Prezentatsia_SPPR_2026akt

1. Компьютерные системы поддержки принятия решений

1
Чернов Владимир Георгиевич
Компьютерные системы поддержки
принятия решений

2.

«Заглядывай вперед или окажешься позади»
Бенджамин Франклин
«Тот, кто не закладывает фундамент изначально, может
огромными усилиями сделать это потом… Но с большой
сложностью для архитектора и опасностью для
строения» Николло Макиавелли (1469-1527)
«Планировать- это хлопотать по поводу наилучшего
метода получения случайного результата»
Амброз Бирс
« Человека, который преуспел в руководстве, но не искушен в
выполнении трех интеллектуальных функций управления
(формирование политики, принятие решений и контроль), можно
сравнить с циркачом на одноколесном велосипеде – он
демонстрирует виртуозные трюки во время представления, но
мальчик посыльный на обычном велосипеде движется более
устойчиво и перевозит полезный груз» Стаффорд Бир

3.

• Планирование – это проектирование
желаемого будущего и эффективных путей его
достижения.
• Это орудие мудрых, но не одних только их.
• В руках же мелких людей оно часто
превращается в бесполезный ритуал, который
порождает кратковременную успокоенность, а
не творит будущее, к которому стремятся.
• Лучшие образцы планирования являются в
такой же степени творениями искусства, как и
науки. Здесь, как нигде, важно их
гармоническое сочетание.»
Р.Л. Акофф

4.

• «Корпорация-хитроумное изобретение для
получения личной выгоды без личной
ответственности»
• Амброз Бирс «Словарь сатаны»-м.:1966
• « Решить- смириться с перевесом одних
внешних влияний над другими»
• «Деньги-это благо, которому не придаешь
значения, пока не расстанешься с ними»
Амброз Бирс

5.

Цифровая экономика
Технологии
Датчики,
Данные
Аналитика

6.

Цифрова
экономика
Smart город,
дом
Финтех
Индустрия 4.0 (5.0)

7.

8.

9.

10.

11.

Лекция 1. Предмет теории принятия решений
Основные положения
Прежде всего необходимо отметить, что в русском языке слову «решение» может
придаваться разный смысл. С одной стороны под решением может пониматься один из
возможных вариантов действия « допустимое решение». С другой стороны под
решением может пониматься процесс выбора «принятие решения». Далее под
решением может пониматься результат процесса выбора « принятое решение». В
математике под решением обычно понимается решение некоторой математической
задачи например « решение уравнения». В теории принятия решений этот термин
используется во всех указанных смыслах исходя из контекста задач, возникающих в
процессе принятия решений.
Под принятием решений понимают особый процесс человеческой деятельности,
направленный на выбор наилучшего варианта из возможных действий. Однако слова
“принятие решений” часто используются в значительно более широком смысле.
Говорят, например, о принятии решений компьютером или роботом, принимающими
решение в результате математических расчетов. В данном курсе лекций мы будем
рассматривать только такие задачи, в которых в процессе принятия решений
обязательно участвует человек.

12.

При выборе решений главную роль играет анализ их последствий. К
сожалению, для подавляющего большинства решений, принимаемых
человеком, последствия нельзя точно рассчитать и оценить. Человек может
лишь предположить, что определенный вариант решения приведет к
определенному результату. Такое предположение, конечно, может оказаться
неправильным , потому что далеко не всегда удается учесть все факторы,
влияющие на результат принятого решения. Однако уступая компьютеру в
скорости и точности вычислений, человек обладает уникальным умением
быстро оценивать обстановку, выделять главное и отбрасывать
второстепенное, соизмерять противоречивые оценки, восполнять
неопределенность своими предположениями. В то же время число ошибочных
решений велико, а сила и глубина их отрицательного воздействия растет
вместе с мощью человеческого общества. В связи с этим возникает вопрос о
средствах, которые могут помочь человеку в принятии решений. Сведения об
одной важной группе таких средств, а именно о методах поддержки принятия
решений и будут предметом рассмотрения данного курса.

13.

Методы поддержки человека в процессе принятия решений должны иметь
теоретическую основу. Исследованием различных аспектов процесса
принятия решений как отдельными людьми, так и группами лиц занимается
теория принятия решений.
Развитие этой теории способствует разработке
методов, которые могут оказать реальную помощь людям в процессе принятия
решений. В настоящее время такие методы обычно реализуются в виде
комплексов компьютерных программ, часто называемых системами
поддержки принятия решений (СППР). Поскольку применение систем поддержки
принятия решений является довольно трудоемким, эти методы и системы
наиболее часто применяются в тех задачах, в которых затраты на разработку
освоение СППР окупают себя. К таким задачам относятся, например, задачи
планирования деятельности корпораций, задачи конструирования сложных
технических систем, задачи выбора вариантов эксплуатации дорогостоящего
оборудования и т.д. С другой стороны, удешевление компьютеров и разработка
массовых относительно простых графических средств делает использование
систем поддержки выбора решений дешевым, доступным и наглядным, что
позволяет использовать их и людьми в повседневной жизни

14.

Прежде всего надо подчеркнуть, что и теория принятия решений, и
особенно методы, развиваемые на ее основе, — это прикладная
дисциплина, которая не является строгой математической наукой типа
теории оптимизации, а базируется в значительной степени на знаниях о
людях, участвующих в процессе принятия решений. Поэтому понимание
сущности процесса принятия решения и возможностей человека в этом
процессе является основой для создания и анализа методов,
предназначенных для поддержки лиц, принимающих решения.
Таким образом, основой теории принятия решений является модель человека, в связи с чем эта теория в значительной степени принадлежит к
социально-психологическим дисциплинам, хотя, конечно, использует различные математические методы и содержит важные разделы, целиком относящиеся к области математики. Надо признать, что в настоящее время
теория принятия решений является совокупностью концепций, зачастую не
связанных между собой, а иногда и противоречащих друг другу. Такая
ситуация объясняется тем, что теория принятия решений возникла, по
крайней мере, из трех источников — экономической теории, психологии и
инженерной практики. Эти источники принадлежат различным отраслям
человеческого знания, поэтому отличаются и языком, и методами
исследования. В связи с широким распространением СППР они стали
источником важного (часто негативного) опыта, который требует своего
осмысления. Этим определяется усиление влияния инженерного направления
на теорию принятия решений в настоящее время.

15.

Люди в процессе принятия решений
В процессе принятия решений люди могут играть разные роли.
Человека, фактически осуществляющего выбор наилучшего варианта
действий, принято называть лицом, принимающим решения (ЛПР).
В процессе принятия решений человек может выступать в качестве
эксперта, т.е. профессионала в той или иной области, к которому
обращаются за оценками и рекомендациями люди, включенные в этот
процесс.

16.

1.2.
Компоненты процесса принятия решений
1.2.1. Цели
В теории принятия решений цель и альтернативы обычно рассматриваются как экзогенные
(заданные извне) величины.
Цель определяют как конечное состояние изменения управляемого процесса.
Часто трудно бывает провести грань между целью и альтернативой. Одно и то же действие
может рассматриваться и как цель, и как альтернатива в зависимости от уровня задачи. Так, в
дереве целей подцели первого уровня являются альтернативами достижения главной цели, но
для второго уровня они являются целями и т.д.
К целям обычно предъявляются следующие требования:
комплексность — описание желаемого результата должно охватывать все аспекты
проблемной ситуации;
согласованность — непротиворечивость компонент целевой системы; реальность— наличие реальных альтернатив достижения цели;
системность— увязка цели с другими задачами.
Важнейшим методом системного анализа является дизагрегирование исследуемой проблемы
на составные элементы с построением дерева взаимосвязей (целей) - связного
неориентированного графа, вершинами которого являются цели, подцели, мероприятия,
ресурсы, а ребрами - связи между ними.
Общими правилами построения деревьев взаимосвязей являются:
соподчиненность элементов разных уровней;
сопоставимость - на каждом уровне дерева рассматриваются элементы,
сопоставимые по своему масштабу и значимости;
полнота - дерево на каждом уровне включает все элементы; определенность —
задание элементов дерева позволяет оценить степень их достижения в количественной или
порядковой форме;

17.

определенность — задание элементов дерева позволяет оценить степень их достижения в
количественной или порядковой форме;
непересекаемость— элементы каждого уровня дерева должны быть независимыми, т.е.
логически невыводимыми друг из друга.

18.

1.2.4.
Альтернативы
В процессе выявления и ограничения альтернатив решений необходимо учитывать
следующие требования:
взаимоисключаемость альтернатив (что, тем не менее, не исключает
наличия одинаковых элементов действия в разных альтернативах);
обеспечение одних и тех же условий описания альтернатив (ресурсных,
временных ограничений и т.д.), чтобы гарантировать одинаковые «стартовые»
условия для каждой альтернативы;
необходимая полнота совокупности альтернатив;
независимость альтернатив.
Основной субъективной причиной нарушения требования полноты является
предубеждение субъекта принятия решений, заранее предпочитающего
некоторую альтернативу.
Основной же объективной причиной является ограниченность возможностей
субъекта по сбору и обработке информации: соответствующие затраты могут быть
чрезмерно велики относительно ожидаемого улучшения для принимаемого
решения. Сам же процесс разработки новых альтернатив является сугубо
творческой деятельностью, результаты которой невозможно заранее предсказать.

19.

При формировании совокупности альтернатив в нее обычно включаются все те
альтернативы, которые не нарушают ни одно из следующих «разумных»
требований:
приемлемые затраты на реализацию, явное превалирование позитивных
(желаемых) результатов над негативными (нежелательными), приемлемые
сроки реализации, соответствие всем известным ограничениям (внешним и
внутренним) и т.д.
Независимыми являются альтернативы, любые действия с которыми
(удаление, выбор в качестве решений) не влияют на оценку других альтернатив.
Наиболее простым и распространенным случаем зависимости является
групповая зависимость: если решено рассматривать какую-либо
альтернативу из некоторой группы альтернатив, то необходимо
рассматривать и всю группу.
В зависимости от наличия альтернатив на момент принятия решений можно
выделить два класса задач.
В традиционных задачах все альтернативы уже считаются заданными, и надо
лишь выбрать лучшие из них, т.е. множество альтернатив является
замкнутым (нерасширяемым).
Для задач же с конструируемыми альтернативами все или значительная часть
рассматриваемых альтернатив формируются после выработки правил выбора и
принятия основных решений.

20.

В качестве примера задачи первого типа можно привести задачу выбора
наиболее подходящего университета, автомобиля и т.д. К задаче второго
типа относится, например, разработка правила выдачи кредитов в банке
для организаций или частных лиц.
В таких задачах, как, например, выбор трассы газопровода или плана
развития города, число альтернатив, с рассмотрения которых начинается
выбор, сравнительно немного. Но они не являются единственно
возможными. Часто на их основе в процессе выбора возникают новые
альтернативы. Первичные, основные, альтернативы не всегда устраивают
участников процесса выбора. Однако они помогают понять, чего конкретно
не хватает в рассматриваемых альтернативах при данной ситуации. Этот
класс задач и называют задачами с конструируемыми
альтернативами.

21.

Реализация каждой альтернативы вызывает определенные изменения как
внутри управляемого процесса, так и вне его; эти изменения обычно называют
результатом реализации альтернативы.
Здесь следует отметить два этапа:
анализ зависимости компонентов целевой системы от результатов
реализации альтернатив
и комплексная оценка полезности альтернатив.
При этом следует учитывать:
возможные изменения временных и пространственных границ оценки,
что неминуемо приводит к изменению содержания и формы целевой функции;
возможные непредусмотренные негативные «побочные» эффекты
реализации альтернатив;
комплексное рассмотрение как самих изменений (качественное), так и их
амплитуды (количественное).
Важной проблемой является также оценка доверия к результатам реализации
альтернатив. Для этого оценивается устойчивость результата (получение
одинаковых решений):
по отношению к изменению субъективных данных (например, весам
критериев);
по отношению к варьированию применяемых методов решения задачи.

22. Критерии

Традиционно для принятия решения стремятся получить выражение, связывающее
цель со средствами ее достижения. Такие выражения получили в параллельно возникавших прикладных направлениях различные названия: критерии функционирования,
критерии или показатель эффективности, целевая или критериальная функция,
функция цели и т.п.
Проблема «критериев оценки» относится к числу важнейших в практике
системного анализа. Поиски количественно определенных и по возможности более
объективных критериев выбора прогнозных вариантов, а также разработка
алгоритмизированных процедур их применения являются одной из актуальнейших
прикладных проблем системного анализа.
Существует ряд положений, которые необходимо иметь в виду при построении
практически пригодной системы критериев.
В общем виде структура оценок включает в себя следующие четыре категории:
субъект, предмет, характер и основание оценивания.
Наибольший интерес представляет категория характер оценивания, т.е. получение
абсолютных (хорошо, плохо, безразлично) и сравнительных (лучше, хуже,
равноценно) оценок. При этом устанавливаются не нормы оценочной деятельности, а
условия, выполнение которых позволяет назвать определенную систему оценок
рациональной. Так, в частности, согласно логике абсолютных оценок два
противоположных состояния не могут быть хорошими с одной и той же точки зрения
одного и того же субъекта. Оценки, имеющие разные основания, не могут логически
противоречить друг другу.

23.

Анализируя разные формы оценок, можно выделить две различные функции,
которые они выполняют: функцию выражения и функцию замещения.
В первом случае оценка отражает чувства субъекта по отношению к предмету.
Она ничего не утверждает и потому лишена объективности.
Оценки типа замещения субъект дает предметам по отношению к объективной
действительности, поэтому они могут быть истинными или ложными. Безусловно,
что обе функции независимы. Выявление их представляется важным для практики
экспертного оценивания, где опасность смешивания оценок выражений и
замещений вполне реальна.
Приписывание качеств критерия таким атрибутам процедуры принятия решений как
цель и ограничение объясняется не только недостаточным субъективным
пониманием смысла этих понятий, но и объективными причинами,
заключающимися в том, что критерий устанавливает взаимосвязь между целями
(вернее задачами) и ограничениями . Однако, ясно, что подобная роль критерия не
дает оснований для его отождествления с целью (задачей) и ограничением.
Обобщая различные предложения будем использовать следующее определение:
критерий - это мера соотношения между эффектом оцениваемого варианта
решения (степени достижения цели) и уровнем необходимых для его реализации
ресурсов с учетом ограничений на них для всех адекватных поставленной задаче
вариантов решения.
Из определения следует, что критерий не отождествляется ни с целью, ни с задачей,
ни с ограничениями, а является инструментом измерения. При этом процедура
измерения состоит из трех операций: измерение эффекта или степени достижения
цели (понимаемой в широком смысле как цель стремления), измерение
совокупности необходимых ресурсов и измерения отношения между ними.

24.

На сложность задач принятия решений влияет также число критериев. При
небольшом числе критериев (например, при двух) задача сравнения
альтернатив достаточно проста и прозрачна, значения критериев могут быть
непосредственно сопоставлены и может быть выработана предпочтительная
альтернатива. При большом числе критериев задача становится для ЛПР
очень трудной. К счастью, при большом числе критериев они обычно могут
быть объединены в группы, имеющие конкретное смысловое значение.
Такие группы критериев, как правило, независимы. Выявление структуры на
множестве критериев делает процесс принятия решений значительно более
осмысленным и эффективным.
Использование критериев выбора решения для оценки альтернатив
требует определения градаций величин критериев: лучших, худших
и промежуточных оценок.
Другими словами, существуют шкалы оценок по критериям. В
принятии решений различают шкалы непрерывных и дискретных оценок,
шкалы количественных и качественных оценок. Так, для критерия “стоимость
автомобиля” может быть использована непрерывная количественная шкала
оценок (в денежных единицах). Для критерия “цвет автомобиля” должна
быть использована качественная шкала. Существуют и другие, более тонкие
классификации шкал.

25. Оценка важности критерия

Определение значимости критерия (его "веса", важности) играет большую роль в
формализованных процедурах формирования решения.
Существует много методов оценки важности критериев, связанных главным образом с
оценкой "весов" критериев.
Метод определения
значимости критериев
Используемая информация
1.На основе опыта и знаний
Опыт в аналогичных ситуациях и
знания ЛПР
ЛПР
2. Hа основе
критериального анализа
ситуации, опыта и знаний
Оценка текущего и желательного
состояния объекта по каждому
критерию, опыт и знания
3. На основе критериального анализа
ситуации, прогнозирования,
опыта и знаний
Оценка текущего и желательного
состояния объекта по каждому
критерию, динамики объекта при
нулевых управляющих воздействиях
по каждому критерию, опыт и знания

26.

1.2.5.
Факторы
Показатели, рассматриваемые в процессе принятия решений, обычно подразделяют
на результирующие и факторные.
Результирующие показатели являются средствами определения цели, критериями
измерения степени ее достижения и компонентами вектора результатов реализации
альтернатив.
Факторные показатели отражают условия, средства и пути формирования
результирующих показателей.
В свою очередь, факторные показатели подразделяют на:
управляемые (регулируемые) факторы;
условно управляемые (труднорегулируемые) факторы, которые зависят в
основном от предыстории, обладают большой инерцией и лишь частично поддаются
воздействию со стороны субъекта принятия решений (например, основные средства
предприятия);
неуправляемые факторы, которые не могут быть изменены субъектом
(климатические условия, политическая ситуация и т.д.) и отражают характеристики
внешней среды принятия решений. Отнесение конкретного фактора к той или иной
группе не является чем-то раз и навсегда заданным и зависит от условий места,
времени и уровня управления. Чем выше уровень управления, чем больше уровень
абстракции, чем длительнее период реализации решения, тем с большей
вероятностью факторы переходят в разряд управляемых. Например, структура
маркетинга предприятия является неуправляемым фактором для менеджера
низшего звена и управляемым - для высшего руководства.

27.

Если рассматривать различные управляемые факторы как координатные оси, то
различные альтернативы принятия решений представляют собой точки данного
многомерного пространства. В случае взаимной зависимости факторов изменение
некоторого фактора будет приводить к изменению других факторов, и не все
комбинации значений факторов (не все возможные альтернативы) будут иметь
содержательный смысл. Поэтому столь важным оказывается обеспечение
независимости факторов.
Другим важным условием эффективного принятия решения является адаптация к
неуправляемым факторам внешней среды. Здесь можно выделить следующие этапы.
1.
Выявление всех возможных неуправляемых факторов.
2.
Количественное моделирование и эмпирическое измерение интенсивности
влияния неуправляемых факторов на управляемые факторы (пространство альтернатив)
и на результаты реализации альтернатив.
3. Определение объективно обусловленного (нормативного) уровня результатов
реализации альтернатив по конкретным значениям неуправляемых факторов
В процессе адаптации количество неуправляемых факторов может быть значительно
сокращено:
за счет факторов с постоянным воздействием;
за счет факторов, интенсивность влияния которых в конкретных условиях
данной задачи можно считать нулевой.

28.

Модель процедуры выявления факторов
внешней среды

29. Ограничения

Первый тип. Ограничения для значений факторов, которые в
принципе не могут быть нарушены ни при каких
обстоятельствах.
Второй тип. Ограничения, связанные с техникоэкономическими соображениями, например дефицитом
времени.
Третий тип. Ограничения с какими чаще всего приходится
иметь дело, определяются конкретными условиями
реализации проекта, например технологией организации
проиводства.

30.

Процесс принятия решений
Процесс принятия решения не является одномоментным актом, очень часто
это достаточно длинный итеративный процесс. Обычно в нем выделяют три
этапа:
поиск информации и постановка задачи,
построение множества альтернатив,
выбор лучшей альтернативы.
На первом этапе собирается вся доступная на момент принятия решения
информация: фактические данные, мнения экспертов, строятся
математические модели, проводятся социологические опросы, определяются
взгляды на проблему со стороны активных групп, влияющих на ее решение,
формируются критерии выбора решения и т.д.
Второй этап связан с определением того, что можно, а чего нельзя делать
в имеющейся ситуации, т.е. с определением реализуемых вариантов
решения.
Третий этап включает в себя сравнение альтернатив и выбор наилучшего
варианта (или вариантов) решения.
Это укрупненная схема процесса принятия решений. Более подробная
представлена на следующем слайде.

31.

32.

Из трех перечисленных этапов процесса принятия решения наибольшее
внимание традиционно уделяется последнему этапу.
За признанием важности поиска информации и формирования множества
альтернатив следует понимание того, что эти этапы в высшей степени
неформализованы.
Способы прохождения этапов зависят не только от содержания задачи
принятия решений, но и от опыта, привычек, личного стиля ЛПР и его
окружения.
Отметим, что выделение малого числа альтернатив из часто
неопределенного числа возможных вариантов действия на втором
этапе требует всестороннего анализа этих вариантов. При этом анализ
большого числа вариантов может быть довольно грубым, но должен по
возможности включать все полезные для решения задачи варианты.
На третьем этапе, наоборот, требуется тщательно проанализировать и
сравнить лишь достаточно малое число альтернатив, уже сформулированных
в явном виде. Такое представление о процессе принятия решений
используется при разработке методов поддержки принятия решений.
В подавляющем большинстве случаев задачи принятия решений имеют
многокритериальный характер , когда для выбора решения необходим учет
многих критериев.

33.

Традиционно различают следующие основные задачи принятия решений.
1.
Упорядочение альтернатив. Для ряда задач представляется
вполне обоснованным требование определить порядок на множестве
альтернатив. Так, члены семьи упорядочивают по степени необходимости
будущие покупки, руководители фирм упорядочивают по прибыльности
объекты капиталовложений и т.д.
2.
Распределение альтернатив по классам решений. Такие задачи
также часто встречаются в повседневной жизни. При покупке квартиры или
дома люди обычно делят альтернативы на две группы: заслуживающие и не
заслуживающие более подробного изучения, требующего затрат сил и
средств. Точно так же люди часто распределяют по привлекательности для
себя туристские маршруты и т.д.
3. Выделение наилучшей альтернативы. Эта задача считается одной из
основных в принятии решений. Хорошо известны такие примеры как выбор
одного предмета при покупке, выбор места работы, выбор проекта
сложного технического устройства. Задачи выбора распространены в мире
политических решений, где альтернатив бывает сравнительно немного, но
они достаточно сложны для изучения и сравнения. Именно задачи
выделения наилучшей альтернативы будут, в основном, рассматриваться в
данном курсе лекций.
Отметим, задачи выделения и упорядочивания альтернатив часто решаются
совместно. В практике бывают ситуации, когда по каким-то причинам
наилучшую альтернативу не удается реализовать и тогда приходится браться
за следующую по значимости.

34.

Отметим новые тенденции, наблюдающиеся в процессе совершенствования
методов поддержки принятия решений при многих критериях в последние
годы. Новый импульс был получен в связи с развитием компьютерной
графики, позволившей по-новому подойти к разработке методов поддержки
принятия решений. Это связано с тем, что многокритериальные методы
требуют активного участия ЛПР в процессе поиска предпочтительного
решения, так что огромное значение имеет обеспечение легкости
взаимодействия человека с компьютером в процессе их применения.
Отметим еще одну функцию визуализации, важную в практике применения
многокритериальных методов. Речь идет об интеллектуализации СППР,
под которой понимается методика создания таких систем, которые могут
использоваться лицом, принимающим решение, самостоятельно, без участия
посредников.
Дело в том, что сложность методов может потребовать в процессе их
применения участия специалистов (зачастую авторов этих методов). Такое
требование может оказаться неприемлемым для ЛПР в силу
конфиденциальности данных, самого процесса принятия решений или его
результатов. Использование визуализации в многокритериальных
методах способствует их интеллектуализации, приводящей к
исключению посторонних лиц из процесса принятия решений.
Интеллектуальные компьютерные СППР должны обеспечивать
простоту взаимодействия пользователя с ними и брать на себя
функции посредников, в чем, бесспорно, может помочь
компьютерная визуализация.

35.

6
Все виды решений можно разделить на две группы:
решения, связанные только с повседневной жизней отдельного индивидуума
или их группы (бытовые решения) ;
системные решения. Они могут быть связаны с решением различного рода
научных и технических задач, например выбор наилучшего варианта при
проектировании сложных технических систем или связанные с
деятельностью некоторой организационной системы , например
предприятия, финансового учреждения и т.п. Эти решения имеют
больший уровень ответственности, затрагивают интересы большого
числа людей.

36.

7
Вся возможная совокупность типов решений делится на несколько классов:
1-запрограммированные/незапрограммированные.
Запрограммированные имеют место в случае стереотипных многократно
повторяемых ситуаций, в этом случае для ЛПР понятна последовательность
действий, она заранее известна. Целью является либо в определенные моменты
времени, либо в определенных заранее условиях принимать соответствующие
решения. Запрограммированные решения приводят либо к неэффективным, либо к
неверным результатам, если происходят какие-то изменения в окружающей среде,
внутренней среде фирмы.
Незапрограммированные решения приходится принимать в новых ситуациях и при
непредвиденных изменениях различных факторов. В этом случае выстроить
жесткую заранее предопределенную цепочку действий просто невозможно.
Как правило, при управлении сложными большими системами используют
комбинации этих методов в зависимости от развития ситуации;
2-компромиссные – любая реальная ситуация принятия решения характеризуется
следующим:
многоальтернативность – всегда имеется некоторое множество альтернатив A =
{ai, i = 1, I};
выбор альтернатив происходит в условиях многокритериальности – множество
критериев оценки C = {cj, j = 1, J}.
.

