Найти

Результаты поиска

• АЛГОРИТМ КЛАСТЕРИЗАЦИИ БОЛЬШИХ ГРУПП ЭКСПЕРТОВ НА ОСНОВЕ МЕТОДА ИНТЕРПРЕТАЦИОННОГО СТРУКТУРНОГО МОДЕЛИРОВАНИЯ

  Е.М. Герасименко , П.С. Герасименко

  6-21

  2025-12-30

  Аннотация ▼

  Представлен алгоритм для достижения консенсуса в социальных сетях при крупномасштабном групповом принятии решений с неполной вероятностной нечёткой информацией с элементами неуверенности, который учитывает доверительные отношения экспертов. Предложен метод кластеризации экспертов на основе интерпретационного структурного моделирования для классификации экспертов, а также для повышения эффективности достижения консенсуса. Разработаны операторы распространения и агрегирования доверия для вероятностной нечёткой информации с элементами неопределенности, которые позволяют проводить косвенную оценку доверия и определять весовые коэффициенты экспертов. В результате удаётся сформировать несколько подмножеств экспертов; определить весовые коэффициенты для большого числа экспертов на основе их взаимных отношений доверия. На основе кластеризации экспертов и вычисленного косвенного отношения доверия между экспертами осуществляется принятие решений в ЧС за счет достижения консенсуса с учетом колеблющейся вероятностной нечеткой информации и определяется наилучшая эвакуационная альтернатива. Оценки, предоставляемые экспертами в виде вероятностных колеблющихся нечётких значений, позволяют эффективно моделировать сомнения, неуверенность, несогласованность экспертов в оценках в случае участия группы экспертов или различных экспертных организаций. Вместе с тем становится возможным учитывать различные значения оценок экспертов в задачах принятия многокритериальных решений, когда эксперты не могут согласовать общие степени принадлежности. Алгоритм позволяет классифицировать большую группу экспертов на несколько подмножеств на основе их отношений социального доверия. Этот метод исключает получение пересекающихся подмножеств, при этом нет необходимости заранее задавать параметры кластеризации. Метод использует исключительно отношения социального доверия между экспертами, тем самым обходя проблему субъективного вмешательства в процесс кластеризации. По сравнению с традиционными методами кластеризации метод кластеризации на основе метода интерпретационного структурного моделирования позволяет эффективно выявить иерархическую структуру взаимоотношений между экспертами и минимизировать число участников крупномасштабного группового принятия решений в социальной сети за счет снижения размерности множества экспертов. Кластеризация экспертов на основе метода интерпретационного структурного моделирования существенно повышает эффективность и реализуемость крупномасштабного группового принятия решений

• ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ ОБ ЭВАКУАЦИИ ПРИ НАВОДНЕНИИ

  Е.М. Герасименко , В.В. Курейчик , С.И. Родзин , А.П. Кухаренко

  2022-11-01

  Аннотация ▼

  Речь идет о стихийных бедствиях, таких как наводнение, которые можно спрогнозиро-
  вать за несколько часов до того, как они произойдут, чтобы можно было организовать эвакуа-
  цию населения. Эвакуация означает, что люди в районах бедствия должны покинуть эти рай-
  оны и добраться до укрытий или убежищ. Представлен анализ процесса принятия решения об
  эвакуации, основные критерии, определяющие решение и основные этапы применения нечеткой
  логики для принятия решения об эвакуации на основе качественных и количественных значений
  критериев принятия решения. Эти этапы включают выбор критериев, определение качествен-
  ных входных и выходных переменных, фаззификацию переменных, определение базы нечетких
  правил, построение нечеткого вывода, визуализацию результатов и анализ чувствительности.
  При моделировании учитывались следующие критерии: прогнозируемый уровень наводнения,
  уровень опасности, уязвимость района предполагаемого наводнения и возможность безопасной
  эвакуации. Прогнозируемый уровень наводнения основывался на параметрах максимального
  уровня и скорости подъема воды. Уровень опасности отражал физические характеристики
  наводнения и его потенциальное воздействие на безопасность людей в районе наводнения. Уяз-
  вимость района предполагаемого наводнения определялась как неспособность на местном
  уровне предотвратить непосредственный контакт людей с паводковыми водами во время со-
  бытия. Возможность безопасной эвакуации определялась как множество ограничений и по-
  тенциальных негативных аспектов, которые могут задержать или помешать успешному про-
  ведению эвакуации. Представлено описание качественных переменных критериев принятия
  решения о необходимости эвакуации, примеры определения базы нечетких правил. Нечеткая
  модель реализована с помощью Matlab Fuzzy Logic Toolbox. Описана процедура нечеткого выво-
  да и интерпретации решения и модель нескольких сценариев и ситуаций наводнения. Рассмот-
  рен способ, с помощью которого нечеткая модель принятия решения об эвакуации может
  быть применена в сочетании с геоинформационной системой. Представлены действия, связан-
  ные с необходимостью эвакуации для различных сценариев и обстоятельств.

