Решение по многим критериям (например, выбор автомобиля, дачи, проекта и т д.). Однако при решении задачи выбора лучшей альтернативы управления динамической ситуацией возникают некоторые рассмотренные ниже проблемы

А.А. Кулинич², Н.В. Титова³

Рассмотрена интегрированная нечеткая система поддержки принятия решений в слабоструктурированных динамических ситуациях, включающая модель иерархического оценивания решений и динамическую модель ситуации в виде когнитивной карты.

1. Введение

В динамических ситуациях при генерации решений эксперт подсознательно включает в оценки этого решения экспертный прогноз развития ситуации в случае его применения. Например, если для некоторой экономической ситуации эксперт предлагает увеличить уровень налогов, то при оценивании этого решения эксперт акцентирует внимание не на сам факт увеличения налога, а последствия от его увеличения: например, рост бюджетных поступлений, замедление роста промышленности, рост социальных выплат и т.д. Все эти факторы последствий применения решения обычно являются листовыми критериями иерархии. Прогнозы их изменения получаются экспертным способом, который включает множество заблуждений и ошибок эксперта, искажающих экспертный прогноз [Сидельников, 1990].

Кроме этого, при оценивании альтернатив с помощью метода иерархии Саати, добавление новой альтернативы приводит к необходимости выполнения процедур ее парного сравнения и всех ранее определенных альтернатив, а это приводит к дополнительным ошибкам, связанным с нетранзитивностью оценок эксперта, которые эксперт не всегда согласен исправлять [Саати, 1993].

Для уменьшения возможных ошибок экспертов при оценивании динамических ситуаций предлагается дополнить оценочную иерархию моделью динамики развития ситуации, построенную на основе знаний эксперта о процессах протекающих в динамической ситуации.

Модель динамики ситуации предлагается строить на основе когнитивных карт, описывающих ситуацию множеством факторов, связанных причинно-следственными отношениями, и позволяющую получать прогнозы развития ситуаций, а также решить задачу генерации решений для перевода ситуации из начального в целевое состояние.

В этой статье исследуются вопросы интеграции нечетких моделей динамики ситуации, основанных на когнитивных картах и нечетких моделей иерархии оценивания ситуаций.

Методология когнитивного моделирования [Axelrod, 1976] основана на построении субъективной модели ситуации, отражающей знания субъекта о законах ее развития. Модель фиксируется в виде ориентированного знакового графа (когнитивной карты), в котором вершины – это факторы ситуации, а взвешенные дуги – причинно-следственные отношения, вес которых отражает силу влияния факторов ситуации. Когнитивная карта определяет структуру ситуации и формально представляется как ориентированный знаковый граф (F, W), где F – множество вершин - факторов ситуации, W=|w_ij| - матрица смежности. Для получения прогнозов развития ситуации в нечетких когнитивных картах [Kosko, 1986] для каждого фактора определено упорядоченное множество лингвистических значений Z_i ={z_iq} и шкала фактора как отображение лингвистических значений на отрезок числовой оси [0,1], т.е. : Z_i X_i , где X_i ={x_iq} , x_iq  [0,1],  i,q. Заданы, также, начальное состояние ситуации как вектор значений всех факторов ситуации X(0)=(x₁⁰, …, x_m⁰) и начальный вектор приращений факторов ситуации P(t)=(p₁,…, p_m).

Когнитивные карты позволяют получить прогноз развития ситуации X(t), X(t+1), …, X(t+n) – это векторы состояния ситуации в последовательные дискретные моменты времени t, t+1, …, t+n, где t - номер шага (такта) моделирования. Состояние ситуации в последовательные моменты времени в нечетких когнитивных моделях определяется парой: X(t+1), C(t+1), где C(t+1) вектор когнитивного консонанса значения фактора.

Когнитивный консонанс значения фактора c_i(t+1)C(t+1) используется для характеристики уверенности субъекта в результатах моделирования [Фестингер, 1999]. При c_i(t)1 уверенность субъекта в значении фактора максимальна, а при c_i(t) 0 минимальна.

В модели иерархического оценивания, цель, сформулированная в самом общем виде, представлена в виде дерева критериев, полученного путем декомпозиции цели на критерии более частного характера. Иерархия строится методом структурной декомпозиции, сформулированной экспертом цели «сверху вниз» и заканчивается, когда определен уровень далее не декомпозируемых листовых критериев .