37.

8 Главная проблема состоит в том, что в реальных условиях критерии, по
которым оцениваются альтернативы, имеют противоречивый характер, т.е. на
множестве А нельзя выбрать альтернативу, которая будет предпочтительнее
всех оставшихся альтернатив по всем критериям оценки. В этом случае в
качестве наилучшего решения приходится выбирать некоторое
компромиссное решение, которое вполне возможно будет лучше по
некоторым видам критериев, а некоторым будет уступать.
В случае многоальтернативности и многокритериальности пытаются
вывести интегральную оценку и в качестве наилучшей альтернативы
выбирают ту, которая будет иметь более высокий интегральный показатель.
Определить общий интегральный показатель практически невозможно,
поэтому эти интегральные оценки определяются для конкретной рабочей
ситуации. Интегральная оценка, которая дает положительный результат в
настоящий момент времени совсем не обязательно окажется корректной в
следующий момент времени.
В условиях многоальтернативности и многокритериальности грубой
ошибкой будет заявление о том, что ищется оптимальное решение. Причина:
в условиях противоречивости критериев найти оптимально решение
принципиально невозможно .

38.

9
Оптимальность по В. Парето. Критерий В. Парето формулируется просто:
«Следует считать, что любое изменение, которое никому не причиняет убытков и
которое приносит некоторым людям пользу(по их собственной оценке), является
улучшением». Критерий применяется при решении таких задач, когда оптимизация
означает улучшение одних показателей при условии, чтобы другие не ухудшались, а
также таких, когда реализуется композиционный подход к построению плана
развития экономической системы, учитывающей интересы составляющих ее
подсистем (групп экономических объектов).
Выполняется нахождение компромиссного решения, когда стараются
сбалансировать выполнение требований по всему множеству решений (берут один
критерий и пытаются его удовлетворить в большей степени; берут второй и пытаются
его удовлетворить, но так, чтобы существенно не ухудшить оценки по первому. Как
только становится ясно, что произойдет ухудшение по первому, останавливаются, т.е.
пытаются подобрать такие оценки, чтобы не ухудшать ранее достигнутый результат).
Результат решения по Парето является квазиоптимальным.
Проблема: конечное решение может зависеть от того, какой критерий мы приняли в
качестве начального, т.е. что взять за начальную точку, а также от того, в какой
последовательности мы будем рассматривать критерии. В реальных практических
системах речь идет о таких компромиссных решениях, которые будут наилучшими
для конкретной ситуации.

39.

10
Механизмы принятия решений.
1- интуитивное решение – это решение, которое не основывается на
каких-то формально-аналитических аппаратах, а решение, которое
вытекает из опыта ЛПР, его субъективных оценок и предпочтений.
Занимают большой объем в общем числе решений. Наиболее
характерен этот тип решений для экономических систем. В
технических системах присутствует обычно в экстремальных
условиях. Если рассматривать крупные экономические организации и
предприятия, то доля интуитивных решений может быть достаточно
небольшой, и область интуитивных решений преимущественно
сосредоточена на верхних уровнях управления. В малых и средних
предприятиях до 80-90% решений принимается именно на
интуитивном уровне, т.к. эти предприятия не могут выделить
достаточно средств для использования аналитических систем.
Опасность интуитивных решений состоит в том, что субъективные
предпочтения и оценки могут быть ошибочными либо не
соответствовать в полной мере сложившейся ситуации;
2- решения, основанные на суждениях, – вытекают из опыта
конкретных менеджеров, руководителей, но при этом в процессе
принятия решения могут использоваться уже различные аналитические
средства;

40.

11
3- рациональные решения – предварительная подготовка решений возлагается на
различные аналитические средства. С помощью этих аналитических систем
среди множества возможных альтернатив выбирают некоторые подмножества
наилучших альтернатив в смысле выбранной системы критериев. Производят
упорядочивание альтернатив на множестве возможных. Ограниченное
подмножество альтернатив предъявляется ЛПР, которые производит выбор, при
этом одновременно с альтернативами ЛПР получает интегральную оценку
альтернатив, информацию о том, как она была получена и в качестве
дополнения могут быть даны оценки по отдельным наиболее важным
критериям. Рациональное решение полностью не исключает интуитивное
решение или решение, основанное на суждениях.
Рациональное решение.
Этапы рационального решения:
диагностика проблемы (проблема – это ситуация, когда поставленная цель не была
достигнута): нужно выявить симптомы затруднений, которые не дали решить
задачу, и возможности, с помощью которых задача может быть решена. Для
решения задачи диагностики необходимо собрать информацию по данной
проблеме, релевантную информацию (именно ту, которая будет способствовать
решению данной проблемы). Это достаточно сложно, т.к. особенно для новых
проблем трудно определить характер необходимой информации и ее объем.
Избыточность информации имеет две стороны:

41.

Одной из важных особенностей управления экономическими объектами как сложными
системами является комплексный характер проблем выбора решений. Существует
много факторов, позволяющих рассматривать экономические объекты как сложные
системы [3, 42]. Кроме чисто технических наиболее значимы являются факторы
участия человека в различных звеньях управления (выбора решений) и реализации
управляющих воздействий. И именно на фазах выбора решений проявляется
комплексный характер, так как при этом ЛПР должны учитывать большой объем
данных для обеспечения желаемого эффекта от последующей реализации решений.
Существенным является и огромное разнообразие реальных систем и обстоятельств, в
которых возникает необходимость в выборе эффективных решений [3, 12, 25, 26, 41,
72]. В настоящее время наметилось определенное противоречие между немалыми
возможностями современных КИС по обработке и представлению данных,
циркулирующих в системе, и «ручным» характером выбора
вариантов решений. Все чаще возникает потребность переложить «на плечи»
компьютеров и часть операций выбора решений. Существует много методов решения
проблем. возникающих на стадиях и этапах процесса принятия решений. Все эти
методы в виде соответствующего математического аппарата реализованы в
специализированных информационных системах – системах поддержки принятия
решений (СППР или DSS).

42.

Типы структурированности проблем.
Существует три класса:
структурированные (все параметры и исходные данные имеют
количественное представление);
слабоструктурированные (наряду с количественными данными
появляются качественные оценки, причем имеется тенденция
преобладания качественных оценок);
неструктурированные (могут быть описаны только на качественном
уровне).
С точки зрения СППР интерес представляют системы второго и третьего
класса.

43.

Определение СППР
Известно несколько определений СППР, которые не противоречат друг другу,
а скорей акцентируют внимание на отдельных сторонах процесса принятия (выбора)
решений.
СППР – это человекомашинные системы, которые позволяют ЛПР использовать
данные, знания, объективные и субъективные модели для анализа и решения
слабоструктурированных и неструктурированных проблем.
Если проблема структурирована, то она имеет количественное представление,
следовательно, количественное решение.
СППР – это компьютерная система, позволяющая ЛПР сочетать собственные
субъективные предпочтения с компьютерным анализом ситуаций при
выработке рекомендаций в процессе принятия решений.
В этом определении говорится не о компьютерном анализе данных, а о компьютерном
анализе ситуации, что представляет собой расширенное толкование проблемы, суть
которого состоит в том, что наряду с анализом данных предполагается и анализ знаний.
СППР – это компьютерная ИС, используемая для различных видов деятельности при
принятии решений в ситуациях, где невозможным или нежелательным является
иметь автоматическую систему, полностью выполняющую весь процесс решения.
Не трудно видеть, что эти определения является непротиворечивыми, а дополняющими
друг друга.
СППР – это средство, которое обеспечивает/поддерживает процесс принятия
решения, при этом взаимодействие ЛПР и системы поддержки носит циклически
итерационный характер.

44.

Современная система поддержки принятия решения (СППР) - это
компьютерная автоматизированная система, максимально приспособленная к
решению задач повседневной управленческой деятельности, являющаяся
инструментом, призванным оказать помощь лицам, принимающим решения
(ЛПР). СППР С помощью СППР может производиться выбор решений
некоторых неструктурированных и слабоструктурированных задач, в том
числе и многокритериальных.

45. История развития СППР

Несмотря на то, что термин «теория принятия решений» непосредственно
начал использоваться лишь в 1950 г. Э.Л. Леманном , формирование данной
дисциплины началось гораздо раньше.
Фундамент теории принятия решений был заложен в конце XVII - начале XVIII
в. теорией вероятности и математической статистикой, которые явились
исторически первой реакцией на необходимость учета неопределенности в
решении разного рода задач.
В середине XVII века французские математики Паскаль и Ферма
разработали математическую модель, описывающую вероятность исходов в
играх, зависящих от случая, по заказу известных игроков в азартные игры. При
игре в «Кости», рулетку, как и при опросах, исследованиях (физических,
экономических, социологических и т.д.), результаты меняются от раза к разу
даже при сохранении неизменных условий . Деловые люди принимают
решения в таких же условиях. Например, специалист по маркетингу никогда
не сможет точно предсказать объемы реализации нового товара.

46.

В разработке основ теории вероятности принимали участие такие известные
математики, Гюйгенс (1629-1695), автор трактата «О расчетах при азартных играх», Я.
Бернулли (1654-1705), Муавр (1667-1754), Лаплас (1749-1827), Гаусс (1777-1855)
Пуассон (1781-1840). Несмотря на развитие вероятностных методов, инструментарий
теории вероятности не является универсальным средством для описания всех типов
неопределенностей в задачах принятия решений Крупный вклад в математическую
статистику внесли К. Пирсон (1857-1936), Р. А. Фишер (1890-1962), А.Н. Колмогоров
(1903-1987), Н.В. Смирнов (1900-1966), А. Вальд (1902-1950).
Дальнейшее развитие математические методы принятия решений получили в работах
американских ученых Дж. Фон Неймана (1903— 1957) и Оскаром Моргенштерна (19021977), которые разработали математическую теорию игр и заложили основы теории
экономического поведения.
Теория игр представляет собой часть обширной теории, изучающей процессы
принятия оптимальных решений. Она дает формальный язык для описания процессов
принятия сознательных, целенаправленных решений с участием одного или
нескольких лиц в условиях неопределенности и конфликта, вызываемого
столкновением интересов конфликтующих сторон. Теория игр позволяет выработать
рекомендации по рациональному выбору в экономике в условиях неопределенности и
риска. Практическое значение теории игр состоит в том, что она служит основой
моделирования игровых экспериментов, в частности, деловых игр, позволяющих
определять оптимальное поведение в сложных ситуациях.
Теория игр не только вдохновила 1940-е гг. А. Вальда на теорию статистических
решений, но и широко применялась в 1950-е гг. при принятии экономических, военных
решений в США.

47.

История СППР
В конце 60-х
годов появляется новый тип ИС - модель- ориентированные СППР (Modeloriented DecisionSupport Systems - DSS) или системы управленческих
решений (Management Decision Systems - MDS). (1978), По мнению
первооткрывателей СППР (1978), концепция поддержки решений была
развита на основе «теоретических исследований в области принятия
решений... и технических работ по созданию интерактивных компьютерных
систем».
1974 г 1974 г. - дано определение ИС менеджмента - MIS (Management
Information System) это интегрированная человеко-машинная система
обеспечения информацией, поддерживающая функции операций,
менеджмента и принятия решений в организации. Системы используют
компьютерную технику и программное обеспечение, модели управления и
принятия решений, а также базу данных. 1978 г. - опубликован учебник по
СППР, в котором исчерпывающе описаны аспекты создания СППР: анализ,
проектирование, внедрение, оценка и разработка. 1980 г. 1980 г. - С.Альтер
опубликовал диссертацию, в которой дал основы классификации СППР.

48.

История СППР. 1981 г. 1981 г. – опубликованы теоретические основы
проектирования СППР, где определены 4 необходимых компонента, присущих
всем СППР:
1) Языковая система - СППР может принимать все сообщения;
2) Система презентаций - СППР может выдавать свои сообщения;
3) Система знаний - все знания СППР сохраняет;
4) Система обработки задач - программный «механизм», который
пытается распознать и решить задачу во время работы СППР.
1981 г. 1981 г. - была разработана информационная система руководителя
(Executive Information System (EIS)) - компьютерная система,
предназначенная для обеспечения текущей адекватной информации для
поддержки принятия управленческих решений менеджером.
История СППР 1990-х Начиная с 1990-х, разрабатываются так называемые
Data Warehouses - хранилища данных. В 1993 г В 1993 г Е. Коддом (E.F. Codd)
для СППР специального вида был предложен термин OLAP (Online Analytical
Processing)- оперативный анализ данных, онлайновая аналитическая
обработка данных для поддержки принятия важных решений. Исходные
данные для анализа представлены в виде многомерного куба, по которому
можно получать нужные разрезы - отчёты.

49.

Выполнение операций над данными осуществляется OLAP- машиной. По
способу хранения данных различают MOLAP, ROLAP и HOLAP. По месту
размещения OLAP-машины различаются OLAP- клиенты и OLAP-серверы.
OLAP-клиент производит построение многомерного куба и вычисления на
клиентском ПК, а OLAP-сервер получает запрос, вычисляет и хранит
агрегатные данные на сервере, выдавая только результаты. В начале нового
тысячелетия была создана СППР на основе Web.
Четыре основные характеристики СППР:
СППР использует и данные, и модели;
СППР предназначены, чтобы помогать менеджерам в принятии
решений для слабоструктурированных и неструктурированных
задач;
СППР поддерживают, а не заменяют, выработку решений
менеджерами;
СППР улучшает эффективность решений.
Классификация на уровне пользователя (Haettenschwiler)
Пассивная СППР - система, которая помогает процессу принятия решения,
но не может вынести предложение, какое решение принять. Активная СППР
может сделать предложение, какое решение следует выбрать. Кооперативная
СППР позволяет ЛПР изменять, пополнять или улучшать решения,
предлагаемые системой, посылая затем эти изменения в систему для проверки.
Система изменяет, пополняет или улучшает эти решения и посылает их опять
пользователю. Процесс продолжается до получения согласованного решения.

50.

Классификация на концептуальном уровне (Power,2003)
1. Управляемая сообщениями (Communication- Driven DSS) СППР
поддерживает группу пользователей, работающих над выполнением
общей задачи.
2. СППР, управляемые данными (Data-Driven DSS) ориентированные на
работу с данными в основном ориентируются на доступ и манипуляции с
данными.
3. СППР, управляемые документами (Document- Driven DSS), осуществляют
поиск и манипулируют неструктурированной информацией, заданной в
различных форматах.
4. СППР, управляемые знаниями (Knowledge- Driven DSS) обеспечивают
решение задачв виде фактов, правил, процедур

51.

Классификация на техническом уровне( Power)
1. СППР всего предприятия СППР всего предприятия подключена к большим
хранилищам информации и обслуживает многих менеджеров предприятия.
2. Настольная СППР .Настольная СППР это малая система, обслуживающая
лишь один компьютер пользователя.
Классификация по виду используемых данных
1. Оперативные СППР.
Оперативные СППР предназначены для немедленного реагирования на
изменения текущей ситуации в управлении финансово- хозяйственными
процессами компании.
2. Стратегические СППР. Стратегические СППР ориентированы на анализ
значительных объемов разнородной информации, собираемых из различных
источников.

52.

Классы систем поддержки принятия решений
Исходя из изложенных принципов поддержки решений, представляется
целесообразным определить три класса СППР в зависимости от сложности
решаемых задач и областей применения.
СППР первого класса, обладающие наибольшими функциональными
возможностями, предназначены для применения в органах государственного
управления высшего уровня (администрация президента, министерства) и
органах управления больших компаний (совет директоров корпорации) при
планировании крупных комплексных целевых программ для обоснования
решений относительно включения в программу различных политических,
социальных или экономических мероприятий и распределения между ними
ресурсов на основе оценки их влияния на достижение основной цели
программы. СППР этого класса являются системами коллективного
пользования, базы знаний которых формируются многими экспертами специалистами в различных областях знаний.

53.

СППР второго класса являются системами индивидуального пользования,
базы знаний которых формируются непосредственным пользователем. Они
предназначены для использования государственными служащими среднего
ранга, а также руководителями малых и средних фирм для решения
оперативных задач управления.
СППР третьего класса являются системами индивидуального пользования,
адаптирующимися к опыту пользователя. Они предназначены для решения
часто встречающихся прикладных задач системного анализа и управления
(например, выбор субъекта кредитования, выбор исполнителя работы,
назначение на должность и пр.). Такие системы обеспечивают получение
решения текущей задачи на основе информации о результатах практического
использования решений этой же задачи, принятых в прошлом. Кроме того,
системы этого класса предназначены для использования в торговых
предприятиях, торгующих дорогими товарами длительного пользования, в
качестве средства «интеллектуальной рекламы», позволяющего покупателю
выбрать товар на основе своего опыта применения товаров аналогичного
назначения.
Значение класса СППР определяет и технологию выбора решения, в системах
первого и второго классов процесс принятия решения, как правило, имеет
коллективный характер, в системах третьего индивидуальный. В связи с этими
обстоятельствами развиваются два класса СППР: распределенные и
сосредоточенные.

54.

Характер распределенности СППР.
По характеру распределенности СППР делятся на две группы:
- сосредоточенные;
- распределенные (рассредоточенные)
Сосредоточенные СППР: в этих системах процесс подготовки
возможных решений сосредоточен в одном месте. Обычно это экспертная
система, установленная на одной вычислительной машине. Если
экспертная система большая, то она может быть установлена на
нескольких машинах, но в целом это одна СППР. Информация о процессах,
ситуации собирается в одну точку, и все локальные системы являются
только источниками данных, т.е. прямого участия в подготовке решения не
принимают.
Здесь возможно два варианта:
полностью автоматическая выработка решения и выдача управляющих
сигналов на исполнение решений. Это достаточно простой класс систем.
Главным образом, это системы технического контроля (например:
централизованная система пожаротушения). Для экономики такие системы
практически не пригодны;
решения принимает человек(ЛПР), а экспертная система предлагает ему
рекомендации. Главный смысл этих систем состоит в том, что компьютерный
анализ ситуации может быть выполнен с большей скоростью, здесь отсутствуют
ограничения на размерность задачи.

55.

Например, если решается задача выбора альтернативы, наилучшим образом
отвечающей требованиям некоторой системы критериев, то размерность
A {ai , i 1, N }
C {c j , j 1, M }
такой задачи (N*M).
ЛПР надежно решает задачи размерностью не более 7*7=49. За
пределами этой размерности ЛПР (эксперты) работает очень ненадежно.
Компьютерная система в данном случае из большого пространства
решений отберет ограниченный набор наиболее рациональных решений,
структурирует их по предпочтительности, а затем ЛПР выберет в
соответствии со своими предпочтениям наилучшее.
Сосредоточенные это наиболее простой класс СППР, и, как любая
централизованная система, являются ненадежными, поскольку нарушение
работы центральной экспертной системы делает всю систему полностью
неработоспособной.

56.

22
Распределенные характеризуются тем, что в них присутствуют
локальные СППР, и каждая из этих локальных систем решает свою частную
задачу. Характер распределенности может быть различен:
пространственная распределенность, когда локальные системы
расположены в различных пространственных точках, и связь между ними
осуществляется с помощью различных средств телекоммуникации;
организация локальной вычислительной сети, и каждая из этих сетей
представляет собой локальную СППР.
В сосредоточенных системах узлы ЛВС не выполняют самостоятельно
задачи, а в рассредоточенных – каждый узел это локальная СППР.
В распределенных СППР локальные системы могут выполнять свои частные
задачи, даже если часть системы оказалась разрушенной.
Основным типом распределенных систем считается иерархический тип,
когда локальные СППР располагаются на непересекающихся уровнях.
Важность задачи определяется номером уровня, где система находится,
конечное решение вырабатывалось в главном узле (фокусе иерархии).
Последнее время к иерархическим системам добавлены многоагентные
распределенные системы, где отсутствует разделение на иерархические
уровни и жесткое иерархическое подчинение.

57.

58.

23
ТИПЫ РАСПРЕДЕЛЕННОСТИ СППР.
Все распределенные системы (кроме перечисленных вариантов) делятся еще
на несколько классов в зависимости от того, где, кто и как принимает
окончательное решение:
решение предлагают несколько экспертных систем, локализованных в одной
вычислительной системе в пределах многопроцессорной машины.
Предлагаемые решения могут представлять различные оценки ситуации.
Общее интегрированное решение выполняет один эксперт, находящийся
за центральным монитором;
система
пространственно-распределенная,
т.е.
это
узлы
крупной
вычислительной сети. Решения по проблеме предлагаются в каждом узле
такой сети. Например: в режиме телеконференции эксперты, работающие
с соответствующими системами, пытаются найти интегральное решение.
Возможна ситуация, когда какой-то узел предлагает несколько решений,
это не принципиально.
решение предлагается как СППР, так и экспертами. Обе эти группы работают
независимо. Затем ЛПР интегрирует два предложенных варианта. При
этом не исключается ситуация, когда ЛПР отказывается от предложенных
решений.

59.

Распределенные системы получают в настоящее время все более широкое распространение
по следующим причинам:
- бурное развитие технологии производства вычислительной техники позволяет объединить
большое число достаточно мощных и относительно недорогих вычислительных машин в
единую сеть, способную выполнять асинхронные параллельные вычисления и эффективно
обмениваться информацией.
- многие предметные области, в которых используются системы поддержки принятия
решений, распределены по своей природе. Некоторые из них распределены функционально
(как, например, многие системы медицинской диагностики), другие распределены как
пространственно, так и функционально (как, например, системы автоматизации
проектирования сложных технических объектов). Распределение системы поддержки
принятия решений получили очень широкое распространение. Они реализованы управления
воздушным движением, управления группами роботов, в задачах дистанционного управления
подвижными объектами, управления производством, системах поддержки принятия решений
в экстремальных ситуациях и т. д.
- пространственно и функционально распределенные системы облегчают обмен информацией
и принятие согласованных решений группами специалистов, совместно работающих над
решением одной задачи, и/или группами экспертных систем, управляющих сложным
техническим объектом.
- принцип модульного построения и использования систем также хорошо реализуется в
распределенных системах поддержки принятия решений. Возможность создавать системы для
решения сложных проблем из относительно простых и автономных программно- аппаратных
модулей позволяет их легче создавать, отлаживать и эксплуатировать. Таким образом,
распределенный подход поддержки принятия решений целесообразно использовать, когда
ЛПР пространственно распределены, либо когда процесс принятия решений связан с высокой
степенью функциональной специализации и, конечно, когда имеют место оба эти случая. Обе
эти ситуации могут быть связаны с различными прикладными областями принятия решений.

60.

Иерархические системы поддержки принятия решений
Необходимо особо отметить очень распространенный класс систем - иерархические системы
поддержки принятия решении (ИСППР).
Иерархические вычислительные системы поддержки принятия решений состоят из экспертных
систем или систем поддержки принятия решений, распложенных в узлах, связанных между
собой вычислительной сетью. С точки зрения принятия решений узлы неравноправны. Самый
простой пример такой системы - это система, состоящая из подсистем Wi , W 2,..., Wn и одной
подсистемы Wo второго (более высокого) уровня.
Цель подсистемы Wo - влиять на низшие подсистемы таким образом, чтобы достигалась общая
цель, заданная для всей системы. Такая система может служить в качестве элементарного блока
при построении более сложных систем.
Объективно существуют интересы системы в целом. Их выразителем выступает подсистема Wo .
Существуют и интересы подсистем Wi , W 2,..., Wn , причем их интересы, как правило, не
совпадают или совпадают не полностью как с интересами подсистемы Wo , так и друг с другом.

61.

62.

Наиболее часто используются следующие два вида иерархий [8]:
♦ Сбалансированные — иерархии, в которых число уровней определено её
структурой неизменно, и все ветви имеют одинаковую глубину. Для
формирования сбалансированной иерархии необходимо наличие связи «одинко-многим» между объектами менее детального уровня по отношению к
объектам более детального уровня. Например, сбалансированной является
трехуровневая иерархия «направления деятельности — категории товаров —
производители товаров» (рис. 2).

63.

