Факторы, определяющие характер человеко-машинных процедур поддержки принятия решения.

Отметим несколько факторов, далеко не все, оказывающих определяющее влияние на человеко-машинный процесс поддержки принятия решений с помощью СППР. К ним относятся :

1. Характер распределенности СППР (определяет групповой или индивидуальный процесс принятия решения).

2. Типы структурированности проблем, решаемых с помощью СППР (определяет возможность использования аналитических моделей, численных оценок или только качественных характеристик).

3. Характер оценки результатов решения (определяет возможность получения объективной оценки полученных результатов).

4. Характер ситуации, в которой ЛПР принимает решение (определяет стрессовость ситуации, имеющийся опыт и т.д.).

5. Тип компьютерного анализа ситуации, производимого с помощью СППР (определяет метод анализа последствий принимаемого решения).

Существуют и другие факторы влияющие на характер человеко-машинных процедур, например организация интерфейса, методы анализа обстановки и сбор данных и ряд других, выходящих из нашего рассмотрения.

Одна из основных целей построения математических моделей реальных систем - найти способ обработки имеющейся информации для выработки рациональных решений. Например, модель некоторого объекта управления - это совокупность фактов и утверждений (аксиом), на основе которой формируется процесс ПР в конкретной ситуации [2].

Модель принятия решений в ИИСПР можно представить в виде двух уровней иерархии.

На верхнем уровне формируется модель знаний специалиста – эксперта о данной предметной области, то есть на верхнем уровне мы фактически моделируем деятельность человека, осуществляемую часто в неформальном виде. Эти модели формализуют знания экспертов и получение решений на основе этих знаний.

Нижний уровень – это совокупность моделей, описывающие объекты предметной области. А так же процессы, протекающие в ней. На основе этих моделей формируются данные, которые, поступая на верхний уровень иерархии, используется для выработки и принятия решений. Модели нижнего уровня могут бать не только аналитическими или графическими, но и физическими аналогами. Реализация верхнего уровня традиционно принадлежала человеку, а нижнего – возлагалось на вычислительную технику.

Такое двухуровневое представление модели ПР отражает существование различных формальных подходов к их описанию и исследованию. Если методы решения вычислительных задач основаны на строгих алгоритмах, обоснованность которых базируется на понятиях устойчивости и сходимости, то модели представления знаний имеют дело с информацией, получаемой от экспертов, которые носят качественный и часто противоречивый характер [6].

При выработке и принятии решений в сложных системах в настоящее время используется как строгие количественные математические, так и менее строгие – качественные методы, которые, тем не менее, так же допускают формализацию и могут быть реализованы на ЭВМ.

К количественным методам, используемым при анализе сложных систем, традиционно относят методы вычислительной математики и численного моделирования, математического программирования, теории вероятности и статистического анализа, теорий статистических решений, полезности и др.

Обычный способ использования количественных методов в моделях ПР - это введение целевой функции, позволяющей численно оценивать полезность того или иного решения. Числовое описание результатов очень удобно, но не всегда возможно и, главное, не всегда имеет смысл т.к. согласно «принципу несовместимости», чем сложнее система, тем меньше она допускает возможность дать точные, в то же время имеющие практические значения суждения о ее поведении.

Для систем, сложность которых превосходит некоторый пороговый уровень, точность и практический смысл становятся практически исключающими друг друга характеристиками [7]. Именно в этом смысле точный количественный анализ поведения гуманистических систем (экономических, социальных, экологических, биологических и др.), согласно Заде, не имеют большого практического значения.

Компромиссным представляется способ формального описания цели ПР с помощью связанного с ней отношения предпочтения. Для этого надо выделить множество всех тех пар решений, для которых одно соответствует цели больше, чем другое, т.е. надо задать в явном виде определяемое этой целью отношение предпочтения. Сделать это проще, чем задать целевую функцию, т.к. здесь требуется не численная оценка результатов, основанная на том, во сколько раз один результат лучше другого, а лишь указание того, какие результаты лучше, а какие хуже. Такой способ формального описания цели рассмотрен [8]. Он является более общим по своей природе и более простым с логической точки зрения, чем задание цели ПР с помощью целевой функции.

Очевидно, что более общим и более адекватным реальности будет способ, когда отношения предпочтения будет задано нечетко. Такой способ описания предпочтений рассмотрен в работах [1 - 2].

Методы нечеткой математики и нечеткой логики являются эффективным средством при анализе сложных, слабо формализуемых систем, например, таких, как социальные, экономические, экологические и т.п., где элементами системы является человек или группа людей.

Для действенного анализа подобных систем как раз и нужны подходы, в которых точность и строгость количественных мер анализа не являются абсолютно необходимыми и в которых используются методы качественного анализа, допускающие нечеткости и частичные истины. Такие методы рассмотрены в работах [1, 2 – 6].

Подобные «нетрадиционные» методы в последнее время привлекают все большее внимание специалистов разных областей знаний. Большинство методов входит в арсенал научного направления «искусственный интеллект» это, например, теория нечетких множеств и теория возможностей, эволюционные вычисления и генетические алгоритмы, нейронные сети и моделирование рассуждений.

Следует отметить, что в научной литературе понятие модели, процедур, и методов принятия решений часто смешивают и дают им произвольное толкование. В ряде случаев модели ПР неоправданно отождествляют с возникающими в их рамках оптимизационными задачами и методами их решения.

Согласно [7] неправомерно говорить о модели принятия решений вообще. Лишь после постановки конкретной задачи принятия решений ЗПР можно ставить вопрос о выборе той или иной модели. Для одной и той же ЗПР можно применять различные модели принятия решений. Например, в рамках конкретной процедуры, помимо всего прочего, могут производиться такие действия:

1. Выбор стратегии решения поставленной ЗПР.

2. Расчленение ЗПР на подзадачи, сообразно с избранной стратегией.

3. Выбор конкретной модели для каждой из подзадач.

4. Оценка и анализ результатов применения выбранных моделей.

5. Анализ вопроса о необходимости изменения стратегии решения или постановки ЗПР на основании результатов применения конкретных моделей.

Таким образом, понятие «процедура» является значительно более общим и широким, чем «модель» и включает в себя не только математические, но и организационные аспекты ПР.

Наши рекомендации