В этом случае, субъект, используя концептуальный граф решений, ищет решения, последовательно анализируя классы решений, расположенные на разных уровнях графа решений, постепенно увеличивая общность и, следовательно, объем, рассматриваемого и анализируемого класса решений.
Разработана методика поиска структурных решений, использующая концептуальный граф решений и включающая следующие этапы:
Выбор класса решений и оценка его перспективности;
Определение объектов-стимулов, выбранного класса решений;
Анализ объектов-стимулов решения;
Формирование решения.
Выбор и оценка перспективности класса решений начинается из корневой вершины. Просматриваются классы решений первого уровня. Известные содержания и области толерантности, обобщенных по разным признакам классов решений первого уровня фокусируют внимание субъекта на разные аспекты возможного решения. Субъект должен представить себе элемент ситуации, описанный в модели, абстрагируясь от признака, по которому произошло обобщение, определить имя обобщенного класса решений и оценить его перспективность для детализации поиска.
Для определения объема выбранного класса решений субъект, используя его содержание SFe в качестве критерия поиска во внешних хранилищах информации (базы данных, справочники), либо в собственной памяти осуществляет поиск объектов-стимулов. Объекты-стимулы - это реальные объекты, значения признаков которых принадлежат интервалам значений признаков, определенных содержанием класса решений SFe.
Анализ объектов-стимулов решения позволяет предложить структурные решения. Стимулирующий эффект объектов-стимулов заключается в том, что объекты-стимулы представляют собой целостный и устойчивый образ объекта, структура и поведение которого отличается от структуры и поведения элемента ситуации, формально описанного в функциональной и понятийной структурах поля знаний. Задача субъекта заключается в том, чтобы сравнить функциональную организацию элемента, описанного в модели ситуации и объекта-стимула и выявить несоответствия их функциональных структур. Выявленные несоответствия интерпретируются как альтернативные структурные решения в ситуации.
Формирование решения заключается в оценке полученных альтернатив структурных решений. Оценка осуществляется внесением структурных изменений в модель ситуации F, X, X(0), W и решением обратной задачи для новой структуры F*, X*, X(0), W*. Результатом решения обратной задачи для новой структуры ситуации является подмножество реализуемых решений UR*={U1*,.., Ua*}. Структурные решения принимаются, если существует хотя бы одно решение Ua*UR* лучшее, чем реализуемые решения UaUR, полученные при решении обратной задачи для исходной (неизмененной) структуры когнитивной модели ситуации.
Последние три этапа поиска решений - определение объектов-стимулов, анализ объектов-стимулов и формирование решений выполняются для каждого класса решений, выбранного на первом этапе.
В четвертой главе рассмотрена программная реализация системы поддержки принятия решений, при разработке которой использовались основные теоретические результаты, полученные в диссертации. Система моделирования разработана на языке программирования Visual Basic 5.0. Пользовательские интерфейсы системы включают 24 окна, которые обеспечивают работу следующих подсистем (Рис.2): представления исходной информации; извлечения предпочтений эксперта; обработки; представления результатов моделирования; поддержки аналитической деятельности эксперта.
Рис.2.
Подсистема представления исходной информации обеспечивает:
Ввод в систему признаков F=Fi, описывающих ситуацию, где Fi={fij} множество признаков понятия diD.
Определение шкал Zij={zijk} для каждого признака fijFi всех понятий diD, i. Лингвистические значения шкалы zijkZij определяются с помощью специального интерфейса.
Построение модели ситуации в виде ориентированного знакового графа (F, W) с помощью специального графического редактора, интерфейс которого показан на рис.3.
Рис.3.
Подсистема извлечения предпочтений эксперта предназначена для определения силы влияния между признаками. В этой подсистеме в качестве исходной информации используются шкалы признаков Zij, их текущие значения zijk и знаковый граф ситуации (F, W). Используя эту информацию, система автоматически порождает вопросы эксперту, из ответов на которые извлекается информация о силе влияния признаков ситуации. Система обеспечивает генерацию вопросов эксперту для определения силы влияния между признаками в трех режимах: прямого оценивания, парного сравнения, задание функциональной зависимости.
В режиме прямого оценивания сила влияния определяется как передаточный коэффициент, вычисляемый по заданным экспертом приращениям признака причины и признака следствия:
wij sl = ,
где, ppij - приращение признака-причины, prsl - приращение признака-следствия. Здесь и далее первый индекс i,s - номер понятия, второй индекс j,l - номер признака , соответственно, i - го или s - го понятия.
На рис. 4 показано окно интерфейса для определения силы влияния признаков косвенным способом. Окно интерфейса включает: текстовое поле, в котором на естественном языке формулируется вопрос эксперту, два движка для изменения значений признаков причины и следствия при ответе на поставленный вопрос, два движка для задания нечеткости в ответах.
Режим парного сравнения используется в случаях, когда субъекту проще упорядочить признаки-причины ftl, fsd по силе влияния на признак следствие fij. Упорядочивание признаков-причин осуществляется с помощью метода парного сравнения, смысл которого заключается в экспертном определении: изменение какого из двух признаков-причин, предложенных для оценки, сильнее влияет на изменение значения признака-следствия.
Рис.4.
Эксперт определяет свои предпочтения, используя ранговую шкалу, предложенную Саати. Предпочтения заносятся в матрицу парных сравнений, собственные значения которой (), характеризуют силу влияния признаков причины на признак следствия. Это позволяет упорядочить признаки по силе влияния, т.е. ftl>fsd, если tl>sd. Для признака-причины, имеющего связь максимальной силы, с помощью процедуры прямого оценивания определяется сила влияния wij sd. Сила влияния признака определится из соотношений:
wij tl = wij sd.