♦ Несбалансированные — иерархии, в которых число уровней может быть
изменено, некоторые уровни логически не одинаковы, и глубина ветвей
иерархии может быть разной. Все объекты несбалансированной иерархии
принадлежат одному типу Например, несбалансированной является иерархия
компаний-поставщиков (рис. 3). Все элементы этой иерархии имеют тип
«поставщик».
4)
Элемент измерения — уровень в иерархии значений координат
измерения многомерного куба. В приведённом примере измерение содержит 3
элемента («направления деятельности», «категории товаров», «производители
товаров»), каждый из них характеризуется номером уровня в иерархии.
5)
Атрибут измерения. Атрибуты измерения описывают его элементы, но
не образуют иерархии. Например, для каждого поставщика можно хранить адрес
его электронной почты. Различные уровни измерения могут образовывать
различные атрибуты. Одни атрибуты могут относиться ко всем уровням
измерений, другие - лишь к определенным.

64.

Интеллектуальные СППР.
Теоретическая база создания СППР новых поколений формируется на
основе эффективного сочетания накопленной системы знаний с новыми
подходами парадигмами ИИ. Среди них важная роль принадлежит
методам и моделям, обеспечивающим формализацию и интеграцию
знаний, механизм логического вывода, поиск решений и выдачу
практических рекомендаций. Традиционной основой таких систем
считается «инженерия знаний»
Инженерия знаний (англ. knowledge engineering) — научное
направление, связанное с разработкой экспертных систем и баз
знаний в области наук об искусственном интеллекте.
Название дисциплине дал Е. Фейгенбаум, который определил задачу
инженерии знаний как «привнесение принципов и инструментария
исследований из области искусственного интеллекта в решение трудных
прикладных проблем, требующих знаний экспертов».
Инженерия знаний пронизывает весь процесс разработки
интеллектуальных СППР — начиная с возникновения замысла и
заканчивая его реализацией и совершенствованием.

65.

Инженерия знаний изучает методы и средства извлечения,
представления, структурирования и использования знаний в рамках
конкретной прикладной области.
Некоторые аспекты, которые изучает дисциплина:
1. Анализ предметной и проблемной областей. Учитываются сведения об
элементах предметной области, процессах и явлениях, отношениях.
Обеспечение приобретения знаний. Инженерия знаний получает
информацию извне и систематизирует её.
2. Выявление источников знаний. Инженеры знаний работают с экспертами в
режиме диалога или интервью, собирают необходимые знания.
3. Автоматизация процесса сбора знаний. Собирать знания вручную —
трудоёмкий процесс, поэтому в современных системах разрабатывают
вспомогательные подсистемы для сбора знаний.

66.

Задачи
Некоторые задачи, решаемые инженерией знаний:
1. Определение, какие знания необходимы системе для решения
поставленных задач.
2. Выбор способа представления знаний — какой выбрать формализм и как
представить знания в выбранном формализме.
3. Построение базы знаний — коллекции совместно организованных знаний,
относящихся к решаемым в системе искусственного интеллекта задачам.
4. Создание экспертных систем — программных систем, которые имитируют
действия и решения квалифицированных специалистов-экспертов.
База знаний – это коллекция совместно организованных знаний,
относящихся к решаемым в системе искусственного интеллекта задачам.
База знаний – это семантическая модель, которая описывает предметную
область и позволяет находить ответы на такие вопросы, поставленные в
рамках этой предметной области, явные ответы на которые в базе
отсутствуют.
База знаний – важнейший компонент интеллектуальной СППР. Большая
часть баз знаний ограничивается некоторой специальной (как правило,
весьма узкой) предметной областью. Технология искусственного
интеллекта позволяет компьютеру делать выводы, построенные на
отношениях и фактах из базы знаний.

67.

68.

4. Интеллектуальные СППР. Теоретическая база создания ИС
новых поколений формируется на основе эффективного сочетания накопленной
системы знаний с новыми подходами парадигмами ИИ. Среди них важная роль
принадлежит методам и моделям, обеспечивающим формализацию и интеграцию
знаний, механизм логического вывода, поиск решений и выдачу практических
рекомендаций. Наряду с традиционными методами «инженерии знаний» здесь
находит применение концепция «мягких вычислений».
Концепция «мягких вычислений»

69.

Многоагентные СПППР.
Многоагентные (или просто агентные) модели используются для
децентрализованных систем, динамика функционирования которых
определяется не глобальными правилами и законами, а наоборот, эти
глобальные правила и законы являются результатом индивидуальной
активности членов группы.
Вычислительные возможности современных компьютеров и достижения в
информационных технологиях позволяют представить систему практически
любой сложности из большого количества взаимодействующих объектов, не
прибегая к агрегированию, делают возможным реализацию многоагентных
систем, содержащих десятки и сотни тысяч активных агентов, что позволяет
применять многоагентные технологии в различных областях. С практической
точки зрения выделяют следующие важные характеристики и свойства
агентов

70.

агент — идентифицируемый, дискретный объект
имеющий определенный набор характеристик и
правил, управляющих его поведением и
способностью принимать независимые решения.
Агенты по своей природе самодостаточны.
Свойство дискретности указывает на то, что агент
имеет границу, позволяющую любому человеку
понять, что является его частью, а что нет, или
является общей характеристикой
Социальность. Агент находится и действует в определенном окружении, с которым он
взаимодействует в той же степени, что и с остальными агентами. Агенты
используют некоторые протоколы для взаимодействия друг с другом, а также с окружением.
Способность распознавать или различать других агентов также является неотъемлемой
характеристикой агента;
Активность. Агент сам по себе может иметь свои собственные цели для достижения
(необязательно максимизация чего-либо), которые влияют на их поведение. Это позволяет
агенту сравнивать достигнутые результаты с поставленными целями;
Автономность. Агент автономен и может функционировать самостоятельно, независимо от
окружения и взаимодействия с другими агентами, по крайней мере в некоторых ситуациях,
представляющих для него особый интерес. Поведение агента определяется его внутренним
состоянием;

71.

Гибкость поведения агента, т.е. его способность учиться и адаптировать правила своего
поведения, основываясь на полученном опыте. Агент может также иметь специальные
правила, изменяющие базовые правила его поведения. Состояние и поведение агентов
меняются со временем. Агенты имеют динамические связи с другими агентами, и эти связи
могут формироваться и исчезать в процессе
функционирования.

72.

Концепция GRID-систем в Интегрированной ИС.
Одним из перспективных направлений совершенствования ИС поддержки принятия
решений является интеграция этой вычислительной технологии с интеллектуальной
технологией GRID-систем

73.

74.

75.

В распределенной структуре функциональными компонентами являются
исполняемые модули прикладных систем в совокупности с служебными
модулями, обеспечивающими совместную работу объединяемых систем.
Каждая из прикладных систем представляет собой класс задач
интеллектуальной
поддержки.
В
процессе
совместной
работы
объединяемые модули M, взаимодействуют с обобщенной базой данных с
помощью служебных модулей, функции которых состоят в выборе из базы
данных необходимых для своей работы данных и в размещении в ней
результатов выполненного анализа. Управляющий программный комплекс U
обеспечивает функционирование интегрированной системы I(S) с помощью
программных средств.
(1)
I(S) = <F(S), D(W), U(PC)>,
где F(S) - функциональные компоненты; D(W) - обобщенная база данных; U(C)
- управляющий программный комплекс.
Обобщенная база данных D(W) формируется в соответствии с общими
принципами построения хранилищ данных и знаний. Для представления
структуры управления программными системами используются различные
формализмы, в том числе и сети Петри [2]. Формальный аппарат этих сетей
предназначен для моделирования упорядочения событий и потока
информации.

76.

77.

29
ФУНКЦИОНИРОВАНИЕ СППР.
,
.

78.

Человеко-машинная процедура принятия решений с помощью СППР
представляет собой циклический процесс взаимодействия человека и
компьютера.
Цикл состоит из
фазы анализа и постановки задачи для компьютера, выполняемой
лицом, принимающим решение (ЛПР), и фазы оптимизации (поиска
решении и выполнения его характеристик), реализуемой
компьютером [1.11].
Процесс выработки решения в «ручном» или автоматизированном
варианте обычно [3, 66] состоит из ряда этапов, отражающих возможные
цепочки действий.

79.

1. Выявление ситуации, требующей принятия решения (СТПР).
2. Сбор данных.
3. Обработка и анализ данных.
4. Генерация возможных альтернативных решений(сценариев).
5. Оценка возможных альтернативных решений (сценариев).
6. Согласование решений (сценариев).
7. Компьютерный анализ динамики развития ситуации.
8. Выбор решения (сценария).
9. Реализация решения.
10.Оценка соответствия выполнения принятых решений намеченным целям.
В зависимости от того, как организована сама СППР и уровня ее
самостоятельности реализация указанных этапов за исключением пп.9, 10
возлагается на СППР, либо же, если она является частью КИС, СППР
обеспечивает реализацию этапов с 3 по 8. В этом случае СППР действует по
схеме, представленной на следующем слайде.

80.

Структура СППР
СППР можно, в зависимости от данных, с которыми они работают, разделить на
оперативные, предназначенные для немедленного реагирования на текущую
ситуацию, и стратегические - основанные на анализе большого количества
информации из разных источников с привлечением сведений, содержащихся в
системах, аккумулирующих опыт решения проблем.
СППР первого типа получили название Информационных Систем
Руководства (Executive Information Systems, ИСР). По сути, они представляют
собой конечные наборы отчетов, построенные на основании данных из
транзакционной информационной системы предприятия или OLTP-системы (On –Line Transaction Processing), в идеале адекватно отражающей в режиме реального времени
все аспекты производственного цикла предприятия. Для ИСР характерны следующие
основные черты:
- отчеты, как правило, базируются на стандартных для организации запросах;
- число последних относительно невелико;
ИСР представляет отчеты в максимально удобном виде, включающем,
наряду с таблицами, деловую графику, мультимедийные возможности ит. п.;
как правило, ИСР ориентированы на конкретный вертикальный рынок,
например финансы, маркетинг, управление ресурсами.
СППР второго типа предполагают достаточно глубокую проработку данных,
специально преобразованных так, чтобы их было удобно использовать в
ходе процесса принятия решений. Неотъемлемым компонентом СППР этого
уровня являются правила принятия решений, которые на основе агрегированных
данных подсказывают менеджерскому составу выводы и придают системе черты
искусственного интеллекта. Такого рода системы создаются только в том случае, если
структура бизнеса уже достаточно определена и имеются основания для обобщения и

81.

СППР в современном понимании - это механизм развития бизнеса, который
включает в себя некоторую часть управляющей информационной системы,
обширную систему внешних связей предприятия, а также технологические и
маркетинговые процессы развития производства. Поскольку СППР первого
типа входят как компонент в СППР второго, то рассматривать будем
именно эти системы
СППР второго типа строится на основе четырех ключевых компонентов:
• Информационных Хранилищ Данных;
• ETL (Extracting Transformating and Loading) – средств и методов
извлечения, обработки и загрузки данных;
• OLAP(On-line Analytical Processing) - многомерной базы данных и
средств анализа;
• Инструментарий Data Mining.
Эти компоненты СППР обеспечивают такие основные задачи как: накопление
данных и их моделирование на концептуальном уровне, эффективной
загрузки из нескольких независимых источников и анализ данных. Можно
сказать, что использование оперативной аналитической обработки (систем
OLAP0 на сегодня ограничивается обеспечением доступа к многомерным
данным. Технологии Data Mining представляют в СППР наибольший интерес,
поскольку с их помощью можно провести наиболее глубокий и всесторонний
анализ данных и, следовательно, принимать наиболее рациональные и
обоснованные решения.

82.

83.

Подсистема ввода первичных данных в ИАС реализуется в большинстве случаев средствами
OLTP-систем (OLTP - Online Transaction Processing), основной задачей которых является транзакционная обработка данных. Выполнение аналитических функций в этих системах имеет ряд
ограничений, обусловленных снижением быстродействия системы при выполнении аналитических
запросов и наличием фиксированного периода, в котором возможен анализ данных.
Для снятия этих ограничений данные загружаются в подсистему хранения, в основе которой
лежит хранилище данных (ХД).

84.

Хранилища данных
Информационные
системы
современных
предприятий
часто
организованы таким образом, чтобы минимизировать время ввода и
корректировки данных, т.е. организованы не оптимально с точки зрения
проектирования базы данных. Такой подход усложняет доступ к
историческим (архивным) данным. Изменения структур в базах данных
информационных систем очень трудоемки, а иногда попросту невозможны.
В то же время, для успешного ведения современного бизнеса необходима
актуальная информация, предоставляемая в удобном для анализа виде и в
реальном масштабе времени. Доступность такой информации позволяет как
оценивать текущее положение дел, так и делать прогнозы на будущее,
следовательно, принимать более взвешенные и обоснованные решения. К
тому же, основой для принятия решений должны быть реальные данные.
Если данные хранятся в базах данных различных информационных систем
предприятия, при их анализе возникает ряд сложностей, в частности,
значительно возрастает время, необходимое для обработки запросов; могут
возникать проблемы с поддержкой различных форматов данных, а также с
их
кодированием;
невозможность
анализа
длительных
рядов
ретроспективных данных и т.д. Эта проблема решается путем создания
хранилища данных.

85.

Задачей такого хранилища является интеграция, актуализация и согласование
оперативных данных из разнородных источников для формирования единого
непротиворечивого взгляда на объект управления в целом. На основе
хранилищ данных возможно составление всевозможной отчетности, а также
проведение оперативной аналитической обработки и Data Mining.
Предметная ориентация
хранилища данных означает, что данные объединены в категории и
сохраняются соответственно областям, которые они описывают, а не
применениям, их использующим.
Интегрированность означает, что данные удовлетворяют требованиям всего
предприятия, а не одной функции бизнеса. Этим хранилище данных
гарантирует, что одинаковые отчеты, сгенерированные для разных
аналитиков, будут содержать одинаковые результаты.
Привязка ко времени означает, что хранилище можно рассматривать как
совокупность "исторических" данных: возможно восстановление данных на
любой момент времени. Атрибут времени явно присутствует в структурах
хранилища данных.
Неизменность означает, что, попав один раз в хранилище, данные там
сохраняются и не изменяются. Данные в хранилище могут лишь добавляться.

86.

Другими словами, хранилище данных представляет собой своеобразный
накопитель информации о деятельности предприятия.
Хранилище данных содержит информацию за весь требуемый временной
интервал в едином информационном пространстве, что делает такие хранилища
идеальной основой для выявления трендов, сезонных зависимостей и других
важных аналитических показателей.
В системах ХД несоответствия в данных устраняются на этапе сбора
информации и погружения ее в единую базу данных. При этом организуются
единые справочники, все показатели в которых приводятся к одинаковым
единицам измерения.
Универсализация доступа к данным. Хранилище данных предоставляет
уникальную возможность получать любые отчеты о деятельности предприятия
на основе одного источника информации.
Ускорение получения аналитических отчетов.
Как видно из перечисленных преимуществ использования технологии хранилищ
данных, большая их часть может существенно упростить, повысить скорость и
качественно улучшить процесс Data Mining. Таким образом, комплексное
внедрение этих технологий дает разработчикам и пользователям неоспоримые
преимущества перед использованием разрозненных баз данных различных
информационных систем при создании систем поддержки принятия решений.

87.

Таким образом технология информационных хранилищ данных обеспечивает:
•быструю обработку поступающих запросов;
•интеграцию распределенных данных;
•интеграцию внутренних и внешних данных;
•устранение ненужной информации;
•агрегирование (вычисление сумм, средних показателей);
•преобразование типов данных, структур хранения;
•приведение данных к одному моменту времени.
Хранилище Данных строится на основе OLTP(On –Line -Transaction Processing)базы данных, а также различных разнородных источников информации. Таким
образом, система сбора информации представляет собой централизованный импорт
данных из существующих учетных систем.

88.

Несмотря на то, что с формальной точки зрения Хранилище данных представляет
обычную БД, его проектирование во многом отличается от построения БД
оперативной системы.
Обычная БД создается по схеме:
изучение предметной области;
построение информационной модели;
разработка на ее основе проекта БД;
создание БД.
В случае хранилища данных обязательными этапами является:
определение информационных потребностей пользователей по отношению к
данным, накапливаемым в БД оперативных систем;
изучение баз данных OLTP-систем;
выделение для каждой такой БД подмножества данных, необходимых для загрузки в
хранилище;
интеграция локальных подмножеств данных и разработка общей согласованной
схемы хранилища.

89.

Хранилище данных содержит всю информацию, необходимую для
всевозможных процессов принятия решений, но оно не ориентировано на
выполнение тех или иных прикладных функций и с этой точки зрения является
нейтральным по отношению к приложениям. Для информационного
обеспечения отдельных функционально замкнутых задач используют так
называемые витрины данных, в которые информация попадает либо из
хранилища ( зависимые витрины), либо непосредственно из
источников данных , проходя предварительные согласования и
преобразования (независимые витрины) .

90.

В архитектуре ИАС применяется несколько различных подходов к организации
хранилищ данных. Вариант с физическим хранилищем предполагает загрузку данных из
OLTP-систем в ХД, где данные приводятся к единому формату, фильтруются,
агрегируется, а запросы адресуются непосредственно к ХД (рисунок 2.2).
Архитектура информационно-аналитических систем
с физическим ХД

91.

Такая архитектура предъявляет повышенные требования к безопасности данных
как с точки зрения доступа к ним, так и с точки зрения эффективного хранения
больших объемов данных.
Возможен вариант создания виртуального хранилища. В этом случае данные не
копируются в единое хранилище, а извлекаются и интегрируются непосредственно в
момент формирования аналитического запроса. Данный подход, несмотря на
возможность работы с реальными детализированными данными, имеет ряд
недостатков. К ним можно отнести увеличение времени обработки запроса, обязательная доступность всех источников информации и возможность обработки только
тех исторических данных, которые содержатся в OLTP-системе в данный период
времени

92.

Идея Витрины Данных (Data Mart) возникла , когда стало очевидно, что разработка
корпоративного хранилища - долгий и дорогостоящий процесс. Это обусловлено как
организационными, так и техническими причинами:
информационная структура реальной компании, как правило, очень сложна, и
руководство зачастую плохо понимает суть происходящих в компании бизнеспроцессов;
технология принятия решений ориентирована на существующие технические
возможности и с трудом поддается изменениям;
может возникнуть необходимость в частичном изменении организационной
структуры компании;
требуются значительные инвестиции до того, как проект начнет окупаться;
как правило, требуется значительная модификация существующей
технической базы;
освоение новых технологий и программных продуктов специалистами
компании может потребовать много времени;
на этапе разработки бывает трудно наладить взаимодействие между
разработчиками и будущими пользователями Хранилища.
В совокупности это приводит к тому, что разработка и внедрение корпоративного
хранилища требуют значительных усилий по анализу деятельности компании и
переориентации ее на новые технологии. Витрины Данных возникли в результате
попыток смягчить трудности разработки и внедрения Хранилищ.

93.

Сейчас под Витриной Данных понимается специализированное Хранилище,
обслуживающее одно из направлений деятельности компании, например учет запасов
или маркетинг. Важно, что происходящие здесь бизнес-процессы, во-первых,
относительно изучены и, во-вторых, не столь сложны, как процессы в масштабах всей
компании. Количество сотрудников, вовлеченных в конкретную деятельность, также
невелико (рекомендуется, чтобы Витрина обслуживала не более 10-15 человек). При этих
условиях удается с использованием современных технологий развернуть Витрину
подразделения за 3-4 месяца. Необходимо отметить, что успех небольшого проекта
(стоимость которого невелика по сравнению со стоимостью разработки корпоративного
Хранилища), во-первых, способствует продвижению новой технологии и, во-вторых,
приводит к быстрой окупаемости затрат.
Первые же попытки внедрения Витрин Данных оказались настолько успешными, что
вокруг новой технологии начался настоящий бум. Предлагалось вообще отказаться от
реализации корпоративного Хранилища и заменить его совокупностью Витрин Данных.
Однако вскоре выяснилось, что с ростом числа Витрин растет сложность их
взаимодействия, поскольку сделать витрины полностью независимыми не удается. Сейчас
принята точка зрения, в соответствии с которой разработка корпоративного Хранилища
должна идти параллельно с разработкой и внедрением Витрин Данных. Фактическим
стандартом структуры данных при разработке Витрины является "звезда", основанная на
единственной таблице фактов. При построении схемы взаимодействия корпоративного
Хранилища и Витрин Данных в рамках создания СППР рекомендуется определить
некоторую специальную структуру для хранения исторических данных и дополнительно
развернуть ряд Витрин, заполняемых данными из этой структуры. Тем самым удается
разделить два процесса: накопление исторических данных и их анализ.

94.

Вариант информационно-аналитической системы с созданием независимых
витрин данных отличается простотой их организации, поскольку каждая
витрина оперирует с данными одной предметной области (задачи).
Недостатками автономных витрин данных является
необходимость хранить одинаковые данные в разных витринах
данных. Кроме того, в ряде случаев возникает ситуация, при
которой пользователям необходимы данные из нескольких витрин
одновременно, а отсутствие консолидации данных на уровне
независимых витрин не позволяет этого сделать. В последнее
время наибольшее распространение получили ин-формационноаналитические системы с хранилищем и витринами данных
Архитектура информационноаналитических
систем с ХД и ВД

95.

Такая архитектура позволяет обеспечить получение общей картины
деятельности компании за счет наличия централизованного хранилища,
упрощает процесс добавления новых витрин, однако обладает избыточностью,
так как данные хранятся и в ХД и в ВД.
Все данные в ХД подразделяются на три категории: 1) детальные данные; 2)
агрегированные данные; 3) метаданные.
Детальные данные переносятся в ХД непосредственно из OLTP- систем. Их
обычно подразделяют на измерения и факты.
Измерениями называют наборы данных, необходимые для описания
событий (например, название региона, ФИО клиента, наименование товара и
т.д.).
Факты — это данные, отражающие суть события (например, объем
продаж в регионе, число обращений клиента на сервисное обслуживание и
т.д.).
На основании детальных данных формируются агрегированные данные,
представляющие собой суммы фактических данных по измерениям.
Ключевым элементом в ХД являются метаданные - данные о
данных. Они содержат всю информацию, необходимую для извлечения,
преобразования и загрузки данных из различных источников, а также для
последующего использования и интерпретации данных, содержащихся в ХД.

96.

Архитектура ХД

97.

Одним из критериев эффективности работы информационно-аналитических
систем является скорость выполнения сложных запросов и
прозрачность структуры хранения информации.
Для обеспечения достижимости этих критериев в настоящее время
используется два подхода к построению хранилищ данных. Первый подход
основан на применении многомерной модели данных, а второй подход
использует реляционную модель. В обоих случаях данные организованы
в виде некоторого гиперкуба, который может быть реализован как
отдельная многомерная структура, так и в рамках реляционных таблиц.
Оси куба являются измерениями, по которым откладывают параметры,
относящиеся к анализируемой предметной области, например, названия
товаров и названия месяцев года. На пересечении осей измерений
располагаются данные, количественно характеризующие анализируемые
факты, например, объемы продаж, выраженные в единицах продукции
(рисунок 2.4).

98.

OLAP-системы
В области технологий обработки данных существует два
взаимодополняющих друг друга направления развития:
♦ системы, ориентированные на операционную обработку данных
— системы обработки данных (СОД);
♦ системы, ориентированные на анализ данных — системы
поддержки принятия решений (СППР).
В недавнем прошлом, когда говорилось о стремительном росте числа
реализаций информационных систем, прежде всего, имелись в виду системы,
предназначенные для оперативной обработки данных. На первых этапах
автоматизации требуется структурировать процессы повседневной рутинной
обработки данных. На это ориентированы традиционные СОД. Для
построения таких систем используются реляционные системы управления
базами данных (РСУБД), такие как Oracle [1], Microsoft SQL Server [2] , MySQL
[3], PostgreSQL [4] и другие.
Однако у такого подхода есть и недостатки, связанные с наличием
нескольких источников данных. Основная проблема —
необходимость согласования данных в разных источниках
информации. При этом в лучшем случае проводится репликация баз
данных (БД) как процесс копирования информации из одной базы в
несколько других.

99.

Необходимо учитывать следующие особенности репликации:
1)
репликация — ресурсоемкий процесс, при котором большая нагрузка
приходится на центральный процессор, оперативную память, сетевые каналы;
2) при большом количестве информации временные затраты на
репликацию зачастую не оправдывают полученных результатов
даже при достаточном количестве системных ресурсов.
С другой стороны, отсутствие согласованности информации приводит к
разрозненности данных при их дальнейшей обработке. В любом случае, одни и
те же данные многократно повторяются в различных СОД.
Таким образом, с ростом количества данных возникает противоречие:
информация есть и её слишком много, в то же время она не
структурирована, не согласована, разрознена, не всегда достоверна, её
практически невозможно найти в СОД и получить. На разрешение этого
противоречия нацелена технология OLAP. OLAP (On-Line Analytical Processing —
интерактивная аналитическая обработка данных) [5] — один из способов
представления и анализа данных. При этом информация представляется в виде
многомерного куба с возможностью произвольного манипулирования ею.
Многомерные модели рассматривают данные либо как факты с
соответствующими численными параметрами, либо как текстовые измерения,
которые характеризуют эти факты.
Актуальность применения OLAP систем заключается в том, что они
позволяют работать с данными в терминах предметной области без
знания архитектуры хранения информации [6]. Кроме того, OLAP
технология позволяет поддерживать различные типы бизнес-правил,
использующиеся на предприятиях.

