [1].
Следовательно, в целях обеспечения оптимизации выбора лучшего
варианта из имеющихся альтернатив их оценка должна учитывать влияние как
отдельно каждого из указанных факторов на качество принимаемых решений,
так и их комплексный/интегрированный учет в целом.
Однако, условия выработки и принятия решений, принимаемых должностными лицами органов управления, объективно усложняются необходимостью
IV Международная научно-практическая конференция «Инновационные процессы и
корпоративное управление», 15-30 марта, г. Минск
переработки постоянно возрастающих объемов информации в ограниченное время в условиях неопределенности обстановки. Используемая при этом исходная
информация характеризуется неточностью, неполнотой и противоречивостью,
что затрудняет принятие оперативных и обоснованных решений на управление.
В тоже время, принимаемые в процессе планирования решения и
разрабатываемые планы должны быть обоснованными и обеспечивать наиболее
полную реализацию возможностей подчиненных в текущих условиях обстановки.
Налицо противоречие между требуемыми качеством и оперативностью
принимаемых решений, а также сроками и условиями их выработки и принятия
и реализации.
Одним из путей повышения оперативности и качества принимаемых
решений является автоматизация процесса выработки и принятия решений на
основе методов и средств искусственного интеллекта в составе соответствующих
экспертных систем и систем поддержки принятия решений. Построение моделей
автоматизации процесса принятия решений для задач управления на основе
экспертной информации, имеющих нечеткое описание, в составе систем
поддержки принятия решения оказалось возможным благодаря введению
понятий нечеткого множества и лингвистической переменной. В данных
моделях результаты принятия управленческих решений могут приближаться по
качеству к решениям, принятым человеком, а по скорости их получения
существенно превышать время реакции человека (особенно в непредсказуемых и
непредвиденных ситуациях) [2; 3; 4; 5].
Для использования в моделях принятия решений информации,
формализованной на основе теории нечетких множеств, необходимы процедуры
построения соответствующих функций принадлежности. Построение последних
является важным компонентом в формализации задач принятия решений. От
того, насколько адекватно построенная функция отражает знания эксперта или
экспертов, во многом зависит качество принимаемых решений.
Исходя из этого, для обработки и представления экспертной информации
необходимо использовать специальные методы теории нечетких множеств и
нечеткой логики. Для обеспечения обоснованного выбора конкретного метода
(группы методов), адекватно представляющих формализуемую задачу принятия
решений, необходимо провести их сравнительный анализ.
Следует отметить, что обработка и представление извлеченной экспертной
информации о технологии решения задач принятия решений применительно к
этапам рассматриваемого процесса может осуществляться посредством функций
принадлежности и построения логико-лингвистических шкал различными
способами, выбор которых зависит от того, какие цели преследуются данным
процессом и в зависимости от вида задачи принятия решения. К таким способам
относят две группы методов построения функций принадлежности: прямые и
косвенные методы (рис. 2) [5; 6].
IV Международная научно-практическая конференция «Инновационные процессы и
корпоративное управление», 15-30 марта, г. Минск
Рис. 2. Классификация методов построения функций принадлежности нечетких множеств
Прямые методы характеризуются тем, что эксперт непосредственно задает
правила определения значений функции принадлежности μ А(х), характеризующей элемент х.
Как правило, прямые методы задания функции принадлежности
используются для измеримых понятий, таких как скорость, время, расстояние,
давление, температура и т. д., или когда выделяются полярные значения.
Разновидностями прямых методов являются прямые групповые методы,
когда, например, группе экспертов предъявляют конкретный объект, и каждый
должен дать один из двух ответов: принадлежит или нет этот объект к заданному
множеству. Тогда число утвердительных ответов, деленное на общее число
экспертов, дает значение функции принадлежности объекта к данному
нечеткому множеству.
Прямыми методами являются также непосредственное задание функции
принадлежности таблицей, графиком или формулой.
Из анализа результатов исследований и решения практических задач,
связанных с необходимостью обрабатывать информацию, известно, что прямые
методы в основном используются в качестве вспомогательных, т. к.
характеризуются большой долей субъективизма [1; 4; 5].
Косвенные методы построения значений функции принадлежности
используются в случаях, когда нет элементарных измеримых свойств, через
которые определяются нечеткие множества.
В косвенных методах значения функции принадлежности выбираются
таким образом, чтобы удовлетворить заранее сформулированным условиям.
Экспертная информация является только исходной информацией для
дальнейшей обработки. Дополнительные условия могут налагаться как на вид
получаемой информации, так и на процедуру ее обработки. К таким методам
относятся статистический метод, метод парных сравнений, метод экспертных
IV Международная научно-практическая конференция «Инновационные процессы и
корпоративное управление», 15-30 марта, г. Минск
оценок и ряд других.
Литература
1. Вилкас, Э. Й., Майминас, Е. З. Решения: теория, информация, моделирование. –
М., Радио и связь, 1981.
2. Борисов, А. Н. Обработка нечеткой информации в системах принятия решений /
А. Н. Борисов, А. В. Алексеев, Г. В. Меркурьев [и др.]. – М., Радио и связь, 1989.
3. Аверкин, А. Н. Нечеткие множества в моделях управления и искусственного
интеллекта / А. Н. Аверкин, И. З. Батыршин, А. Ф. Блишун [и др.]. – М., Наука, 1986.
4. Кофман, А. Введение в теорию нечетких множеств. – М., Радио и связь, 1982.
5. Борисов, А. Н. Принятие решения на основе нечетких моделей: примеры
использования / А. Н. Борисов, О. А. Крумберг, И. П. Федоров. – Рига, «Знание», 1990,
184 с.
6. Круглов, В. В., Борисов, В. В. Искусственные нейронные сети. Теория и
практика. – М., Горячая линия – Телеком, 2001.