Системы поддержки решений (СППР). Система поддержки принятия решений - это система искусственного интеллекта, предназначенная для лица

Система поддержки принятия решений - это система искусственного интеллекта, предназначенная для лица, решающего слэбоструктурированную проблему, обеспечивая его альтернативными вариантами ее решения, из которых он выбирает оптимальный.

СППР состоит из трех компонент: языковой системы, обеспечивающей процесс формулирования проблемы лицом принимающим решение (ЛПР), управления процессом с помощью языковых средств; базы данных и знаний, содержащих информацию о проблемной области; системы обработки проблем, включающую набор инструментальных средств.

Процесс решения задачи с помощью СППР включает: формулировку заданий; выбор критериев (и подкритериев) для анализа проблемы и формирование дерева критериев; оценку критериев (подкритериев) по балльной шкале и определение важности критериев; оценку альтернатив по всем критериям; ранжирование альтернатив и получение решения проблемы.

СППР предназначены для оказания помощи руководителю по использовании данных знаний и моделей при подготовке и принятии решений, за которые руководитель несет ответственность.

В настоящее время СППР - автоматизированная система, использующая модели выработки и принятие решений, обеспечивающая пользователей эффективным доступом к распределенным БД и представляющая различные способы отображения информации. СППР делятся на два класса: 1. EIS (Executive Information System) - для руководства, высшего уровня. 2. DSS (Decision Support System) - для руководства среднего уровня.

Цель разработки и внедрения СППР - информационная поддержка оперативных возможностей и комфортных условий для высшего руководства и ведущих специалистов для принятия обоснованных решений, а также стратегическим и тактическим целям.

К основным финансово-экономическим задачам СППР относятся анализ состояния и прогноз тенденций бизнеса и рыночной конъюнктуры, планирование бизнеса и управление его развитием. При этом решаются следующие специализированные комплексы задач: 1. Оценка финансового состояния предприятия и планирование его развития. 2. Анализ состояние производства, обслуживания клиентов, смежных организаций и сотрудников филиальной сети. 3. Анализ и прогнозирование денежного обращения, состояние кредитно-финансовой системы и организации денежного обращения. 4. Общеэкономическое положение отрасли в сопоставлении с макроэкономическими показателями. 5. Состояние и прогнозирование отдельных рынков и услуг.

Экспертные системы

Для решения слабоструктурированных и неструктурированных задач (задачи выбора, классификации, ранжирования, поиска «узких мест», синтеза, комплексные многокритериальные задачи и др.) используют системы искусственного интеллекта: экспертные системы (ЭС) и системы поддержки принятия решений (СППР).

Экспертная система (expert system) — компьютерная программа, способная заменить специалиста-эксперта в решении проблемной ситуации. Экспертная система анализирует ситуацию и, в зависимости от ее направленности, дает рекомендации по разрешению проблемы.

Экспертная система - это система искусственного интеллекта, которая включает в себя базу знаний с набором правил и механизмов вывода, позволяющую на основании этих правил и предоставляемых пользователем фактов распознавать ситуацию, формулировать решение или давать рекомендации для выбора действия. ЭС бывают статистические и динамические.

Структура ЭС:

1) база знаний - содержит факты (утверждения) и правила.Факты пред. собой краткосроч. инфу в том отношении, что они могут изменяться. Правила пред. собой более долговрем. инфу о том, как порождать новые факты или гипотезы из того, что сейчас известно.База знаний облад. большими творческими возможностями, она активно пополняется новой и недостающей инфой.

2) логическая машина вывода - формирует такую последовательность правил, кот. приводит к реш-ю задачи, используя исход, данные из рабочей памяти и базы знаний.

3) компонент приобретения знаний - автоматизирует процесс наполнения системы знаниями. Источник таких знаний - эксперт (либо группа таковых).

4) объяснительный компонент - разъясняет пользователю, как система получила решение задачи(или почему она не получила его) и какие знания она при этом использовала, что повышает доверие пользователя к полученному результату.

5) диалоговый компонент - ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

6) база данных - предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи

7) банк данных - автоматизированная ИС централизованного хранения и коллективного использования данных. В состав банка данных входят одна или несколько баз данных, справочник баз данных, система управления базами данных, библиотека запросов и прикладных программ.

ЭС делятся на

малые ЭС, ориентированы на БД Access, MS SQL, Dbase,

средние, поддерживают Oracle, среды программирования Delphi, Visual Basic, используют ОС типа Unix, большие, ориентированны на Oracle, Sybase, Informix, используют язык логического программирования ПРОЛОГ.

ЭС классифицируются:

1. по типам решаемых задач - диагностика, проектирование, прогноз, планирование, обучение;

2. по характеристикам задач - структурированные, неструктурированные, достоверные, с вероятностью достоверности;

3. по внутренней структуре - фреймовые (представляющие классы знаний), использующие предикаты (т.е. отношения между знаниями), семантические сети, на основе правил алгебры-логики и нечетких множеств.

ЭС работают в двух режимах: 1) приобретения знаний. Общение с ЭС осуществляет эксперт. Он наполняет систему информацией, которая позволяет ЭС в режиме консультации самостоятельно решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности правил и данных. Данные определяют характеристику объекту, правила - способы проведения манипулирования данными, характерные для рассматриваемой области. 2) режим решения задач или режим консультации. В этом режиме данные о задаче после обработки их диалоговым компонентом поступают в рабочую память. Машина логического вывода на основе входных данных, данных имеющихся в базе о проблемной области и правил, формирует решение задачи.

Класс решаемых задач- неструктурированные (неформализованные) зэдэчи;Принцип организации рэботы-замещэет эксперта; Стратегия поиска решения-логический вывод; Информационная база- база данных + база знаний + правила; Качество решений зависит от -базы знаний

Наши рекомендации