100.

Полноценные OLAP системы появились в начале 90-х годов, как результат
развития информационных систем поддержки принятия решений. Они
предназначены для преобразования различных, часто разрозненных,
данных, в полезную информацию. OLAP системы могут организовать
данные в соответствии с некоторым набором критериев. При этом не
обязательно, чтобы критерии имели четкие характеристики.
Свое применение OLAP системы нашли во многих вопросах стратегического
управления организацией: управление эффективностью бизнеса,
стратегическое планирование, бюджетирование, прогнозирование
развития, подготовка финансовой отчетности, анализ работы,
имитационное моделирование внешней и внутренней среды организации,
хранение данных и отчетности.

101.

Структура OLAP системы
В основе работы OLAP системы лежит обработка многомерных массивов
данных. Многомерные массивы устроены так, что каждый элемент
массива имеет множество связей с другими элементами. Чтобы
сформировать многомерный массив, OLAP система должна получить
исходные данные из других систем (например, ERP(Enterprise Resources
Planning) или CRM системы), или через внешний ввод. Пользователь OLAP
системы получает необходимые данные в структурированном виде в
соответствии со своим запросом. Исходя из указанного порядка действий,
можно представить структуру OLAP системы.

102.

103.

В общем виде, структура OLAP системы состоит из следующих элементов:
база данных. База данных является источником информации для
работы OLAP системы. Вид базы данных зависит от вида OLAP системы и
алгоритмов работы OLAP сервера. Как правило, используются реляционные
базы данных, многомерные базы данных, хранилища данных и т.п.
OLAP сервер. Он обеспечивает управление многомерной структурой
данных и взаимосвязь между базой данных и пользователями OLAP системы.
пользовательские приложения. Этот элемент структуры OLAP
системы осуществляет управление запросами пользователей и формирует
результаты обращения к базе данных (отчеты, графики, таблицы и пр.)
В зависимости от способа организации, обработки и хранения данных, OLAP
системы могут быть реализованы на локальных компьютерах пользователей
или с использованием выделенных серверов.

104.

Существует три основных способа хранения и обработки данных:
локально. Данные размещаются на компьютерах пользователей.
Обработка, анализ и управление данными выполняется на локальных рабочих
местах. Такая структура OLAP системы имеет существенные недостатки,
связанные со скоростью обработки данных, защищенностью данных и
ограниченным применением многомерного анализа.
реляционные базы данных. Эти базы данных используются при
совместной работе OLAP системы с CRM системой или ERP системой. Данные
хранятся на сервере этих систем в виде реляционных баз данных или
хранилищ данных. OLAP сервер обращается к этим базам данных для
формирования необходимых многомерных структур и проведения анализа.
многомерные базы данных. В этом случае данные организованы в
виде специального хранилища данных на выделенном сервере. Все операции
с данными осуществляются на этом сервере, который преобразует исходные
данные в многомерные структуры. Такие структуры называют OLAP кубом.
Источниками данных для формирования OLAP куба являются реляционные
базы данных и/или клиентские файлы. Сервер данных осуществляет
предварительную подготовку и обработку данных. OLAP сервер работает с
OLAP кубом не имея непосредственного доступа к источникам данных
(реляционным базам данных, клиентским файлам и др.).

105.

Многомерная модель для интерактивной аналитической
обработки данных
Концепция OLAP-систем основана на следующих понятиях [7]

106.

1. Многомерный куб (n — число измерений многомерного куба) — это
многомерная структура, состоящая из множества ячеек и хранящая взаимосвязанные данные, описывающие предметную область или её
составляющую. Ячейка является атомарной структурой куба и при
отображении располагается внутри него. Многомерный куб может
создаваться и храниться как на физическом уровне представления данных
(многомерные OLAP системы), так и на концептуальном уровне
(виртуально) с помощью схем «звезда» или «снежинка» (реляционные
OLAP системы).
2. Показатель qj (j = l...p, р — количество показателей) — это типизированная
величина, которая является предметом анализа (например, показателями
являются величина закупок, величина продаж, посещаемость сайта и т.д.).
Один многомерный куб может содержать несколько показателей,
причёмкаждому конкретному значению показателя соответствует
единственная ячейка многомерного куба.

107.

3. Измерение Di (i = l...n) — это множество объектов (называемых членами
измерения или значениями измерения) одного или нескольких типов,
организованных в виде иерархической структуры и обеспечивающих
информационный контекст типизированного показателя. Например,
измерение «товар» может состоять из следующих значений: «бытовая
техника», «компьютеры», «мобильные телефоны» и т.д. Значения,
связанные с измерением, характеризуют какое-либо классификационное
свойство сущностей предметной области. Совокупность измерений образует
множество измерений D = {D1, D2,..., Dn}. На рис. 1 {A1[l], Ai[2],..A1[t]} множество значений измерения A1 ,t — количество элементов измерения
А1, {А2[1],... A2[z]} - множество значений измерения А2 (z — количество
элементов измерения А2. Измерение принято отображать в виде ребра
многомерного куба, а члены измерения — в виде точек или участков,
откладываемых на ребре.
Множество всех измерений куба образует систему координат
представляемого пространства данных. Значения измерений играют роль
индексов, находящихся в ячейках куба. Особенностью измерений является их
иерархическая структура, которая используется для агрегации и детализации
значений показателей.

108.

Виды OLAP систем
В зависимости от метода хранения и обработки данных все OLAP системы
могут быть разделены на три основных вида.

109.

1. ROLAP (Relational OLAP – реляционные OLAP системы) – этот вид
OLAP системы работает с реляционными базами данных. Обращение к
данным осуществляется напрямую в реляционную базу данных. Данные
хранятся в виде реляционных таблиц. Пользователи имеют возможность
осуществлять многомерный анализ как в традиционных OLAP системах. Это
достигается за счет применения инструментов SQL и специальных запросов.
Одним из преимуществ ROLAP является возможность более
эффективно осуществлять обработку большого объема данных.
Другим преимуществом ROLAP является возможность эффективной
обработки как числовых, так и текстовых данных.
К недостаткам ROLAP относится низкая производительность (по
сравнению с традиционными OLAP системами), т.к. обработку
данных осуществляет сервер OLAP. Другим недостатком является
ограничение функциональности из-за применения SQL.

110.

111.

2. MOLAP (Multidimensional OLAP – многомерные OLAP системы). Этот вид
OLAP систем относится к традиционным системам. Отличие традиционной
OLAP системы, от других систем, заключается в предварительной
подготовке и оптимизации данных. Эти системы, как правило,
используют выделенный сервер, на котором осуществляется
предварительная обработка данных. Данные формируются в многомерные
массивы – OLAP кубы.
MOLAP системы являются самыми эффективными при обработке
данных, т.к. они позволяют легко реорганизовать и структурировать
данные под различные запросы пользователей. Аналитические инструменты
MOLAP позволяют выполнять сложные расчеты. Другим преимуществом
MOLAP является возможность быстрого формирования запросов и
получения результатов. Это обеспечивается за счет предварительного
формирования OLAP кубов.
К недостаткам MOLAP системы относится ограничение объемов
обрабатываемых данных и избыточность данных, т.к. для
формирования многомерных кубов, по различным аспектам,
данные приходится дублировать.

112.

113.

3. HOLAP (Hybrid OLAP – гибридные OLAP системы). Гибридные OLAP
системы представляют собой объединение систем ROLAP и MOLAP. В
гибридных системах постарались объединить преимущества двух
систем: использование многомерных баз данных и управление
реляционными базами данных. HOLAP системы позволяют
хранить большое количество данных в реляционных таблицах, а
обрабатываемые данные размещаются в предварительно
построенных многомерных OLAP кубах. Преимущества этого вида
систем заключаются в масштабируемости данных, быстрой обработке
данных и гибком доступе к источникам данных.
Существуют и другие виды OLAP систем, но они в большей степени
являются маркетинговым ходом производителей, чем самостоятельным
видом OLAP системы.
Классификация - по месту размещения OLAPOLAP-серверы - Вычисления и хранение агрегатных данных выполняются отдельным
процессом - сервером. Клиентское приложение получает только результаты запросов к
многомерным кубам, которые хранятся на сервере. Некоторые OLAP- серверы
поддерживают хранение данных только в реляционных базах, другие - только в
многомерных. Многие современные OLAP-серверы поддерживают все три способа
хранения данных: MOLAP, ROLAP и HOLAP. Одним из самых распространенным в
настоящее.время серверным решением является OLAP-сервер корпорации Microsoft.
OLAP-клиент устроен по-другому. Построение многомерного куба и OLAP-вычисления
выполняются в памяти клиентского компьютера. С помощью OLAP-сервера может быть
организовано физическое хранение обработанной многомерной информации, что
позволяет быстро выдавать ответы на запросы пользователя. Кроме того,
предусматривается преобразование данных из реляционных и других баз в многомерные

114.

К таким видам относятся:
WOLAP (Web OLAP). Вид OLAP системы с поддержкой web
интерфейса. В этих системах OLAP есть возможность обращаться к базам
данных через web интерфейс.
DOLAP (Desktop OLAP). Этот вид OLAP системы дает возможность
пользователям загрузить на локальное рабочее место базу данных и работать
с ней локально.
MobileOLAP. Это функция OLAP систем, которая позволяет работать с
базой данных удаленно, с использованием мобильных устройств.
SOLAP (Spatial OLAP). Этот вид OLAP систем предназначен для
обработки пространственных данных. Он появился как результат интеграции
географических информационных систем и OLAP системы. Эти системы
позволяют обрабатывать данные не только в буквенно-цифровом формате,
но и в виде визуальных объектов и векторов.

115.

Основными преимуществами OLAP системы являются:
согласованность исходной информации и результатов анализа. При
наличии OLAP системы всегда есть возможность проследить источник
информации и определить логическую связь между полученными результатами
и исходными данными. Снижается субъективность результатов анализа.
проведение многовариантного анализа. Применение OLAP системы
позволяет получить множество сценариев развития событий на основе набора
исходных данных. За счет инструментов анализа можно смоделировать ситуации
по принципу «что будет, если».
управление детализацией. Детальность представления результатов
может изменяться в зависимости от потребности пользователей. При этом нет
необходимости осуществлять сложные настройки системы и повторять
вычисления. Отчет может содержать именно ту информацию, которая
необходима для принятия решений.
выявление скрытых зависимостей. За счет построения многомерных
связей появляется возможность выявить и определить скрытые зависимости в
различных процессах или ситуациях, которые влияют на производственную
деятельность.
создание единой платформы. За счет применения OLAP системы
появляется возможность создать единую платформу для всех процессов
прогнозирования и анализа на предприятии. В частности, данные OLAP системы,
являются основой для построения прогнозов бюджета, прогноза продаж,
прогноза закупок, плана стратегического развития и пр.

116.

Свертка (roll-up/drill-up) также известна как «консолидация».
Свертывание включает в себя сбор всех данных, которые могут быть
получены, и вычисление всех в одном или нескольких измерениях. Чаще
всего это может потребовать применения математической формулы.

117.

. Раскрытие (drill-down). Это противоположность свертыванию. Процесс
начинается с большого набора данных, а затем разбивается на его меньшие
части, тем самым позволяя пользователям просматривать детали.
Сечение (Slice and dice). Это процесс, когда аналитические операции
включают в себя два действия: вывести определенный набор данных из
OLAP-куба («разрезающий» аспект анализа) и просматривать его с разных
точек зрения или углов.
. Поворот (Pivot). В нем поворачивают оси данных, чтобы обеспечить
замену представления информации

118.

119.

OLAP (on-line analytical processing) — набор технологий для оперативной обработки
информации, включающих динамическое построение отчётов в различных разрезах,
анализ данных, мониторинг и прогнозирование ключевых показателей бизнеса. В основе
OLAP-технологий лежит представление информации в виде OLAP-кубов.
OLAP-кубы содержат бизнес-показатели, используемые для анализа и принятия
управленческих решений, например: прибыль, рентабельность продукции, совокупные
средства (активы), собственные средства, заемные средства и т.д.
Бизнес-показатели хранятся в кубах не в виде простых таблиц, как в обычных системах
учета или бухгалтерских программах, а в разрезах, представляющих собой основные
бизнес-категории деятельности организации: товары, магазины, клиенты, время продаж
и т. д.

120.

Благодаря детальному структурированию информации OLAP-кубы позволяют
оперативно осуществлять анализ данных и формировать отчёты в различных разрезах и
с произвольной глубиной детализации. Отчёты могут создаваться аналитиками,
менеджерами, финансистами, руководителями подразделений в интерактивном режиме
для того, чтобы быстро получить ответы, на возникающие ежедневно вопросы, и
принять правильное решение. При этом сотрудникам, для создания отчетов не нужно
прибегать к услугам программистов, на что обычно уходит немало времени.
Из OLAP-куба может быть составлен обычный плоский отчёт. По столбикам и строчкам
отчёта будут бизнес-категории (грани куба), а в ячейках показатели.

121.

По месту нахождения OLAP машины выделяют клиентский OLAP (DOLAP —
Desktop OLAP) и серверный OLAP.
В случае DOLAP сервер отправляет клиенту исходные данные, клиент
выполняет расчет многомерных кубов и выдает результаты пользователю.
В случае серверного OLAP сервер выполняет расчет многомерных кубов и
отправляет клиенту конечный результат, клиент выдает принятый результат
пользователю.
По степени готовности к применению OLAP продукты делятся на две
категории [14]:
1) OLAP компонента — это инструмент разработчика. С её помощью
разрабатываются клиентские OLAP программы.
MOLAP компоненты являются инструментами генерации запросов к серверу
Одна из наиболее доступных компонент — Decision Cube в составе Borland C++
Builder [15].
2) Инструментальные OLAP системы — это программные продукты,
предназначенные для создания аналитических приложений.
Различают две категории инструментальных систем:
системы для программирования и системы для быстрой настройки.
Представителем первой категории является аналитическая платформа ProClarity
[16].
OLAP-системы для быстрой настройки — это средства, предоставляющие
визуальный интерфейс для создания приложений без программирования. В
такой технологии реализованы инструменты пакета BusinessObjects [17] и
аналитической платформы «Контур» [18].

122.

Совместное использование OLAP и OLTP систем
Многомерный подход возник практически одновременно и параллельно с
реляционным, но только начиная с 1993 г. к нему был проявлен всеобщий
интерес. В 1993 г. появилась статья [19] одного из основоположников
реляционного подхода Кодда, в которой он сформулировал 12 требований к
средствам реализации OLAP и произвел анализ недостатков реляционного
подхода.
Позднее эти требования были переработаны в тест FASMI (Fast Analysis of
Shared Multidimensional Information — Быстрый Анализ Разделяемой
Многомерной Информации), который определяет требования к продуктам
OLAP [20].
Это определение состоит из пяти требований:
1. Быстрый — означает, что система должна обеспечивать выдачу
большинства ответов пользователям в пределах 5 секунд;
, 2. Анализ — означает, что система может справляться с любым логическим
и статистическим анализом, характерным для данного приложения, и обеспечивает его сохранение в виде, доступном для конечного пользователя;
3. Разделяемой — означает, что система осуществляет все требования
защиты конфиденциальности и обеспечивает блокировку множественных
модификаций на соответствующем уровне своевременным, безопасным
способом;

123.

4. Многомерной — ключевое требование. Система должна обеспечить
многомерное концептуальное представление данных, включая полную
поддержку для иерархий. Под концептуальным представлением понимается
описание данных в форме системы понятий и отношений предметной области.
При этом на минимальное количество измерений и используемую технологию
БД не накладывается никаких ограничений;
5. Информации — означает, что приложение должно иметь возможность
обращаться к любой нужной информации, независимо от ее формата, объема
и места хранения.
OLAP системы, как правило, не являются первичными источниками
информации, они получают данные из внешних источников.
Наиболее часто таким внешним источником является OLTP (On- Line
Transactional Processing — оперативная обработка транзакций)
система — система операционной обработки данных (СОД),
построенная на базе реляционной СУБД. OLAP системы и OLTP
системы существенно различаются. Сравнительная ха-рактеристика
этих технологий по основным параметрам приведена в табл. 3.

124.

Сравнение OLAP и OLTP систем
Характеристика
OLTP
OLAP
Взаимодействи
На уровне
На уровне всей
ес
пользователе транзакции
БД
м
Время отклика Не
регламентируется Секунды
Данные,
используемые Отдельные
при обращении записи
пользователя к
системе
Группы записей
Характер
данных
(детализация)
В основном
детализированны В основном
е (самый низкий агрегированные
уровень
детализации)
Изменчивость
данных
Низкая (во
Высокая (данные время
обновляются с запроса данные
каждой
обновляются
транзакцией),
редко), данные
данные
обновляются
обновляются
маленькими
большими
порциями
порциями
Источники
данных
В основном
внутренние (по
отношению к
системе)
В основном
внешние (по
отношению к
системе)
Текущие (за
период от
Возраст данных нескольких
месяцев до
одного года)
Исторические,
текущие
и
прогнозируемы
е
Характер
запросов
Непредсказуем
ые
В основном
предсказуемые

125.

Следует отметить, что в OLAP системах время является одним из основных
критериев, по которому данные упорядочиваются в процессе обработки и
представления пользователю. Вследствие этого в OLAP системе должны быть
предусмотрены необходимые возможности для работы с временным
измерением, такие как поддержка нестандартных календарных циклов.
Не менее важно и то, что многие критически необходимые для OLTP-систем
функциональные возможности, реализуемые в РСУБД, являются избыточными
для OLAP систем. Например, в OLAP системах данные обычно загружаются
достаточно большими порциями из различных внешних источников (РСУБД,
электронных таблиц и т.д.) [21].
Непосредственная реализация аналитической системы на основе OLTP-базы
сложна. Это объясняется несколькими причинами:
1)
OLAP запросы к базам данных чаще всего бывают сложными и требуют
много времени. Прямой доступ к OLTP базе существенно снижает общую
производительность оперативной системы, так как аналитические запросы
конкурируют с транзакциями;
2) разнообразные OLTP системы неоднородны по типу используемых
синтаксических соглашений и концептуальных допущений, поэтому их
интеграция затруднена;
3) данные в OLTP системах часто «зашумлены», неполны и несогласованны;
4) модели данных разных OLTP систем не взаимосвязаны между собой;

126.

5) информация за прошлые периоды теряется при обновлении OLTP-базы;
6) в OLTP-базе не хранятся данные в агрегированном, ненормализованном виде,
что необходимо для оперативной аналитической обработки.
Для реализации аналитической системы необходимо наличие отдельной
многомерной СУБД, интегрирующей данные из внешних источников и
обрабатывающей аналитические запросы пользователей системы.
OLAP технология не служит заменой существующей программной
инфраструктуры, она лишь дополняет ее. Пользователь по-прежнему имеет возможность обращаться к существующим РСУБД, электронным таблицам и
плоским файлам. Однако для выполнения аналитических запросов используется
обращение к OLAP серверу.

127.

128.

Интеграция OLAP и Data Mining
Обе технологии можно рассматривать как составные части процесса
поддержки принятия решений.
Однако эти технологии как бы движутся в разных направлениях:
OLAP сосредотачивает внимание исключительно на обеспечении доступа к
многомерным данным,
а методы Data Mining в большинстве случаев работают с плоскими
одномерными таблицами и реляционными данными.
Интеграция технологий OLAP и Data Mining "обогащает" функциональность
и одной, и другой технологии. Эти два вида анализа должны быть тесно
объединены, чтобы интегрированная технология могла обеспечивать
одновременно многомерный доступ и поиск закономерностей. Для
обозначения такого объединения вводится составной термин "OLAP Data
Mining" (многомерный Data Mining).

129.

4. Интеллектуальный анализ данных (Data Mining)
Модели интеллектуального анализ данных проектируются для автоматического
прогнозирования наиболее важных показателей бизнеса, а также извлечения скрытых
закономерностей из накопленной информации.
Интеллектуальный анализ данных (Data Mining) – это процесс поддержки принятия
решений, основанный на поиске в данных скрытых закономерностей (шаблонов
информации). При этом накопленные сведения автоматически обобщаются до
информации, которая может быть охарактеризована как знания.
В общем случае процесс ИАД состоит из трёх стадий:
I.
выявление закономерностей;
II.
использование выявленных закономерностей для предсказания неизвестных
значений (прогностическое моделирование);
III.
анализ исключений, предназначенный для выявления и толкования аномалий в
найденных закономерностях.

130.

131.

132.

133.

134.

135.

Ситуационные центры
В последние годы в нашей стране активно внедряются ситуационные центры,
призванные повысить эффективность управленческой и проектной деятельности.
Под ситуационными центрами (СЦ) будем понимать комплекс программнотехнических средств, позволяющих осуществлять мониторинг и принятие
управленческих
решений при возникновении определенных событий (ситуаций).
По назначению СЦ можно разделить на три основных класса:
1) системы ситуационного отображения информации;
2) системы динамического моделирования ситуаций;
3) аналитические ситуационные системы.
В ситуационных центрах первого типа основной задачей является отображение
ситуаций, возникающих в предметной области, на основе которых оперативный
состав принимает решения в рамках своих задач. Аналитические СЦ (АСЦ)
совмещают функции отображения и анализа ситуаций. Специально
разработанных систем динамического моделирования ситуаций в настоящее время
практически не существует, поэтому вместо них адаптируют и используют другие
классы систем [1].

136.

Методы поддержки принятия решений (ППР) целесообразно применять именно в
аналитических СЦ. Вся работа АСЦ фактически направлена на поддержку принятия
управленческих решений. Можно выделить следующие группы лиц, участвующих в
работе АСЦ (без учета техперсонала):
· аналитики;
· эксперты;
· ЛПР (лица, принимающие решения).
Вкратце выполняемые ими функции можно охарактеризовать следующим образом.
· Основной задачей аналитиков является сбор и первичная обработка информации,
необходимой для мониторинга ситуации и принятия решений.
· Эксперты анализируют полученную информацию и дают свои оценки предлагаемым
вариантам решения проблемы или разрабатывают сами варианты.
· Лицо, принимающее решение (или группа ЛПР) на основе собранной информации и с
учётом мнений экспертов выбирает наиболее оптимальный с его точки зрения вариант.
Рассмотрим подробнее те задачи, которые необходимо решить в рамках АСЦ для
того, чтобы можно было использовать методы поддержки принятия решения (ППР),
разработанные в теории принятия решений.
Исходная информация для принятия решений
В качестве основной исходной информации при принятии решений выступают:
· перечень альтернатив (вариантов решения);
· параметры, описывающие эти альтернативы;
· оценки альтернатив по критериям.
.

137.

Вкратце выполняемые ими функции можно охарактеризовать следующим образом.
· Основной задачей аналитиков является сбор и первичная обработка информации,
необходимой для мониторинга ситуации и принятия решений.
· Эксперты анализируют полученную информацию и дают свои оценки предлагаемым
вариантам решения проблемы или разрабатывают сами варианты.
· Лицо, принимающее решение (или группа ЛПР) на основе собранной информации и с
учётом мнений экспертов выбирает наиболее оптимальный с его точки зрения вариант.
Рассмотрим подробнее те задачи, которые необходимо решить в рамках АСЦ для
того, чтобы можно было использовать методы поддержки принятия решения (ППР),
разработанные в теории принятия решений.
Исходная информация для принятия решений
В качестве основной исходной информации при принятии решений выступают:
· перечень альтернатив (вариантов решения);
· параметры, описывающие эти альтернативы;
· оценки альтернатив по критериям.
Дополнительно могут фигурировать данные о предпочтениях ЛПР и/или информация о
важности критериев.
В разных ситуациях источниками этой информации могут быть различные группы
специалистов.
В тех случаях, когда перечень альтернатив заранее известен, он является входной
информацией для работы АСЦ. Если этого перечня нет, то либо необходимо привлекать
экспертов для выработки вариантов решения, либо приходится иметь дело с
конструируемыми альтернативами. В последнем случае решение вырабатывается ЛПР
или группой ЛПР постепенно, по мере анализа текущей ситуации и исследования
возможных путей её разрешения.

138.