С помощью экспертной процедуры парного сравнения [Саати, 1993] или нечеткого, интервального парного сравнения [Макеев, 1991] определяются веса всех листовых критериев , где [0,1], , определяющие относительную важность критериев.

За уровнем листовых критериев следует уровень альтернатив А={А^J}, J=1,M, каждая из которых определяет решение, характеризующееся набором свойств (атрибутов), совпадающих с названиями листовых критериев k_i. Для нахождения наилучшей альтернативы А^J сравниваются пары альтернатив А^J по каждому листовому критерию, что позволяет представить каждую альтернативу в виде вектора , где - оценка интенсивности проявления свойства альтернативы А^J , совпадающего с названием критерия k_i.

Для оценки достижимости цели каждой альтернативой используется функция , , где - веса листовых критериев в иерархической модели, , . Оценка достижимости цели для альтернативы А^J имеет вид линейной свертки:



4. Интегрированная модель поддержки принятия решений

Для повышения качества принимаемых решений в динамических ситуациях необходимо уменьшить субъективную составляющую прогнозов развития ситуации, получаемых экспертным способом. Ошибки и заблуждения эксперта при экспертном прогнозировании могут быть уменьшены при использовании для получения прогнозов развития ситуации моделей динамики анализируемой ситуации на основе когнитивных карт.

Рис.1.

Рис.2.

В предлагаемой интегрированной модели (рис.2), построена когнитивная карта ситуации, факторы которой связываются с близкими по смыслу листовыми критериями. Тогда, эксперт генерирует альтернативы, а прогнозы их применения, получаемые с помощью когнитивной модели автоматически передаются для оценки в оценочную иерархию. Число альтернатив управления динамической ситуацией в этом случае неограниченно, а добавление новой альтернативы не приводит к необходимости дополнительной экспертной работы.

Для создания такой интегрированной модели поддержки принятия решений в динамических ситуациях необходимо разработать методы: создания когнитивной модели, соответствующей оценочной иерархии; построения шкал листовых критериев; учета влияния консонансов значений факторов когнитивной модели на оценку альтернативы в иерархической модели.

4.1. Методология построения когнитивной карты

Листовые критерии оценочной иерархии характеризуют предметную область, из которой эксперт будет генерировать альтернативы решений своей проблемы. Для генерации решений в этой предметной области и получения прогнозов их применения в интегрированной модели предлагается использовать динамическую модель проблемной области в виде когнитивной карты, которая должна включать факторы, близкие по смыслу листовым критериям.

Оценочная иерархия строится путем декомпозиции цели «сверху вниз», что позволяет достаточно полно описать проблемную ситуацию. Однако, существующая в настоящее время методология построения когнитивных карт ориентирована на построение концептуальных моделей, отражающих наиболее общие законы развития и управления ситуацией. При такой методологии построения когнитивной карты достичь пересечения факторов когнитивной карты и листовых критериев иерархической модели оценивания будет трудно из-за разных уровней подробности описания ситуации.

Для решения проблемы интеграции когнитивной модели и иерархической модели предлагается использовать системную методологию построения когнитивной карты ситуации [Кулинич, 2003], основанную на структурно-функциональной декомпозиции ситуации и описании ее структурном и функциональном аспектах. Описание ситуации в структурном аспекте заключается в выделении составных частей наблюдаемой ситуации в виде иерархии «Часть-Целое», D, , где, D={d_i} - множество элементов, характеризующих целое и составные части ситуации,  – отношение «Часть-Целое», заданное на множестве элементов ситуации D. При структурной декомпозиции определяются основные характеристики F_i={f_ij} всех элементов ситуации d_i. Далее для каждого элемента ситуации d_i D строятся когнитивные карты: (F_i, W_i), где F_i={f_ij} факторы элемента d_i , W_i - матрица смежности графа, отражающая знания о законах функционирования элемента ситуации d_i. Когнитивные карты отдельных элементов объединяются в когнитивную карту сложной ситуации (F, W), где F= F_i – множество факторов-факторов ситуации, W – матрица смежности орграфа, описывающая сложную ситуацию и включающая матрицы W_i отдельных элементов ситуации и связи между ними.

