Тема 8. Компьютерные технологии интеллектуальной поддержки управленческих решений

Тема восемь " Компьютерные технологии интеллектуальной поддержки управленческих решений" предназначена для изучения общих характеристик методов формирование решений, этапов принятия решений и критериев их оценки, формирования решений средствами таблиц, в условиях определенности, неопределенности, риска, с помощью нейросетей и нечетких множеств.

Обращаем внимание студента на следующее пожелание: основой для ее понимания служит параграф 5.6.4. Базы знаний и их применение для формирования экономических решений. Поэтому, прежде чем приступить к изучению темы восемь необходимо как следует освежить в памяти указанный параграф.

Анализируя какой-либо тип решения необходимо установить его соответствие цели принимаемого решения. В учебном материале раскрывается содержание типов решений и целей управления. Сегодня существует огромное множество подходов к принятию решений, однако следует отметить, что все они являются в той или иной мере вариациями этапов, разработанных лауреатом Нобелевской премии Г. Саймоном. Он предложил три этапа, которые рассмотрены в учебном пособии. Их можно рассматривать как классические. Следует особо подчеркнуть, что не существует единого метода формирования решений. Метод формирования конкретного решения, как правило, содержит в себе несколько расчетов, которые подбираются в соответствии со спецификой задачи.

Формирование решений ориентировано на три класса задач, решаемых в условиях определенности, неопределенности и риска. Кроме хорошо известных методов формирования решений рассматриваются также способы использования нейросетей и нечетких множеств.

Изложение материала в рамках данной темы начинается с изложения простейших методов – табличных. Основная трудность применения данного метода заключается в указании коэффициентов значимости каждого из критериев оценки принимаемого решения. Это та качественная информация, которая собственно и отличает систему формирования решений от формальных оптимизационных и других методов. Коэффициенты значимости отражают опыт и знание лица, принимающего решение в конкретной предметной области.

К простейшим также можно отнести методы, базирующиеся на средствах электронной таблицы Excel . С ее помощью можно решать две задачи: прямую (Что будет, если?) и обратную (Как сделать, чтобы?). Первая задача решается достаточно просто: пользователь, изменяя исходные данные, может получить различные варианты решения. Здесь следует отметить особо: обратная задача, с помощью средств MS Excel , решается лишь для функций с одной переменной, что не позволяет их использовать для принятия реальных управленческих решений. Далее будет показано, каким образом можно решать полномасштабные обратные задачи с помощью дерева целей.

Центральное положение в данной теме занимает метод формирования решений, принимаемых в условиях определенности. Это значит, что: задача хорошо формализована (существует модель решения), существует критерий оценки качества решения, последствия решения известны. Сущность метода состоит в построении дерева целей, которое позволяет отвечать на вопросы вида: Как сделать, чтобы? Для этого дерево целей должно быть преобразовано в базу знаний путем указания на нем следующей информации: ограничения на терминальные узлы дерева целей (ограничения на ресурсы); приоритеты в достижении целей и направления в изменении уровня достижения целей (знак плюс или минус).

Формирование решений в условиях неопределенности может осуществляться либо на основе дерева вывода, либо на основе нечетких множеств. Дерево вывода является результатом синтеза правил вида ЕСЛИ-ТО. Неопределенность выражается в коэффициентах достоверности, как самих правил, так и условий, от которых зависит заключение в каждом из правил. Студент должен обратить внимание на то, что дерево вывода является одной их форм базы знаний, являющейся основой для построения экспертных систем. Правила в экспертную систему пользователь вводит самостоятельно с помощью специально разработанного интерфейса.

Формирование решений в условиях риска отличается от предыдущих методов тем, что результаты их реализации можно подсчитать с помощью теории вероятности. В условиях риска можно использовать деревья решений, если альтернативы, отражающие варианты решения, находятся в отношениях соподчиненности. Как правило, условия появления альтернатив носят качественный характер и определяются вероятными величинами. Используя данный метод, следует учитывать, что иерархические отношения удобно представлять в виде дерева: дуги дерева отражают альтернативы частичных решений, а узлы – результаты. Тогда можно использовать простейшую формулу подсчета математического ожидания появления промежуточного или общего результата. Данный показатель является хорошим основанием для формирования решения.

Дальнейшее рассмотрение темы обращено к подробному изложению одного из подходов к формированию решения на основе нейросетей . Нейросетевые технологии, в отличие от экспертных систем, предназначены для воспроизведения неосознанных мыслительных усилий человека (например, человек плохо знает, как он узнает цвет предмета). Такого рода технологии используются для распознавания каких-либо событий или предметов. С их помощью можно воспроизвести многочисленные связи между множеством объектов. Принципиальное отличие искусственных нейросетей от обычных программных систем, например экспертных, состоит в том, что они не требуют программирования. Они сами настраиваются, т. е. обучаются тому, что требуется пользователю.

В процессе изучения данной темы студент должен вначале разобраться, как работает отдельный искусственный нейрон, а затем каким образом работает нейросеть и только после этого можно приступать к изучению процесса обучения нейросети. Зная, каким образом обучается нейросеть, без особого труда можно разобраться в ее применении для формирования решений. В учебном пособии предлагается пример, иллюстрирующий процесс использования нейросети для определения момента покупки акций одного из предприятий.

Завершается данная тема изложением метода формирования решений с помощью нечетких множеств. Обращаем внимание студента на то, что для его понимания служит параграф 5.6.4 (представление знаний с помощью нечетких множеств). Следует учитывать в процессе формирования решения данным методом то, что построение функций принадлежности соответствует понятиям критерия оценки, значения функций принадлежности являются самой оценкой, а свертку информации для выявления лучшей альтернативы лучше всего осуществлять на основе операции пересечения нечетких множеств.