Формирование набора критериев
Формированием перечня критериев могут заниматься представители всех групп
участников принятия решения.
Аналитики являются специалистами в конкретной предметной области, они знают,
какими параметрами она характеризуется. А критерии (в основном) выбираются на основе
параметров. Поэтому первоначальный набор критериев может быть сформирован как раз
аналитиками и при необходимости скорректирован ЛПР. Набор критериев должен
обладать некоторыми свойствами, такими как:
Полнота означает, что набор должен охватывать все важные аспекты проблемы.
Формального метода определения полноты набора критериев не существует. Под
действенностью понимается, что ЛПР должен понимать смысл критериев и их влияние
на обсуждаемую проблему. В частности, он должен уметь объяснить смысл и значимость
этих критериев другим. Разложимость набора критериев означает независимость
критериев друг от друга. Т.к. для реальных задач это слишком сильное требование,
обычно говорят о независимости групп критериев. Неизбыточность означает, что
критерии должны быть определены так, чтобы не дублировать одни и те же аспекты.
Свойство минимальности очевидно: набор критериев должен быть настолько малым,
насколько это возможно. Большое количество критериев приводит, с одной стороны, к
усложнению анализа предметной области, с другой – к тому, что с ростом числа
критериев всё большее число сравниваемых альтернатив попадает в категорию
несравнимых
В тех случаях, если эксперт не удовлетворен предлагаемым набором критериев, он
может предложить изменить его.

139.

Изменение набора критериев может заключаться в следующем:
1) Добавление новых критериев, которые являются существенными для решения
поставленной задачи. Добавление критериев может потребовать возвращения на более
раннюю стадию изучения проблемы для того, чтобы собрать дополнительную
информацию.
2) Исключение малозначительных или зависимых критериев с целью минимизации
набора критериев. Признать тот или иной критерий существенным или
малозначительным может только эксперт или ЛПР, со стороны аналитиков это будет
произволом.
3) Объединение нескольких критериев в один. Это возможно, например, в ситуации,
когда несколько критериев имеют одинаковую единицу измерения. Допустим, все
стоимостные критерии можно объединить в один – "затраты".
4) Выделение критериев, по которым все альтернативы имеют одинаковые (или близкие)
оценки с целью исключения этих критериев из дальнейшего рассмотренияЭтот метод
требует определения для каждого критерия понятия "близкие значения" – диапазона, в
котором значения критериев принимаются равными. Эта информация также не может
быть получена от аналитиков.
Также эксперты могут прибегнуть к другим специальным приёмам, позволяющим
сократить размерность критериального пространства.

140.

ЛПР получает в качестве входной информации список альтернатив, возможно, с
оценками по критериям, которые даёт эксперт. ЛПР так же как эксперт может изменять
набор критериев, если сочтет это необходимым. Кроме вышеперечисленных способов, в
качестве таких изменений может выступать перевод части критериев в ограничения.
Если критерий переводится в ограничение, то те альтернативы, которые выходят за это
ограничение, признаются неприемлемыми и исключаются из рассмотрения. А те
альтернативы, которые удовлетворяют этому ограничению, признаются одинаково
хорошими. Сам критерий в дальнейшем не рассматривается. Такое решение может
принять только ЛПР, это выходит за рамки компетентности экспертов.
Если же после всех предпринятых действий набор критериев продолжает
оставаться слишком большим, что характерно для задач, решаемых в СЦ, то можно также
прибегнуть к объединению критериев в группы. Критерии разбиваются на группы
таким образом, чтобы каждый критерий входил только в одну группу и чтобы в группе
было не более 5-7 критериев. (Такое количество критериев позволяет ЛПР достаточно
уверенно проводить операции сравнения и минимизирует количество ошибок [2]). При
этом каждая альтернатива получает от ЛПР одну итоговую оценку по каждой группе
критериев. И в дальнейшем лучшую альтернативы ЛПР выбирает уже на основе оценок
по группам критериев. Таким образом, групп критериев тоже не должно быть много.

141.

Пример СППР для аналитических ситуационных центров
Ниже представлено описание опытного варианта СППР для аналитических
ситуационных центров. В качестве примера рассмотрим конкретную задачу [3].
Постановка задачи в общем виде: выбор экономической стратегии по выходу из
кризиса.
Критерии оценки альтернатив:
· увеличение валового национального продукта (в %);
· уменьшение инфляции (в %);
· уменьшение безработицы (в %)
· уменьшение дефицита внешней торговли (в %).
Предлагаемые стратегии (альтернативы):
1. Саморазвитие – в экономической политике ничего не менять.
2. Усилить влияние института управления нематериальными активами.
3. Усилить развитие техники и технологий с приоритетом наукоемкому малому
бизнесу.
4. Исключительный приоритет добыче природных ресурсов, сырьевой экономике.
5. Поиск и внедрение новых экономических подходов, инструментов.
Этап №1: Аналитики составляют список критериев.
На первом этапе аналитики исходя из поставленной задачи подбирают
необходимые критерии оценки альтернатив (в нашем случае этот список задан).
Добавление критериев в список осуществляется с помощью кнопки «Добавить критерий»
или клавиши Enter (рис. 1). Удаление критерия из списка происходит с помощью клавиши
Delete. Нажатием кнопки «Список готов» заданные критерии оправляются к ЛПР.

142.

Согласование групповых решений
На всех этапах работы, в которых принимает участие группа специалистов
(экспертов или ЛПР), может потребоваться процедура согласования мнений различных
участников группы.
В частности, при формировании набора критериев необходимо определять шкалу
каждого критерия, т.е. граничные значения и цену деления. Но для того, чтобы критерии
были сопоставимы друг с другом, они должны быть однородны. Фактически это означает
введение общей шкалы с лингвистическими или балльными оценками для всех критериев.
Только под одной и той же оценкой, например, "хорошо" (или 4 балла) для разных
критериев будут подразумеваться разные значения.
На практике введение такой шкалы проблематично. При большом количестве
критериев и нескольких экспертах процедура согласования займёт много времени, а в
отдельных случаях может не дать положительного результата, т.е. согласованной шкалы
критериев. Поэтому для СЦ сложные процедуры согласования шкал критериев не
подходят. Здесь предлагается пойти более простым путём: предложить экспертам
оценивать альтернативы по каждому критерию по единой балльной шкале, например, в 10
или 100 баллов. Это позволит применять процедуры согласования мнений экспертов, но
не потребует от них чрезмерных усилий на согласование шкал.

143.

Формирование списка критериев

144.

Этап №2: ЛПР утверждает список критериев.
ЛПР просматривает общий список критериев, предоставленный аналитиками, и
определяет те, по которым будут в дальнейшем оцениваться имеющиеся варианты
решений (рис. 2). Выбираемые критерии помечаются, после чего нажимается кнопка
«Принять».

145.

Этап №3: Определение весовых коэффициентов критериев.
ЛПР для каждого критерия указывает степень его важности по 100 балльной шкале
(чем больше балл, тем важнее критерий) (рис. 3). Затем нажимается кнопка «Расчет
весов». Заданные ЛПР балльные значения пересчитываются в весовые коэффициенты

146.

Этап №4: Аналитики задают альтернативы.
Аналитики составляют список альтернатив и заносят этот список в таблицу (в
нашем случае список альтернатив задан). Добавление и удаление альтернатив происходит
с помощью кнопок «Добавить альтернативу» и «Удалить альтернативу» соответственно
(рис. 5). После того как список альтернатив сформирован, нажимается кнопка «Список
готов».

147.

Этап №5: Выбор метода принятия решения.
ЛПР выбирает метод, с помощью которого будут рассчитаны результирующие
оценки заданных альтернатив (рис. 6). После выбора метода ЛПР нажимает кнопку
«Метод выбран».

148.

2. Полученные результаты наносятся на график. Для большей наглядности и удобства
ЛПР все оценки умножаются на 100, таким образом, оценки, выводимые на график,
находятся в диапазоне от 0 до 100 (рис. 7). По данным графикам распределения
мнений экспертов ЛПР может определить согласованную оценку по каждому из
критериев.
Примечание: использование оценок альтернативы в многомерном пространстве
критериев не дает нужного эффекта, а позволяет лишь выявить экспертов, похожих
в оценке альтернативы по всем критериям одновременно.
Подобное одномерное распределение оценок также помогает выявить те критерии, по
которым у экспертов существуют наиболее противоречивые мнения.
1
0
6
10
20
30
352
40
50
60
70
74
80
90
100
Пример распределения мнений семи экспертов при оценке одной альтернативы
по одному критерию
3. ЛПР выбирает одни из предлагаемых методов кластеризации оценок
каждой альтернативы и выполняет кластеризацию поочередно по всем
критериям [6, 7]. Если разброс мнений экспертов является существенным, то
каждому эксперту предлагается дать комментарий относительно
выставленных им оценок, после чего все полученные
обоснования и результаты кластеризации доводятся до сведения экспертов.
Если какой-либо из экспертов изменяет свою оценку на основе полученной
информации, то данному эксперту предлагается вновь заполнить матрицу
сравнения, и производится повторная процедура кластеризации оценок
экспертов.

149.

В данной системе предложены следующие методы поддержки принятия решения:
кластеризация, балльный метод, метод предпочтений.
1. Метод группового принятия решения с помощью кластеризации экспертных
оценок альтернатив
Кластеризация – это процесс объединения альтернатив в группы, по принципу
схожести по какому-либо признаку, показателю или критерию. Сами же группы принято
также называть кластерами.
Групповое принятие решений с помощью процедуры кластеризации можно
разделить на следующие этапы [4]:
1. Каждому эксперту предлагается заполнить матрицу сравнения альтернатив по всем
критериям [5]. Если одна альтернатива по данному критерию лучше другой
альтернативы, то ей выставляется более высокая оценка. В результате для каждой j-й
альтернативы создается таблица оценок вида:
K1 K2 … Kp
Эксперт 1 ev11 ev12 … ev1p
Эксперт 2 ev21 ev22 … ev2p
……………
Эксперт n evn1 evn2 … evnp
где: K1, K2,…, Kp – множество критериев оценки
альтернатив,
ev11, ev12,…, evnp – множество оценок
альтернативы по каждому критерию
(каждая оценка находится в диапазоне от 0 до 1).

150.

2. Полученные результаты наносятся на график. Для большей наглядности и удобства
ЛПР все оценки умножаются на 100, таким образом, оценки, выводимые на график,
находятся в диапазоне от 0 до 100 (рис. 7). По данным графикам распределения
мнений экспертов ЛПР может определить согласованную оценку по каждому из
критериев.
Примечание: использование оценок альтернативы в многомерном пространстве
критериев не дает нужного эффекта, а позволяет лишь выявить экспертов, похожих
в оценке альтернативы по всем критериям одновременно.
Подобное одномерное распределение оценок также помогает выявить те критерии, по
которым у экспертов существуют наиболее противоречивые мнения.
1
0
6
10
20
30
352
40
50
60
70
74
80
90
100
Пример распределения мнений семи экспертов при оценке одной альтернативы
по одному критерию
3. ЛПР выбирает одни из предлагаемых методов кластеризации оценок
каждой альтернативы и выполняет кластеризацию поочередно по всем
критериям [6, 7]. Если разброс мнений экспертов является существенным, то
каждому эксперту предлагается дать комментарий относительно
выставленных им оценок, после чего все полученные
обоснования и результаты кластеризации доводятся до сведения экспертов.
Если какой-либо из экспертов изменяет свою оценку на основе полученной
информации, то данному эксперту предлагается вновь заполнить матрицу
сравнения, и производится повторная процедура кластеризации оценок
экспертов.

151.

4. Производится вычисление центров масс образовавшихся кластеров.
Понятие «центра масс» кластера введено для возможного учета
коэффициентов компетентности экспертов, задаваемых ЛПР.
Этап №6: Экспертная оценка альтернатив.
Итак, после выбора метода поддержки принятия решения эксперты по
очереди оценивают альтернативы по каждому из критериев. В таблице слева
(рис. 8) последовательно приводятся исходные значения альтернатив по
каждому из критериев.

152.

Если был выбран балльный метод, то в таблице справа эксперт указывает степень
приемлемости данного значения для текущей альтернативы в 100 балльной шкале (чем
больше балл, тем лучше значение). После оценки альтернатив по текущему критерию
эксперт нажимает кнопку «Следующий критерий» и переходит к дальнейшей оценке по
следующему критерию. Когда альтернативы полностью оценены экспертом,
приглашается следующий эксперт (кнопка «Следующий эксперт»). После того, как
эксперты выразили свое мнение, нажимается кнопка «Оценка закончена».
Этап №7: Просмотр результатов оценки альтернатив.
Исходя из того, какой метод поддержки принятия решения был выбран,
осуществляется расчёт итоговых оценок альтернатив, которые выводятся как в
табличном виде, так и в виде диаграммы (рис. 9).
На основе полученных результатов определяется наилучшая альтернатива.

153.

29
ФУНКЦИОНИРОВАНИЕ СППР.
,
.

154.

1. Выявление ситуации, требующей принятия решения (СТПР).
2. Сбор данных.
3. Обработка и анализ данных.
4. Генерация возможных альтернативных решений(сценариев).
5. Оценка возможных альтернативных решений (сценариев).
6. Согласование решений (сценариев).
7. Компьютерный анализ динамики развития ситуации.
8. Выбор решения (сценария).
9. Реализация решения.
10.Оценка соответствия выполнения принятых решений намеченным целям.
Структура рисунка, представленного на предыдущем слайде, дополнена еще
двумя видами работ, которые могут присутствовать или нет в зависимости от
положения ССППР в структуре информационного обеспечения деятельности
предприятия. Если СППР существует самостоятельно, то она должна
обеспечить все десять видов задач. Если СППР входит как подсистема в КИС,
то задачи 1-3, 9,10 не входят непосредственно в круг задач СППР.

155.

1. Выявление ситуации, требующей принятия решения (СТПР).
Ситуацией будем называть совокупность состояний объекта и среды
вместе с накладываемыми на них ограничениями.
Ситуация может меняться во времени, но потребность в принятии
решений может и не возникать. Те же ситуации, при которых требуется
принять решение (например, при наступлении некоторого порогового
события), будем называть ситуациями, требующими принятия решения
(СТПР).
Отметим, что КИС предприятия на основе сбора и анализа текущих
данных может выступать в качестве источника СТПР.
К числу важных характеристик среды, генерирующей СТПР, относится
типичность ситуаций.
Следует различать два класса СТПР:
нетиповые ситуации. Их еще называют [31, 34, 59] уникальными или
неповторяющимися. Для них нет возможности накопления
представительной выборки, по которой можно было бы сделать вывод об
эффективности решений.
Ситуации именно такого типа и послужили стимулом развития методов
исследования операции [3, 56, 59];
многократно повторяющиеся ситуации.

156.

Существенное различие этих классов ситуаций заключается в следующем.
При построении модели выбора решений в первом классе ситуаций оперирующая
сторона (ЛПР) привлекает всю имеющуюся информацию о ситуации, поскольку
неявно предполагается, что степень полноты и достоверности информации является
мерилом надежности и эффективности принимаемого решения.
Информация о ситуации раскладывается на две составляющие: структура модели
выбора решений (игровая модель, модель математического программирования и т.п.),
параметры модели выбора решения.
В этом классе ситуаций до момента реализации выбранного решения нельзя сказать,
насколько оно «хорошее». Именно эти ситуации имеют в виду, когда говорят:
«Исследование операций представляет собой искусство давать плохие ответы на
те практические вопросы, на которые даются еще худшие ответы другими
способами» [56].
Ситуации второго класса характерны тем, что многократное их повторение
позволяет на основе учета степени эффективности реализованных ранее
решений подстраивать структуру или(и) параметры модели выбора решений,
добиваясь повышения эффективности будущих решений. Иными словами,
в ситуациях второго типа возможно построение адаптивных моделей выбора
решений.
Если не учитывать возможности подстройки модели выбора решения во второй
ситуации, то многократное повторение одинаково малоэффективных решений
приводит к тому, что ЛПР перестает доверять модели и пользоваться ею в
дальнейшем.

157.

2. Сбор данных.
Сбор данных –это в общем случае подготовка исходных для последующих
действий. Процедуры сбора, вид. Состав и объем исходных данных напрямую
зависят от характера решаемой задачи. Например. Это может быть список
ситуаций (состояний среды). В которых надо принимать решения. Список
критериев, которыми следует руководствоваться в процессе подготовки
решений, можно оценить результаты принятых решений, соответствующие
прибыли или убытки, оценки вероятностей( возможностей ) возникновения
конкретных состояний среды.
3. Обработка и анализ данных.
Способы обработки и анализа данных определяются характером
решаемой задачи, а также теми исходными данными, которые были получены
на предыдущем этапе. В качестве примера можно указать сглаживание, если
было установлено, что данные содержат какие-то искажения, может оказаться
необходимым заполнение пропусков, что может быть сделано с помощью
нейронных сетей. Возможно, что потребуется предварительное нахождение
функциональных зависимостей между независимыми и зависимыми
переменными, установление причинно-следственных связей между
переменными, регрессионный и корреляционный анализ и т.п.

158.

Генерация решений
Для генерации решений в СППР очевидно должно присутствовать адекватное описание СТПР,
которое должно иметь вид формализованной модели, т.к. в противном случае использование
компьютерных технологий просто невозможно, а создание СППР становится бессмысленным.
Задача описания СТПР состоит из нескольких подзадач , которые могут иметь и самостоятельное
значение.
Первой задачей является построение модели бизнес – процессов для профильных направлений
деятельности предприятия. Уровень решения этой задачи изменяется от полного отсутствия
структурированного описания бизнес-процессов до их исчерпывающего, хорошо
формализованного описания.
Вторая задача-это формулирование цели, для достижения которой предполагается, в частности,
использование СППР
Целью будем называть желаемое для ЛПР состояние объекта.
Цель может быть навязана или предписана лицу, принимающему решение, извне, может
быть получена от ЛПР более высокого уровня (директивная цель) и принята к исполнению
или модифицирована им преднамеренно, в соответствии с личными интересами или
искажена случайно. Иными словами, рабочая версия критерия, в соответствии с которым
ЛПР принимает решение, может не соответствовать предписываемой или
предполагаемой цели. На практике, особенно в современных российских
условиях, довольно часто можно встретить решение, кажущееся внешнему наблюдателю
странным или нерациональным, или не соответствующим очевидной цели (например,
предприятие не стремится максимизировать прибыль или из всех возможных маршрутов
доставки груза выбирается самый длинный и т.п.). Здесь уместно вспомнить высказывание
Л.Эйлера: «В мире не происходит ничего, в чем не был бы виден смысл какого-либо
максимума или минимума».

159.

Позиция ЛПР —еще одно важное понятие, которое далее будем использовать при
конструировании процедур выбора решений. В содержательном смысле позицию ЛПР можно
трактовать и как точку зрения, взгляд (view) ЛПР; т.е. позиция некоторым образом
преобразует (преломляет) исходные цели через «субъективную призму» конкретного ЛПР.
Для того чтобы реализовать процесс генерации решений необходимо иметь описание СТПР, в
котором определяются основные факторы, действующие СТПР и их причинно-следственные
связи. Для компьютерных СППР это описание должно иметь вид формализованной модели.
Возможны два варианта:
1- СТПР может быть описана с необходимой степенью точности аналитической моделью
и тогда генерация решений состоит в решении каких-то уравнений, использовании методов
линейного или динамического программирования и т.п.; В настоящее время разработано
очень мною методов и алгоритмов, позволяющих находить решение в СТПР.
К ним относится огромное число алгоритмов численных методов решения систем уравнений,
статистические методы, методы ситуационного моделирования. Ввиду колоссального
разнообразия методов и очень сильной их привязанности к области приложений
систематизировать их трудно, а приводить отдельные примеры не показательно Поэтому
может быть здесь целесообразно ограничиться только указанием того, что проблема
генерации решений существует. Есть области, где аналитические методы применяются очень
успешно, но существуют области, в которых такой подход
дает достаточно грубые, а в некоторых случаях и просто неверные оценки.
2- для СТПР не могут быть построены аналитические модели и тогда приходится
использовать методы когнитивного анализа, дающего содержательное представление
причинно-следственных связей, степени влияния различных факторов друг на друга и на
ситуацию в целом. В результате когнитивного анализа будет получена исходная информация
для системы генерации решений. Понятие когнитивного анализа включает в себя несколько
методов моделирования знаний: когнитивные карты, продукционные правила, фреймы,
семантические сети и т.п.

160.

.
В. Генерация решений с помощью экспертных систем.
Генерация решений может быть реализована при помощи экспертных систем.
Экспертная система, используя знания, полученные от специалистов в данной
предметной области, решает те же проблемы, экспертами в которых
являются эти специалисты.
Экспертные системы, использующие эвристические знания, применяются в
тех случаях, когда сформулировать решение задачи в традиционных
математических терминах не удается.

161.

Назначения и основные свойства экспертных систем
В начале 80-х годов в исследованиях по искусственному интеллекту
сформировалось самостоятельное направление, получившее название
"экспертные системы" (ЭС).
Основным назначением ЭС является разработка программных средств,
которые при решении задач, трудных для человека, получают результаты,
не уступающие по качеству и эффективности решения, решениям
получаемым человеком-экспертом.

162.

ЭС используются для решения так называемых неформализованных задач,
общим для которых является то, что:
задачи не могут быть заданы в числовой форме;
цели нельзя выразить в терминах точно определенной целевой функции;
не существует алгоритмического решения задачи;
а если алгоритмическое решение есть, то его нельзя использовать из-за
ограниченности ресурсов (время, память).
Кроме того неформализованные задачи обладают неполнотой,
неоднозначностью и противоречивостью как исходных данных, так и знаний о
решаемой задаче.
Экспертная система - это программное средство, использующее
экспертные знания для обеспечения высокоэффективного решения
неформализованных задач в узкой предметной области.

163.

Преимущества использования экспертных систем
Возникает вопрос: "Зачем разрабатывать экспертные системы? И не лучше
ли обратиться к человеческому опыту, как это было в прошлом?". Отметим
лишь основные преимущества, которые дает использование ЭС.
Преимуществами и положительными качествами искусственной компетенции
являются:
1. Ее постоянство. Человеческая компетенция ослабевает со временем.
Перерыв в деятельности человека-эксперта может серьезно отразиться на
его профессиональных качествах.
2. Легкость передачи или воспроизведения. Передача знаний от одного
человека другому - долгий и дорогой процесс. Передача искусственной
информации - это простой процесс копирования программы или файла
данных.
3. Устойчивость и воспроизводимость результатов. Эксперт-человек может
принимать
в
тождественных
ситуациях
разные
решения
из-за
эмоциональных факторов. Результаты ЭС - стабильны.
4. Стоимость. Эксперты, особенно высококвалифицированные обходятся
очень дорого. ЭС, наоборот, сравнительно недороги. Их разработка дорога,
но они дешевы в эксплуатации.
Вместе с тем разработка ЭС не позволяет полностью отказаться от экспертачеловека. Хотя ЭС хорошо справляется со своей работой, тем не менее в
определенных областях человеческая компетенция явно превосходит
искусственную.

164.

Основу ЭС составляет база знаний (БЗ) о предметной области, которая
накапливается в процессе построения и эксплуатации ЭС. Накопление и
организация знаний - важнейшее свойство всех ЭС.
Знания являются явными и доступными, что отличает ЭС от традиционных
программ, и определяет их основные свойства, такие, как:
1). Применение для решения проблем высококачественного опыта,
который представляет уровень мышления наиболее квалифицированных
экспертов в данной области, что ведет к решениям творческим, точным и
эффективным.
2). Наличие прогностических возможностей, при которых ЭС выдаeт
ответы не только для конкретной ситуации, но и показывает, как изменяются
эти ответы в новых ситуациях, с возможностью подробного объяснения
каким образом новая ситуация привела к изменениям.

165.

3). Обеспечение такого нового качества, как институциональная
память, за счeт входящей в состав ЭС базы знаний, которая разработана в
ходе взаимодействий со специалистами организации, и представляет
собой текущую политику этой группы людей. Этот набор знаний
становится сводом квалифицированных мнений и постоянно
обновляемым справочником наилучших стратегий и методов,
используемых персоналом.
Ведущие специалисты уходят, но их опыт остаeтся.
4). Возможность использования ЭС для обучения и тренировки
руководящих работников, обеспечивая новых служащих обширным
багажом опыта и стратегий, по которым можно изучать рекомендуемую
политику и методы.
. Состав и взаимодействие участников построения и эксплуатации ЭС
Познакомившись с тем, что такое экспертные системы и каковы их
основные характеристики, попробуем теперь ответить на вопрос: "Кто
участвует в построении и эксплуатации ЭС? ".

166.

К числу основных участников следует отнести саму экспертную систему,
экспертов, инженеров знаний, средства построения ЭС и их
пользователей. Их основные роли и взаимоотношения приведены на
рисунке:

167.

Экспертная система - это программное средство, использующее знания
экспертов, для высокоэффективного решения задач в интересующей
пользователя предметной области. Она называется системой, а не
просто программой, так как содержит базу знаний, решатель проблемы и
компоненту поддержки. Последняя из них помогает пользователю
взаимодействовать с основной программой.
Эксперт - это человек, способный ясно выражать свои мысли и
пользующийся репутацией специалиста, умеющего находить правильные
решения проблем в конкретной предметной области. Эксперт использует
свои приемы и ухищрения, чтобы сделать поиск решения более
эффективным, и ЭС моделирует все его стратегии.
Инженер знаний - человек, как правило, имеющий познания в
информатике и искусственном интеллекте и знающий, как надо строить
ЭС. Инженер знаний опрашивает экспертов, организует знания, решает,
каким образом они должны быть представлены в ЭС, и может помочь
программисту в написании программ.

