УДК 004.048: 007.51
ФОРМАЛИЗОВАННОЕ ПРЕДСТАВЛЕНИЕ ВЗАИМОДЕЙСТВИЯ КОМПОНЕНТОВ ЭКСПЕРТНО-ВИРТУАЛЬНОЙ СРЕДЫ В WEB-ОРИЕНТИРОВАННЫХ СИСТЕМАХ
КОРПОРАТИВНОГО УПРАВЛЕНИЯ
Я.Е. Львович, Н.В. Волкова
Рассматривается многоальтернативная оптимизационная модель, реализующая алгоритм процедуры принятия решений в экспертно-виртуальной среде
Ключевые слова: интеллектуальный капитал, информационные технологии, корпоративная информационная система, экспертно-виртуальная среда
В web-ориентированных системах корпоративного управления основную роль в принятии решений играет интеллектуальный ресурс как человеческого капитала экспертных групп, так и возможности формировать и анализировать варианты управленческих решений в рамках информационной среды . Интеграция этих возможностей позволяет рассматривать такую человеко-машинную систему принятия решений как экспертно-виртуальную среду [1]. Этому способствует разработка технологии Semantic Web [3], предусматривающая
объединение различных видов информации в единую структуру, где каждому эксперту «человеческой» информации соответствует машинный код в виде специального смыслового тэга (метаданные).
Основными субъектами экспертно-
виртуальной среды являются реальные и виртуальные эксперты.
К принятию решений привлекается либо индивидуальный реальный эксперт (ИРЭ), либо коллектив реальных экспертов (КРЭ).
В свою очередь виртуальные эксперты по выполняемым функциям при принятии решений разделяются на следующие типы:
- имитационно-прогностический виртуальный эксперт (ИПВЭ);
- многоальтернативный виртуальный эксперт (МВЭ).
Каждый из перечисленных типов экспертов имеет своё формализованное представление с использованием следующих компонентов:
х = (хь ..., Xj, ..., xJ) - вектор значений варьируемых параметров;
y = (y1, ..., yi, ..., yi) - вектор значений количественных показателей;
V = (v1, ..., V,, ..., V,) - вектор
лингвистических значений субъективных оценок качественных показателей;
Львович Яков Евсеевич - ВИВТ, д-р техн. наук, профессор, тел. (4732) 727-363
Волкова Наталья Владимировна - ВИВТ, канд. физ.-мат. наук, тел. (4732) 727-674
Р = (Р, ..., р , F ) - множество
1 1- I-
критериев выбора наилучшего варианта, как частный случай используется один критерий;
Ф = (ф1, •••, ф., •••, ф/г) - множество
функций ограничений;
= (Жт1, Шт1, №ш) - множество
альтернативных вариантов на т-том уровне агрегирования т = 1, м;
№ = №м = (№ь ..., Жь) - множество
агрегированных альтернативных вариантов решения (как минимум два);
- оптимальное (рациональное) решение; №д - множество доминирующих вариантов, близких к W*;
/ - функция предпочтения эксперта, включающая как объективные критерии из множества Р, так и личные субъективные оценки;
Ф(/) - функция группового предпочтения, зависящая от вектора индивидуальных предпочтений членов коллектива экспертов /= (/-, /, /), где Б - количество членов
коллектива экспертов;
Г - механизм группового экспертного оценивания и выбора решения;
П - множество методов построения имитационно-прогностической модели.
Последовательность формирования
перечисленных компонентов показана на детализированной структурной схеме
трёхэтапной процедуры принятия решений (рисунок).
Особую значимость в формализованном представлении взаимодействия компонентов экспертно-виртуальной среды играет
многоальтернативный виртуальный эксперт (МВЭ).
Для описания МВЭ формируется оптимизационная модель, в которой
оптимизируемыми переменными являются как координаты вектора х = {х1, х2, хп}, так и
специально введённые альтернативные переменные:
1, если в качестве перспективной для формирования W определяется . альтернатива на да-ом уровне агрегирования W*
0, в противном случае, т = 1, М,
образующие вектор 2 = (2Ь ..., 2т1, ..., 2М}, т = 1, М
Структурная схема трёхэтапной процедуры принятия решений в экспертно-виртуальной среде
Кроме того, учитываются количественные измерения субъективных оценок V = ..., V т2,
..., "V М2}.
