CC BY
423
Электронный журнал Cloud of Science. 2014. T. 1. № 3
http://cloudofscience.ru
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
А. В. Андрейчиков*, О. Н. Андрейчикова**
Московский государственный университет путей сообщения 127994, ГСП-4, Москва, ул. Образцова, 15
**Центральный экономико-математический институт Российской академии наук 117418, г. Москва, Нахимовский пр-т, 47 e-mail: alexandrol@mail.ru
Аннотация. В статье представлены новые интеллектуальные методы принятия решений: метод анализа иерархий с динамическими суждениями, который можно применять для прогнозирования возможных последствий решений; метод аналитических сетей, позволяющий определить приоритеты альтернатив в условиях взаимного влияния; метод нечеткого логического вывода, обеспечивающий поддержку процессов принятия решений путем моделирования рассуждений на основе экспертных знаний; метод логического синтеза сценариев развития сложных систем, позволяющий прогнозировать будущее с учетом появления новых тенденций и событий, которые могли не иметь места в прошлом. Интеллектуальные системы компьютерной поддержки прошли практическую апробацию в течение нескольких лет при решении задач в таких областях, как экономика, инноватика, менеджмент организаций, концептуальное проектирование новой техники, оценка интеллектуального капитала и др.
Ключевые слова: методы принятия решений, интеллектуальные системы, прогнозирование, динамические приоритеты, аналитические сети, нечеткий логический вывод, логический синтез сценариев, методология прогнозирования.
1. Введение
Управление сложными социально-экономическими и социально-производственными системами — это деятельность, направленная на поиск, разработку и принятие решений различного масштаба. Стратегические, тактические и оперативные решения в управленческой практике приходится принимать в условиях неопределенности, что связано с неполнотой и неточностью информации, а также с постоянными и плохо предсказуемыми изменениями внешней среды. Применение научно обоснованных методик принятия решений позволяет сделать этот процесс понятным, прозрачным и обоснованным. Кроме того, такие методики существенно
353
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
облегчают распределение ответственности между руководителями разных уровней, а также контроль и согласование решений.
Применение математических методов и интеллектуальных систем компьютерной поддержки позволяет преодолеть сложность многих проблем управления, не прибегая к излишним упрощениям, которые могут быть оправданы на оперативном уровне, но нежелательны, а иногда недопустимы на стратегическом уровне, где необходимо учитывать факторы, определяющие развитие сложных систем, множество критериев оценки качества альтернативных вариантов, взаимное влияние критериев, факторов и альтернатив, а также тенденции изменения внешних условий, предпочтений и приоритетов лиц, принимающих решения (ЛПР).
Разнообразие проблем принятия решений [1-3] обусловлено большим количеством признаков, с помощью которых они могут быть описаны. Это — число и тип рассматриваемых вариантов действий (альтернатив); количество участников процесса принятия решений; число факторов и критериев, используемых для оценивания альтернатив; информация о связях между участниками выбора, целями, факторами, критериями и альтернативами; тип информации, характеризующей оценки альтернатив по критериям (количественная, качественная); устойчивость исходной информации во времени и т. д. Разнообразие задач порождает многообразие методов принятия решений. Правильное определение типа исследуемой проблемы во многом определяет ее успешное решение. Так, если рассматриваемая задача может быть представлена формальной математической моделью с количественными переменными и единственным критерием, то для выбора лучших решений можно применять методы оптимизации. Если описание проблемы на чисто количественном уровне невозможно, то целесообразно построить качественную модель, описывающую основные элементы проблемы и связи между ними. Подобная модель может использоваться для оценивания предпочтительности альтернативных вариантов на основе экспертных и измеряемых (вычисляемых) данных, важности критериев и факторов, а также степени влияния элементов проблемы друг на друга. Математическая обработка построенной модели с применением программных средств поддержки принятия решений позволяет получить развернутые и многовариантные результаты, которые могут использоваться для обоснования принимаемых решений или для корректирования исходной информации. Например, при выборе инвестиционного решения для оценки альтернативных вариантов могут одновременно использоваться количественные показатели (рентабельность, объем первоначальных инвестиций) и качественные признаки, характеризующие возможности сбыта производимого товара, производственный и инвестиционный риск. Предпочтительность альтернатив по качественным признакам оценивается ЛПР или экспертами с применением специальных методик, при этом перечисленные показатели могут детализироваться до такого уровня, на котором эксперты способны корректно оценить рассматриваемые альтернативы. Например, показатель «Возможности сбыта» может быть уточнен следующим набором критериев: потенциальная емкость рынка; доля рынка, которую можно захватить, прогнозируемый объем продаж, степень конкуренции.
354
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
Системный подход к принятию сложных решений делает этот процесс упорядоченным, превращая его в четкую процедуру сбора, обработки и анализа информации. Грамотный анализ рассматриваемых проблем не лишает руководителя права выбора, а помогает ему обосновать этот выбор и найти приемлемый компромисс между достоинствами и недостатками альтернативных вариантов решений.
Задачи стратегического планирования являются наиболее трудоемкими, так как включают в себя процедуры генерации образов будущего, процедуры прогнозирования и принятия решений. Для поддержки процессов стратегического планирования разработаны специализированные интеллектуальные системы компьютерной поддержки, которые прошли практическую апробацию в течение нескольких лет при решении задач в таких областях, как экономика [4, 5], концептуальное проектирование новой техники [6, 7], авторское право [8-10], менеджмент организаций [11] и др.
2. Прогнозирование на основе метода анализа иерархий с динамическими предпочтениями и приоритетами
Метод анализа иерархий (МАИ) [12] основан на представлении знаний экспертов в виде иерархии целей, факторов, действующих сил (акторов), критериев, подкритериев и альтернатив. Предпочтения экспертов выявляются с помощью процедуры парных сравнений элементов иерархии нижележащих уровней относительно связанных с ними элементов более высокого уровня. Для измерения степени предпочтительности используется шкала отношений.
Для каждой матрицы парных сравнений (МПС) вычисляется главный правый собственный вектор, который интерпретируется как вектор приоритетов сравниваемых объектов. Затем осуществляется линейная свертка приоритетов альтернатив на иерархии критериев, акторов и целей. Метод отличается простотой и дает хорошее соответствие интуитивным представлениям.
Усовершенствованный МАИ с динамическими предпочтениями и приоритетами реализован в виде интеллектуальной системы поддержки принятия решений (ИСППР). ИСППР позволяет решать принципиально новые задачи прогнозирования экспертных предпочтений, связанных с получением оценок приоритетности альтернатив в форме зависимостей от времени. Для этого исходные экспертные оценки должны содержать информацию об изменении предпочтительности одной альтернативы перед другой на некотором временном отрезке. Следовательно, оценка предпочтительности может быть задана не константой, а функцией. Подбор таких функций можно осуществить, либо предоставив в распоряжение эксперта некоторую функциональную шкалу [12], либо путем аппроксимации экспертных оценок, полученных в различные моменты времени [4]. Эти функции отражают интуитивные чувства лица, принимающего решения об изменении в тренде: постоянном, линейном, логарифмическом и экспоненциальном, возрастающем до мак-
355
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
симума и убывающем или опускающемся до минимума и возрастающем, колебательном и, наконец, допускающем катастрофические изменения.
Для динамических задач матрица парных сравнений содержит функции времени в качестве элементов, поэтому максимальное собственное число Amax, а также собственный вектор W также будут зависеть от времени, т. е.
A(t)W (t) = Amax(t)W (t). (1)
Здесь А(t) — матрица парных сравнений объектов, содержащая информацию об изменении предпочтительности одной альтернативы перед другой на некотором промежутке времени, которая задана функцией.