• ИНТЕЛЛЕКТУАЛЬНАЯ РЕКОМЕНДАТЕЛЬНАЯ СИСТЕМА ДЛЯ ПРОСТРАНСТВЕННОГО АНАЛИЗА

  С.Л. Беляков , А. В. Боженюк , Н. А. Голова , К.С. Яворчук , И.Н. Розенберг

  14-26

  2025-07-31

  Аннотация ▼

  Работа посвящена анализу механизмов формирования рекомендаций и оценки реак-
  ции на них в интерактивном режиме работы пользователя с геоинформационной систе-
  мой. Одной из важных областей применения рекомендательных систем является поиск и
  принятие решений в пространственных ситуациях. Особенностью данного класса задач
  является неопределенность постановки задач и неоднозначность оценивания решений.
  Пользователи зачастую сталкиваются с проблемами, которые не имеют четкой форму-
  лировки. Стремление их разрешить потребует не только выбора направления поиска ре-
  шения, но и нахождения адекватной последовательности задач с четко оформленными
  входными и выходными данными. Рекомендации в таких случаях призваны в диалоге с поль-
  зователем-аналитиком планировать стратегию поиска решений. В настоящей работе
  исследуется интеллектуальная рекомендательная система, использующая опыт диалого-
  вого взаимодействия в процессе изучения проблемы. Предлагается модель адаптации к
  ментальному образу проблемы, который строит пользователь, с учетом уровней его си-
  туационной осведомленности и когнитивной нагрузки. Особенность модели в использова-
  нии визуальных картографических объектов, являющихся индикаторами состояния мен-
  тального образа. Рекомендация представляется набором объектов, которые внедряются в
  область картографического анализа. Тем самым неявно индуцируется определенное смы-
  словое направление повышения ситуационной осведомленности. Предлагается критерий
  удовлетворенности рекомендациями. Приводится диаграмма состояний рекомендатель-
  ной системы, описывающая подбор адекватного решаемой проблеме контекста. Под кон-
  текстом понимается информационный объект, способный предоставлять программные
  функции и данные для решения задач ограниченного класса. Последовательность контек-
  стов в сеансе анализа рассматривается как прецедент опыта. Для возможных цепочек
  контекстов предложены показатели тренда, тенденции и ритма. Через данные показате-
  ли оценивается степень смысловой близости прецедентов текущему ходу поиска решения.
  Их использование позволит повысить скорость адаптации