168.

Средство построения (оболочка) ЭС - это программное средство,
используемое инженером знаний или программистом для построения ЭС.
Этот инструмент отличается от обычных языков программирования тем,
что обеспечивает удобные способы представления сложных
высокоуровневых понятий.
Пользователь - это человек, который использует уже построенную ЭС. Так,
пользователем может быть юрист, использующий её для квалификации
конкретного случая; студент, которому ЭС помогает изучать информатику и
т. д. Т
Термин пользователь несколько неоднозначен. Обычно он обозначает
конечного (прикладного) пользователя, но из приведенного выше рисунка
видно, что пользователем может быть:
создатель инструмента, отлаживающий средство построения ЭС;
инженер знаний, уточняющий существующие в ЭС знания;
эксперт, добавляющий в систему новые знания;
клерк, заносящий в систему текущую информацию.

169.

Важно различать инструмент, который используется для построения ЭС, и саму
ЭС.
Инструмент построения ЭС включает как язык, используемый для доступа к
знаниям, содержащимся в системе, и их представления, так и поддерживающие
средства - программы, которые помогают пользователям взаимодействовать с
компонентой экспертной системы, решающей проблему.

170.

Отличие экспертных систем от традиционных программ
Особенности ЭС, отличающие их от обычных программ, заключаются в том,
что они должны обладать:
1. Компетентностью, а именно:
Достигать экспертного уровня решений (т.е. в конкретной
предметной области иметь тот же уровень профессионализма, что и
эксперты-люди).
Быть умелой (т.е. применять знания эффективно и быстро, избегая,
как и люди, ненужных вычислений).
Иметь адекватную робастность (т.е. способность лишь постепенно
снижать качество работы по мере приближения к границам диапазона
компетентности или допустимой надежности данных).
2. Возможностью к символьным рассуждениям, а именно:
Представлять знания в символьном виде
Переформулировать символьные знания. На жаргоне искусственного
интеллекта символ - это строка знаков, соответствующая содержанию
некоторого понятия. Символы объединяют, чтобы выразить отношения между
ними. Когда отношения представлены в ЭС они называются символьными
структурами.
3. Глубиной, а именно:
Работать в предметной области, содержащей трудные задачи
Использовать сложные правила (т.е. использовать либо сложные
конструкции правил, либо большое их количество)

171.

4. Самосознанием, а именно:
Исследовать свои рассуждения (т.е. проверять их правильность)
Объяснять свои действия
Существует еще одно важное отличие ЭС.
Если обычные программы разрабатываются так, чтобы каждый раз
порождать правильный результат, то ЭС разработаны с тем, чтобы вести
себя как эксперты. Они, как правило, дают правильные ответы, но иногда,
как и люди, способны ошибаться.
Традиционные программы для решения сложных задач, тоже могут делать
ошибки. Но их очень трудно исправить, поскольку алгоритмы, лежащие в их
основе, явно в них не сформулированы. Следовательно, ошибки нелегко
найти и исправить. ЭС, подобно людям, имеют потенциальную возможность
учиться на своих ошибках.

172.

Модели представления знаний.
Семантические сети.
• Семантической сетью называется структура данных, определяющая целостный образ
• некоторой системы в виде сети, узлы которой соответствуют понятиям и объектам,
• а дуги — отношениям между объектами. Изначально семантическая сеть была задумана
• как модель представления структуры долговременной памяти в психологии, но впоследствии
• стала одним из основных способов представления знаний в инженерии знании.
• Слово «семантика» определяется как значение, смысл слова, художественного
• произведения, действия, обстоятельства и т. д., переданные с помощью каких-либо
• представлений, символов и выражений. Семантика – это наука, устанавливающая
• отношения между символами и объектами, которые они обозначают, т.е. наука,
• определяющая смысл знаков.
• В зависимости от типов связей, используемых в модели, различают
• классифицирующие сети, функциональные сети, сценарии.
• В классифицирующих сетях используются отношения структуризации. Такие сети
• позволяют в базах знаний вводить разные иерархические отношения между
• информационными единицами.
• Функциональные сети характеризуются наличием функциональных отношений.
• Их часто называют вычислительными моделями, т.к. они позволяют описывать процедуры
• "вычислений" одних информационных единиц через другие.
• В сценариях используются каузальные отношения, а также отношения типов
• "средство – результат", "орудие – действие" и т.п.
• Если в сетевой модели допускаются связи различного типа, то ее называют
• семантической сетью.

173.

174.

175.

•Различным модификациям семантических сетей присущ ряд сходств:
•узлы семантических сетей представляют собой концепты (понятия) предметов, событий,
•состояний;
•различные узлы одного концепта относятся к различным его значениям;
•дуги семантических сетей определяют отношения между узлами-концептами (пометки над
•дугами указывают на тип отношения);
•Отношения между концептами представляют собой временные, пространственные,
•логические отношения, также лингвистические падежи, такие как агент, объект, реципиент,
отношения между предложениями и другие; Концепты организованы по уровням иерархии в
соответствии со степенью обобщенности.
Поиск решения в базе знаний сводится к поиску фрагмента сети, соответствующего
поставленному вопросу. Предложение (вопрос) на естественном языке формализуется в виде
фрагмента семантической сети. Его поиск проводится в сети по известным из вопроса
значениям узлов. Затем по найденному в сети фрагменту определяют неизвестные узлы, и
полученный участок сети переводят на естественный язык.
ФормаПредложение лизация
ЕЯ
ИнтерФрагмент
Фрагмент
претация
Поиск База Ответ
семантической
семантической
Знаний
сети
сети
Предложение
ЕЯ

176.

177.

Теория фреймов – это неформальная модель представления знаний в вычислительных
системах. Впервые предложена американским ученым М.Минским в 1972 году как попытка
построить модель человеческой памяти и объяснить феномены восприятия информации и
понимания. Другая цель построения этой модели – это попытка сконструировать базу дан
содержащую энциклопедические знания, в особо структурированной и упорядоченной ф
Минский разработал такую схему хранения знаний, в которой информация содержится в
ячейках, называемых фреймами, объединенными в сеть, называемую системой фреймов.
Фрейм объединяет в себе декларативную информацию о свойствах и структуре объекта,
процедурную – операции и действия, реализующие реакции фрейма на внешние воздейс
и целевую составляющую, определяющую назначение фрейма и применимость его в той
иной ситуации.
В системе всегда существует активный фрейм, который в данный момент
контролирует взаимодействие с внешней средой и отвечает за восприятие информации.
Новый фрейм активизируется с наступлением новой ситуации и передачей ему управления
от текущего.
•Система фреймов и сеть поиска информации. Группы семантически близких друг к другу
фреймов объединяются в систему фреймов. Системы фреймов связаны между собой сетью
поиска информации. Если базовый фрейм системы нельзя приспособить к реальной
ситуации, то есть если не удается найти такие задания терминалов, которые удовлетворяют
условиям соответствующих маркеров, сеть поиска информации позволяет выбрать более
подходящий для данной ситуации фрейм. Подобные структуры дают возможность
использовать в системах фреймов различные методы представления информации,
что имеет особое значение для разработки механизмов понимания.

178.

179.

180.

Рассмотрим задачу поиска в сети фреймов: требуется найти образ объекта в памяти
интеллектуальной системы. Это нужно, например, для того, чтобы определить
неизвестные
(в данный момент недоступные для восприятия) характеристики наблюдаемого объекта.
Начальные условия: известно (в отличии от задачи распознавания) к какому классу или
фрейму-прототипу относится объект – поиск необходимо производить среди его
экземпляров.
Принцип действия: осуществляется перебор, и сравниваются терминалы всех фреймов
из области поиска и фрейма-образца, до тех пор, пока не выполнится критерий поиска.
Сравнение осуществляется присоединенной процедурой («демоном») текущего
фрейма-экземпляра или фрейма-образца.
Преимущество фреймового поиска в скорости возникает за счет того, что общие
терминалы
фреймов сравниваются с атрибутами образца только один раз. Обработанный терминал
маркируется:
•идентичен образцу;
•не идентичен образцу.
После нахождения подходящего фрейма осуществляется передача ему управления.

181.

Вывод в сети фреймов более сложная процедура чем поиск.
Началом вывода служит момент поступления новой информации, так как
она поступает непрерывно, то и вывод в реальной интеллектуальной
системе (у человека) – процесс непрерывный.
В некоторый момент времени в интеллектуальной системе активен какойлибо фрейм, он и будет точкой отсчета для вывода.
Вывод состоит в последовательном изменении фреймовой системы под
влиянием внешних воздействий:
•передаче активности другому фрейму;
•изменении значений слотов (например, конкретизация значений поумолчанию);
•изменении структуры системы (например, добавлении нового фрейма).

182.

Системы, основанные на правилах
В основе систем, использующих правила, лежат конструкции вида
«Если ПОСЫЛКА то СЛЕДСТВИЕ», называемые правилами. В зависимости от того, что
входит в ПОСЫЛКУ и СЛЕДСТВИЕ: логическая формула, высказывания, предикаты,
лингвистические переменные, процедуры или функции; и от того в каком порядке правила
выполняются – различают продукционные системы, в основе которых лежат различного
рода исчисления и программные продукты, использующие нечеткий вывод.
Во всех случаях совокупность правил образует базу знаний.
Исчисление – формальная система, задаваемая четверкой
<Т,В,А,Р>,
где Т – множество базовых символов исчисления;
В – синтаксические правила, с помощью
которых из элементов Т порождаются другие элементы;
А – множество априорно истинных
элементов (аксиомы);
Р – множество семантических правил (правил вывода), с помощью
которых из одних элементов системы порождаются другие.
Правило вывода – правило, с помощью которого из множества аксиом порождается
правильно построенные формулы, которые интерпретируются как истинные.

183.

•Продукционные системы
Продукционная система отличается от других систем, основанных на правилах
тем, что порядок выполнения правил здесь несущественен.
Этот порядок находится под управлением стратегии вывода – совокупности правил,
с помощью которых организуется выбор
правил вывода в формальных системах или выбор продукций в системе продукций при
поиске решения. Наиболее известные стратегии в формальных логических системах – это
прямой вывод и обратный вывод.
Каждая продукция состоит из двух частей:
•условий (антецедент); в этой части определяются некоторые условия, которые должны
выполняться в БД для того, чтобы были выполнены соответствующие действия;
•действий (консеквент); эта часть содержит описание действий, которые должны быть
совершены над БД в случае выполнения соответствующих условий.
Продукционные системы, в которых сначала анализируется антецедентная часть (условия),
имеют условно-выводимую архитектуру.
Альтернативным типом архитектуры, которая достаточно часто используется в экспертных
системах, являются целе-выводимые (действие-выводимые или консеквент-выводимые)
продукционные системы.
•Продукционная система с консеквент-выводимой архитектурой
БД: А,F
Правило1: A&B&C→D;
Правило2:D&F→G;
Правило3:A&J→G;
Правило4:B→C;
Правило5:F→B;
Правило6:L→J;
Правило7:G→H.
Задача- вывести истинность Н.

184.

Когнитивные карты.
При формировании когнитивных карт определяются основные факторы, влияющие
на решение проблемы и их причинно-следственные связи. Система поддержки
принятия решений становится инструментом, облегчающим содержательный анализ
этих связей, степень влияния различных факторов друг на друга и на систему в
целом и помогающим эксперту или ЛПР неформальными методами выработать
решение на основе проведенного анализа. Формирование когнитивной карты
может стать также исходными данными для последующих этапов генерации
pешения.

185.

Когнитивная карта (карта познания) — это вид математической модели, представленной в
виде графа и позволяющей описывать субъективное восприятие человеком или группой
людей какого-либо сложного объекта, проблемы или функционирования системы.
Когнитивная карта предназначена для выявления структуры причинных связей между
элементами системы, сложного объекта, составляющими проблемы и т.п. и оценки
последствий, происходящих под влиянием воздействия на эти элементы или изменения
характера связей [2.3-2.6].
В каком-то смысле можно сказать, что когнитивная карта — это субъективная модель
восприятия человеком частицы мира, с помощью которой он хочет осознать закономерности
этой частицы, не вдаваясь в многие подробности, так как они чрезвычайно осложняют
картину и затрудняют восприятие.
Теория графов предоставляет средства отображения структуры причинно-следственных
связей: это пути, циклы и компоненты. Они оказываются полезными для анализа сложных
структур взаимозависимостей. Эти три объекта могут вступать друг с другом в некоторые
отношения, и каждое отношение может быть характеризовано как положительное или
отрицательно< например, согласен или не согласен, любит или не любит.
Элементы изучаемой системы или объекта называются концептами. Концепты в графе
представляются вершинами, причинно-следственные связи - направленными дугами,
связывающими концепты. Такой графический вид представления изучаемого объекта
называется когнитивной картой
Политические альтернативы, разнообразные экономические причины и эффекты, цели и
необходимые средства для их достижения могут рассматриваться как переменные
концептов. В этом случае на когнитивной карте они представляются вершинами Их влияние
друг на друга обозначаются на когнитивной карте направленными дугами, как мы потом
увидим, с навешанными на них знаками.
Знаки определяют характер влияния. Такой граф называется знаковым графом.

186.

Популярность когнитивных карт объясняется относительной легкостью представления
причинных связей (отношений) между концептами и общей структуры изучаемого объекта.
Методы построения когнитивных карт должны отвечать следующим требованиям [2.3]:
• они должны быть конструктивны и удобны;
• они не должны требовать от составителя когнитивной карты предварительной
спецификации концептов;
• они должны быть тесно связаны с методами оценок результатов анализа так, чтобы в
процессе принятия решений когнитивных карта могла служить советчиком и даже критиком
ЛПР;
. они должны точно отражать представления ЛПР о концептах и отношениях между ними.
Существует несколько методов построения когнитивных карт:
• Когнитивную карту строит сам ЛПР на основе своих знаний и представлений без
привлечений экспертов и справочных материалов. Эффективность этого метода
определяется квалификацией ЛПР: его знаниями и умением определять характер
отношений
между
концептами.
Построение
когнитивной
карты
помогает ЛПР яснее представить себе проблему, лучше понять роль отдельных концептов и
характер отношений между ними. Это, видимо, самый быстрый способ построения
когнитивной карты.
• Построение когнитивных карт на основе изучения документов. Этот метод имеет два
преимущества: он удобен и позволяет использовать данные, которые использует сам ЛПР.
Однако изучение документов экспертами - процесс достаточно трудоемкий.
• Построение когнитивных карт на основе опросов группы экспертов, имеющих возможность
оценивать причинные связи. Преимущество этого метода в возможности агрегировать
индивидуальные мнения и в базировании на большем диапазоне оценок, чем можно
извлечь из изучаемых документов.
• Построение когнитивных карт, основанное на открытых выборочных опросах. Этот метод
может быть
использован
для
построения
сравниваемых
когнитивных
карт.
Его
достоинство
заключается в предоставлении исследователю возможности вести активный диалог с источниками
информации.

187.

2.2.2. Анализ когнитивных карт
Как уже отмечалось, когнитивная карта содержит элементы двух типов: концепты и
причинные связи. Концепты рассматриваются как переменные когнитивной карты, а
причинные связи — как отношения между каждой парой переменных. Эти отношения
причинности могут иметь различные значения.
Основные значения отношения причинности положительное, отрицательное и ноль.
При положительном значении тех двух переменных,
которые она связывает, изменения происходят в одном направлении (не обязательно со
знаком плюс).
Поясним это часто используемым примером. Увеличение числа заводов вызывает рост
потребления энергии, оно также значит, что сокращение числа заводов должно привести
к уменьшению потребления энергии.
При отрицательном значении отношения причинности увеличение значения одной из
переменных, связанных этим отношением, вызывает уменьшение значения другой
(и наоборот).
То есть их изменения происходят в противоположных направлениях. Так, увеличение цены
на энергию приводит к сокращению ее потребления и, соответственно,
уменьшение цены - к увеличению потребления энергии.
Нулевое отношение причинности показывает, что связи между двумя концептами нет.

188.

Структуру когнитивного графа лучше всего представить в виде направленного графа,
в котором вершины являются концептами (переменными концептов), а дуги выражают
Отношения причинности. Дуги могут помечаться знаками "+" "-" или 0, что означает
соответственно положительное, отрицательное или нулевое причинное отношение.
Примеры положительной и отрицательной связи, рассмотренные выше, представлены
на рис. 2.2.а.
Рис. 2.2а
Возможные базовые значения, используемые в когнитивных картах, являются логической
комбинацией значении "положительное", "отрицательное» и "нулевое". Таких комбинаций
девять: + положительное; - отрицательное; 0 нулевое; (+) неотрицательное; т.е. {0,+},
(-) неположительное, т.е. {0,-}; m-ненулевое, т.е.{+ ,-}; и-универсальное, т.е. {+, - 0};
а - амбивалентное.
Как уже отмечалось ранее, направленный граф с перечисленными выше метками, которыми
помечаются eго дуги, называется знаковым графом.
Во многих случаях причинный концепт, из которого выходит дуга, является одновременно и
концептом результата, т.е в него входит дуга выходящего из другого причинного концепта.
Пример такого знакового графа показан на рис. 2.2.Ь.

189.

Теперь рассмотрим, как может быть проведен анализ для комплексной когнитивной карты:
определим ее структурные свойства и выводы, которые можно получить из такой
когнитивной карты. Сначала рассмотрим причинные отношения.
Так, на графе рис. 2.2.Ь показан путь из двух дуг от цены на энергию от качества
окружающей среды. Показана следующая последовательность:
1)повышение цен на энергию вызывает сокращение ее потребления, так как отношение
причинности отрицательное;
2) сокращение количества потребляемой энергии ведет к улучшению качества окружающей
среды, так как отношение причинности опять отрицательное. Таким образом, увеличение
значения, первой переменной через два отрицательных отношения причинности
приводит к увеличению значения последней переменной графа.
На рис. 2.2.Ь был показан ациклический граф. Теперь также на типичном часто
используемом примере перейдем к рассмотрению циклического знакового графа,
показанного на рис. 2.3.

190.

Путь в этом графе начинается с вершины "производство энергии" и пройдя через
несколько вершин графа снова возвращается к вершине "производство энергии".
Значение начальной переменной при проходе по дугам графа только со знаком + может
быть сильно увеличено. В примере рис.2.3 увеличение производства энергии
увеличивает число заводов, это увеличивает число рабочих мест, что в свою очередь
увеличивает численность населения, оно увеличивает потребление энергии, последнее
требует увеличения ее производства. Таким образом образуется положительная
обратная связь, которая может значительно усилить первоначальное изменение. Если в
знаковом графе есть несколько таких положительных циклов, это может привести к
нестабильности системы, т.к. незначительное начальное изменение может привести к
непредвиденному значительному скачку. Но в графе на рис. 2.3 есть и отрицательная
обратная связь: повышение производства энергии ведет у ухудшению качества
окружающей среды (через цену на энергию и ее потребление), что в свою очередь
ведет к сокращению населения, сокращению потребления энергии и, в конечном счете,
к сокращению ее производства. Отрицательные обратные связи часто ведут к
стабилизации системы, однако они могут вызвать все большее и большее колебание
системы, то есть к другой нестабильной ситуации.
Отрицательная или положительная обратная связь в системе может быть легко
определена: в цикле существует положительная обратная связь тогда и только тогда,
если в ней четное число знаков минус (или когда знаков минус нет)

191.

№ п/п
Описание фактора
Персонал
1
2
3
4
5
6
7
8
9
10
Квалификация персонала
Уровень корпоративной и инновационной культуры
Мотивация персонала
Творческая активность персонала
Сопротивление изменениям
Производительность труда
Маркетинг
Качество маркетинговых исследований (непрерывный поиск
новых рыночных предложений)
Качество маркетинга инноваций (текущего и на выходе)
Объем продаж новой продукции
Скорость выхода на рынок новой продукции
11
Качество новой продукции
НИОКР
12
Уровень новизны разработок
13
Количество новых разработок
14
Сроки разработки новой продукции, создания и испытания
опытного образца
15
16
Способность к инновациям в производственных процессах
Вероятность патентной защиты интеллектуальных разработок
Предприятие
17
Синергия подразделений
18
Обеспеченность
научно-технической
информацией,
наличие
источников
пополнения
19
Наличие
долгосрочной
стратегии
долгосрочную перспективу)
20
21
22
23
24
25
и
коммерческой
ее
постоянного
(ориентация
на
Соответствие организационной структуры целям предприятия
Инвестиции в инновации
Конкурентоспособность предприятия
Гибкость перехода на новую продукцию
Выполнение плана по выпуску новой продукции

192. Влияние типов структурированности проблемы

Групповое построение когнитивных карт.
Как всегда в принятии групповых решений проблема заключается в
согласовании решений. Исключением является вариант, когда лидер
принимает решение, а остальные участники выработки решения
выступают фактически в роли советчиков без права решающего
голоса. При построении когнитивных карт такое согласование сводится
к трем вопросам:
Согласование списка концептов;
Согласование отношений причинности между ними;
Согласование значений отношений причинности.
Для решения всех этих вопросов могут быть использованы хорошо
известные процедуры работы с экспертами, в частности, процедуры
голосования или формализованные процедуры, которые будут описаны
позднее.
Какая бы процедура не использовалась, в результате должен быть
получен список концептов (вершин знакового графа), список
отношений причинности (дуг графа) и список значений отношений
причинности каждой дуги. Таким образом, задача сводится к
построению когнитивной карты ЛПР (в данном случае коллективным
ЛПР).

193.

В общем виде процесс построения когнитивной карты может быть представлен
следующим образом:

194.

В отношении когнитивных карт существует две точки зрения:
первая состоит в том, что когнитивную карту рассматривают как хорошее
вспомогательное средство для уяснения структуры возникшей
проблемы:
определения факторов, характеризующих или влияющих на проблему
(концепты), определения связей между ними (отношения причинности) и уяснения
характера связей (значений отношений причинности). Именно в таком качестве
когнитивную карту используют для создания базы знаний экспертной системы

195.

Оценка ситуации и возможности принятия решений с помощью
когнитивных карт
При разработке метода когнитивных карт он предназначался (и во многих случаях
используется сейчас) для поддержки принятия решений. Поэтому рассмотрим
когнитивную карту как средство поддержки принятия решения.
В этом случае возникают три проблемы.
1.Проблема оценки решений. Если в когнитивной карте есть несколько переменных
(концептов), определяющих различные варианты решений, естественно встает вопрос:
какие переменные (т.е. решения) должны быть приняты и какие отброшены?
Естественно принять те решения, которые дают лучший положительный эффект и
отбросить дающие отрицательный эффект.
2. Проблема предвидения последствий принятия решения.
Если значение некоторых переменных будет увеличено, а некоторых уменьшено,
что произойдет со значением остальных переменных.
Необходимо пересчитать граф.
1.Если все входящие в вершину дуги (вернее, пути) положительные, то результат
положительный. Можно даже говорить о суммарном положительном воздействии.
2. Если все входящие в вершину дуги (пути) отрицательные, то результат отрицательный.
Можно говорить даже о сумме отрицательных влияний.
3. Наконец, если часть дуг, входящих в вершину положительна, а часть отрицательна,
то результат оценить сложней:
он промежуточный.

196.

4.
Каковы
будут
последствия
изменения
знака
у
одной
из
переменных? Для решения вопроса необходимо пересчитать когнитивную карту.
Оценки производятся так же, как в случае а).
5. Каковы будут последствия, если исключим, некоторые переменные и ввести другие?
Для этого необходимо фактически сгенерироватьновую когнитивную карту. Естественно ее
придется пересчитать.

197.

Метод согласования решения при лексикографическом упорядочении. В тех случаях,
когда могут быть определены важности критериев, упорядочение можно проводить сначала
по самому важному критерию, если по этому критерию равными окажутся несколько
состояний, то по второму по важности критерию, и т.д.

198.

Метод средних арифметических рангов. Медиана Кемени
№ Д
экс
пер
та
1
5
Л
М-К
Б
Г-Б
Сол
Стеф
К
3
1
2
8
4
6
7
2
5
4
3
1
8
2
6
7
3
1
7
5
4
8
2
3
7
4
6
4
2.5
2.5
8
1
7
5
5
8
2
4
6
3
5
1
7
6
5
6
4
3
2
1
7
8
7
6
1
2
3
5
4
8
7
8
5
1
3
2
7
4
6
8
9
6
1
3
2
5
4
7
8
10
5
3
2
1
8
4
6
7
11
7
1
3
2
6
4
5
8
12
1
6
5
3
8
4
2
7

199.