Если порядок матрицы парных сравнений не превышает четырех, для уравнения (1) можно получить аналитическое решение [12]. Альтернативным способом является получение А(^ и W(t) численными методами [4]. Для этого необходимо иметь в распоряжении информацию о предпочтениях экспертов за определенный период времени. При накапливании такой информации в разработанной компьютерной системе становятся возможными прогнозирование предпочтений и оценка ближайших последствий принимаемых решений.
Проиллюстрируем применение этого подхода к прогнозированию приоритетов перспективности альтернативных инновационных технологий для виброзащиты (ВЗС) высокоскоростного наземного транспорта. Иерархия факторов, действующих сил и критериев задачи представлена на рис. 1.
Рисунок 1. Иерархия динамической задачи выбора перспективной ВЗС
356
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
Главная цель задачи (фокус) — выбрать принципиальное технологическое решение ВЗС, которое будет предпочтительным для установки на высокоскоростных транспортных средствах (ТС) в течение установленного срока прогнозирования (6 лет). Основные факторы, влияющие на предпочтения, размещены на первом уровне иерархии. Это — макроэкономика, научно-технический прогресс (НТП), инвестиции и требования покупателей транспортных средств, предъявляемые к виброзащите. На втором уровне иерархии расположены главные действующие силы — производители ВЗС, производители ТС и технологии производства ВЗС. Элементы данного уровня влияют на выбор типа ВЗС через определенные требования, выраженные критериями качества, составляющими третий уровень иерархии. На последнем уровне находятся альтернативные типы ВЗС.
На первом этапе была решена статическая задача выбора лучшей из рассматриваемых альтернатив в настоящий момент времени t0.
На втором этапе с помощью экспертов были определены предпочтения, зависящие от времени. Это — суждения экспертов о предпочтительности факторов относительно главной цели и суждения о предпочтительности критериев для производителей ТС и ВЗС. В данном примере предполагалось, что предпочтения, высказанные экспертами для альтернатив по критериям третьего уровня иерархии, не будут изменяться с течением времени. При заполнении динамических МПС эксперту было достаточно выбрать вид и определить параметры для (п — 1) базовых
функций, где п — размерность матрицы. Остальные (п2 — 2п + 1) значения предпочтений вычислялись автоматически на основе базовых значений (Auto), исходя из свойства обратной симметричности и предположения абсолютной согласованности суждений. Начальные значения предпочтений определялись по данным статической задачи. Пример динамической МПС приведен ниже:
ФОКУС Макроэкономика НТП Инвестиции Требования покупателей
Макро- экономика 1 l/0.25e06 Auto 1/(0.2 — 0.05t + 0.08
НТП 0.25e"°‘ 1 0.2 — 0.18t + 0.15t2 Auto
Инвести- ции Auto 1/(0.2 — 0.18/ + 0.15/2) 1 Auto
Требования покупателей 0.2 — 0.05t + 0.08t2 Auto Auto 1
Полученные результаты показаны на рис. 2 и 3. Из рис. 2 видно, что важность научно-технических инноваций в будущем заметно возрастает. Приоритет требований покупателей увеличивается в течение срока прогнозирования немного слабее. Относительная значимость инвесторов и макроэкономических факторов снижается
357
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
в будущем. Такой прогноз можно считать достаточно оптимистическим. Он соответствует тенденциям стабильного экономического роста.
-•— Макроэкономика
—■— НТП
—А— Инвесторы
Требования
покупателей
Рисунок 2. Изменение приоритетов факторов во времени.
Пружинная
- Пневматическая
Активная ВЗС
Рисунок 3. Изменение глобальных приоритетов альтернатив во времени
Глобальные динамические приоритеты альтернатив, вычисленные с учетом описанных изменений предпочтений (рис. 3), наглядно демонстрируют возрастание предпочтительности производства сложной и конкурентоспособной продукции (активная и пневматическая ВЗС) перед простой и дешевой (пружинная ВЗС) в будущем. Невысокий приоритет пневматических ВЗС в данном случае объясняется относительно высокой стоимостью и низкой надежностью систем данного класса.
Таким образом, принимая долгосрочные решения, важно учитывать тенденции изменения предпочтений с течением времени. Эти тенденции можно выявить на основе релевантных статистических данных. Если таковые отсутствуют, то дина-
358
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
мические задачи могут быть решены на основе обоснованных гипотез об изменении предпочтений.
3. Прогнозирование на основе метода аналитических сетей
Метод аналитических сетей (МАС, ANP) является обобщением МАИ на сетевые модели проблем принятия решений, в которых учитывается взаимное влияние целей, акторов, критериев и альтернатив [13]. В МАС иерархия заменяется сетью, при этом, как и в МАИ, экспертные суждения интегрируются определенным образом для того, чтобы получить обобщенные значения приоритетов. Команда экспертов вырабатывает шкалу для оценки суждений, на основе которых выбирается одно лучшее решение или ранжируется множество допустимых вариантов, при этом ресурсы распределяются пропорционально полученным приоритетам.
Актуальность использования МАС обусловлена тем, что многие проблемы принятия решений нельзя представить иерархическими структурами, потому что в них существуют зависимости и взаимодействия между элементами разных уровней иерархии. Существуют задачи, в которых не только важность критериев влияет на приоритеты альтернатив (как в иерархиях), но также важность альтернатив влияет на приоритеты критериев. Обратная связь позволяет нам ввести в структуру принятия решения факторы, учитывающие будущее, и определить политики достижения желаемого будущего. Структуры решений с обратными связями нельзя линейно упорядочить сверху донизу, они представляют собой сети, содержащие циклы и объединяющие элементы проблемы в компоненты, которые мы уже не можем называть уровнями. Кроме того, в них могут присутствовать петли обратной связи, отражающие взаимное влияние элементов одного компонента. Проблемы принятия решений, включающие обратные связи, часто возникают на практике. Поскольку наличие обратных связей приводит к возникновению циклов, и, следовательно, бесконечных маршрутов, то возникает необходимость применения более сложного, чем в МАИ, алгоритма вычисления приоритетов. Однако искусственное преодоление сложности путем сведения практических задач к примитивным структурам не позволяет надеяться на получение результатов, которые адекватно отражают реальность.
В общем случае, сеть состоит из компонентов и элементов, которые содержатся в этих компонентах. Но при создании структур для моделирования проблем могут использоваться совокупности компонентов — подсистемы. Таким образом, в порядке уменьшения размера можно выделить: собственно систему, состоящую из подсистем; подсистемы, состоящие из компонентов; и компоненты, содержащие множества элементов. Предположим, что сетевая структура принятия решения содержит nh компонентов, которые будем обозначать Ch, h = 1, m. Влияния, которые оказывают элементы некоторого компонента на другие элементы в системе, можно представить векторами приоритетов, полученными на основе парных сравнений,
359
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
как в МАИ. Взаимные влияния элементов в сети можно представить следующей суперматрицей:
e11 C е12 '-'I einl C eil ei2 ... einl W rr11 C2 e21 e22 ... e2n2 W "12 C m e e e ml m 2 "' mnm W rr1m
e2l e22 C2 ... e2 n2 W 21 W22 W rr 2m
eml C em 2 m e mnm W rr ml Wm2 W rr mm
Каждый столбец в матрице Wij представляет собой главный собственный вектор
влияния элементов i-го компонента сети на элементы j-го компонента. Нулевые элементы вектора соответствуют элементам, не оказывающим влияния. Поэтому, проводя парные сравнения, мы используем не все элементы компонента, а только те, которые имеют влияние.