• ИНТЕЛЛЕКТУАЛЬНАЯ РЕКОМЕНДАТЕЛЬНАЯ СИСТЕМА ДЛЯ ПРОСТРАНСТВЕННОГО АНАЛИЗА

  С.Л. Беляков , А.В. Боженюк , Н.А. Голова , К.С. Яворчук , И.Н. Розенберг

  14-26

  2025-07-30

  Аннотация ▼

  Работа посвящена анализу механизмов формирования рекомендаций и оценки реак-
  ции на них в интерактивном режиме работы пользователя с геоинформационной систе-
  мой. Одной из важных областей применения рекомендательных систем является поиск и
  принятие решений в пространственных ситуациях. Особенностью данного класса задач
  является неопределенность постановки задач и неоднозначность оценивания решений.
  Пользователи зачастую сталкиваются с проблемами, которые не имеют четкой форму-
  лировки. Стремление их разрешить потребует не только выбора направления поиска ре-
  шения, но и нахождения адекватной последовательности задач с четко оформленными
  входными и выходными данными. Рекомендации в таких случаях призваны в диалоге с поль-
  зователем-аналитиком планировать стратегию поиска решений. В настоящей работе
  исследуется интеллектуальная рекомендательная система, использующая опыт диалого-
  вого взаимодействия в процессе изучения проблемы. Предлагается модель адаптации к
  ментальному образу проблемы, который строит пользователь, с учетом уровней его си-
  туационной осведомленности и когнитивной нагрузки. Особенность модели в использова-
  нии визуальных картографических объектов, являющихся индикаторами состояния мен-
  тального образа. Рекомендация представляется набором объектов, которые внедряются в
  область картографического анализа. Тем самым неявно индуцируется определенное смы-
  словое направление повышения ситуационной осведомленности. Предлагается критерий
  удовлетворенности рекомендациями. Приводится диаграмма состояний рекомендатель-
  ной системы, описывающая подбор адекватного решаемой проблеме контекста. Под кон-
  текстом понимается информационный объект, способный предоставлять программные
  функции и данные для решения задач ограниченного класса. Последовательность контек-
  стов в сеансе анализа рассматривается как прецедент опыта. Для возможных цепочек
  контекстов предложены показатели тренда, тенденции и ритма. Через данные показате-
  ли оценивается степень смысловой близости прецедентов текущему ходу поиска решения.
  Их использование позволит повысить скорость адаптации

• ЗНАНИЯ ДЛЯ АРГУМЕНТАЦИИ ПРИ СОПОСТАВЛЕНИИ ПРОСТРАНСТВЕННЫХ СИТУАЦИЙ

  С. Л. Беляков , Н.А. Голова , К.С. Яворчук , И. Н. Розенберг

  2022-05-26

  Аннотация ▼

  Традиционно применяемым способом оценки качества решения, которое предлагает-
  ся интеллектуальной системой, является объяснение хода логического вывода. Знания о
  рассуждениях применяются для аргументации выбора варианта решения. Последователь-
  ность примененных правил, использованные факты и подтвержденные гипотезы счита-
  ются аргументами, которые должны убедить пользователя в справедливости сформиро-
  ванного заключения. Недостатком подобного способа объяснения является то, что он
  отражает формально верный, но лишенный смыслового наполнения ход рассуждений.
  Аргументация полученного решения основывается на протоколе трассировки, по сути
  ничем не отличающегося от отладочной информации при трассировки программ. Аргу-
  ментация в таком случае далека от смысла ситуации. Под смыслом понимается заданный
  набор преобразований ситуации, сохраняющих неизменность ее восприятия человеком-
  аналитиком. Знания о смысловом содержании ситуаций должны представляться специ-
  альной моделью. В данной работе рассматривается представление, содержащее преце-
  дент и его допустимые преобразования. В такой форме описываются пространственные
  ситуации в геоинформационных системах. Для аргументации предлагается использовать
  специальные отношения между образами ситуаций. Вводится понятие области примени-
  мости образа. Взаимное расположение пространственно-временной и семантической обо-
  лочки образов и областей их применимости рассматривается как носитель отношения.
  Сведения об отношениях извлекаются из структуры картографической базы данных. Рас-
  сматриваются отношения наследования, агрегирования, композиции, генерализации и ас-
  социации классов объектов. Знания для аргументации представляются правилами опреде-
  ления показателя достоверности экспертного вывода для отдельных отношений и их со-
  четаний. Предлагается способ автоматической генерации правил. Приводятся соотноше-
  ния для сравнения уровней достоверности правил.

• ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА АНАЛИЗА ТОНАЛЬНОСТИ ДЛЯ ИЗМЕРЕНИЯ ЛОЯЛЬНОСТИ ПОКУПАТЕЛЕЙ И ПРИНЯТИЯ РЕШЕНИЙ, ОСНОВАННАЯ НА НЕЧЕТКОЙ ЛОГИКЕ

  Е. М. Герасименко , В. В. Стеценко

  2021-11-14

  Аннотация ▼

  Представлен интеллектуальный подход к измерению лояльности клиентов к кон-
  кретному продукту, основанный на анализе комментариев. Общий анализ тональности в
  твитах и сообщениях проводится довольно часто, однако ориентированный на задачи
  анализ мнений пользователей и измерение уровня их лояльности является новой идеей.
  Сложность в проведении ориентированного на задачу анализа тональности сообщений
  заключается в измерении лояльности клиента к конкретному продукту на основе мнения
  клиентов об этом самом продукте. Полученные данные об уровне лояльности клиента к
  продукту смогут помочь новому клиенту принять решение о конкретном товаре, учиты-
  вая его различные особенности и отзывы предыдущих клиентов. В качестве набора данных
  был использован большой массив данных, состоящих из онлайн-отзывов клиентов с
  Amazon.com. Набор исходных данных представляет собой совокупность отзывов, из кото-
  рых предлагаемый подход формирует агрегированную оценку мнений, далее используется
  модель нечеткой логики для измерения лояльности клиента к продукту. В предложенном
  подходе входной текст сначала обрабатывается с помощью таких методов как токениза-
  ция, удаления стоп-слов, лемматизация, затем происходит маркировка частей речи и осу-
  ществляется анализ полярности отзывов, затем, к полученным агрегированным оценкам
  применяются методы нечеткой логики, чтобы определить степень лояльности клиентов к
  продукту. В этой работе использовались различные библиотеки с открытыми API, такие
  как SentiWordNet, Stanford CoreNLP и т.д. Используемый подход фокусируется на выявле-
  нии тональности обзоров, которые могут быть положительными, отрицательными и
  нейтральными. В нашем исследовании мы использовали треугольную функцию принадлеж-
  ности, также известную как trimf, потому что она поддерживает три переменные и соз-
  дает связь между ними. Реализация подхода обеспечивает высокую точность определения
  лояльности к продуктам электронной коммерции, которая превосходит предыдущие под-
  ходы, а применение нечеткой логик позволило значительно повысить значения таких пока-
  зателей как точность, полнота и F-мера.

• АЛГОРИТМ ЭФФЕКТИВНЫХ УПРАВЛЕНИЙ В НЕСТОХАСТИЧЕСКИХ ПРИЧИННЫХ МОДЕЛЯХ В ОТСУТСТВИИ НАБЛЮДАЕМЫХ ПЕРЕМЕННЫХ ДЛЯ СИСТЕМ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ

  А. Н. Целых , В. С. Васильев , Л.А. Целых

  2021-11-14

  Аннотация ▼

  Рассматривается проблема репликации процесса принятия человеком управленческих
  решений в условиях неопределенности и неполноты исходных данных. Лицо, принимающее
  решение, опирается на свою систему взглядов, в которую входит общее видение системы,
  относительно которой принимается решение. Система представлена в виде причинной
  модели, созданной на основе ментальных представлений человека. Эти модели представ-
  ляют собой направленные графы, на дугах которых причинность выражена в виде меток,
  которые имеют знак, определяющий направление изменений состояния системы. Вершины
  этого направленного графа представляют собой концепты высокого уровня абстракции.
  Такой граф моелирует функционирование реальной системы. Таким образом, мы исследуем
  проблему предсказания и управления действиями человека на основе нестохастических
  причинных моделей в отсутствие наблюдаемых переменных для использования в системах
  поддержки принятия решений и экспертных системах. Принятие решений рассматрива-
  ется с точки зрения выбора объектов приложения управленческих воздействий – факторов
  модели. В настоящем исследовании мы показываем, что применение предложенного алго-
  ритма может облегчить принятие решений относительно выбора управляющих воздейст-
  вий, которые поддерживают достижение тактических и стратегических целей лица, при-
  нимающего решения. Следует отметить, что алгоритм реализует автоматизированный
  подбор параметра регуляризации, что делает доступным разработку и применение предложенного алгоритма для пользователей, не имеющих достаточной математической под-
  готовки. Сходимость последовательности множителя Лагранжа алгоритма эффектив-
  ных управлений доказана. Доказана теорема о резонансе в нестохастической причинной
  модели, представленной направленным графом, который определяется областью допус-
  тимых значений коэффициента демпфирования в модели управления. Ожидается, что
  внедрение этого инструмента в системы поддержки принятия решений повысит надеж-
  ность решений, принимаемых в отношении работы системы в целом. Выбор управляющих
  воздействий с использованием предложенного алгоритма имеет высокую эффективность
  и производительность. Таким образом, результаты, представленные в исследовании, мо-
  гут быть полезны для разработки приложений в интеллектуальных системах

• АЛГОРИТМ РЕКОНСТРУКЦИИ МАТРИЦЫ СМЕЖНОСТИ ПРИЧИННЫХ ГРАФОВЫХ МОДЕЛЕЙ В ОТСУТСТВИИ НАБЛЮДАЕМЫХ ПЕРЕМЕННЫХ

  А. Н. Целых, В.С. Васильев , Л. А. Целых

  2021-11-14

  Аннотация ▼

  Рассматривается проблема моделирования сложных систем при отсутствии на-
  блюдаемых переменных. Для решения этой проблемы предлагается использовать причин-
  ные графовые модели. Класс причинных моделей, который мы здесь рассматриваем, опре-
  деляется как нестохастические причинные модели с ненаблюдаемыми переменными. Эти
  модели представляются в виде направленного графа, создаваемого на основе человеческих
  ментальных репрезентациях. При этом на дугах причинность выражена в виде некоторых
  меток, которые имеют знак, определяющий направление изменений состояния системы.
  Рассматриваемые причинные модели включают неоднородные, сложные и качественныетипы переменных, иллюстрирующие нечисловую природу узлов и связей, а, следовательно,
  отсутствие и невозможность получения временных рядов данных. В условиях отсутствия
  наблюдаемых переменных и невозможности проведения экспериментов, проблема рекон-
  струкции матрицы смежности графовой причинной модели становится гораздо более
  сложной. Требуется получить модель с определенным спектральным разложением, которое
  реализует основную функцию моделируемой системы. На основе этой концепции предлагает-
  ся новый метод реконструкции матрицы смежности, реализованный на соответствующей
  матрице причинного распространения или передаточной матрице. Идея состоит в том,
  чтобы использовать комбинаторную оптимизацию на основе спектральной теории графов
  для генерации данных из качественной нестохастической причинной модели и реконструиро-
  вать матрицу смежности, используя эти данные. В этом случае собственные векторы
  идентифицируются как ключевые цели процесса реконструкции матрицы, что постулирует
  фундаментальный подход, основанный на спектральных свойствах графа. Результаты вы-
  числительных экспериментов решения задачи реконструкции матрицы смежности для при-
  чинных графовых моделей в отсутствии наблюдаемых переменных с использованием разра-
  ботанного алгоритма показали, что алгоритм эффективно реконструирует матрицы в за-
  данных параметрах с допустимыми показателями схожести. Доказана сходимость при-
  ближения к решению алгоритма реконструкции матриц не медленнее, чем со скоростью
  геометрической прогрессии. С технической точки зрения, преимуществом алгоритма явля-
  ется реализация инструмента автоматической настройки параметра регуляризации, при-
  годного для пользователей без предварительных математических знаний.

