Вы здесь

Розробка математичного, алгоритмічного та програмного забезпечення для прийняття рішень в різних предметних областях на основі методу дерева рішень

Автор: 
Панченко Максим Валерійович
Тип работы: 
Дис. канд. наук
Год: 
2005
Артикул:
0405U000572
99 грн
(320 руб)
Добавить в корзину

Содержимое

Глава 2. Збір експертної інформації
Методи кількісного прогнозування (часові ряди, регресійний аналіз, імітаційне
моделювання тощо), в основі яких лежить “продовження минулого”, дають погані
результати при прогнозуванні “нестабільних” процесів, що характеризуються
“порушенням монотонності”, в основі якого лежать стрибкоподібні зміни,
нехарактерні для розвитку процесу в минулому. Проблема полягає у
репрезентуванні майбутнього, яке не може інтерпретуватися як звичайне
продовження минулого, оскільки майбутнє може набувати принципово нових форм. В
основі такого прогнозування (“якісне прогнозування”, “передбачення”) лежить
ідея безпосереднього використання знань людини (експерта). При цьому в першу
чергу слід врахувати “нечіткість” експертної інформації, яка в свою чергу
залежать від його професійних та психологічних характеристик (компетентності,
незалежності, об’єктивності, реалізму, схильності до ризику).
В основі системи, що пропонується, лежить метод дерева рішень, причому
експертна інформація використовується як для побудови самого дерева, так і для
"оцінки" його дуг, для чого використовується метод попарних порівнянь
[18,19,20]. Експертна інформація може задаватися як в детермінованому вигляді,
так і в нечіткій формі. При обробці експертної інформації для знаходження
“колективних” оцінок використовується алгебраїчний метод, в якому
застосовується метрика Хемінга та міра неспівпадання рангів об’єктів.

2.1. Загальна схема системи підтримки прийняття рішень
Загальна схема системи підтримки прийняття рішень, яка б могла ефективно
використовуватися для прогнозування поведінки нестабільних явищ і створенню
якої присвячена дана робота, зображена на малюнку.

Основним методом якісного аналізу, який застосовується в даній роботі для
представлення зібраних експертних даних, є метод дерева рішень. Для його
ефективного застосування пропонуються наступні методи, які мають як кількісний,
так і якісний характер та дозволяють організовувати збір та попередню обробку
експертної інформації:
- метод попарних порівнянь. Цей метод кількісного аналізу застосовується для
організації опитування експертів. Він полягає у попарному порівнянні всіма
експертами однакового набору альтернатив на предмет їх включення у дерево
рішень, результатом чого є набір квадратних матриць;
- алгебраїчні методи. Застосовуються для обробки отриманих від експертів
таблиць попарних порівнянь альтернатив;
- якісні методи, які дозволяють обробляти нечіткі відповіді експертів та
визначати ваги експертів перед опитуванням.
Обробка зібраної інформації полягає у певному якісному та кількісному аналізі
побудованого дерева рішень, що трактується як знаходження оптимальних шляхів та
ваг окремих вершин у побудованому дереві рішень.
Також для ефективної роботи створюваної СППР, необхідно запропонувати механізм
аналізу здійсненого прогнозу, результати якого будуть враховуватися при
подальшій зміні дерева рішень.
Схема роботи створюваної СППР зображена на наступному малюнку.

2.2. Побудова дерева рішень
Група з разом працюючих експертів виділяє проблеми та підпроблеми і будує
дерево рішень, а також визначає важливість (вагу) кожної задачі (кожного
елемента дерева). Обробка експертної інформації на всіх стадіях проводиться з
врахуванням “ваг” експертів та ступеня узгодженості їх думок.
У верхній частині дерева рішень зібрані основні, найголовніші чинники. Потім
для цих чинників визначаються підпроблеми, які на них впливають. Таким самим
чином обробляються визначені підпроблеми і т.д. У результаті відбувається
побудова дерева рішень. В листах цього дерева знаходяться чинники, для яких
підпроблеми вже не визначаються. Після розстановки ваг у дереві рішень
обчислюється вага (ймовірність, важливість) кожного з цих чинників.
Дерево рішень будує група експертів (чи сама особа, що приймає рішення). Для
кожного з вузлів дерева (окрім листів) вони визначають підвузли (тобто для
кожної проблеми підпроблему). Потім у дереві розставляються ваги (ймовірності)
переходів між вершинами.
Прикладом роботи групи експертів може слугувати дерево рішень, побудоване для
задачі прогнозування курсу гривні на період 1998-1999 років:

Обчисливши ваги листів такого дерева, отримуємо імовірності конкретних курсів
національної валюти на певний період.
Зазначимо такі основні переваги цього підходу:
він дозволяє ефективно розв'язувати задачі технологічного передбачення при
дослідженні нестабільних процесів або явищ, які мають недостатню передісторію,
оскільки ґрунтується на використанні знань експертів та напряму не залежить від
інформації про поведінку явищ у минулому;
дозволяє достатньо структурувати збирання експертної інформації, розбиваючи
предметну область на певні сегменти, що дозволяє підбирати більш
вузькоспеціалізовані і, відповідно, більш кваліфіковані групи експертів.
Також слід указати такі недоліки такої методики:
на практиці досить складно підібрати групу кваліфікованих експертів певної
спрямованості;
для експерта є досить складним числове оцінювання досліджуваного процесу, тобто
доводиться якимось чином інтерпретувати нечіткі відповіді експертів на зразок
“так”, “ні”, “можливо” і т.п.;
при значній деталізації предметної області виникає питання, як швидко можливо
обробити дерево рішень такого значного об'єму, тобто виникає проблема великої
розмірності [68,69,71];
людям узагалі влас