Решение сетевой задачи сводится к вычислению приоритетов всех элементов суперматрицы. Однако обратные связи придают сетевым задачам динамический характер, т. е. значения приоритетов становятся неопределенными из-за взаимного влияния элементов. Поэтому для получения однозначного результата суперматрицу последовательно возводят в целочисленные степени до тех пор, пока не будет достигнут предел. Но предварительно суперматрицу приводят к стохастическому виду, чтобы сумма элементов в каждом столбце была равна единице. Для этого векторы приоритетов блоков Wij умножают на нормированные весовые коэффициенты
соответствующих компонентов Ci. Получить эти коэффициенты можно путем вычисления собственного вектора матрицы парных сравнений компонентов. В результате получается взвешенная суперматрица, которая является стохастической. Элементы предельной суперматрицы (предельные приоритеты) интерпретируются как предельные оценки долговременного влияния каждого элемента системы на все остальные элементы.
Суперматрицу возводят в степени, чтобы увидеть распространение влияния по всем возможным маршрутам графа влияний, которому соответствует суперматри-
360
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
ца. Элементы взвешенной суперматрицы показывают непосредственное влияние каждого элемента системы на все другие элементы. Но один элемент может влиять на другой косвенно, через некоторый третий элемент, который, в свою очередь, влияет на второй. Потенциально может существовать множество таких транзитных элементов. Поэтому необходимо рассмотреть все возможные маршруты влияния через транзитные элементы. Оценку косвенного влияния во всех парах элементов через один промежуточный элемент можно получить, возведя взвешенную суперматрицу в квадрат. Для того, чтобы оценить все возможные влияния в аналитической сети, нужно вычислить предел lim Wk. Из математического анализа известно,
к
что, если последовательность сходится к пределу, то ее чезаровская сумма (предел среднего значения последовательности из N степеней суперматрицы
lim(l/N)Wk сходится к тому же самому пределу. Так как последовательность
кк_1
задана целочисленными значениями показателя степени матрицы, достаточно выяснить предельное значение этой степени. Может оказаться, что последовательность сходится не к единственному пределу, но среднее чезаровских сумм, соответствующих различным пределам последовательности, дает единственный предел. Оба этих случая могут иметь место при возведении суперматриц в степени.
Таким образом, способ вычисления приоритетов воздействия зависит от структуры связей элементов задачи. Формирование структуры является сложным процессом, который может приводить к различным результатам. Этот процесс требует глубоких знаний проблемной области и рассмотрения множества вариантов. Для обеспечения такой возможности необходима компьютерная и информационная поддержка. На базе метода анализа сетей было разработано программное обеспечение, которое использовалось в процессе решения задач анализа сетевых структур.
Рассмотрим подход к прогнозированию стратегических намерений России по проблеме вступления в ВТО, который был осуществлен в 2004 году одной из инновационных компаний [14, 15]. Цель проведенного компанией исследования была сформулирована как многоаспектный анализ решения о вступлении России в ВТО с учетом взаимного влияния основных структурных элементов проблемы, направленный на выявление лучших альтернатив и наиболее важных факторов. Модель включает пять наиболее важных, с точки зрения инновационной компании, групп факторов (структурных элементов), определяющих анализируемое решение (рис. 4).
Даже эта упрощенная модель демонстрирует сложность рассматриваемой проблемы и всю условность часто употребляемого термина «оптимальное решение». На следующем шаге анализа с помощью парного сравнения элементов кластеров, подверженных влиянию, оценивалась их предпочтительность, важность или степень влияния относительно элементов влияющих кластеров. При этом использовались суждения экспертов, выраженные в целочисленной девятибалльной шкале отношений.
361
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
Рисунок 4. Структура качественной модели решения о вступлении России в ВТО
На первом этапе выявления экспертных суждений оценивалось взаимное влияние групп. Для этого потребовалось заполнить пять матриц парных сравнений (по количеству групп, имеющих влияние на другие группы). При заполнении матрицы числами из девятибалльной шкалы эксперты отвечали на вопрос: «На какой из двух сравниваемых кластеров (групп) больше влияет кластер «Действия»?
Следующий этап методики аналитических сетей заключается в сравнении элементов групп, подверженных влиянию других элементов. Этот этап является достаточно трудоемким, так как здесь потребовалось заполнить 112 матриц парных сравнений и, кроме того, опросить нескольких экспертов с целью оценки устойчивости получаемых результатов. Ниже приведен пример заполнения матрицы парных сравнений для элемента актора «Сельское хозяйство» кластера «Акторы». При оценке степени влияния актора «Сельское хозяйство» на остальных акторов задавался вопрос: “На какого из двух сравниваемых акторов в большей степени влияет актор «Сельское хозяйство» и на сколько в большей?”
Результат обработки матрицы показывает, что сельское хозяйство больше всего влияет на актор «Население» и меньше всего на актор «ВТО»:
362
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
Сельское Банки Производит Высокие НеконкурентоспоНаселениеПолити Производит ВТО W
хозяйство ели энергии технологи собные ки ели услуг
и производители
Банки 1 1 3 1/2 1/4 1 1 9 0,1032
Производители 1 3 1/2 1/4 1 1 9 0,1032
энергии Высокие 1 1/6 1/9 1/3 1/3 3 0,0356
технологии
Неконкуренто- способные 1 1/2 2 2 9 0,1887
производители Население 1 4 4 9 0,3465
Политики 1 1 9 0,1032
Производители услуг 1 9 0,1032
ВТО 1 0,0163
Оценка согласованности суждений CR=0,0209 (допустимое значение <0,1)
Из векторов приоритетов, вычисленных для всех матриц парных сравнений, формируется суперматрица, математическая обработка которой позволяет получить результат в виде вектора предельных приоритетов всех элементов рассматриваемой проблемы. Значения предельных приоритетов интерпретируются в зависимости от поставленной цели и вопросов, которые задавались при заполнении матриц. В данном случае высокие значения приоритетов будут соответствовать элементам, на которые в наибольшей степени скажется решение о вступлении в ВТО. В группе альтернатив наиболее предпочтительная в свете высказанных предпочтений и влияний альтернатива будет иметь самый высокий предельный приоритет; в группе акторов самый высокий приоритет будет соответствовать элементу, для которого последствия вступления в ВТО наиболее чувствительны; высокие приоритеты среди действий указывают на самые актуальные из них; высокие значения предельных приоритетов возможностей и рисков говорят об их важности для акторов и косвенно свидетельствуют о высокой вероятности их наступления.
На основе экспертных оценок влияния одних элементов на другие были вычислены приоритеты влияния факторов на элементы всех кластеров. Полученные результаты показаны на рис. 5, где можно видеть, что факторы, представленные графиками, оказывают неодинаковое влияние на элементы проблемы, расположенные по круговой оси.
На рис. 5 можно заметить некоторые закономерности, например, превалирующее влияние альтернатив на действия и риски, определяющее влияние акторов на альтернативы. Кроме того, можно заметить, что наибольшее влияние на возможности имеют действия, а мнения акторов определяются влиянием возможностей и рисков. Наблюдаем интересный факт, сравнивая факторы, влияющие на возможности и риски. Превалирующее влияние на возможности имеют действия, а на риски — альтернативы. Это свидетельствует об условном характере возможностей и случайной природе рисков. Рассматриваемые действия предоставляют определенные возможности акторам, и, хотя заранее неизвестно, смогут ли они ими воспользоваться, здесь можно наблюдать свойственный человеку оптимистический подход к оценке возможных выигрышей, который проявляется в том, что действия определяют приоритеты возможностей.
363
UJ
On
-P*.