• ТРАНСФОРМИРОВАНИЕ ОПЫТА ПРИНЯТИЯ РЕШЕНИЙ В ПРОСТРАНСТВЕННЫХ СИТУАЦИЯХ

  С. Л. Беляков , М. Л. Белякова, С.А. Зубков , Н. А. Голова, К.С. Яворчук

  2021-01-19

  Аннотация ▼

  Рассматривается задача переноса опыта принятия решений в ситуационном анали-
  зе, использующим геоинформационные системы. Необходимость интеллектуальной под-
  держки со стороны геоинформационной системы обусловлена тем, что пространствен-
  ные объекты и связи реального мира чрезвычайно динамичны. Применять в этих условиях
  аналитические модели процессов и явлений не удается из-за неполноты и противоречиво-
  сти описывающей их информации. Статистические модели зависят от большого числа
  факторов, которое варьируется при изменении географического положения ситуации.
  Альтернативой может стать использование опыта экспертов, способных принимать
  эффективные решения в локальных пространственных ситуациях. Неконтролируемость
  повторного использования опыта является проблемой. Знания, полученные при выработке
  решений в одной местности, могут привести к неадекватным решениям в другой местно-
  сти. Опыт решения проблемы в одной и той же местности теряет свою значимость с
  течением времени. В работе предлагается представление знаний в виде образа, состояще-
  го из центра и допустимых преобразований центра. Вводятся функции трансформирова-
  ния образов, выполняющие перенос знаний. Анализируются свойства функций трансфор-
  мирования, которые несут в себе процедурное знание об образах ситуаций. Рассматрива-
  ется использование выявленных свойств для формирования плана тестирования программ-
  ных процедур трансформирования. Изучаются критерии успешного трансформирования.
  Формулируется оптимизационная задача поиска наилучшей функции трансформирования в
  базе знаний ГИС. Предлагается обобщенная методика трансформирования опыта. Приво-
  дится пример синтеза методов трансформирования для выбора центра оперативного
  обслуживания вызовов. Образ ситуации принятия решения о выборе земельного участка
  для центра обслуживания, трансформируется в заданную область на карте ГИС.

• ПОСТАНОВКА ЗАДАЧИ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ПРОЦЕССОВ ПРИНЯТИЯ РЕШЕНИЙ В СЛОЖНЫХ ОРГАНИЗАЦИОННО-ТЕХНИЧЕСКИХ СИСТЕМАХ

  Г.В. Горелова

  2020-07-10

  Аннотация ▼

  Рассмотрены особенности организационно-технических систем (СОТС), относящихся к классу сложных. К СОТС могут быть отнесены робототехнические комплексы, автоматизи-рованные производства, радиоэлектронные системы и устройства, служащие для передачи и преобразования информации и др. В современном понимании СОТС являются информационно-техническими системами и в настоящее время уже не являются только техническими объек-тами, их можно классифицировать также как киберфизические системы (СPS). Эффектив-ность СОТС определяется многими критериями, которые должны изменяться по содержанию и времени в зависимости от целей, этапа существования СОТС, влияния внутренней и внешней среды. Это определяет специфику процессов принятия управленческих решений в них, требую-щую проведения предварительного имитационного моделирования, особенно на этапах проек-тирования этих систем. Дана в общем виде постановка задачи имитационного моделирования, базирующаяся на объединении трех подходов к решению: когнитивного, многокритериального и многоэтапного, вероятностной неопределенности. Предложены модели многоэтапного про-цесса принятия решений, вероятностной модели задачи оптимума номинала и когнитивного моделирования сложных систем. которые объединены в единый комплекс. Приведен демонст-рационный пример, состоящий из разработки когнитивной карты условной СОТС, функциони-рующей при наличии угроз внешней среды, моделирования сценариев функционирования на ког-нитивной карте при гипотетических изменениях управляющих и возмущающих воздействий на систему. Показано, что на определенных этапах принятия решений при вариациях критериальных оценок и управляющих воздействий возможно подавление угроз, возникающих перед систе-мой, а также повышение ее эффективности. Имитационное моделирование производилось с помощью авторского программной системы CMLS. Разрабатываемые математическое и про-граммное обеспечение предназначены для интеллектуальных систем управления рациональным поведением сложных объектов.