Интеллектуальная система поддержки принятия решений на основе рассуждений по прецедентам: на примере задачи управления водохозяйственной системой тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Капыш, Александр Сергеевич

• Капыш, Александр Сергеевич
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Капыш, Александр Сергеевич

ВВЕДЕНИЕ.

ГЛАВА 1 ПОДХОДЫ К ПОДДЕРЖКЕ ПРИНЯТИЯ РЕШЕНИЙ.

1.1 Задача принятия решения в условиях неопределенности.

1.2 Модели представления знаний, применяемые для поддержки задач принятия решений.

1.3 Системы поддержки принятия решений.

1.4 Цели и задачи исследования.

ГЛАВА 2 ПОСТРОЕНИЕ ИНТЕГРИРОВАННОГО МЕХАНИЗМА РАССУЖДЕНИЙ.

2.1 Интеграция рассуждений по прецедентам с рассуждениями по правилам и качественными рассуждениями.

2.2 Требования к представлению прецедента и экспертных знаний.

2.3 Описание прецедента задачи принятия решения.

2.4 Подход к поддержке принятия решения с использованием рассуждений по прецедентам, рассуждений по правилам и качественных рассуждений.

ГЛАВА 3 АЛГОРИТМЫ ФУНКЦИОНИРОВАНИЯ

ИНТЕГРИРОВАННОГО МЕХАНИЗМА РАССУЖДЕНИЙ.

3.1 Поиск прецедентов.

3.1.1 Глобальные меры близости прецедентов.

3.1.2 Локальные меры близости прецедентов.

3.1.3 Алгоритм выборки прецедентов.

3.2 Алгоритм адаптации прецедентов.

3.3 Оценка прецедентов.

ВЫВОДЫ ПО ГЛАВЕ 3.

ГЛАВА 4 СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ОБЛАСТИ

УПРАВЛЕНИЯ ВОДОХОЗЯЙСТВЕННОЙ СИСТЕМОЙ.

4.1 Разработка автоматизированной системы поддержки принятия решения.

4.1.1 Функциональная структура.

4.1.2 Архитектура системы.

4.2 Методика управления водохозяйственной системой с использованием разработанной системы.

4.3 Тестовый пример.

4.4 Оценка эффективности разработанной системы.

ВЫВОДЫ ПО ГЛАВЕ 4.

Введение диссертации (часть автореферата) на тему «Интеллектуальная система поддержки принятия решений на основе рассуждений по прецедентам: на примере задачи управления водохозяйственной системой»

Актуальность работы. Многокритериальные задачи принятия решения составляют широкий класс задач, встречающихся при планировании, управлении, инженерных разработках. Зачастую при решении данных задач необходимо учитывать интересы различных субъектов, преследующих разные цели, которые выдвигают противоречивые критерии для оценки альтернатив. Среди данных задач особым образом выделяются задачи, в которых в качестве альтернатив выступают составные наборы действий (управляющих воздействий), сложным образом влияющие на значение каждого из критериев, что делает невозможным точную оценку критериев для альтернатив [40), 46), 72), 129)].

Особенностью данного класса задач является то, что лицо, принимающее решение, не может рассчитать значение критериев для выбранной альтернативы и оценить последствия принимаемых решений из-за необходимости учета множества качественных и количественных параметров и взаимного влияния управляющих воздействий, что влечет за собой замедление процесса принятия решения и снижение его качества и обоснованности. Данные задачи относятся к классу задач принятия решения в условиях неопределенности [5), 26)].

В качестве примера такой задачи была рассмотрена задача управления водохозяйственной системой реки, которая представляет собой непрерывный процесс реализации управляющих воздействий (например, увеличить высоту дамбы, произвести очистку дна) с целью как обеспечения наиболее благоприятных условий хозяйствования, так и предотвращения разрушительных последствий паводков и сохранения экологического баланса реки [115)]. При этом задача выбора управляющих воздействий осложняется наличием нескольких хозяйствующих субъектов (экологи, рыболовы, туристические компании), преследующих взаимоисключающие цели и сложностью построения модели водохозяйственной системы реки для прогнозирования отклика системы на реализацию тех или иных управляющих воздействий. Данная задача сводится к многокритериальной задаче принятия решения, в которой в качестве альтернатив выступают наборы управляющих воздействий, а в ! качестве критериев — оценка ситуации с точки зрения различных хозяйствующих субъектов.

Одним из способов обеспечения более качественного и быстрого принятия решения для данного класса задач является использование специальных систем поддержки принятия решений. Реализация такой системы подра

5 j зумевает разработку формального представления знаний в предметной области и автоматизацию процесса принятия решения с использованием этих знаний. Существенный вклад в изучение проблем представления знаний и автоматизации рассуждений на знаниях внесли Д.А. Поспелов, В.Н. Вагин, В.М. Курейчик, Т.А. Гаврилова, Г.С. Осипов, A.A. Зенкин, П. Уинстон, П. Джексон, Дж. МакКарти, Б. Куйперс.

Важными особенностями рассматриваемого класса задач принятия решения являются использование экспертами как качественной, так и количе-< ственной информации, а также использование накопленного опыта — знаний о ранее решенных задачах, аналогичных данной. Анализ текущего процесса принятия решения показал, что основные знания, используемые экспертами I для выбора управляющих воздействий, сформулированы неявно в виде опыта, в то время как явные знания, сформулированные в виде экспертных правил и качественных зависимостей используются для адаптации ранее полученного решения к текущей ситуации [40)].