Изменение законодательства
Реструктуризация экономики Подготовка кадров
Недобросовестная конкуренция ~~ Гбст цен
Многосторонние переговоры Сельское хозяйство
Банки
Производители энергоресурсов Высокие технологии Некой курентоспособнье производители
Население
Политики Сфера услуг
Снижение протекционистских мер Уменьшение допей рынка
Потеря независимости Гибель производства Появление новых товаров и услуг Расширение рынка Инновационный рост
Приток инвестиций
Рост занятости "Рост конкурентоспособности
Вступить в 2006
Вступить в 20i
Дебюрократизация
е вступать
Вступить в 2013
-♦— Изменение законодательства ♦-—Подготовка кадров -as-Сельское хозяйство
-&— Производители энергии и ценных ресурсов
■а—Производители неконкурентоспособной продукции
а---Политики
•---ВТО
-•--Вступить в 2008
а— Не вступать
-<5-FbcT конкурентоспособности российских товаров
-±— Приток инвестиций -Я— Расширение рынка -ж--Гибель производства
-а— ^структуризация экономики
-±— Многосторонние торговые переговоры
*---Банки
-е— Высокие технологии -*— Население -А— Сфера обслуживания ■*— Вступить в 2006
-as-Вступить в 2013
-а— Дебюрократизация
а---Гост занятости
-ж— Инновационный рост
-•— Появление новых товаров и услуг
■*— Потеря независимости
Рисунок 5. Приоритеты влияния рассматриваемых факторов
А. В. Андрейчиков, Методы и интеллектуальные системы принятия
О. Н. Андрейчикова решений для проведения ФОРСАИТ-исследований
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
Предельный результат характеризует вклад каждого из рассматриваемых факторов в главную цель, которая заключается в принятии согласованного решения о вступлении России в ВТО с учетом взаимного влияния факторов. Этот результат представлен на рис. 6, который показывает, что в наибольшей степени это решение повлияет на акторы: сельское хозяйство, производители высокотехнологичной и неконкурентоспособной продукции. Лучшими альтернативами с учетом коллективного мнения и взаимного влияния акторов являлись акторы «Вступать в 2008» и «Вступать в 2013», имеющие примерно одинаковые приоритеты. Наиболее актуальным действием является реструктуризация экономики. С небольшим превосходством над остальными можно выделить две наиболее привлекательных возможности — приток инвестиций и расширение рынка. Наиболее вероятные риски — это уменьшение долей рынка и связанные с ним риски снижения защиты производителей, роста цен и недобросовестной конкуренции.
Полученный результат является определенным компромиссом интересов всех участников, вовлеченных в решение проблемы. Следует заметить, что этот компромисс достигнут не на основе какого-либо принципа усреднения мнений участников, а в результате учета их взаимного влияния. Наличие замкнутых контуров влияния на рис. 4 делает задачу динамической в том смысле, что каждый влияющий элемент подвергается влиянию других элементов, вследствие чего приоритеты постоянно изменяются. Однако это происходит не бесконечно, а приводит на определенном этапе к некоторому устойчивому набору значений приоритетов, которые затем остаются постоянными (см. рис. 6).
Таким образом, взаимные влияния элементов стабилизируются, что можно интерпретировать как компромисс и как прогноз устойчивого состояния, которого может достигнуть рассматриваемая система.
4. Прогнозирование инструментами экспертных систем с нечетким логическим выводом
Экспертные системы (ЭС) осуществляют поддержку процессов принятия решений путем моделирования рассуждений на основе экспертных знаний [16]. В связи с этим пользователем ЭС может быть человек, не обладающий квалификацией эксперта.
Оболочка экспертной системы с нечетким выводом «Нечеткая логика» разрабатывалась для исследования применения нечеткого логического вывода в задачах принятия решений, диагностики и прогнозирования [17]. Система «Нечеткая логика» способна осуществлять нечеткий логический вывод на последовательности правил, заданной пользователем. Вычисления в процессе логического вывода могут быть реализованы различными способами.
Система «Нечеткая логика» обеспечивает следующие основные функции: ввод лингвистических переменных; ввод значений лингвистических переменных в графическом виде; хранение, поиск и модификацию лингвистических переменных и их значений; ввод, хранение, поиск и модификацию правил различной структуры;
365
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
выполнение нечетких выводов с использованием различных способов реализации; сохранение промежуточных результатов в процессе логического вывода с целью построения цепочек выводов.
Недобросовестная конкуренция Рост цен
Снижение защиты российских производителей
Уменьшение долей рынка
Потеря независимости
Гибель производства Появление новых товаров и услуг высокого
качества
Расширение рынка Инновационный рост Приток инвестиций Рост занятости
Рост конкурентоспособности российских товаров
Дебюрократизация Не вступать Вступить в 2013 Вступить в 2008 Вступить в 2006 ВТО
Сфера обслуживания Политики Население
Производители неконкурентоспособной
продукции
Высокие технологии
Производители энергии и ценных ресурсов
Банки
Сельское хозяйство Многосторонние торговые переговоры Подготовка кадров Реструктуризация экономики Изменение законодательства
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07
Рисунок 6. Предельные приоритеты факторов, характеризующие их вклад в главную цель
Разработанная система выполняет логические выводы на основе композиционного правила вывода — нечеткого аналога MODUS PONENS:
B* = Л" о R,
где B — приближенное заключение; Л — нечеткое представление исходного факта; R — нечеткое отношение, соответствующее импликации вида Л ^ B. Мера близости полученного заключения к эталонному образу B определяется визуально или с помощью скалярного индекса сходства нечетких множеств B и B*.
366
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
В системе допускается организация правил с одним выходом «ЕСЛИ A, ТО B» и с двумя выходами «ЕСЛИ A, ТО B, ИНАЧЕ C». При этом посылка может быть сложным логическим выражением, включающим операции отрицания, дизъюнкции и конъюнкции.
Для вычисления нечеткого отношения на нечетких множествах используются следующие способы: максиминное правило с одним выходом и с двумя выходами; размытое бинарное правило с одним выходом и с двумя выходами; импликация Лукасевича для правил с одним выходом и с двумя выходами; импликация Гёделя для правил с одним выходом и с двумя выходами; импликация Мамдани для правил с одним выходом.
Далее рассмотрен фрагмент ЭС с нечетким представлением знаний, которая может быть полезной при активном управлении предприятием. ЭС содержит базу знаний, которая используется для решения следующих задач:
1) диагностика текущего состояния предприятия;
2) прогнозирование будущего состояния предприятия;
3) подбор рекомендуемых мер для улучшения будущего состояния.
Знания в ЭС представлены в виде правил, содержащих выражения с лингвистическими переменными (ЛП), значениям которых соответствуют нечеткие множества. Для решения каждого вида задач сформированы наборы правил, которые могут быть скорректированы пользователем.
Правила диагностики включают ЛП, которые отражают тенденции, значения или экспертные оценки основных экономических показателей состояния предприятия, например: стадия жизненного цикла; форма собственности, технологическая оснащенность; направленность потоков сырья, комплектующих и готовой продукции (экспорт-импорт); относительная прибыльность; рентабельность; ликвидность, стоимость капитала; соотношение собственных и заемных средств; оборачиваемость средств; диверсификация продукции и т. д. На основе приближенного анализа набора показателей выводится нечеткая оценка текущего состояния предприятия, которая используется в процессе прогнозирования будущего состояния. При этом используется другой набор правил прогнозирования, включающих информацию о ресурсах, политиках и стратегиях предприятия, а также о предполагаемых изменениях внешних факторов. Задача выбора мероприятий, направленных на достижение благоприятного состояния предприятия в будущем, решается с использованием третьего набора правил, включающих значения оценок текущего и будущего состояний предприятия.
Рассмотрим возможный набор правил для диагностики состояния предприятия:
1. Если относительная прибыльность предприятия (RP) падает до критического уровня (Critical), то его цена (EntCost) уменьшается (Fall), в противном случае цена (EntCost) остается стабильной (Constant).
2. Если RP возрастает (Raise), то EntCost увеличивается (Grow).
367
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
3. Если RP падает (Reduce, Critical), то стоимость акций (ActCost) понижается (Fall), иначе ActCost = Constant.
4. Если RP падает (Reduce, Critical), то риск потери капитала (Risk) возрастает (Up), иначе Risk = Constant.
