Системи підтримки прийняття рішень в економіці

Курсовой проект - Компьютеры, программирование

Другие курсовые по предмету Компьютеры, программирование

Скачать Бесплатно!
Для того чтобы скачать эту работу.
1. Подтвердите что Вы не робот:
2. И нажмите на эту кнопку.
закрыть



в про бажаний характер майбутньої (можливої) діяльності. Підтримка щодо прийняття рішень у цій специфічній ситуації (ситуація індивідуального вибору) забезпечена завдяки інтерактивності та гнучкості СППР: система працює разом з користувачем, розвиваючи і змінюючи його уявлення про проблему, структура і зміст якої мають бути описані в термінах багатокритеріальної оцінки альтернативних варіантів.

Робота із системою розпочинається з короткого опису альтернатив (обєктів), між якими провадитиметься вибір. Користувачеві засобами звичної йому мови пропонується дати багатокритеріальну оцінку кожного з розглядуваних варіантів. Далі система перевіряє узгодженість інформації, поданої людиною, виявляє суперечності і визначає цінність інформації, що надходить. Після цього інформація вводиться до системи, і на основі концепції багатокритеріальної теорії корисності видаються пріоритети користувача, що дає змогу ранжирувати обєкти вибору. Упорядкований таким чином список варіантів супроводжується даними про важливість кожного з критеріїв оцінки. Під час роботи із системою можна вносити корективи, включати і виключати обєкти і критерії, змінювати власні оцінки та пріоритети. Якщо система виявить суперечності в дії користувача, то вона відсилає його до тієї процедури, де ця суперечність виникла. Важливою характерною особливістю системи МАUD є те, що вона дає змогу переривати роботу із системою в будь-якому місці, причому подальше поновлення перерваної роботи можливе в зручний для користувача час без проведення додаткового настроювання.

Компютерні системи підтримки прийняття рішень індивідуального призначення набувають розповсюдження в Україні, зокрема в службах зайнятості і при державних адміністраціях.

 

4.2 Нейронні мережі та СППР

 

При сучасному рівні розвитку техніки, коли навіть побутова техніка обладнується мікропроцесорними пристроями, виникнула потреба в інтелектуальних адаптивних системах керування, спроможних пристосовуватися до дуже широкого діапазону зовнішніх умов. Більш того, виникнула потреба в універсальній технології створення таких систем. Науковий досвід людства свідчить про те, що в природі можна знайти безліч цінних ідей для науки і техніки. Людський мозок є самим надзвичайним і загадковим створенням природи. Спроможність живих організмів, наділених вищою нервовою системою, пристосовуватися до навколишнього середовища може служити призовом до імітації природі або імітації при створенні технічних систем.

Серед імітаційних підходів виділяється клас нейромережевих методів. Нейронні мережі (НМ) знайшли широке застосування в галузях штучного інтелекту, в основному повязаних із розпізнаванням образів і з теорією керування. Одним з основних принципів нейромережевого підходу є принцип конективизма. Суть його виражається в тому, що розглядаються дуже прості однотипні обєкти, сполучені у велику і складну мережу. Таким чином, НМ є в першу чергу графом, із яких можна звязати сукупність образів, поданих як чисельні значення, асоційовані з вершинами графа, алгоритм для перетворення цих чисельних значень за допомогою передачі даних між сусідніми вершинами і простими операціями над ними. Сучасний рівень розвитку мікроелектроніки дозволяє створювати нейрочіпи, що складаються з дуже великого числа простих елементів, спроможних виконувати тільки арифметичні операції. Таким чином, нейромережеві методи підтримується апаратно.

Математично НМ можна розглядати як клас методів статистичного моделювання, що у свою чергу можна розділити на три класи: оцінка щільності ймовірності, класифікація і регресія.

Передбачається, що система підтримки та прийняття рішень (СППР) може бути цілком реалізована на нейронній мережі. У відмінності від традиційного використання НМ для рішення тільки задач розпізнавання і формування образів, у СППР узгоджено вирішуються задачі

  1. розпізнавання і формування образів
  2. одержання і збереження знань (емпірично знайдених закономірних звязків образів і впливів на обєкт керування)
  3. оцінки якісних характеристик образів
  4. прийняття рішень (вибору впливів).

Особливостями СППР на базі НМ є:

  1. Надмірність нейронів у мережі, необхідна для адаптації системи керування (СК) до умов існування, що змінюються, обєкта керування (ОК). Внаслідок цього для практичної реалізації СК необхідно створення великих НМ (для порівняння людський мозок містить ~1011 нейронів).
  2. НМ складається зі специфічних нейронів, що є більш близькими аналогами біологічного нейрона і пристосованими для рішення задач ППР.
  3. Нейрони в мережі зєднуються спеціальною образом, також для рішення задач ППР.

Особливості сучасних СППР роблять непридатними або малопридатними існуючі системи САПР і системи моделювання традиційних НМ (наприклад, BrainMaker) для створення прототипів СК ППР. Через цю обставину основні питання, що розглядаються в статті це:

  1. Розробка інструмента системи побудови та дослідження нейронних мереж (СПДНМ) для моделювання і дослідження нейромережевих реалізацій прототипів СК ППР.
  2. Розробка загальної схеми нейромережевої реалізації прототипів СК ППР.

Розглянемо основні сторони створення СППР на базі нейронних мереж. Будемо називати керуючою системою (КС) систему керування, що імітує нервову систему відповідно до методології ППР. Під обєктом керування (ОК) будемо розуміти організм, що несе в собі нервову

s