Построение когнитивной карты на основе такой методологии позволяет разработать когнитивную карту близкую по уровню детализации описания к уровню детализации описания ситуации в модели иерархического оценивания.

Далее эксперт выделяет среди факторов когнитивной модели факторы близкие по смыслу листовым критериям иерархической модели, определяя таким образом подмножество факторов когнитивной модели F, соответствующих листовым критериям k_i, i=1,n.

В иерархической модели оценивания результат сравнения всех альтернативы по листовым критериям k_i можно представить в виде вектора (y, …, y), j=1,M , где y - оценка альтернативы А^J по листовому критерию k_i, определяющая интенсивность проявления свойства k_i у альтернативы А^J. Если упорядочить оценки альтернатив y по листовому критерию k_i, то получим шкалу этого критерия - Y= {y}, y[0,1], J {1, …, M}, число точек шкалы равно числу альтернатив. Так определяется шкала критериев в классической модели Т. Саати.

Но, при интеграции модели иерархического оценивания с моделью когнитивного моделирования, альтернативы заранее не определены, а строятся в процессе моделирования ситуации. Поэтому, возникает необходимость построения шкалы листовых критериев на основе шкал соответствующих им факторов когнитивной модели.

Рассмотрим правила построения шкал листовых критериев для следующих трех случаев:

1. 
   Эксперт определяет взаимно однозначное соответствие листового критерия иерархии и фактора когнитивной модели. Тогда каждое значение шкалы фактора когнитивной модели равно значению шкалы листового критерия. Т.е. , где j – количество градаций шкалы фактора f_i.
   
2. 
   Эксперт определяет противоположный смысл листового критерия и фактора когнитивной модели. Например, в иерархической модели листовым критерием может быть критерий «Занятость», а противоположный к нему по смыслу фактор когнитивной модели - «Безработица». В таких случаях шкала листового критерия строится по следующему правилу: , i=1,j, где j – количество градаций шкалы фактора f_i.
   
3. 
   Экспертом определено не полное соответствие или противоположность, а лишь смысловая близость фактора f_i и критерия . В этом случае необходимо построить шкалу {} критерия любым известным эксперту способом и каждому значению x_ij шкалы фактора f_i поставить в соответствие значение на шкале критерия , т.е.
   

4.3. Оценочная функция значения фактора когнитивной модели

Прогноз развития ситуации в нечеткой системе когнитивного моделирования представляется парой (X(m), С(m)), где X(m) – вектор состояния ситуации в момент времени m, С(m) - вектор консонансов значений факторов. Прогнозы развития ситуаций могут характеризоваться одинаковым вектором состояния ситуации X(m), но разными векторами консонанса значений факторов С(m)С(m)’. Оценка таких состояний должна быть различна, т.е. система иерархического оценивания должна оценивать ситуации с учетом не только значения фактора, но и его консонанса. Для этого, для каждого фактора ситуации определяется оценочная функция, аргументами которой являются приращение фактора и его консонанс - =  _i (p_i, c_i). Основные свойства такой оценочной функции и экспертный метод ее построения приводятся в работе [Sawaragi, 1986].

Построение оценочной функции экспертным путем для большого числа факторов является трудоемким процессом. Поэтому, в статье предлагается использовать в качестве оценочных функций значений и консонанса следующие монотонно возрастающие функции с параметрами:

= sign(p_i )  c_i ^ .

где  и  параметры функций, принимающие неотрицательные значения, ,  >0 , p_i - приращение значения i-го фактора, p_i = x_i⁰- x_i(m), где x_i⁰ и x_i(m) – начальное и прогнозное значения i-го фактора.

Выбор различных параметров  и  позволяет моделировать различные экспертные предпочтения [Кулинич и др., 2005; Аверкин и др., 2006]. В таблице 1 приводятся характеристики экспертных предпочтений в зависимости от значений параметров  и .