5. Если цена предприятия падает (EntCost = Fall) и суммарные обязательства кредиторам (CreditPay) велики (Large), то капитал акционеров уменьшается (Capital = Fall), в противном случае Capital = NotFall.
6. Если стоимость акций падает (ActCost = Fall) и риск возрастает (Risk = Up), то возможности кредитования (CreditTake) уменьшаются (Fall).
7. Если прибыльность предприятия падает (RP = Reduce, Critical) и уменьшается кредитование (CreditTake = Fall), то возможен дефицит средств (Deficit = Yes), иначе Deficit = No.
8. Если есть дефицит средств (Deficit = Tes) и акционерный капитал уменьшается (Capital = Fall), то предприятия находится в состоянии технической неплатежеспособности (StateEnt = TechCrisis).
9. Если уменьшился акционерный капитал предприятия (Capital = Fall), снизилось кредитование (CreditTake = Fall) и доля заемных средств велика (CreditMeans = Large), то предприятие находится в состоянии кризиса (StateEnt = Crisis).
10. Если EntCost = Constant и Deficit = No, то StateEnt = Norma.
11. Если EntCost = Grow и Deficit = No и CreditPay = NotLarge, то StateEnt = Growth.
Структура знаний в виде правил с нечеткими переменными показана на рис. 7. В процессе логического вывода на заданной цепочке правил получаются нечеткие образы значений ЛП, которые по выбору пользователя записываются в БЗ для осуществления последующих шагов вывода, а также для использования в задачах прогнозирования. При этом могут использоваться правила с одним выходом или с двумя. Простые правила содержат антецедент, включающий только одно значение ЛП. Сложные правила могут содержать нечеткие операции конъюнкции и дизъюнкции. На рис. 8 показаны функции принадлежности к нечетким множествам, соответствующим значениям ЛП StateEnt, характеризующей возможные состояния предприятия (Crisis; TechCrisis; Norma; Growth).
Задача прогнозирования состояния предприятия на ближайшее будущее решается с использованием оценки текущего состояния на новом наборе правил, содержащих в качестве условий предположения о возможных состояниях окружения предприятия и возможных действиях руководства. Например, для предприятий, находящихся в нормальном состоянии, рассматривая вероятные изменения внешних факторов (падение курса рубля; удорожание кредитов; увеличение налогов; рост цен на энергоносители; ужесточение санитарных норм; усиление конкурентной борьбы; снижение покупательной способности населения; старение технологий; уменьшение доли рынка), можно получить неблагоприятный прогноз на бу-
368
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
дущее. Тогда возникает необходимость решения следующей задачи — разработки политики развития предприятия.
Рисунок 7. Пример подмножества нечетких правил из базы знаний, используемых в задаче диагностики состояния предприятия
Рисунок 8. Функции принадлежности нечетких множеств значений переменной StateEnt
369
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
Предприятия с положительной динамикой экономических показателей также должны учитывать возможные изменения окружающей среды, чтобы принимать своевременные меры для обеспечения хорошего состояния в будущем. Для предприятий в состоянии кризиса отпадает необходимость прогнозирования, так как в этом случае можно сразу переходить к разработке антикризисных мер. Особую актуальность задачи прогнозирования и разработки политики имеют для предприятий, находящихся в предкризисном состоянии. В этом случае указанные задачи объединяются в одну, т. е. составляется один набор правил, элементами которых становятся прогнозируемые значения ЛП, описывающих внешние факторы, а также значения ЛП, соответствующих действиям по управлению предприятием. Иногда только за счет благоприятного изменения внешних условий такие объекты могут вернуться в нормальное состояние, однако выработка и своевременная реализация антикризисных мер необходима в любом случае. Влияние внешних факторов на состояние российских предприятий весьма велико по сравнению с их влиянием на зарубежные фирмы. Этот факт не снижает важности профессионального управления, а делает его еще более значимым, так как наличие стратегии и профессионализм менеджеров являются главными средствами в борьбе за выживание в быстро изменяющихся условиях.
Логический анализ ситуаций с нечеткими переменными обладает большей гибкостью, чем традиционная логика, и не требует полного набора аксиом для вывода. Эти качества обусловливают и основные недостатки нечеткого логического подхода к задачам диагностики и прогнозирования. Они заключаются в отсутствии обоснованных процедур построения функций принадлежности, в трудности представления знаний и интерпретации результатов.
5. Логический подход к синтезу сценариев развития сложных систем
Сценарный подход к решению сложных плохо формализованных задач приобретает все большую популярность. Он активно используется в системах динамического и интеллектуального моделирования, а также как средство представления и структурирования знаний. Рассмотрим один из возможных подходов к построению сценариев с использованием логики предикатов в качестве средства представления знаний.
Решение задач проектирования развивающихся инновационных систем требует построения прогнозов возможных изменений в окружающей их среде. Существуют два принципиальных подхода к прогнозированию: прогнозирование будущего на основе прошлого и прогнозирование будущего с учетом появления новых тенденций и событий, которые могли не иметь места в прошлом. Прогнозы, получаемые первым способом, обычно имеют статистическое или теоретическое обоснование, однако они не способны описать новые ситуации. В отличие от них прогнозы, связанные с генерацией гипотез, не имеют строгого обоснования, но позво-
370
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
ляют получить представление о новых вариантах возможного будущего, которые не встречались в прошлом.
Первый подход широко используется для прогнозирования крупномасштабных явлений, при описании которых обычно не выделяются активно и непредсказуемо действующие субъекты. Второй подход чаще всего применяется для описания возможных вариантов поведения систем, содержащих активных участников (игроков), которые, не имея информации о стратегии противодействующих сторон, вынуждены их генерировать на основе доступных им знаний. Синтез сценариев, описанный в настоящем разделе, является реализацией второго подхода к прогнозированию [16, 18].
Под сценарием будем понимать последовательность взаимосвязанных событий, которая может иметь место при определенных условиях. Между событиями существуют причинно-следственные связи, которые можно представить правилами, записанными на языке логики. Синтез сценария осуществляется с использованием базы знаний, содержащей описание элементов сценария и связей между ними. Результатом синтеза является множество возможных сценариев, качество и достоверность которых зависят от исходной информации.
В качестве базовой модели представления знаний для реализации синтеза сценариев на основе причинно-следственных связей может использоваться логика предикатов первого порядка. В простых случаях для представления знаний можно применять логику высказываний. Синтез сценария сводится к построению формальной порождающей грамматики на определенном множестве терминальных и нетерминальных символов. Синтаксису логики высказываний соответствует контекстно-свободная порождающая грамматика, которая описывается четверкой G = (V, T, P, S), где V — конечное множество нетерминальных символов, не пересекающееся с V; P — конечное множество правил продукций, записанных в виде нотаций Бэкуса и представляющих собой расшифровку нетерминальных символов грамматики логическими выражениями, содержащими символы из Т и V; S — начальный символ грамматики.
Термин грамматика, взятый из лингвистики, означает набор правил некоторого языка, которые позволяют строить и распознавать «правильные» фразы на этом языке.
Фраза — это конечная последовательность слов, которые являются неделимыми элементами (терминальными символами). В любом языке разрешены не любые сочетания слов, поэтому «правильными» считаются фразы, соответствующие определенным правилам синтаксиса и семантики.
Формальная грамматика представляет собой набор логических правил (синтаксиса), которые устанавливают способы сочетания слов и словосочетаний (нетерминальных символов) для образования более сложных выражений. Правила применяются рекурсивно и позволяют порождать бесконечное множество фраз (логических формул), составляющих некоторый язык. Продукции формальных грамматик можно интерпретировать как логическую формализацию правил грамматики естественного языка, а фразы — как подмножества множества логических формул.