Тогда оптимизационная модель МВЭ имеет вид:
у(х, V)) ^ ехіг , іі = іі = ГТ71, ф,2(г, у(х, V)) < ф *2, І2 = 1, 12
хмин < х,- < хмакс, у = Ї77
{0:
m = l, M
где у (х, V) - обозначена возможность
использования модели зависимости у от (х, V) при вычислении у.
На основе оптимизационной модели осуществляется алгоритмизация следующих функций МВЭ:
- формирование множества перспективных вариантов;
- агрегация множества перспективных вариантов;
- обеспечение взаимодействия с реальным экспертом.
Каждая функция имеет несколько реализаций. Основой является базовая
вариационная процедура по компонентам вектора z.
При этом интеграция процедур вариационного моделирования с функциями МВЭ требует комбинированного применения нечётких систем, нейронных сетей, генетических алгоритмов, т. е. интеллектуального
моделирования, определяемого понятием
Computational Intelligence (вычислительные технологии) [2].
Если оптимизационная модель МВЭ учитывает только вектор z:
zm.
^il(z) ^ extr , il = l, Il
ФііОО < ф* 2: i2 = 112: { 0
т = l, M
то формирование множества перспективных вариантов осуществляется на основе многоальтернативных оптимизационных
моделей.
В случае учёта векторов г и х:
^л(2, у(х)) ^ вхгт, .1 = 1,11,
Фі2^, y(x)) < ф*2 , І2 = l, I2
XMUH < Xj < XMaKC : j = U :
У ■> " у
то формирование множества перспективных вариантов осуществляется на основе следующих моделей:
- параметрических оптимизационных моделей
¥Л(х) ^ ЄХІГ ,
Фi2(x) < ф*2 : І2 = l, I2
X
< Xj < XM
- имитационных моделей систем массового обслуживания и сетей Петри;
- моделей преобразования изображений. При этом вектор г включается в структуру
соответствующей процедуры моделирования, что позволяет интегрировать в алгоритмическую схему базовую вариационную процедуру.
Z ,X
X
Zw,
m
При одновременном учёте векторов х и V, варьирование переменными гт , т = 1, м объединяется с формированием модели у(х, V). Модель в алгебраической форме не может быть построена, т. к. значения субъективных оценок определяются лингвистическими переменными, количественные измерения градаций которых определяются функциями принадлежности
нечётких множеств. В этом случае целесообразно использовать модель нечётких правил,
объединённую с процедурой вариационного
моделирования.
Поскольку каждая альтернатива, входящая в множество перспективных вариантов №д,
представляется компонентами т = 1, м уровней возможна агрегация этих альтернатив за счёт выбора наилучшей комбинации компонентов. Эта функция МВЭ осуществляется с использованием следующих подходов:
- математического описания множества перспективных вариантов;
- эвристического;
- генетических алгоритмов.
После выполнения этой функции МВЭ должен обеспечить возможность взаимодействия с реальным экспертом. При этом реализуются следующие формы взаимодействия:
- с использованием лингвистических переменных;
- на основе наглядно-образных механизмов интуиции эксперта;
- на основе адаптивного накопления экспертной информации.
Тогда формализованное представление задачи принятия решений для разных типов экспертов имеет вид:
- индивидуальный реальный эксперт
< х, х/у, Р, ф, №, / >;
- коллектив реальных экспертов
< х, уЫ, Р, ф, №, ф(/), Г, >;
- имитационно-прогностический виртуальный эксперт
< х, у, V, №/ Р", ф’" >;
- многоальтернативный виртуальный
эксперт
< х, у, V, Р, ф/№д >.
При принятии решений одним из основных этапов является выбор решения, который основан на реализации ряда режимов взаимодействия реальных и виртуальных экспертов.
1. Дуальный режим (ДР).
Первый вариант реализации основан на взаимодействии ИРЭ и ВЭ. Поскольку действия этих экспертов основаны на противоречивых принципах (таблица), их оценки значений критериев ^ і = и для каждой альтернативы ? 1
Wl следует представить в виде (2 х /) матричной игры (МИ).
