Формирование банка эвристических паттернов Текст научной статьи по специальности «Компьютерные и информационные науки»

32

ПЕРСПЕКТИВЫ РАЗВИТИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

ФОРМИРОВАНИЕ БАНКА ЭВРИСТИЧЕСКИХ ПАТТЕРНОВ1

© Олейников Д.П.*, Бутенко Л.Н.*

Волгоградский государственный технический университет, г. Волгоград

В статье описаны выявленные эвристические паттерны, которые могут быть использованы в процессе синтеза методов принятия решений, а также архитектура автоматизированной системы и физическая схема банка эвристических паттернов.

Ключевые слова: системный анализ, системный синтез, теория принятия решений, эвристический паттерн.

В процессе выполнения гранта РФФИ 14-03-31094, посвященного разработке эвристических моделей синтеза методов принятия решений, был проведен многоаспектный анализ группы критериев принятия решений теории игр с природой [1] с выделением структурных и функциональных элементов, были обнаружены инвариантные механизмы (алгоритмы) функционирования данных критериев, названные нами эвристическими паттернами (ЭП) принятия решений [2, 3]. Естественным продолжением работы являлось формирование банка ЭП, создаваемого в процессе разработки соответствующей автоматизированной системы ЭвриСин (архитектура приведена на рис. 1).

Рис. 1. Архитектура банка эвристических приемов

1 Исследования поддержаны грантом РФФИ 14-01-31094 мол_а Эвристические модели синтеза методов принятия решений.

* Доцент кафедры Системы автоматизированного проектирования и поискового конструирования, кандидат технических наук.

* Профессор кафедры Системы автоматизированного проектирования и поискового конструирования, доктор химических наук.

Банк ЭП должен обеспечивать выполнение функций хранения, а также поиска ЭП по заданным условиям. В соответствии с принципами построения БД, использующих реляционные модели, была сформирована соответствующая схема данных, представленная на рис. 2. Типы данных соответствуют СУБД MS SQLServer [4].

decisionmaking

declslon_maklng_ld numeric DID <pk>

code nvarchar(50) DCODE

name nvarchar(255) DNAME

_deci sion_makr

етод принятия решении

heurlctlc2declslon_maklng

heurlstlc2declslon_maklng_ld numeric DID <pk>

from_declslon_maklng_ld numerlc DID <fk2>

to_declslon_maklng_ld numerlc DID <fk3>

ing_id = from_decisio neuristlc_ld numerlc DID <fk1>

aking_id = to_decision

I pk_heuristic2decis0n_making <pk> ifk_he urisJic2deciSon_making_ref_heurisIic i fk_ h e uri st ic2dec i9on_making_ref_fitim_deci9on_malkng ifk_heuristic2decision_making_ref_to_decision_making

lecision_making_id

eecision_making_

declslon_maklng2propertv_value

heurlstlc_ld numerlc DID ■

code nvarchar(50) DCODE

_id = heur name nvarchar(255) DNAME

description nvarchar(2000) DDESCRIPTION o-D pk_heuristic <pk>

Эвристический паттерн

declslon_maklng2property_ld numerlc DID <pk>

declslon_maklng_ld numerlc DID <fk1>

property_value_ld numerlc DID <fk2>

_decision_making2proper

iking2property_value <pk>

-войства М

property_value

property_value_ld numerlc DID <pk

property_ld numerlc DID <fk>

code nvarchar(50) DCODE

name nvarchar(255) DNAME

pk_property_value <pk>

начение свойств

If

property_value_id

heurlsti c_idy*=>heunstl c_id

heurlstlc2property_value

и pk_heunstic2property_value <pk>

-войства Э

property

property_ld numeric DID <pk> property type id numeric DID <fk> code nvarchar(50) DCODE name nvarchar(255) DNAME property type id numeric DID <pk> code nvarchar(50) DCODE name nvarchar(255) DNAME

о.. pk property <pk> pk property type <pk>

Свойства Типы свойств

Рис. 2. Схема банка эвристических паттернов

В соответствии с разработанной структурой, основные сущности хранятся следующим образом (табл. 1, 2).

Таблица 1

Таблица Heuristic (Эвристические паттерны)

Использование эвристического паттерна при переходе от одного МПР к другому

heurlstlc_ld numerlc did <pk,fkl>

property_value_ld numerlc DID <fk2>

alueja = p

H id Code Name Description

1 ИС Инверсия способа формирования оценки альтернативы Вместо единичной (одной из заданных, явно различимых для ЛПР) оценки используется интегральная оценка

2 ИР Инверсия результата Исходные данные преобразуются (инвертируются) и решается обратная задача: переход от максимизации минимального выигрыша к минимизации максимального риска (проигрыша)

3 Р Регулятор В метод «встраивается» элемент, который регулирует степень реализации каждой из инверсных (в общем случае - отличающихся) функций. Функции выполняются параллельно. Возможно использование 2-х и более функций. В этом случае сумма значений всех элементов должна быть равна 1. Для 2-х элементов возможно использование подхода, основанного на пропорции «золотого сечения», в котором значение Регулятора находится в промежутке от 0,382 до 0,618.