371
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
Кроме формализации естественных языков формальные грамматики применяются для описания и распознавания языков программирования, в частности, в программах-компиляторах. Этот механизм можно также использовать для генерации сложных систем и объектов любой природы при достаточной степени изученности исследуемой предметной области.
Ниже приведен фрагмент формализма контекстно-свободных грамматик для построения языка, с помощью которого можно описывать сценарии развития энергетической отрасли.
СЦЕНАРИЙ^Списоксобытий
Списоксобытий^Событие
^Событие, Списоксобытий Событие ^ Действиефактора ^ Действиесубъекта Действиефактора ^ Фактор
^ Условие, Фактор Фактор ^ Экономический_рост ^ Спадпроизводства ^ Глобальноепотепление ^ Снижениеинфляции ^ Увеличениедоходовнаселения ^ Ухудшениесостоянияатмосферы Действие субъекта ^ Субъект, Фактор, Условие, Действие ^ Субъект, Условие, Действие ^ Условие, Субъект, Действие
Субъект ^ РАОЕЭС
^ Промышленность ^ ТЭК ^ Население ^ Государство ^ Армия
Действие ^ Снизитьценуэлектроэнергии
^ Повыситьценуэлектроэнергии ^ Сократитьпрозводствоэлектроэнергии ^ Увеличитьпотреблениеэлектроэнергии ^ Снизитьпотреблениеэлектроэнергии ^ Дотироватьпрозводствоэлектроэнергии ^ Увеличить пороизводство ^ Модернизироватьпроизводство Условие ^(ФакторфЭкономический_рост) V (Дей-
ствие_фактора=Ухудшение_состояния_атмосферы) ^(ФакторфЭкономический_рост) V (Дей-
ствие_фактора=Повышение_уровня_жизни)
372
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
^(Действиефснизитьценуэлектроэнергии) V (Фак-тор=Снижение_инфляции)
^(СубъектфРАОЕЭС) V (Действие=Повысить_цену_электроэнергии) ^(СубъектфГосударство) V(Действие=Дотироватъ производ-
ствоэлектроэнергии)
^ (СубъектфАрмия) V (Действие=Увеличитъ потребле-ниеэлектроэнергии)
(ДействиефУвеличитьпотреблениеэлектроэнергии^ (Субъ-ектфФТЭК)''V (Действие = Модернизацияпроизводства)
(СубъектфРАО_ЕЭС^(ФакторфЭкономический_роет^ (Действие = Снизитъценуэлектроэнергии)
(СубъектфРАО_ЕЭСф^(ФакторфСпад_производстваф'V (Дей-
ствие=Сократить_производство_электроэнергии)
(СубъектфПромышленность^(ФакторфЭкономический рост/V(Действие =Увеличитьпроизводство)
^(СубъектфНаселение^(ФакторфГлобалъное_потепление^
(Действие=Снизитъ_потребление_электроэнергии)
В приведенном фрагменте грамматики каждое правило описывает возможные варианты подстановки логических формул, записанных в правой части (после стрелки), в качестве значения высказывания, содержащегося в левой части. При этом возможны альтернативные способы подстановки. Запятая, присутствующая в правых частях грамматических правил, соответствует операции конъюнкции.
СЦЕНАРИЙ (начальный символ грамматики) определяется как рекурсивная последовательность событий. События интерпретируются как действия, которые могут происходить произвольно или при выполнении определенных условий. При этом событие может быть обусловлено действием некоторого фактора (например, природного или макроэкономического) или действием активного субъекта. Варианты возможных событий показаны на рис. 9.
Ввод нетерминального символа Условие потребовался для того, чтобы ограничить произвольные сочетания действий, не соответствующих семантике. Правила, содержащие Условие, отражают связи между субъектами и их действиями, а также причинно-следственные отношения между событиями. При отсутствии подобных ограничений порождающая грамматика генерировала бы все комбинации терминальных и нетерминальных символов, т. е. морфологическое множество.
373
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
Рисунок 9. Варианты возможных событий в сценарии развития энергетики
Рассмотрим примеры построения фраз на приведенной грамматике, последовательно применяя правила подстановки:
Сценарий ^Событие^Действие_фактора^Фактор^Экономический_рост; СобытиемДействиефактора^-Фактор^-Ухудшениесостоянияатмосферы; Событие^Действие_субъекта^(Субъект, Фактор, Условие, Действие)^(РАО ЕЭС, Экономический _рост, ЕСЛИ Субъект = РАОЕЭС И Фак-
тор=Экономический_рост, ТО Действие=Снизить_цену_электроэнергии, Сни-зитьценуэлектроэнергии);
Событие^Действие_субъекта^(Субъект, Условие, Действие) ^(РАОЕЭС, ЕСЛИ Субъект=РАО_ЕЭС, ТО Действие=Повысить_цену_электроэнергии, Повысить ценуэлектроэнергии);
В процессе порождения фраз на грамматике возникает проблема выбора последовательности применения правил подстановки, так как при синтезе сценариев допускается наличие циклов событий и больших множеств Т и V. В таких случаях необходимым компонентом программного обеспечения является подсистема, управляющая процессом формирования сценариев. При этом становится необходимой классификация событий и символов, например, в соответствии с возможностью использования случайного выбора, со статусом активности субъекта (фактора), отношениями принадлежности и причинности.
374
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
Использование многоместних предикатов позволяет лучше отразить специфику знаний предметной области, так как появляется возможность описать внутреннюю структуру используемых категорий, учитывать контекст и сделать грамматику более компактной. Грамматики с многоместными предикатами называются грамматиками определенных клауз, или контекстно-зависимыми грамматиками [16]. Применение таких грамматик для синтеза сценариев позволяет представить элементы знаний в виде описаний, содержащих наборы параметров, причем в процессе подстановки существует возможность согласования значений этих параметров. Например, любой Субъект в вышеописанном сценарии может быть представлен описанием следующего вида: Субъект(<имя субъекта>, <статус>, <местоположение>, <условие выхода из игры>, <последнее совершенное действие>, <ожидаемое событие>). С помощью этих атрибутов значительно упрощается процесс организации причинно-следственных связей между событиями, а также установление связей между субъектами и возможными для них действиями.
Важным вопросом при синтезе сценариев является представление темпоральной информации, т. е. описание времени и атрибутов, изменяющихся с течением времени. Многие события имеют определенную длительность, а их последствия могут наступать с запаздыванием.
В отличие от классических моделей динамических систем в виде систем дифференциальных уравнений, при моделировании сценариев происходит приближенная имитация динамических процессов, при которой важен качественный характер зависимостей и не выдвигается жестких требований к точности вычислений. Введение в рассмотрение времени необходимо также для указания параллельно протекающих событий. При этом используется понятие параллельно-временной грамматики, которая описывается шестеркой
G = (V, Т, Р, S, Temp, F),
где множество Temp = {t е Temp) состоит из элементов, характеризующих время выполнения действий, а множество F = { ', □} отражает параллелизм событий.
Апостроф в левой части правила означает начало параллельных процессов, а пустой надстрочный символ (□) соответствует правилам, не входящим в циклы.
Грамматические правила могут быть представлены в следующем виде:
- A ^ B(tB), где tB — время выполнения события В в моделируемом процессе;
- A' ^ B(tB), где апостроф указывает начало выполнения параллельного процесса. Это значит, что существует по крайней мере еще одно правило вида A' ^ C(tc), которое выполняется одновременно с правилом
A' ^ B(tB );
- Z(tz) ^ B(tB), где Z — последний символ в циклически повторяемой части строки, В — первый символ в цикле.
375
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
Время t может быть представлено вещественным либо целым числом. В первом случае оно соответствует длительности события, а во втором — количеству повторений операций, входящих в цикл.
