CC BY
70
Л.В. Маркарян
ЭКСПЕРТНЫЙ МЕТОД ПРОГНОЗИРОВАНИЯ ПРИ РАЗРАБОТКЕ ЦЕЛЕВЫХ ПРОГРАММ И ПЛАНОВ
Предложен новый экспертный метод прогнозирования — МЭС (метод эволюционного согласования решений). МЭС представлен как способ организации коллективной работы людей для принятия единого согласованного решения. Показаны правила и алгоритм взаимодействия. Представлены достоинства и области применения данного метода. А также разработана и предложена сетевая компьютерная программа для реализации экспертного метода. Ключевые слова: экспертный метод, МЭС (метод эволюционного согласования решений), итерации, экспертное оценивание, слабо- и неструкту-рированные задачи, прогнозирование.
разработка стратегических направлений и планов развития
-ЯГ связана с необходимостью определения, оценки и выбора возможных альтернатив. На каждом из уровней стратегического планирования любое возможное решение многовариантно и может оцениваться по ряду критериев. Возникающие задачи оптимизации решений изучают с привлечением теории выбора и принятия согласованных решений.
Задача принятия решений заключается в выборе из множества альтернатив наилучшего варианта по определенному критерию. Для принятия согласованного решения необходимы: исходные альтернативные варианты, критерии выбора и правило выбора (алгоритм).
Одним из основных методов формирования исходного множества альтернатив является-экспертный метод. По экспертному методу альтернативы генерируются экспертами на основе их знаний, опыта и интуиции.При принятии решений, учет информации, обобщающий коллективный опыт специалистов (экспер-тов),значительно повышает достоверность исходных данных. Поскольку мнения специалистов могут расходиться, то для правильного их использования необходимо их систематизировать и обработать. Для решения таких задач развивается новая информационная технология - метод эволюционного согласования решений (МЭС).
МЭС - это способ организации коллективной работы людей, создающих совместно единый проект с заранее заданной целью по правилам, основанным на принципах классического генетического алгоритма. Метод эволюционного согласования решений представляет собой, по существу, некий аналог мозгового штурма, в котором роль координатора выполняют правила взаимодействия [1], разработанные по аналогии с операторами генетических алгоритмов. В отличие от классической работы [4] и множества порожденных ею других работ, где генетические алгоритмы применяются для компьютерного решения сложных оптимизационных задач, операции скрещивания, мутации, оценки и отбора вариантов выполняют люди. Компьютерные программы служат только для обмена вариантами решений и оценки вклада каждого эксперта в общее согласованное решение. Правила МЭС сформулированы в виде инструкций для организации коллективной работы участников проекта и их взаимодействия.
Правила взаимодействия между интеллектуальными экспертами :
1. формулирование цели и задач экспертного оценивания;
2. определение состава экспертов и способа их взаимодействия;
3. создание каркаса проекта;
4. осуществление генерации первого приближения;
5. осуществление обмена вариантами решений;
6. определение критериев окончания работы;
7. составление новых решений (скрещиваний) из полученных ранее результатов;
8. внесения изменений (мутаций) в новые варианты решений;
9. осуществление перехода на п.5.
Пункты 3-9 выполняются в одном блоке, называемом итерацией. Проводится несколько итераций описанного алгоритма. В соответствии с правилами взаимодействия для конкретной творческой задачи разрабатываются инструкции с учётом ее специфики и квалификации интеллектуальных экспертов. По окончании работы оценивается вклад каждого участника.
Блок-схема настройки параметров данного метода представлена на рис. 1.
Рис. 1. Блок-схемы настройки параметров МЭС
Данный метод эволюционного согласования решений может быть использован для решения слабо - и неструктурированных задач, т.к. для решения слабоструктурированных задач с относительным характером анализируемой информации широко применяются экспертные методы при условии наличия достаточной базы знаний экспертов по определенной конкретной проблеме. Так, например, решение задачи прогнозирования себестоимости продукции при освоении месторождения полезных ископаемых на стадии его проектной геолого-экономической оценки с полным основанием можно отнести к классу слабоструктурированных задач, требующих учета многих факторов, параметров и разного рода неопределенностей [5].
Рис. 2. Окно сетевой программы МЭС
Для удобства использования данного метода в практике обучения разработана сетевая программа, предназначенная для коллективного решения различных задач, а также проверки полученных знаний. Окно сетевой программы, предназначенной для согласованного принятия решений различных задач, а также проверки полученных знаний представлено на рис. 2.
В окне программы имеются 5 текстовых полей и 2 кнопки. В верхнем текстовом поле записана цель проекта. В нижнем правом окне изначально загружен шаблон для заполнения его участниками (экспертами) команды. Это может быть, например, тест для проверки знаний, недописанный консолидированный текст, или свободное текстовое поле.
Каждый участник запускает программу и пишет свой вариант решения данной задачи в это текстовое поле и отправляет этот вариант в базу данных решений, а также ,выводит его в нижнем левом текстовом поле своего окна программы. Получив
2 решения от произвольных экспертов сети, участники должны выбирать из двух вариантов наиболее правильный на их взгляд вариант, добавить свои идеи, и в итоге составить следующее своё решение - решение второй итерации. В итоге у каждого участника появляются новые итерации своего варианта решения задачи. Все эти варианты сохраняются в отдельных папках. Эти файлы содержат в названии номер участника, и номер его итерации. Процесс решения заканчивается, когда участники (эксперты) сходятся к единому правильному решению, которое принимается как наиболее предпочтительное.
Важнейшая особенность слабоструктурированных проблем состоит в том, что их модель может быть построена только на основании дополнительной эвристической информации, получаемой от человека. Успешное решение задач прикладного характера в области прогнозирования путей и методов успешного управления развитием сложных организационных систем, обусловлено необходимостью целенаправленного использования знаний специалистов- экспертов, их практического опыта и интуиции в виде различных экспертных оценок, моделей и алго-ритмов.[5] Коллективная работа, поддержанная современными информационными технологиями предоставляет организациям значительные преимущества по сравнению с однопользовательскими системами. Достоинством метода эволюционного согласования решений являются:
• принятие решений коллективом экспертов в условиях, когда интеллектуальных ресурсов отдельного индивида не достаточно;
• получение качественного результата в условиях неполной информации и дефиците времени на получение решения;
• сбор и анализ различных точек зрения на проблему;
• экономия времени и расходов при координации работы в группах;
• определение рейтинга специалистов.
1. Протасов В. И., Потапова В.И., Маркарян Л.В «Применение метода генетического консилиума в образовании и управлении». Материалы IX Международной научно-практической конференции «Новые информационные технологии в образовании».
2. Протасов В.И Самоорганизация самообразования в сети на базе метода генетического консилиума. Материалы XI специализированной конференции «Информационные технологии в образовании». М. 2001 с. 167- 168.
3. Турчин В.Ф. Феномен науки. Кибернетический подход к эволюции. - М.: Наука, 1993, 295с. (1-е изд.). М.: ЭтС, 2000, 368с. (2-е изд.).
4. Маркарян Л.В Протасов В.И. «Применение интеллектуального консилиума для тестирования и контроля знаний в образовании». Труды IV Международной научно-практической конференции «Современные информационные технологии и ИТ-образование». Москва, МГУ, эл. изд 2009.it-edu.ru/.. ./22г_Магкагуап.
5. Петросов А.А.«Стратегическое планирование, прогнозирование, экономические риски горного производства. М.; Изд-во МГТУ,2009-683 с. Н5Н=Д
КОРОТКО ОБ АВТОРЕ ---------------------------------------
Маркарян Лаура Виликовна - старший преподаватель, laura.alex@mail.ru Московский государственный горный университет,
Moscow State Mining University, Russia, ud@msmu.ru