Принципы действия реальных и виртуальных экспертов при принятии решений
№ п/п Реальный эксперт Виртуальный эксперт
1 Упрощает ситуацию, не учитывает некоторые альтернативы или их последствия Рассматривает ситуацию со степенью упрощения, соответствующей принятому методу построения модели для всех альтернатив
2 Исходит из субъективной ценности того или иного варианта решения, называемой полезностью Использует сочетание объективных оценок количественных показателей и субъективных оценок качественных показателей
3 Переоценивает вероятность наступления маловероятных событий и одновременно недооценивает вероятность очень правдоподобных событий Обеспечивает равновероятные оценки
4 Основывает своё решение на максимизации линейной комбинации полезности и субъективной вероятности её получения Основывает своё решение только на расчётных значениях критериев и ограничений
5 Традиции принятия решений, личные качества эксперта являются более определяющими, чем стремление к максимизации какого-либо критерия Осуществляет оценку решения только на основе имитационнопрогностической модели и многоальтернативной оптимизации
В формализованной записи имеем:
< ДР > = < ИРЭ > < МИ > < ВЭ > ^ W*И,
где W*
- является оптимальной чистой
стратегией матричной игры.
Второй вариант основан на взаимодействии ИЭ и МВЭ. Здесь реализуется матричная игра по выбору ИЭ варианта W из множества сформированного МВЭ, т. е.:
< ДР > = < ИЭ > < МИ > < МВЭ > ^ Ж* .
МИ
2. Коллективный режим (КР)
Первый вариант реализации основан на взаимодействии КРЭ и ВЭ. Для получения согласованного решения используется механизм из множества Г для КРЭ, а затем групповая оценка реальных экспертов используется для построения человеко-машинной процедуры с ВЭ, который на основе имитационнопрогностического моделирования определяет значения критериев ¥,-, 1 = 1,1:
< КР > = < КРЭ > < Г > < ЧМС > < ВЭ > ^ Ж*.
Второй вариант определяет
взаимодействие КРЭ и МВЭ. В этом случае вначале МВЭ формируется множество доминирующих вариантов Жд, а затем на этом множестве определяется групповое предпочтение КРЭ с использованием одного из механизмов множества Г по принципу ЧМС:
< КР > = < КРЭ > < Г > < ЧМС > < МВЭ > ^ Ж*.
3. Коллективный режим с доминирующим экспертом (КРДЭ)
В этом случае в коллективе реальных экспертов выделяется доминирующий эксперт (руководитель).
Доминирующий эксперт (ДЭ) определяет вариант, который рассматривается путём реализации вопросно-ответной ситуации (ВОС) для получения согласованного решения с
коллективом равнозначных реальных экспертов. Взаимодействие с виртуальными экспертами реализуется аналогично организации КР:
<КРДЭ> =
I
<ДЭ> <ВОС> <КРЭ> <Г> <ЧМС>
<ВЭ> ^ W*
<ДЭ> <ВОС> <КРЭ> <Г> <ЧМС> <МВЭ> ^ W*
Литература
1. Львович Я.Е., Львович И.Я., Волкова Н.В. Экспертно-виртуальная среда формирования и развития интеллектуального капитала // Вестник Воронежского Государственного Технического Университета - Том 5. - № 12. - Воронеж: ВГТУ, -2009 - С. 30-34.
2. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. Пер. с польского И. Д. Рудинского. - М.: Горячая линия - Телеком, 2008.
3. Щербак С.С. Интеллектуализация обработки информации на основе технологий Semantic Web // Системы обработки информации. - Х.ХВУ. - 2004. -Вып. 9(37). - С. 224-230
Статья подготовлена по материалам научноисследовательского проекта «Разработка технологии создания многоуровневых web-ориентированных систем нового поколения», в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России», Государственный контракт № П481 от 04.08.09.
Воронежский институт высоких технологий
THE FORMALIZED REPRESENTATION OF INTERACTION OF COMPONENTS OF THE EXPERT-VIRTUAL ENVIRONMENT IN WEB- FOCUSED CORPORATE MANAGING SYSTEMS Ya.E. Lvovich, N.V. Volkova
The multialtemative optimising model realising algorithm of procedure of decision-making in the ekspertno-virtual environment is considered
Key words: intellectual capital, information technology, corporate information system, expert-virtual environment