Мы применяли сценарный подход для построения образов будущего в задачах прогнозирования и стратегического планирования социально-экономических систем [16-18]. При этом кроме известных программных средств проводились разработка и исследование специального программного обеспечения для генерации сценариев на основе причинно-следственных связей с представлением знаний средствами логики предикатов. В разработанной системе используется дискретное время, длительность событий задается указанием начала и конца. Количественные характеристики объектов, факторов, событий и других элементов сценария вычисляются с помощью процедур, хранящихся в БЗ.
Сценарный подход к прогнозированию требует больших затрат труда и времени для сбора и представления знаний, а также для экспертной оценки элементов информации. Целесообразность затрат зависит от того, как будут использоваться полученные результаты. Наиболее известны приложения подобного подхода в политике. Генерация сценариев актуальна для мультиагентных систем. Весьма полезным, на наш взгляд, может оказаться применение сценариев в задачах стратегического планирования для синтеза вариантов желаемого будущего и политик его достижения. Синтез сценариев в автоматическом режиме с использованием БЗ большого объема порождает огромное количество вариантов, многие из которых имеют незначительные отличия и не представляют интереса для последующего анализа. Поэтому актуальной задачей является выделение подмножества ценных сценариев. Ее решение возможно только в том случае, если сформулированы принципы и критерии оценки порождаемых сценариев. Рассмотрим некоторые подходы, которые здесь можно использовать.
Сценарий можно оценивать по достигнутому исходу или с учетом всего пройденного пути. В общем случае компьютерная система должна предоставлять разнообразные возможности для оценки полученных сценариев.
Для оценки сценариев в БЗ необходимо добавить следующую информацию:
- о целях (конечных и промежуточных), если таковые имеются. В качестве целей могут выступать желаемые события или состояния объектов (субъектов);
- о критериях качества, по которым оцениваются состояния объектов, события и исходы;
- о предпочтениях экспертов, проводящих оценку сценариев по критериям качества;
- о дополнительных условиях, сформулированных на основе представления об эффективном целостном сценарии (например, минимальное число шагов до заданной цели, наибольшее среднее значение заданной характеристики объекта, присутствие в сценарии множества заданных событий и т. п.).
376
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
Элементы сценария, являющиеся целями, снабжаются соответствующими метками. Кроме того, формируются новые структуры данных (таблицы) для представления имеющихся и новых целей. Желаемые цели могут иметь разную важность и могут оказаться противоречивыми. Достижимость целей можно оценивать с использованием различных принципов, например, с использованием мер близости. При наличии множества целей в качестве оценки достижимости можно выбрать средневзвешенное арифметическое оценок достижения отдельных целей или среднегеометрическое.
Альтернативный принцип оценки достижимости целей ориентирован на обязательное достижение всех целей. Когда цели имеют нечеткие формулировки, то имеет смысл перейти от двузначной шкалы (0, 1) к более информативным шкалам. Экспертные оценки значимости целей используются в процессе формирования обобщенного показателя качества сценария. При этом берется не абсолютная, а относительная оценка достижения целей, вычисляемая как отношение обобщенной оценки сценария к максимально возможному значению, соответствующему достижению всех целей.
Наряду с желательными событиями и состояниями объектов/субъектов в сценариях могут присутствовать нежелательные события и состояния, которые оцениваются с помощью отрицательных значений. В сценариях могут встречаться неоднозначные события или состояния — такие, которые могут наступать многократно и/или в разные моменты времени, причем наступление событий (состояний) при одних обстоятельствах является благом, а при других — злом. Такие события или состояния оцениваются с помощью продукционных правил.
В разработанной версии программного обеспечения для синтеза сценариев предусмотрено вычисление аддитивных и мультипликативных оценок целостного сценария на основе экспертных оценок желательных и нежелательных событий и состояний объектов. В процессе синтеза сценариев используются фильтры для отсеивания вариантов, не удовлетворяющих заданным дополнительным условиям (списки желательных и нежелательных событий, длительность сценария, время достижения главной цели и т. п.).
Обработку знаний выполняет блок синтеза, реализованный на основе допущения о том, что синтезируемые сценарии разбиты на равные отрезки (кванты) времени, в течение которых могут происходить (или не происходить) события (действия факторов и ДЛ). Данный блок обеспечивает функционирование спроектированной грамматики, а также осуществляет разделение событий во времени. Функционирование системы иллюстрируется схемой на рис. 10.
377
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
Рисунок 10. Упрощенная схема функционирования генератора сценариев
6. Заключение
Развитие общества вызывает изменение задач управления сложными антропогенными системами, где важнейшую роль играют процессы принятия решений. Появление новых подходов к принятию решений [19] обусловлено следующими причинами:
- увеличением количества информации, используемой для принятия решений;
- привлечением большего числа участников к процессам принятия решений;
- коллективным характером процессов принятия сложных решений;
- необходимостью всесторонней оценки возможных последствий принимаемых решений;
- развитием вычислительных средств и теории принятия решений.
В связи с этим задачи принятия решений становятся более сложными. Увеличение количества информации приводит к увеличению размерности задач принятия решений. Кроме того, возникают задачи предварительного анализа и структурирования этой информации. Легко заметить, что наиболее актуальные задачи принятия решений относятся к области слабоструктурированных проблем, для решения ко-
378
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
торых необходимы интеллектуальные системы, способные накапливать информацию, извлекать из нее знания и применять их для решения конкретных проблем.
Коллективный характер и усложнение процессов принятия решений порождают новые проблемы, к которым можно отнести следующие: синтез сложных решений; разрешение конфликтов; учет взаимного влияния факторов, определяющих решение.
Истощение природных ресурсов, ухудшение экологии, возрастающее количество техногенных катастроф, терроризм как следствие экономического неравенства и другие факторы заставляют ответственно подходить к оценке возможных последствий решений, принимаемых в политической, социально-экономической и социально-технической сферах. Учет реакции внешней среды, прогнозирование ее возможных изменений, прогнозирование изменений предпочтений, приоритетов и последствий принимаемых решений становятся самыми актуальными проблемами сегодняшнего дня.
Литература
[1] Moulin H. Axioms of Cooperative Decision Making. — Cambridge : Cambridge University Press, 1988.
[2] Кини Р., Райфа Х. Принятие решений при многих критериях. Предпочтения и замещения. — М. : Радио и связь, 1981.
[3] Нейман Дж. фон, Моргенштерн О. Теория игр и экономическое поведение. — М. : Наука, 1970.
[4] Андрейчиков А. В., Андрейчикова О. Н. Анализ, синтез, планирование решений в экономике. — М. : Финансы и статистика, 2006.
[5] Andreichicov A. V., Andreichicova O. N. Analytic Network Process as Qualitative Simulating Tool: Researching of Financial Crisis // Proceedings of 10th International Symposium on the Analytic Hierarchy/Network Process Multi-criteria Decision Making ISAHP’2009. — University of Pittsburgh, Pittsburgh, Pennsylvania, USA, 2009.
[6] Андрейчиков А. В., Андрейчикова О. Н. Системный анализ и синтез стратегических решений в инноватике. Концептуальное проектирование инновационных систем. — М. : Книжный дом «ЛИБРОКОМ», 2013.
[7] Andreichicov A. V., Andreichicova O. N. Software for inventive problem-solving// International Journal of Technology Management. 2001. Vol. 21. No. 3/4. P. 277297. (http://inderscience.metapress.com/content/1tyjmwuquq4fgq45/)
[8] Andreichicov A. V., Andreichicova O. N. Deciding on Copyrights on the Internet with the Analytic Network Process // Journal of Multi-Criteria Decision Analysis. 2012. Vol. 19. No. 1/2. P. 79-88. (doi: 10.1002/mcda.462)
379
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
[9] Андрейчикова О. Н., Андрейчиков А. В. Что делать с авторским правом в сети Интернет? Поиск решения методом аналитических сетей // Информационные технологии. 2012. № 8. С. 28-35.
[10] Андрейчикова О. Н., Черняева Н. В. Оценка технико-экономической значимости изобретения на основе методов многокритериального анализа // Качество. Инновации. Образование. 2010. № 9. С. 2-5.
[11] Андрейчиков А. В., Андрейчикова О. Н. Стратегический менеджмент в инновационных организациях. Системный анализ и принятие решений. — М. : Инфра-М, 2013.
[12] Саати Т. Л. Принятие решений. Метод анализа иерархий. — М. : Радио и связь, 1989.
[13] Saaty T. L. Decision Making With Dependence And Feedback: The Analytic Network Process. — Pittsburgh : RWS Publications, 2001.
[14] Андрейчиков А. В., Андрейчикова О. Н. Прогнозирование вступления России во Всемирную торговую организацию // Инновации. 2004. № 10. С. 76-79.
[15] Андрейчиков А. В., Андрейчикова О. Н. Исследования проблемы вступления России во Всемирную торговую организацию методом аналитических сетей // Информационные технологии. 2006. № 2. С. 55-64.
[16] Андрейчиков А. В., Андрейчикова О. Н. Интеллектуальные информационные системы. — М. : Финансы и статистика, 2004.
[17] Андрейчиков А. В., Андрейчикова О. Н. Системный анализ и синтез стратегических решений в инноватике: Модели многокритериального анализа деятельности инновационных организаций. — М.: Книжный дом «ЛИБРОКОМ», 2013.
[18] Андрейчиков А. В., Андрейчикова О. Н. Системный анализ и синтез стратегических решений в инноватике: Математические, эвристические, интеллектуальные методы системного анализа и синтеза инноваций. — М. : Книжный дом "ЛИБРОКОМ", 2012
[19] Andreichicov A. V., Andreichicova O. N. New Paradigms of Decision-Making // Proceedings of the Annual Conference of Administrative Science Association of Canada, Halifax. Management Science Division. 2003. Vol. 4. No. 2. P. 28-34.
Андрейчиков Александр Валентинович, доктор технических наук, профессор, профессор кафедры менеджмента качества Московского государственного университета путей сообщения (МИИТ)
Андрейчикова Ольга Николаевна, доктор технических наук, профессор, ведущий научный сотрудник Центрального экономико-математического института РАН
Авторы:
380
СИСТЕМНЫЙ
АНАЛИЗ
Cloud of Science. 2014. T. 1. № 3
The Methods and Intelligent Decision-Support Software for the Foresight-Studies
A. V. Andreichicov*, O. N. Andreichicova**
*Moscow State University of Railway Engeneering 15, Obraztsova Street, GSP-4, Moscow, 127994 **Central Economics and Mathematics Institute of the Russian Academy of Sciences 47, Nakhimovsky prospekt, Moscow, 117418 e-mail: alexandrol@mail.ru
Abstract. The paper describes a number of methods for long-term decisionmaking: Analytic Hierarchy Process with dynamic judgments that can be used for forecasting possible decisions' implications; Analytic Network Process that enables to prioritize alternatives in terms of mutual influence; fuzzy inference technique for supporting the decision-making processes by modeling reasoning; the method of logic synthesis of scenarios of complex systems' behavior, permitting to predict the future, taking into account the emergence of new trends and developments that could not be in the past. These methods were implemented in the intelligent software that has been tested in a few years with real problem solving in different subject fields, such as economics, innovation, management, conceptual designing, evaluation of intellectual capital, and others.
Keyword: Decision-making, intelligent systems, forecasting, dynamic judgments, analytic network, analytic hierarchy fuzzy logic.
Reference
[1] Moulin H. (1988) Axioms of Cooperative Decision Making. Cambridge University Press.
[2] Keeney R. L., Raiffa H. (1993) Decisions with multiple objectives: preferences and value trade-offs. Cambridge university press.
[3] J. von Neuman, O. (1953) Morgenshtern Theory of games and economic behavior. Princeton Univers. Press.
[4] Andreichikov A. V., Andrejchikova O. N. (2006) Analiz, sintez, planirovanie reshenij v jekonomike. Moscow, Finansy i statistika (In rus.)
[5] Andreichicov A. V., Andreichicova O. N. (2009) Analytic Network Process as Qualitative Simulating Tool: Researching of Financial Crisis // Proceedings of 10th International Symposium on the Analytic Hierarchy/Network Process Multi-criteria Decision Making ISAHP ’2009.
[6] Andreichikov A. V., Andreichikova O. N. (2013) Systemnyj analiz i sintez strate-gicheskih reshenij v innovatike. Konceptualnoe proektirovanie innovacionnyh sistem. Moscow, LIBROKOM. (In Rus)
381
А. В. Андрейчиков, О. Н. Андрейчикова
Методы и интеллектуальные системы принятия решений для проведения ФОРСАЙТ-исследований
[7] Andreichicov A. V., Andreichicova O. N. (2001) Software for inventive problemsolving. International Journal of Technology Management, 21(3/4), 277-297. (http://inderscience.metapress.com/content/1tyjmwuquq4fgq45/)
[8] Andreichicov A. V., Andreichicova O. N. (2012) Deciding on Copyrights on the Internet with the Analytic Network Process. Journal of Multi-Criteria Decision Analysis, 19(1/2), 79-88. (doi: 10.1002/mcda.462)
[9] Andreichicov A. V., Andreichicova O. N. (2012) Chto delat s avtorskim pravom v seti Internet? Poisk reshenija metodom analiticheskih setej. Informacionnye tehnologii, 8, 28-35. (In rus.)
[10] Andreichicova O. N., Chernjaeva N. V. (2010) Ocenka tehniko-jekonomicheskoj znachimosti izobretenija na osnove metodov mnogokriterial'nogo analiza. Kachestvo. Innovacii. Obrazovanie, 9, 2-5. (In rus.)
[11] Andreichicov A. V., Andreichicova O. N. (2013) Strategicheskij menedzhment v inno-vacionnyh organizacijah. Sistemnyj analiz i prinjatie reshenij. Moscow. (In rus.)
[12] Saaty T. L. (1980) The analytic hierarchy process: planning, priority setting, resources allocation. New York : McGraw.
[13] Saaty T. L. (2001) Decision Making With Dependence And Feedback: The Analytic Network Process. Pittsburgh : RWS Publications.
[14] Andreichicov A. V., Andreichicova O. N. (2004) Prognozirovanie vstuplenija Rossii vo Vsemirnuju torgovuju organizaciju. Innovacii, 10, 76-79. (In rus.)
[15] Andreichicov A. V., Andreichicova O. N. (2006) Issledovanija problemy vstuplenija Rossii vo Vsemirnuju torgovuju organizaciju metodom analiticheskih setej. Informacionnye tehnologii, 2, 55-64. (In rus.)
[16] Andreichicov A. V., Andreichicova O. N. (2004) Intellektualnye informacionnye sis-temy. Moscow : Finansy i statistika. (In rus.)
[17] Andreichikov A. V., Andreichikova O. N. (2013) Systemnyj analiz i sintez strate-gicheskih reshenij v innovatike. Konceptualnoe proektirovanie innovacionnyh sistem. Moscow: LIBROKOM. (In Rus)
[18] Andreichikov A. V., Andreichikova O. N. (2012) Sistemnyj analiz i sintez strate-gicheskih reshenij v innovatike: Matematicheskie, jevristicheskie, intellektual'nye metody sistemnogo analiza i sinteza innovacij. Moscow: LIBROKOM. (In Rus)
[19] Andreichicov A. V., Andreichicova O. N. (2003) New Paradigms of Decision-
Making. Proceedings of the Annual Conference of Administrative Science Association of Canada, Halifax. Management Science Division, 4(2), 28-34.
(http://libra.acadiau.ca/library/ASAC/v24/Proceedings/ManagementScience.pdf)
382