Таблица 1

	>1	=1	<1
>1	Эксперт отдает предпочтение большим приращениям фактора и с большим консонансом	Эксперт отдает предпочтение факторам с большими по модулю приращениями	Эксперт отдает предпочтение большим приращениям фактора и не различает значения консонанса
=1	Эксперт отдает предпочтение приращениям факторов с большим консонансом	Нет предпочтений для приращений факторов и их консонансов	Эксперт не различает значения консонанса
<1	Эксперт не различает приращения факторов, при этом отдает предпочтение факторам с большим консонансом	Эксперт не различает значения факторов	Эксперт не различает приращения факторов и их консонансов

С учетом оценки приращения значения фактора элемент x_i(m) прогнозного вектора состояния ситуации Х(m)=(x₁(m), …, x_m(m)) определиться из соотношения:

x _i(m)= x_i⁰ +

где x_i⁰ – начальное состояние i – того фактора когнитивной модели, - значение приращения фактора с учетом его консонанса.

Определим понятия альтернативы и ее оценки для интегрированной модели поддержки принятия решений.

Альтернативой в интегрированной модели поддержки принятия решений будем называть вектор приращений факторов ситуации в начальный момент времени P^J(0) = (p₁^J, …, p_m^J).

Оценкой достижимости генеральной цели альтернативой P^J будем называть оценку прогноза развития ситуации для этой альтернативы F(X_J^Ф(m), v_i), где m – число факторов когнитивной модели, X_J^Ф(m) – прогноз развития ситуации для факторов близких по смыслу листовым критериям иерархии, v_i – вес листовых критериев.

5. Заключение

Рассмотрена интегрированная нечеткая система поддержки принятия решений в слабоструктурированных динамических ситуациях. Интегрированная система включает модель иерархического оценивания решений и динамическую модель ситуации в виде когнитивной карты. Когнитивная модель позволяет получить обоснованные прогнозы развития ситуации в случае применения альтернативы, предложенной экспертом, что повышает качество решений, принимаемых в слабоструктурированных динамических ситуациях.

Разработанная интегрированная модель поддержки принятия решений реализована в виде макета компьютерной системы поддержки принятия решений в неструктурированных ситуациях, основанной на моделировании знаний и предпочтений эксперта.

Список литературы

[Axelrod, 1976] Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites. - Princeton. University Press, 1976.

[Сидельников, 1990] Сидельников Ю.В. Теория и организация экспертного прогнозирования. - М.: ИМЭМО АН СССР, 1990. - 195 с.

[Kosko, 1993] Kosko B. Fuzzy thinking. Hyperion, 1993.

[Фестингер, 1999] Фестингер Л. Теория когнитивного диссонанса. - СПб.: Ювента, 1999. - С.15-52.

[Макеев, 1991] Макеев С.П., Шахнов И.Ф. Упорядочение объектов в иерархических системах. Известия АН СССР. Техн. кибернет., 1991, N 3, с. 29 - 46.

[Саати, 1993] Саати Т. Принятие решений. Метод анализа иерархий. Пер. с англ. – М.: «Радио и связь», 1993. – 320 с.

[Кулинич, 2003] Кулинич А.А. Методология когнитивного моделирования сложных плохо определенных ситуаций. М., ИПУ РАН, Труды второй международной конференции по проблемам управления. Июль 2003 г. с. 219-227.

[Sawaragi, 1986] Sawaragi T., Iwai S., Katai O. An integration of qualitative causal knowledge for user –oriented decision support. Control theory and advanced technology. Vol. 2, No. 3, September 1986, pp. 451-483.

[Кулинич, 2005] Кулинич А.А., Титова Н.В. Интегрированная модель поддержки принятия решений в условиях неопределенности. Труды Института проблем управления. Том 26. М.: Институт проблем управления им. В.А. Трапезникова. 2005. стр. 19-38

[Аверкин, 2006] Аверкин А.Н., Кузнецов О.П., Кулинич А.А., Титова Н.В. Поддержка принятия решений в слабоструктурированных предметных областях. Анализ ситуаций и оценка альтернатив. Теория систем и управления. Вып. 3, 2006, стр. 139-149.

1 Работа выполнена при поддержки РФФИ (грант 05-01-00499)

2117997, Москва, ул. Профсоюзная 65, ИПУ РАН, kulinich@ipu.rssi.ru

3117967, Москва, ул. Вавилова 40, ВЦ РАН, titova_nina@inbox.ru

жүктеу/скачать 137.15 Kb.

Достарыңызбен бөлісу: