Найти

Результаты поиска

• 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.