Исследование существующих средств поддержки процесса принятия решения, в том числе в сфере экологии, на примере работ Сливина [47)], Ванга (Wang) [129)], Денга (Deng) [77)], Кумар (Kumar) [99)], Кеккарони (Ceccaroni) [72)] показало, что существующие модели и алгоритмы не могут быть применены для поддержки рассматриваемого класса задач принятия решений, так как не учитывают их специфические свойства:

- невозможность оценить последствия принимаемых решений;

- описание задачи управления содержит множество качественных и количественных параметров;

- на разных этапах решения задачи управления эксперты используют разные типы знаний;

- альтернатива может состоять из нескольких управляющих воздействий.

Поэтому актуальной задачей является разработка интеллектуальной системы поддержки принятия решений, учитывающей особенности рассматриваемого класса задач, использующей разнородные знания экспертов для поддержки лица, принимающего решение, а также разработка архитектуры и принципов функционирования данной системы.

Цель работы состоит в повышении качества и обоснованности принимаемых решений при определении управляющих воздействий за счет организации интеллектуальной поддержки процесса принятия решения на основе интеграции рассуждений по прецедентам, качественных рассуждений и рассуждений по правилам.

Для достижения данной цели были поставлены и решены следующие задачи:

1) исследовать процесс решения многокритериальной задачи принятия решения в условиях неопределенности на примере задачи управления водохозяйственной системой реки, проанализировать средства и методы интеллектуальной поддержки процесса принятия решений;

2) разработать подход к поддержке задачи принятия решения с использованием рассуждений по прецедентам, рассуждений по правилам и качественных рассуждений. Сформулировать требования к способу представления экспертных знаний, используемых в процессе поддержки принятия решения;

3) для предложенного подхода разработать общий алгоритм поддержки принятия решения, а также алгоритмы поиска, адаптации и оценки прецедентов;

4) на основе разработанных моделей и алгоритмов спроектировать и реализовать автоматизированную системы интеллектуальной поддержки принятия решений, провести тестирование и апробацию разработанных алгоритмов поддержки принятия решения.

Методы исследования. Для решения поставленных задач были использованы методы системного анализа, методы искусственного интеллекта, теория принятия решений, методы анализа бизнес-процессов, а также применялись положения теории объектно-ориентированного проектирования программных систем и теории проектирования реляционных баз данных.

Научная новизна результатов, выносимых на защиту, заключается в следующем:

1) предложен подход к поддержке многокритериальных задач принятия решений в условиях неопределенности с использованием рассуждений по прецедентам, рассуждений по правилам и качественных рассуждений. Отличием данного подхода от существующих является интеграция качественных зависимостей и экспертных правил, формализованных в виде онтологии, в процессе поддержки принятия решения;

2) на основе предложенного подхода разработаны алгоритмы решения задачи принятия решения: а) алгоритм поиска прецедентов, отличающийся от известных использованием меры близости совместно с показателем эффективности, что позволяет проводить поиск прецедентов с учетом приоритета различных хозяйствующих субъектов; б) алгоритмы адаптации прецедентов и оценки результатов адаптации, отличающиеся от известных использованием экспертных правил и вывода по ним на онтологии, и качественной модели поведения объекта, формализованной с помощью онтологии.

Положения, выносимые на защиту:

1) алгоритм решения задачи принятия решения с использованием рассуждений по прецедентам, рассуждений по правилам и качественных рассуждений;

2) алгоритм поиска прецедентов с использованием критерия эффективности и модели представления прецедента в виде онтологии;

3) алгоритм адаптации прецедентов с использованием экспертных правил и вывода по ним на онтологии;

4) алгоритм оценки прецедентов с использованием качественной модели поведения объекта.

Практическая ценность полученных результатов. Работа была выполнена при поддержке грантов РФФИ (проект 05-08-1793 0-а, 2006-2008 гг.), а также совместного гранта Министерства образования и науки РФ и DAAD «Михаил Ломоносов II» с прохождением стажировки в университете г. Ганновер, Германия в 2008-2009 гг.

Практическая ценность полученных результатов заключается в следующем:

1) предложенные модели и алгоритмы реализованы в виде автоматизированной системы интеллектуальной поддержки принятия решений;

2) на примере задачи управления водохозяйственной системой реки Эльба в границах заповедника земли Саксония-Ангальт была создана тестовая база знаний и проверена работоспособность разработанной системы; проведена оценка эффективности предлагаемых алгоритмов;

3) предложенные модели и алгоритмы могут быть использованы в других системах, направленных на поддержку задач принятия решения, удовлетворяющих описанным требованиям и ограничениям.

На разработанную автоматизированную систему и базу знаний были получены свидетельства о регистрации в РосПатенте № 2010620572, № 2010620562, № 2010613010, № 2010613007.

Апробация работы. Основные результаты работы докладывались и обсуждались на: XXXIII международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT+SE"2006», Гурзуф, Украина, 2006, международном симпозиуме "Methods of Artificial Intelligence AI-METH 2007", Gliwice, Польша, 2007, XXXIV международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT+SE^OOS», Гурзуф, Украина, 2008, практическом семинаре RAMWASS, Ганновер, Германия, 2009, конференции «Информационные технологии в образовании, технике и медицине», Волгоград, 2009.

Публикации. По теме диссертации опубликовано 8 печатных работ, в том числе 4 публикаций в изданиях из перечня ведущих научных журналов ВАК, 1 статья в международном журнале, 3 тезиса докладов на конференциях, получено 4 свидетельства о государственной регистрации программ ЭВМ и баз данных.

Структура и содержание диссертационной работы. Диссертационная работа состоит из введения, четырех глав, заключения, 3-х приложений и списка литературы. Диссертация содержит 168 страниц основного текста, в том числе 33 рисунка, 24 таблицы, список литературы из 134 наименований. Общий объем работы - 237 страниц.