Система автоматически обнаруживает нарушение транзитивности оценок и позволяет субъекту их исправить. Подпрограмма обнаружения противоречия активизируется после ввода каждой строки предпочтений в матрице парных сравнений, что позволяет оперативно реагировать на возникновение ошибки в процессе оценивания. Предусмотрено два режима корректировки противоречия эксперта: ручной и автоматизированный режим корректировки.
В режиме ручной корректировки эксперт может изменить свои предпочтения, заданные на предыдущем шаге парной оценки. В режиме автоматизированной корректировки используется эвристический алгоритм корректировки.
Режим задания функциональной зависимости используется, если значение признаков-причин и признака следствия - числовые и известна функциональная зависимость признака-следствия от множества признаков-причин: fij = (ftl, fsd, …, fze), начальные значения всех аргументов ftl = x0tl, fsd = x0sd,…, fze = x0ze и значение функции ftl = x0ij. Т.е. x0ij = (x0tl, x0sd, …, x0ze).
Сила влияния факторов определяется как коэффициент чувствительности по каждому из аргументов:
wtl ij = , wsd ij= ,
где, =const, 0<<1.
Для каждого режима определения силы влияния признаков ситуации разработан специальный интерфейс, обеспечивающий: ввод предпочтений, определение силы влияния признаков и обнаружение ошибок эксперта.
Подсистема обработки предназначена для получения прогнозов развития ситуации, описанной системы. Для получения прогнозов развития ситуации используется метод решения прямой задачи, описанный во второй главе. Результаты работы блока обработки представляются в виде двумерных массивов: приращений признаков ситуации Рt и изменения состояния ситуации Xt. Информация из этих массивов используется подсистемами представления результатов моделирования и поддержки аналитической деятельности эксперта.
Подсистема представления результатов моделирования обеспечивает представление значений признаков в таблицах и на графиках на естественном и понятном эксперту языке. В таблицах значения приращения для положительных приращений описывается предложением «Растет от z0ijk до zpijk», а для отрицательных предложением «Падает от z0ijk до zpijk».
Для представления динамики изменения значения признака fij на графике отображается вектор строка (xij(t), xij(t+1), …, xij(t+n)) матрицы прогноза Xt. Графический интерфейс представления прогнозов развития ситуаций показан на рис.5. Графическое представление результатов моделирования облегчает интерпретацию поведения сложной ситуации.
Рис. 5.
Подсистема поддержки аналитической деятельности эксперта является ядром системы моделирования и включает следующие подсистемы:
Подсистема объяснения прогноза развития ситуации;
Советующая подсистема поддержки разработки стратегии достижения цели;
Подсистема поддержки сценарного исследования ситуации.
Подсистема объяснения прогноза развития ситуации обеспечивает автоматическую генерацию отчета, включающего описание последовательных шагов (причинно-следственных цепочек) получения прогнозного значения любого признака ситуации. Отчет включает положительную и отрицательную причинно-следственные цепочки. Положительная цепочка объясняет причину увеличения значения признака, а отрицательная причину его уменьшения.
Разработан алгоритм автоматической генерации объясняющих цепочек. Идея алгоритма основывается на выделении фронта максимальных приращений значений признаков в матрице прогноза Р t. Из фронта максимальных приращений порождаются причинно-следственные цепочки, объясняющие изменение значения признака-следствия.
На рис.6 показан интерфейс подсистемы объяснения прогноза развития ситуации с примером расшифровки значения признака «Тариф на транспортные услуги» падает на 35,2%. В окне приведено объяснение изменения значения признака «Тариф на транспортные услуги» при увеличении объема перевозок на 42,4 %. Правый список формы показывает причинно-следственную цепочку, увеличивающую (+1,6%), а левый уменьшающую (-35,2%) значение анализируемого признака.
Рис.6.
Советующая подсистема предназначена для поддержки интеллектуальной деятельности субъекта, путем выдачи рекомендаций и советов для выбора управляющих воздействий при разработке стратегии достижения цели G. Задача заключается в нахождении множества управляющих воздействий U и решается методом решения обратной задачи, описанным во второй главе.
При решении обратной задачи многие решения, включенные в множество U могут быть неинтересны лицу принимающему решения, т.е. бесперспективны с точки зрения нахождения объектов стимулов. Поэтому в системе предложен алгоритм, в котором решения Uv формируются экспертом в диалоговом режиме с советующей подсистемой.
Эксперту дается возможность на основе собственных предпочтений выбрать управляющие признаки из множества признаков, полученных при решении обратной задачи, и включить их в решение Uv.
Таким образом, в системе моделирования поиск решения Uv представляется как итерационный процесс, заключающийся в последовательном определении элементов вектора решения Uv. Такой интерактивный режим поиска решений позволяет субъекту сформировать неизбыточное множество решений.
Рис.7.
На рис. 7 показан интерфейс советующей системы для разработки стратегии перевода ситуации в целевое состояние и принятия структурных решений. В окне интерфейса расположены: таблица целевых признаков и их значений; списки управляющих признаков, значения которых система рекомендует изменить для достижения цели; столбиковая диаграмма, показывающая результат применения управляющего воздействия с учетом ограничений на ресурсы, и таблица, в которой экспертом формируется решение по управлению ситуацией.
В верхней части окна интерфейса советующей системы расположено текстовое поле, в котором рекомендуемые системой величины управляющих воздействий представляются в лингвистическом виде. Это тестовое окно поддерживает интерпретацию решений обратной задачи.
В подсистеме поддержки сценарного исследования ситуации сценарием называется пара Uv, Xvt, где, Uv - решение, Xvt - матрица изменения состояния ситуации, порождаемая решением Uv.