4. Метод медиан рангов.
Ответы экспертов измерены в порядковой шкале, а потому для них
неправомерно проводить усреднение методом средних арифметических. Надо
использовать метод медиан.
Что это значит? Надо взять ответы экспертов, соответствующие одному
из проектов, например, проекту Д. Это ранги 5, 5, 1, 6, 8, 5, 6, 5, 6, 5, 7, 1.
Затем их надо расположить в порядке неубывания (проще было бы сказать «в порядке возрастания», но поскольку некоторые ответы совпадают, то
приходится использовать непривычный термин «неубывание»). Получим
последовательность: 1, 1,5, 5, 5, 5, 5, 6, 6, 6, 7, 8. На центральных местах шестом и седьмом - стоят 5 и 5. Следовательно, медиана равна 5.
Медианы рангов
5
Итоговый ранг по медианам5
3 3 2.25 7.5 4
2,5 2,5 1
8 4
6
6
7
7
Поскольку проекты Л и М-К имеют одинаковые медианы баллов, то по
рассматриваемому методу ранжирования они эквивалентны, а потому объединены
в группу (кластер), т.е. с точки зрения математической статистики ранжировка (4)
имеет одну связь

200.

Анализ динамики и оценка последствий выбранного решения.
Эти два процесса тесно взаимно связаны, т.к. динамика процесса, который будет осуществляться при
реализации выбранного решения будет влиять и на его последствия. Главная трудность здесь состоит в том,
что для решения этих задач в большинстве случаев мы не можем использовать реальные объекты или
процессы. Поэтому основными в данной ситуации будут экспертные методы, и различные методы
моделирования, в частности, уже рассмотренные когнитивные карты и экспертные системы.
Экспертные методы.
Среди этих методов одним из самых распространенных является метод сценариев. Данный метод позволяет
согласовать представления о проблеме или анализируемом объекте, изложенные в письменном виде.
Сценарии развития анализируемой ситуации, разрабатываемые специалистами, позволяют с тем или
иным уровнем достоверности определить возможные тенденции развития, взаимосвязи между
действующими факторами, определить картину возможных состояний, к которым может прийти ситуация.
В случае анализа определенной ситуации важно использовать все оптимальные сценарии, позволяющие
разрешить противоречия, отыскать правильный вариант для развития последующих событий.
В некоторых случаях в состав сценариев включается предыстория формирования анализируемой ситуации.
Отличительной чертой рассматриваемой методики является многовариантность, возможность
рассмотрения сразу нескольких альтернативных видов развития ситуации с учетом базисных
сценариев.
С одной стороны, профессионально разработанные сценарии позволяют более полно и отчетливо
определить перспективы развития ситуации, как при наличии управляющих воздействий, так и при их
отсутствии.
С другой стороны, сценарии позволяют своевременно осознать опасности, которые могут быть
следствием неудачных управленческих воздействий или неблагоприятного развития событий

201.

Прогнозная оценка чаще всего представляется в виде трех возможных вариантов сценариев:
1) оптимистического ;2) пессимистического; 3) ожидаемого, наиболее вероятного.
Выделяют следующие этапы проведения (составления) сценария:
1. Формулирование проблемы:
а) производится сбор и анализ информации;
б) выполняются согласование со всеми участниками проекта решения сути задачи и ее
формулирование.
2. Определение и группировка сфер влияния:
а) выделяются критические точки среды бизнеса;
б) производится оценка их возможного влияния на будущее фирмы.
3. Определение показателей будущего развития объекта.
Эти показатели не должны быть амбициозными или завышенными.
Те сферы деятельности, развитие которых может идти по нескольким вариантам, описываются при
помощи нескольких альтернативных показателей.
4. Формулирование и отбор согласующихся наборов предположений:
а) развитие определяется исходя из сегодняшнего положения и всевозможных изменений;
б) различные альтернативные предположения о будущем комбинируются в наборы;
в) из всех полученных наборов выбирают, как правило, три с учетом следующих критериев: —
высокая сочетаемость, совместимость предположений, входящих в набор; — наличие большого
числа значимых переменных; — высокая вероятность событий, относящихся к набору
предположений.
5. Сопоставление намеченных показателей будущего состояния сфер(фирмы) с предположениями об
их развитии:
а) сравниваются результаты этапов 3 и 4;
б) завышенные и заниженные показатели состояния корректируются при помощи данных этапа 4.

202.

Для более точного прогноза необходимо сокращать интервал прогнозирования, то есть
делить его на несколько фрагментов, составляя несколько сценариев.
Метод «сценариев» предполагает создание технологий разработки сценариев,
обеспечивающих более высокую вероятность выработки эффективного решения в тех
ситуациях, когда это возможно, и более высокую вероятность сведения ожидаемых потерь к
минимуму в тех ситуациях, когда потери неизбежны.
В настоящее время известны различные реализации метода «сценариев», такие как:
— получение согласованного мнения;
— повторяющаяся процедура независимых сценариев;
— использование матриц взаимодействия.
Использование экспертных систем. Одним из методов генерации решений с помощью
экспертных систем является использование продукционных правил «если условие, то
решение». Для моделирования тенденций развития исследуемого процесса или системы
используется разновидность сценарного подхода в виде правил вида « а что будет,
если…».

203.

Использование когнитивных карт.
При анализе ситуаций, опирающемся на описанные выше модели когнитивных
карт, решаются два типа задач: статические и динамические.
Статический анализ - это анализ текущей ситуации, заключающийся в выделении и
сопоставлении путей влияния одних факторов на другие через третьи (каузальных
цепочек).
Динамический анализ - это генерация и анализ возможных сценариев развития
ситуации во времени. Математическим аппаратом анализа является теория знаковых
графов и нечетких графов.
Задачи статического анализа, рассматриваемые в терминах знаковых графов, - это
исследование влияний одних факторов на другие, исследование устойчивости ситуации в
целом и поиск структурных изменений для получения устойчивых структур.
Фактор vi влияет на фактор vj , если существует ориентированный путь от вершины vi в
вершину vj. Как уже говорилось выше, суммарное влияние vi на vj положительно, если все
пути от vi к vj положительны; отрицательно, если все пути отрицательны.

204.

Одна из основных задач, решаемых в терминах знаковых графов - это задача об
устойчивости. В этой задаче ребра графа интерпретируются как некоторые (необязательно
каузальные) отношения. Если отношения симметричны, то ситуация представляется
неориентированным знаковым графом, вершины которого соответствуют субъектам
отношений
Рис.1
Неориентированный знаковый граф сбалансирован, если все его циклы положительны. (На
рис.1 первые два графа сбалансированы, третий - нет.) В этом случае все вершины можно
разбить на два класса так, что ребра, соединяющие вершины одного класса, положительны,
а ребра, соединяющие вершины разных классов, отрицательны.
Динамика развития ситуации при этом не рассматривается; прогноз состоит в том, что
если ситуация устойчива, она будет сохраняться и в дальнейшем; если же она неустойчива,
то характер связей скорее всего будет меняться.
Если отношения между факторами несимметричны, то когнитивная карта является
ориентированным знаковым графом.

205.

Положительный цикл - это контур положительной обратной связи; если факторам
приданы некоторые веса (значения), то увеличение веса фактора в цикле ведет к его
дальнейшему увеличению и, в конечном счете, неограниченному росту.
Отрицательный цикл противодействует отклонениям от начального состояния, однако
возможна неустойчивость в виде значительных колебаний, возникающих при прохождении
возбуждения по циклу. Различают случаи линейного, экспоненциального роста значений
факторов , а также случай знакопеременного изменения и роста значений факторов
(резонанса). Анализ влияний и сбалансированности рассмотрим на примере когнитивной
карты на рис.2, описывающей ситуацию с энергоснабжением некоторого региона.

206.

Влияние фактора "Потребление электроэнергии" на
фактор "Стоимость электроэнергии" происходит по
двум путям. Путь длины 1 (прямое влияние) положительный: рост потребления, т.е. увеличение
спроса, ведет к росту стоимости. С другой стороны,
имеется путь длины 2: рост потребления должен вызвать
рост энергетических мощностей, который, в свою
очередь должен снизить стоимость электроэнергии.
Суммарное влияние оказывается неопределенным.
Цикл "Потребление электроэнергии" - "Состояние
окружающей среды" - "Населенность" является
отрицательным: предполагается, что состояние
окружающей среды напрямую положительно влияет на
рост населения, а потребление электроэнергии ухудшает
состояние окружающей среды. Поэтому в этом цикле
возможны колебания состояний всех трех факторов.
Цикл "Число предприятий" - "Потребление
электроэнергии" - "Энергетические мощности"
положителен (в предположении, что рост энергетических
мощностей прямо влияет на рост числа предприятий ).
Поэтому в нем в принципе возможен постоянный рост
всех трех факторов. Это же можно сказать и о цикле из 5
факторов, полученном добавлением факторов
"Населенность" и "Число рабочих мест".

207.

Метод анализа влияний основывается на следующих
допущениях:
1. Сила влияния одного фактора на другой по данному пути зависит от длины этого пути
(т.е. числа ребер в нем).
2. Чем больше параллельных влияний (по разным путям) существует между факторами,
тем сильнее влияние между ними.
Пусть
и
- число положительных и отрицательных путей длины m, идущих от
фактора vi к фактору vj, соответственно. Тогда суммарные положительное и
отрицательное влияния фактора vi на фактор vj определяются следующим образом:
где f(m) - монотонная неубывающая функция от длины пути m, определяющая степень
ослабления влияния на пути от vi к vj.
Поскольку когнитивные карты предназначены в том числе и для выявления причинно
следственных связей они могут использоваться и сценарного подхода, анализа
последствий выбранного решения по схеме « а что будет, если….».

208.

Для анализа динамики и последствий выбранного решения могут использоваться и различные
варианты моделирования, в том числе имитационного.
Для ситуаций, требующих принятия решений, которые могут рассматриваться как
процессы массового обслуживания применяются методы теории систем массового
обслуживания. Например, задача определения наиболее выгодного числа постов обслуживания
с соответствующим оборудованием.
Под СМО понимают динамическую систему, предназначенную для эффективного
обслуживания случайного потока заявок при ограниченных ресурсах системы. Обобщённая
структура СМО приведена на рисунке

209.

Предметом теории массового обслуживания является установление зависимости
между факторами, определяющими функциональные возможности системы
массового обслуживания, и эффективностью ее функционирования. В
большинстве случаев все параметры, описывающие системы массового
обслуживания, являются случайными величинами или функциями, поэтому эти
системы относятся к стохастическим системам.
Методы имитационного моделирования применяются в СМО для моделирования
входных потоков.
Представление о последствиях выбранного решения можно получить рассчитав
следующие показатели:
вероятность немедленного обслуживания поступившей заявки;
вероятность отказа в обслуживании поступившей заявки;
относительная и абсолютная пропускная способность системы;
средний процент заявок, получивших отказ в обслуживании;
среднее время ожидания в очереди;
средняя длина очереди;
средний доход от функционирования системы в единицу времени

210.

Примером совместного использования аналитических методов и методов имитационного
моделирования для оценки последствий принятого решения может служить задача
выбора наиболее выгодного инвестиционного проекта.
Одним из критериев выбора инвестиционного проекта является его приведенная
стоимость
F
NPV ti
i
(1 ti )i
I0
Наилучшим считается проект с максимальным NPV.
Однако любой инвестиционный проект развивается во времени и может продолжаться
достаточно долго и точно указать, какими будут денежные потоки и коэффициент
дисконтирования невозможно. Поэтому нужно оценить, как возможно будут изменяться во
времени эти параметры.
Для этого и используются методы имитационного моделирования, в частности метод
Монте-Карло. Для решения задач методом Монте-Карло необходимо получить
последовательность выборочных значений случайной величины с заданным законом
распределения. Такой процесс принято называть моделированием случайной величины.
Случайные величины обычно моделируют с помощью преобразований одного или
нескольких независимых значений случайной величины, равномерно распределенной в
интервале (0,1).

211.

Можно выделить следующие этапы моделирования случайных величин:
- генерация N реализаций случайной величины с требуемой функцией распределения;
- преобразование полученной величины, определяемой математической моделью;
- статистическая обработка реализации

212.

Q(x)
q'
N'
N
x
С помощью генератора случайных чисел выбрать случайное число q' в пределах (0,1);
3. Провести горизонтальную прямую от точки на оси ординат, соответствующей
выбранному случайному числу q', до пересечения с кривой распределения вероятностей.
4. Опустить из этой точки пересечения перпендикуляр на ось абсцисс.
5.Записать полученное значение х . Далее оно принимается как выборочное значение.
6. Повторить шаги для всех требуемых случайных переменных, следуя тому порядку, в
котором они были записаны.
Подставляя полученные значения для вычисления NPV, можно получить информацию о том,
как возможно будет изменяться оценка проекта во времени.
Таким образом будет получена модельная информация о динамики развития и возможных
последствиях принятого решения.

213.

Системная динамика Этот подход был разработан и предложен Джеем Форрестером в
конце 1950х как “исследование информационных обратных связей в промышленной
деятельности с целью показать как организационная структура, усиления (в политиках) и
задержки (в принятии решений и действиях) взаимодействуют, влияя на успешность
предприятия” [Forrester 1958 и 1961]. Приложения СД включают также социальные,
урбанистические, экологические системы. Процессы, происходящие в реальном мире, в СД
представляются в терминах накопителей, stocks, (например, материальных объектов, знаний,
людей, денег), потоков между этими накопителями, flows, и информации, которая определяет
величину этих потоков. СД абстрагируется от отдельных объектов и событий и предполагает
“агрегатный” взгляд на процессы, концентрируясь на политиках, этими процессами
управляющих. Моделируя в стиле СД, вы представляете структуру и поведение системы как
множество взаимодействующих положительных и отрицательных обратных связей и задержек,
как показано на Рис 4.

214.

215. Модели поддержки процесса принятия решений

216.

Отметим, что данное описание достаточно громоздко, многие взаимосвязи в нем
существенно упрощены или не приведены, что показывает сложность формализации процесса
принятия решений.
1.2.
Компоненты процесса принятия решений
1.2.1. Цели
В теории принятия решений цель и альтернативы обычно рассматриваются как экзогенные
(заданные извне) величины. Цель определяют как конечное состояние изменения
управляемого процесса. Часто трудно бывает провести грань между целью и альтернативой.
Одно и то же действие может рассматриваться и как цель, и как альтернатива в зависимости от
уровня задачи. Так, в дереве целей подцели первого уровня являются альтернативами
достижения главной цели, но для второго уровня они являются целями и т.д.
К целям обычно предъявляются следующие требования:
комплексность — описание желаемого результата должно охватывать все аспекты
проблемной ситуации;
согласованность — непротиворечивость компонент целевой системы; реальность— наличие реальных альтернатив достижения цели;
системность— увязка цели с другими задачами.
Важнейшим методом системного анализа является дизагрегирование исследуемой проблемы
на составные элементы с построением дерева взаимосвязей (целей) - связного
неориентированного графа, вершинами которого являются цели, подцели, мероприятия,
ресурсы, а ребрами - связи между ними.
Общими правилами построения деревьев взаимосвязей являются:
соподчиненность элементов разных уровней;
сопоставимость - на каждом уровне дерева рассматриваются элементы,
сопоставимые по своему масштабу и значимости;
полнота - дерево на каждом уровне включает все элементы;
-

217.

1.2.4.
Альтернативы
В процессе выявления и ограничения альтернатив решений необходимо учитывать
следующие требования:
взаимоисключаемость альтернатив (что, тем не менее, не исключает
наличия одинаковых элементов действия в разных аль-тернативах);
обеспечение одних и тех же условий описания альтернатив (ресурсных,
временных ограничений и т.д.), чтобы гарантировать одинаковые «стартовые»
условия для каждой альтернативы;
необходимая полнота совокупности альтернатив;
назависимость альтернатив.
Основной субъективной причиной нарушения требования полноты является
предубеждение субъекта принятия решений, заранее предпочитающего некоторую
альтернативу. Основной же объективной причиной является ограниченность
возможностей субъекта по сбору и обработке информации: соответствующие
затраты могут быть чрезмерно велики относительно ожидаемого улучшения для
принимаемого решения. Сам же процесс разработки новых альтернатив является
сугубо творческой деятельностью, результаты которой невозможно заранее
предсказать.

218.

Критерии
Традиционно для принятия решения стремятся получить выражение,
связывающее цель со средствами ее достижения. Такие выражения получили в
параллельно возникавших прикладных направлениях различные названия: критерии
функционирования, критерии или показатель эффективности, целевая или
критериальная функция, функция цели и т.п.
Проблема «критериев оценки» относится к числу важнейших в практике
системного анализа. Поиски количественно определенных и по возможности
более объективных критериев выбора прогнозных вариантов, а также
разработка алгоритмизированных процедур их применения являются одной из
актуальнейших прикладных проблем системного анализа.
Критерий -это мера соотношения между эффектом оцениваемого варианта
решения (степени достижения цели) и уровнем необходимых для его
реализации ресурсов с учетом ограничений на них для всех адекватных
поставленной задаче вариантов решения.

219.

Методы структурирования множества альтернатив
Такие методы можно классифицировать различным образом. Прежде всего, и чаще
всего эти методы делят на критериальные и некритериальные.
Критериальное структурирование основано на сопоставлении альтернатив по
некоторому набору критериев.
Что же такое некритериальные методы структурирования?
Предположим у нас есть множество альтернатив. Будем выбирать из него пары, предъявлять
их экспертам или ЛПР и просить их сравнить членов пары "в целом" (предполагается, что
все альтернативы попарно сравнимы!). При этом эксплуатируется способность
человеческого мозга создавать общее представление (мнение) о предмете. В психологии и,
затем, в кибернетике такое общее представление обозначают термином "гештальт". Это целостный образ объекта, лишенный какой бы то ни было детализации. Когда мы
спрашиваем знакомого, какой город ему больше нравится, Москва или С-Петербург, не
интересуясь, почему один из городов нравится больше - мы по существу просим знакомого
выполнить сравнение гештальтов.
Некритериальное структурирование множества альтернатив
Возьмем две альтернативы А и Б. При их парном сравнении возможны только 3
варианта результата:
А лучше Б (будем обозначать это как А > Б)
А хуже Б (А < Б)
А и Б равноценны (А = Б)
Если сравнить попарно все альтернативы исходного множества, то часто можно
получить нестрогую ранжировку. Например, для множества {a,b,c,d,e} можно получить: с >
d > а = е > Ь. или тот же результат с номерами рангов

220.

№ ранга
альтернатива
1
с
2
d
3
а, е
4
b
В итоге мы получили структурированное множество, не используя понятия"критерий".
Существует ли общий путь получения ранжировки на основе результатов парных
сравнений?
Пусть есть множество альтернатив {a,b,c,d} и следующие
результаты парных сравнений:
а > b, b > d, cl > с. с > а, а > d, b - с.
Эти результаты удобно представить в виде рисунка.

221.

Существует более десятка способов преобразования подобных структур в ранжировку.
Рассмотрим один из наиболее часто применяемых способов, который называется "метод строчных
сумм".
Для реализации метода, прежде всего, нужно построить таблицу парных сравнений. Для нашего
примера она выглядит следующим образом.
а
b
с
d
a
***
0
1
0
b
1
***
1/2
0
с
0
1/2
***
1
d
1
1
0
***
2
1,5
1,5
1
На пересечении
строки и столбца ставятся числа по следующим правилам:
-ставится 1, если альтернатива с именем строки лучше альтернативы с именем столбца,
-ставится 0, если альтернатива с именем строки хуже альтернативы с именем столбца,
-ставится 1/2, если альтернатива с именем строки равноценна альтернативе с именем
столбца.
№ ранга
•1
•2
•3
альтернатива
•а
•b, с
•d

222.

Применение репрезентативной теории измерений
Репрезентативная (т.е. связанная с представлением отношений между
реальными объектами в виде отношений между числами) теория
измерений (в дальнейшем сокращенно РТИ) является одной из
составных частей эконометрики. А именно, она входит в состав
статистики объектов нечисловой природы. Нас РТИ интересует прежде
всего в связи с развитием теории и практики экспертного оценивания, в
частности, в связи с агрегированием мнений экспертов, построением
обобщенных показателей (их называют также рейтингами).
Получаемые от экспертов мнения часто выражены в порядковой шкале,
т.е. эксперт может сказать (и обосновать), что один тип продукции будет
более привлекателен для потребителей. Чем другой, один показатель
качества продукции более важен, чем другой, первый технологический
объект более опасен, чем второй, и т.д. Но он не в состоянии сказать, во
сколько раз или на сколько более важен, соответственно, более опасен.
Поэтому экспертов часто просят дать ранжировку (упорядочение) объектов
экспертизы, т.е. расположить их в порядке возрастания (или, точнее,
неубывания) интенсивности интересующей организаторов экспертизы
характеристики.

223.

Ранг - это номер (объекта экспертизы) в упорядоченном ряду.
Формально ранги выражаются числами 1, 2, 3, ..., но весьма важно то, что с
этими числами нельзя делать привычные арифметические операции.
Например, хотя 2 + 3 = 5, но нельзя утверждать, что для объекта, стоящем
на третьем месте в упорядочении (в другой терминологии - ранжировке),
интенсивность изучаемой характеристики равна сумме интенсивностей
объектов с рангами 1 и 2. Так, один из видов экспертного оценивания оценки учащихся. Вряд ли кто-либо будет всерьез утверждать, что знания
отличника равны сумме знаний двоечника и троечника (хотя 5=2 + 3),
хорошист соответствует двум двоечникам (2 + 2 = 4), а между отличником и
троечником такая же разница, как между хорошистом и двоечником (5-3=4 2). Поэтому очевидно, что для анализа подобного рода качественных
данных необходима не обычная арифметика, а другая теория, дающая базу
для разработки, изучения и применения конкретных методов расчета. Эта
другая теория и есть РТИ.

224.

2. Методы средних баллов.
В настоящее время распространены экспертные, маркетинговые,
квалиметрические, социологические и иные опросы, в которых
опрашиваемых просят выставить баллы объектам, изделиям,
технологическим процессам, предприятиям, проектам, заявкам на
выполнение научно-исследовательских работ, идеям, проблемам,
программам, политикам и т.п. Затем рассчитывают средние баллы и
рассматривают их как интегральные (т.е. обобщенные, итоговые) оценки,
выставленные коллективом опрошенных экспертов. Какими формулами
пользоваться для вычисления средних величин? Ведь средних величин
существует, как мы знаем, очень много разных видов.
Обычно применяют среднее арифметическое. Специалисты по теории
измерений уже около 30 лет знают, что такой способ некорректен,
поскольку баллы обычно измерены в порядковой шкале. Обоснованным
является использование медиан в качестве средних баллов. Однако
полностью игнорировать средние арифметические нецелесообразно из-за
их привычности и распространенности. Поэтому представляется
рациональным использовать одновременно оба метода - и метод средних
арифметических рангов (баллов), и методов медианных рангов.

225.

Пример сравнения восьми проектов: Рассмотрим конкретный
пример применения только что сформулированного подхода.
По заданию руководства фирмы анализировались восемь проектов,
предлагаемых для включения в план стратегического развития фирмы.
Они обозначены следующим образом: Д, Л, М-К, Б, Г-Б, Сол, Стеф, К (по
фамилиям менеджеров, предложивших их для рассмотрения). Все
проекты были направлены 12 экспертам, включенным в экспертную
комиссию, организованную по решению Правления фирмы. В
приведенной ниже табл. 1 приведены ранги восьми проектов,
присвоенные им каждым из 12 экспертов в соответствии с представлением
экспертов о целесообразности включения проекта в стратегический план
фирмы. При этом эксперт присваивает ранг 1 самому лучшему
проекту, который обязательно надо реализовать. Ранг 2 получает от
эксперта второй по привлекательности проект , наконец, ранг
8 - наиболее сомнительный проект, который реализовывать стоит
лишь в последнюю очередь.

226.

№ Д
экс
пер
та
1
5
Л
М-К
Б
Г-Б
Сол
Стеф
К
3
1
2
8
4
6
7
2
5
4
3
1
8
2
6
7
3
1
7
5
4
8
2
3
7
4
6
4
2.5
2.5
8
1
7
5
5
8
2
4
6
3
5
1
7
6
5
6
4
3
2
1
7
8
7
6
1
2
3
5
4
8
7
8
5
1
3
2
7
4
6
8
9
6
1
3
2
5
4
7
8
10
5
3
2
1
8
4
6
7
11
7
1
3
2
6
4
5
8
12
1
6
5
3
8
4
2
7
Примечание. Эксперт №4 считает, что проект М-К и Б равноценны, но уступаю
лишь одному проекту Сол. Поэтому проекту М-К и Б должны были бы стоять на
втором и третьем местах и получить баллы 2 и 3. Поскольку они равноценны, то
получают средний балл (2+3)/2=2.5.

227.