4 П Перенос Существующий алгоритм метода остается неизменным. Изменяются только используемые входные данные

34

ПЕРСПЕКТИВЫ РАЗВИТИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Окончание табл. 1

H id Code Name Description

5 В Включение Метод целиком встраивается в новый метод. При наличии нескольких «включенных» методов - выполняются последовательно, а не параллельно, как при «Регуляторе»

6 Х Иерархия Метод разбивается на 2 этапа (как минимум). На 1-м - определяется решение по первому критерию. На 2-м этапе - принятое решение сравнивается с другими возможными вариантами по возможным показателям и принимается окончательное решение при помощи второго критерия

7 Ф Фильтр Принимаемое решение зависит от параметра системы (в отличие от Регулятора, не принимает участия в формировании интегральных оценок альтернатив). Параметр отсеивает нежелательные варианты решений

8 ВЕО Вариативность единичной оценки Осуществляется выбор одной из заданных оценок альтернативы, которая используется в дальнейшем для принятия решения

9 ВИО Вариативность интегральной оценки Осуществляется формирование интегральной оценки при помощи, суммирования, произведения, определение среднего значения и т.д., которая используется в дальнейшем для принятия решения

Таблица 2

Таблица Decision_Making (Методы принятия решений)

Dm id CODE NAME

1 MM Мини-максныйкритерий

2 ADD Аддитивный критерий

3 WEIGHT Метод взвешенных сумм оценок

10002 BL Критерий Байеса-Лапласа

10003 S Критерий Сэвиджа

10004 HW Критерий Гурвица

10005 HL Критерий Ходжа-Лемана

10006 G Критерий Гермейера

10007 P Критерий произведений

10008 BLMM Критерий BL(MM)

На первом этапе, сформированный банк данных позволяет осуществлять функции поиска существующих и ввода новых эвристических паттернов с использованием средств СУБД MS SQLServer.

В дальнейшем планируется развитие банка данных за счет выявления структурных и функциональных элементов ЭП, используемых критериев принятия решений, а также объединение с существующим банком структурных элементов критериев принятия решений, реализованным в рамках АС Альфа-Синтез [5].

Список литературы:

1. Мушик Э., Мюллер П. Методы принятия технических решений. - М.: Мир, 1990. - 208 с.

2. Олейников Д.П., Бутенко Л.Н. Результаты анализа критериев теории игр с природой в целях выявления эвристических паттернов // Инновации на основе информационных и коммуникационных технологий. Инфо 2014: XI межд. науч.-практ. конф. (г. Сочи, 1-10 окт. 2014 г.). - М.: Национальный исследовательский ун-т «Высшая школа экономики», 2014. - С. 583-585.

3. Олейников Д.П., Бутенко Л.Н. Морфологическое исследование количественных методов принятия решений в играх с природой // Системы управления и информационные технологии. - 2013. - Т. 52, № 2. - С. 38-42.

4. MicrosoftCorp. Типы данных (Transact-SQL) [Электронный ресурс]. -Режим доступа: https://msdn.microsoft.com/ru-ru/library/ms187752.aspx (accessed: 24.02.2015).

5. Бутенко Л.Н., Олейников Д.П. Автоматизированная система синтеза методов принятия решений «Альфа-Синтез» // Программные продукты и системы. - 2014. - Т. 1. - С. 106-111.

ПРИМЕНЕНИЕ ГИСТОГРАММ ДЛЯ ОБРАБОТКИ И АНАЛИЗА ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ

© Пахомова К.И.*

Сибирский федеральный университет, г. Красноярск

В статье рассматривается проблема изучения природных процессов на основе данных космического и наземного мониторинга. На основе численного вероятностного анализа предлагается концептуально-ги-стограммный подход, который применяется для разработки процедур представления и обработки информационных потоков, а также для численного моделирования и представления характеристик природных объектов. Показывается, что применение разработанных процедур позволяет агрегировать данные, снижает уровень информационной неопределенности в данных и существенно повышает эффективность численных расчетов.

Ключевые слова: численный вероятностный анализ, космический мониторинг, моделирование природных явлений, гистограммный подход, обработка данных.

Проблема обработки данных, полученных на основе использования методов дистанционного зондирования земли (ДЗЗ) является как никогда актуальной.

Дистанционное зондирование Земли (ДЗЗ) представляет собой сбор информации об объекте или явлении с помощью регистрирующего прибора,

* Аспирант кафедры Информационных систем.