Метод средних арифметических рангов . Сначала для получения группового
мнения экспертов был применен метод средних арифметических рангов. Для
этого прежде всего была подсчитана сумма рангов, присвоенных проектам.(
табл.1) Затем эта сумма была разделена на число экспертов, в результате
рассчитан средний арифметический ранг ( именно это операция дала названа
методу). По средним рангам строится итоговая ранжировка ( в другой
терминологии –упорядочивание), исходя из принципа,_чем меньше средний ранг,
тем лучше проект. Наименьший средний ранг, равный 2.625 у проекта Б,следовательно в итоговой ранжировке оно получит ранг 1. Следующая по
величине сумма равна 3.125 у проекта М-К и он получает итоговый ранг 2.
Проекты Л и СОЛ имеют одинаковые суммы 3.25,значит с точки зрения
экспертов они равноценны ( при рассматриваемом методе сведения вместе
мнений экспертов) и поэтому они должны бы стоять на 3 и 4 местах и получают
средний балл (3+4)/2=3.5. Дальнейшие результаты приведены в таб.2 Ранжировка
по суммам рангов (или что то же самое, по средним арифметическим рангам)
имеет вид Б<М-К<{ Л,Сол }<Д<Стеф< Г-Б< К. Здесь запись типа «А< Б»проект
А лучше проекта Б. Поскольку проекты Л и Сол получили одинаковую сумму
баллов, то по рассматриваемому методу они эквивалентны, а потому объединены
в группу (в фигурных скобках). В терминологии математической статистики
ранжировка (1) имеет одну связь.

228.

4. Метод медиан рангов.
Надо вспомнить, что ответы экспертов измерены в порядковой шкале, а
потому для них неправомерно проводить усреднение методом средних
арифметических. Надо использовать метод медиан.
Что это значит? Надо взять ответы экспертов, соответствующие одному из
проектов, например, проекту Д. Это ранги 5, 5, 1, 6, 8, 5, 6, 5, 6, 5, 7, 1. Затем их
надо расположить в порядке неубывания (проще было бы сказать - «в порядке
возрастания», но поскольку некоторые
ответы совпадают, то приходится использовать непривычный термин
«неубывание»). Получим последовательность: 1, 1,5, 5, 5, 5, 5, 6, 6, 6, 7, 8. На
центральных местах - шестом и седьмом - стоят 5 и 5. Следовательно, медиана
равна 5. Результаты расчетов по методу средних арифметических и методу медиан
для данных, приведенных в таблице 2.

229.

№
Д
Л
М-К
Б
Г-Б
Сол
Стеф
К
1
2
3
4
5
6
7
8
9
10
11
12
5
5
1
6
8
5
6
5
6
5
7
1
3
4
7
4
2
6
1
1
1
3
1
6
1
3
5
2.5
4
4
2
3
3
2
3
5
2
1
4
2.5
6
3
3
2
2
1
2
3
8
8
8
8
3
2
5
7
5
8
6
8
4
2
2
1
5
1
4
4
4
4
4
4
6
6
3
7
1
7
8
6
7
6
5
2
7
7
7
5
7
8
7
8
8
7
8
7
М-К
1
1
1
1
2
1
1
2
3
5
1
2
Б
1
1
Г-Б
Сол
Стеф
К
2
1
1
5
3
1
2
7
Д
Л
5
5
2
3
6
5
3
3
7
5
3
3
8
6
4
3
9
6
4
4
10
6
6
4
11
7
6
5
12
8
7
5
2
4
5
1
2.
5
2
2
2
3
3
3
4
6
5
2
3
7
5
2
5
7
6
4
6
7
7
4
6
7
2.
5
8
4
6
8
8
4
6
8
8
4
7
8
8
4
7
8
8
4
7
8
8
5
8
8
Медиана рангов
Б
1
Л
2
М-К
3
Сол
4
Д
5
Стеф
6
Г-Б
7.5
К
7.5
Стеф
5.33
5
К
7.083
7
Среднее арифметическое
Д
5
4
Л
3.25
3
М-К
3.125
2
Б
2.625
1
Г-Б
6.33
6
Сол
3.25
3

230.

арифметическому
Медианы рангов
5
Итоговый ранг по медианам5
3 3 2.25 7.5 4
2,5 2,5 1
8 4
6
6
7
7
Поскольку проекты Л и М-К имеют одинаковые медианы баллов, то по
рассматриваемому методу ранжирования они эквивалентны, а потому объединены в
группу (кластер), т.е. с точки зрения математической статистики ранжировка (4)
имеет одну связь

231.

Сравнение ранжировок по методу средних арифметических и методу медиан.
Сравнение ранжировок (1) и (2) показывает их близость (похожесть). Можно
принять, что проекты М-К, JI, Сол упорядочены как М-К <JI<Сол, но из-за
погрешностей экспертных оценок в одном методе признаны равноценными проекты
J1 и Сол (ранжировка (1)), а в другом - проекты М-К и JI(ранжировка (2)).
Существенным является только расхождение, касающееся упорядочения проектов К и
Г-Б: в ранжировке (3) Г-Б < К, а в ранжировке (4), наоборот, К < Г-Б. Однако эти
проекты - наименее привлекательные из восьми рассматриваемых, и при выборе
наиболее привлекательных проектов для дальнейшего обсуждения и использования
на указанное расхождение можно не обращать внимания.
Рассмотренный пример демонстрирует сходство и различие ранжировок, полученные по
методу средних арифметических рангов и по методу медиан, а также пользу от их совместного
применения
Методы согласования должны соответствовать методологии теории
устойчивости, согласно которой результат обработки данных инвариантный
относительна метода обработки соответствует реальности, а результат обработки,
зависящий от метода обработки, отражает субъективизм исследователя, а не
объективные соотношения.

232. Многокритериальные методы структурирования альтернатив

1.
Классификация многокритериальных методов в соответствии с ролью ЛПР.
Методы. Основанные на построении решающего правила (функции выбора) с участием ЛПР.
Решающее правило в виде функции ценности (полезности). Кривые безразличия и
субъективное замещение. Многомерные функции полезности и поверхности безразличия.
Стратегическая эквивалентность функций полезности. Предельный коэффициент замещения.
Аддитивная функция полезности. Условия аддитивности и построение функции ценности для
двух критериев. Обсуждение ситуации с тремя и большим числом критериев. Эвристические
подходы к построению решающих правил. МАИ, метод Электра для выбора из конечного
числа альтернатив.
2.Итеративные многокритериальные процедуры поиска наиболее предпочтительного
решения.
Структура итеративных процедур. Две фазы итеративной процедуры. Прямое назначений весов,
ограничений, целей и других параметров в итеративных процедурах. Структурированные и
неструктурированные процедуры. Процедура Джоффриона-Дайера как пример
структурированной процедуры. Возможности человека в итерационных процедурах.
Требования, предъявляемые к итеративным процедурам: сходимость, простота вопросов к ЛПР,
малое число итераций, устойчивость к ошибкам ЛПР.

233.

3.
Основные типы итеративных процедур.
Процедуры, основанные на назначении весов. Процедуры Зайонца-Валлениуса сжатия
конусов весов. Процедуры, основанные на использовании ограничений. Процедура STEM.
Процедуры, основанные на назначении целей. Современные графические итеративные
методы. Проекции на эффективное множество. Процедуры Корхонена-Лааксо. Бег по
множеству Парето. Процедуры, основанные на визуализации двумерных сечений оболочки
Эджворта-Парето.
4.
Традиционные методы представления эффективного множества совокупностью его
точек.
Построение эффективного множества для систем с конечным числом вариантов. Представление
ЛПР совокупности эффективных точек. Трудности непосредственного выбора из большого списка
альтернатив. Случай линейных систем. Нахождение всех эффективных вершин. Условие
эффективности соседнего базиса. Построение эффективной грани. Представление ЛПР
совокупности эффективных вершин. Методы представления эффективного множества для
нелинейных систем. Использование сверток критериев, целевых точек и критериальных
ограничений. Метод идеальной точки. Методы ограничений.
5.
Методы представления недоминируемого множества на основе сечений оболочки
Эджворта-Парето. Свойства двумерных сечений оболочки Эджворта-Парето. Диалоговые карты
решений. Анимация карт решений. Метод достижимых целей для выпуклых систем. Построение
решений. Метод достижимых целей для нелинейных систем. Визуализация системы конусов.
Анализ возможностей выбора решения. Метод разумных целей для задач с конечным числом
альтернатив. Визуализация выпуклой оболочки системы конечного числа вариантов.
Обоснованный выбор цели и наложение ограничений. Методы выбора предпочтительных
решений из совокупности вариантов. Примеры применения. Метод разумных целей для задач с
бесконечным числом альтернатив.

234.

Критериальное структурирование множества альтернатив
Как уже отмечалось, одним из элементов задачи принятия решений является множество критериев
,
в соответствие с которым ЛПР выбирает ту или иную альтернативу из множества возможных
альтернатив.
.
В общем случае критерий
может представляться в виде некоторой оценочной функции F(A,C), принимающей значения на некотором
множестве оценок M, или в виде правила, по которому выбирается “наилучшая” альтернатива.
При этом “наилучшая” альтернатива соответствует максимальному или минимальному значению
оценочной функции в зависимости от смысла критерия. В общем виде необходимо построить отображения
С: А→М
произведении АxС=(аj,сi
. Отображение
Г задается на прямом
), отображение С в зависимости от задачи задается либо на множестве
вещественных чисел, либо в форме качественных (лингвистических) оценок.
Для двух альтернатив ai и ak можно задать отношение строгого предпочтения, обозначаемое и
означающее,
что из двух альтернатив ai и ak ЛПР отдает предпочтение альтернативе ai. Отношение предпочтения
порождает
, что эквивалентно условию

235. Формирование набора критериев и оценка их важности

Пусть задано некоторое конечное множество вариантов (альтернатив)
решений А. Из множества А или любого его подмножества X (Х€А)
необходимо выделитьть один или несколько вариантов решений в некотором
смысле лучших или более соответствующих каким-либо заранее
оговоренным условиям. Для решения этой задачи традиционно
используется критериально-экстремизационный подход, который
может быть описан следующим образом.
Множество вариантов А проецируется на числовую ось, так что
каждому варианту соответствует конкретная точка числовой оси. В одну и ту
же точку может либо не может проецироваться более одного варианта.
Числовая ось, на которую спроецировано множество вариантов А,
называется шкалой. Сам процесс проецирования, т.е.приписывание
элементам из А числовых значений, соответствующих точкам числовой оси, в
которые они проецируются называется шкалированием. Если после такого
проецирования упорядочить все варианты из А по величине приписанных им
числовых оценок и сохранить за вариантами лишь их порядковый номер, то
образованная таким образом шкала называется порядковой или ранговой.

236.

Если вариант считается тем «лучше» или тем более соответствующим заранее
фиксированной цели выбора, чем большая ( или меньшая) числовая или ранговая
оценка приписывается варианту, то шкала называется критерием для выбора или
критериальной шкалой.
Рассмотрим вариант х €А и выразим его критериальную оценку т.е. числовое значение
той точки шкалы, в которую вариант спроецирован через f(x), некоторую функцию,
заданную на всех вариантах х из А и имеющую числовые значения, определяемые
критериальной шкалой.
Такая функция и называется критерием.
Таким образом, критерий это способ выражения различий в оценке альтернативных
вариантов с точки зрения ЛПР .
Выбор подмножества YA лучших вариантов из А по заданному критерию f(x) называется
экстремизационным, если он осуществляется по правилу
YA { y A / x A : f ( x) f ( y)}
(1)
YA { y A / x A : f ( y) f ( x)}
То есть в Ya включаются такие и только такие варианты, для которых в множестве А не
существует вариантов, имеющих строго большую критериальную оценку.

237.

Будем говорить, что задан набор или вектор критериев
(f(x)} = {fi(x), }, i 1, n где i - номер критерия, а n – число критериев
Поскольку ситуация может описываться не одним, а несколькими критериями, возникла
необходимость расширения представления о максимуме так, чтобы оно приводило к
осмысленному выбору некоторого подмножества вариантов,лучших с точки зрения этого набора
критериев. Для этого необходимо, чтобы неравенства в (1) выполнялись как векторные,
то есть формулы (1) заменим формулами:
YA { y A / x A : {F ( x) F ( y)}}
YA { y A / x A : {F ( y) F ( x)}}
где соотношение { F(x)}>{F(y)} означает, что fi(x)>fi(y), i {1...n}
Иногда знак > заменяется на ≥ при дополнительном предположении, что хотя бы
для одного i* {1...n} неравенство
f i* ( x) f i* ( y )
сохраняется.
Такое видоизмененное правило в литературе называют правилом Парето.

238.

В большинстве практических задач принятия решения альтернативы оцениваются не по одному, а по
нескольким критериям. Так, при экономической оценке проекта критериями служат экономическая
эффективность, стоимость, реализуемость. При покупке оборудования мы опять сталкиваемся с
несколькими критериями: стоимость, надежность, производительность и т.д. Достаточно сложно
назвать практическую область, принятие решений в рамках которой ограничивалось бы только одним
критерием. Наличие нескольких критериев делает задачу принятия решений многокритериальной.
В многокритериальных задачах принятия решений альтернатива оценивается векторным критерием
,,
.
Таким образом задача многокритериального принятия решения заключается в нахождении
альтернативы наилучшей в смысле векторного критерия С(а). Поиск решения
многокритериальной задачи не представляет особых сложностей, если предпочтение по
одному критерию влечет за собой такое же предпочтение по другому критерию, т.е.
критерии кооперируются. Решение многокритериальной задачи также не представляет
особых сложностей, если критерии нейтральны по отношению друг к другу, т.е. поиск
решения по одному критерию никаким образом не отражается на поиске решения по
другому критерию. Однако эти ситуации являются частными случаями. В общем
сложность решения многокритериальных задач состоит в том, что критерии конкурируют
друг с другом. В большинстве практических задач поиск более предпочтительного
решения по одному критерию приводит к тому, что решение становится менее
предпочтительным по другому критерию, т.е. решения несравнимыми между собой.

239. Желательные свойства набора критериев.

Набор критериев
должен быть: полным, действенным, разложимым, неизбыточным и
минимальным.
Полнота набора критериев. Набор должен охватывать все важные аспекты
проблемы. Набор критериев является полным, если с его помощью можно показать
степень достижения общей цели, то естъ набор из n критериев полон, если зная
значение n-мерного критерия, связанного с общей целью, ЛПР имеет полное
представление о степени достижения общей цели . Заметим, что последнее
определение не является конструктивным, а скорее дает некоторую идеальную меру
полноты набора критериев.
Видимо, не существует формального метода определения полноты набора
критериев, но каждый на собственном опыте мог убедиться, что не учет какого-либо
фактора или группы факторов приводил к неуспеху проводимого мероприятия.
Действенность критериев. ЛПР должен понимать смысл критериев и влияние
их действий на обсуждаемую проблему.
Критерии должны быть такими, чтобы их можно было объяснить другим, особенно в
тех случаях, когда важнейшей целью работы является выработка и защита
определенной позиции.

240.

Разложимость. Формальный анализ решения требует, чтобы было найдено
количественное выражение как предпочтений руководителя (ЛПР) относительных
последствий, так и его суждений о неоднозначно оцениваемых событиях. При
использовании N критериев это означает, что необходим построить (дать оценку)
N --мерную функцию предпочтения. Для задач с большим числом критериев полезно
произвести декомпозицию задачи и разложить ее на подзадачи, каждая из которых
содержит меньшее число критериев. То есть желательно, чтобы набор критериев был
разложимым
Неизбыточность. Критерии должны быть определены так, чтобы не дублировался учет
одних и тех же аспектов решаемой проблемы,
Минимальная размерность. Желательно, чтобы набор критериев настолько малым,
насколько это возможно. Увеличение числа критериев приводит, с одной стороны, к
анализу решаемой проблемы в более широком плане, с другой стороны, может сильно
усложнить и запутать анализ, что приведет к ошибочности результатов. Первое желание
ЛПР - указать как можно больше критериев, пытаясь связать каждый примитивный
признак с самостоятельным критерием.
Однако затем выясняется, что критерии необходимо ранжировать
по их важности (значимости) с точки зрения ЛПР, а параметрические шкалы
необходимо отображать в критериальные, увеличивая нагрузку на ЛПР. Кроме того,
хорошо известно, что чем больше число критериев, тем большее число сравниваемых
объектов попадает в категорию несравнимых. Поэтому возникает желание
если не уменьшать число критериев (их не учет может привести к серьезным
искажениям оценки объекта), то во всяком случае не увеличивать их.

241.

Из сказанного видно, что формальные методы формирования набора критериев
предложить трудно. Они очень сильно зависят от опыта и способности экспертов и,
что чрезвычайно важно характера лица, принимающего решения. Один лидер в
критической ситуации сжигает мосты, позволяющие отступить перед превосходящим
противником, заставляя драться до конца, другой может наоборот, усилить
переправы, давая возможность отойти и попытаться взять реванш в следующий раз.
Система поддержки принятия решения должна предоставить ЛПР методы и средства
для выявления критериев оценки объекта (обстановки, решения, действия и т.п.).
Существуют различные способы представления критериев:
.списковые, графические, табличные и т.д.
Не вдаваясь в методы программного интерфейса, отметим, что в повторяющихся
задачах они могут (и должны) быть представлены в меню с возможностью
их расширения или сокращения. В задачах уникального типа может быть представлено
большое число типовых критериев характерных для разнородных задач, из которых
ЛПР выбирает нужные, либо дается возможность самому записать критерии,
которые он считает нужными.
Отметим еще раз, что набор критериев определяется только предпочтениями ЛПР.
Критерии ЛПР могут резко отличаться от традиционных или общепринятых, и поэтому
система поддержки принятия решений может только предложить ЛПР некоторый
набор критериев, оставляя за ним решение об их выборе.

242. Оценка важности критерия

Определение значимости критерия (его "веса", важности) играет большую роль в
формализованных процедурах формирования решения.
Существует много методов оценки важности критериев, связанных главным образом с
оценкой "весов" критериев.
Метод определения
значимости критериев
Используемая информация
1.На основе опыта и знаний
Опыт в аналогичных ситуациях и
знания ЛПР
ЛПР
2. Hа основе
критериального анализа
ситуации, опыта и знаний
Оценка текущего и желательного
состояния объекта по каждому
критерию, опыт и знания
3. На основе критериального анализа
ситуации, прогнозирования,
опыта и знаний
Оценка текущего и желательного
состояния объекта по каждому
критерию, динамики объекта при
нулевых управляющих воздействиях
по каждому критерию, опыт и знания
В первом случае использование вычислительной техники позволяет облегчить выбор критериев
высвечиванием на дисплее списка возможных критериев. Критерии, которые с точки зрения
ЛПР не имеют большого значения, вычеркиваются из списка, при отсутствии в списке
необходимых критериев ЛПР может его дополнить. Определение "веса" (значимости) каждого
критерия не формализуется.

243.

• «Здесь мы встречаемся с очень типичной для подобных ситуаций
приемом- переносом произвола из одной инстанции в другую.
Простой выбор компромиссного решения на основе мысленного
сопоставления всех «за» и « против» каждого решения кажется
слишком произвольным, недостаточно научным. А вот
маневрирование с формулой, включающей(пусть столь же
произвольно назначенные ) коэффициенты- совсем другое дело. Это у
же наука. По существу никакой науки тут нет, и нечего себя
обманывать» Вентцель Е.С.

244.

Сведение многокритериальной задачи
к однокритериальной
Линейная свертка. Наиболее простым и часто используемым способом
сведения много-критериальной задачи к однокритериальной является
линейная свертка.
Наилучшей считается альтернатива для которой оценка
Если используются весовые коэффициенты

245.

Одной из разновидностей сведения многокритериальной задачи к
однокритериальной на основе линейной свертки является метод SAW
(Simple Additive Weighting), или метод простого аддитивного
взвешивания.
Алгоритм расчета методом SAW следующий:
1. Пусть C ={c1,c2 ,cm} – множество оцениваемых критериев,
A ={a1,a2,an} – множество возможных альтернативных
решений.
Строится матрица X, где xij – значение критерия ci для
альтернативы a j :
2. Определение нормированных значений матрицы оценок
критериев. Для нормирования матрицы оценок критериев находятся
наилучшие значения xij исходной матрицы значений критериев по
следующим формулам:
, если критерии минимизируемы .

246.

Матрица нормированных значений критериев имеет вид:
3.Для более объективного результата, вводятся коэффициенты веса
wiͼ [0,1] каждому критерию. Данные коэффициенты позволяют
провести оценку с учетом приоритетности и весомости критериев.
Сумма коэффициентов удельного веса всех критериев равна 1:
В итоге получена матрица
Для каждой альтернативы находится оценка
Наилучший вариант решения – альтернатива ,для которой

247.

Рассмотрим пример
Критерии
С1
С2
С3
С4
С5
С6
Альтернативы
А1
А2
А3
А4
А5
9
7
6
5
7
4
5
4
3
4
5
2
1
5
8
2
4
9
7
2
8
7
5
6
5
5
5
6
5
6

248.

Следующим этапом будет нахождение нормированных оценок
критериев.
Для этого определяются максимальные и минимальные оценки
критериев.
Вектор максимальных значений критериев будет иметь вид
X max =(9;7;8;7;7;9) ,
Вектор минимальных значений – Xmin =(1;2;3;2;4;2)
Критерии в данном случае максимизируемы, поэтому для нормирования
оценок используется формула

249.

Нормированные оценки критериев
Критерии
С1
С2
С3
С4
С5
С6
Альтернативы
А1
А2
А3
А4
А5
1.0
1.0
0.6
0.6
1.0
0.286
0.5
0.4
0
0.4
0.33
0
0
0.6
1
0
0
1
075 0.5
0
0.6
1
0.4
1
0.8
0.33 0.33
0.571 0.571
Веса критериев=[0.25,0.2,0.175,0.14,0.135,0.1]
Нормализованные значения критериев умножаются на
коэффициенты веса, и находится наилучшее решение.

250.

Расчет рейтинга альтернатив
Критерии
Произведение веса критерия на
оценку
А1
А2
А3
А4
А5
С1
С2
С3
С4
С5
С6
0.25
0.2
0.105
0.084
0.135
0.029
0.803
0.125
0.08
0
0.056
0.045
0
0.306
Наивысший рейтинг у a1
0
0.12
0.175
0
0
0.1
0.395
0.188 0.125
0
0.12
0.175 0.07
0.14 0.112
0.33 0.045
0.571 0.57
0.605 0.529

251.

Для рассмотренных методов можно указать ряд существенных недостатков.
В одной из классических работ строго доказано, что линейная свертка корректна только
тогда, когда все критерии попарно независимы по предпочтению.
Линейная свертка основана на неявном постулате: "низкая оценка по одному критерию
может быть компенсирована высокой оценкой по другому". Однако, этот постулат
верен отнюдь не для всех моделей сравнительной оценки "качества".
Минимаксный метод- это метод осторожного наблюдателя или глубокого пессимиста,
т.к. ориентирован на наихудший случай.
Как правило, ориентация на наихудшую оценку влечет за собой неоправданные запасы
(резервируются финансовые средства, могут создаваться материальные запасы).
Резервирование излишних финансовых средств может уменьшить оборотный капитал
фирмы; зарезервированные деньги теряют свою стоимость. Излишние материальные
запасы – плохо ликвидные инструменты, их трудно реализовать, следовательно, их
придется продавать со скидкой. Они занимают лишние площади, следовательно,
лишние траты на аренду. Материальные запасы могут потерять свою потребительскую
ценность и должны быть утилизованы. Кроме того, вероятность наихудшей ситуации
обычно очень мала. Минимаксные методы следует применять, когда последствия
реализации наихудшей ситуации могут стать катастрофическими.

252.

Метод идеальной точки. Для простоты будем считать, что идеальная альтернатива
должна иметь максимальные значения оценок критериального соответствия по всем
критериям. Тогда координаты идеальной точки
m*j max mij
i
Решением задачи будем считать альтернативу , вектор значений оценок критериального
соответствия которой минимально по норме отличается от идеальной точки:
si m*j min
Можно использовать как стандартную евклидову норму
(m m ) min
ij
* 2
j
j
так и Чебышевскую норму (максимальное по модулю отклонение)
max mij m *j min
i
i
или любую другую норму. Основным недостатком
всех рассмотренных методов является
замена многокритериальной задачи однокритериальной, что очевидно не одно и тоже, а также
то, что в процессе свертки не учитывается, что критерии и соответствующие оценку могут
иметь различную физическую природу и логический смысл.

253.

Рассмотрим пример
Критерии
С1
С2
С3
С4
С5
С6
Альтернативы
А1
А2
А3
А4
А5
9
7
6
5
7
4
5
4
3
4
5
2
1
5
8
2
4
9
7
2
8
7
5
6
5
5
5
6
5
6
Определяем оценку
{9,7,8,7,7,9}
Это оценки наилучшей альтернативы по критериям С1,С2,….С6,
соответственно

254.

Определяем разности
Критерии
С1
С2
С3
С4
С5
С6