Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ “ЛЬВІВСЬКА ПОЛІТЕХНІКА”

Автореферат

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ ІНТЕЛЕКТУАЛЬНОЇ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ ОПЕРАТИВНО-ЧЕРГОВИХ СЛУЖБ

Спеціальність 05.13.06 - Інформаційні технології

ТІТОВА ВІРА ЮРІЇВНА

Львів - 2008

Дисертацією є рукопис.

Робота виконана у Хмельницькому національному університеті Міністерства освіти і науки України

Науковий керівник

доктор технічних наук, професор

Локазюк Віктор Миколайович,

Хмельницький національний університет

завідувач кафедри системного програмування.

Офіційні опоненти:

доктор технічних наук, професор

Ткаченко Роман Олексійович,

Національний університет “Львівська політехніка”,

професор кафедри автоматизованих систем управління;

доктор технічних наук, професор

Герасимов Борис Михайлович,

Військовий інститут Київського національного університету ім. Тараса Шевченка,

професор кафедри військового управління

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. У своїй повсякденній професійній діяльності спеціалісти державних служб та силових відомств, в тому числі і оперативно-чергових служб (ОЧС), часто мають справу з задачею прийняття рішень, суть котрої полягає у генерації можливих альтернатив, їх оцінюванні та виборі кращої альтернативи. Вибір альтернатив ґрунтується на врахуванні великої кількості суперечливих вимог і оцінюванні варіантів рішень за багатьма критеріями. Суперечливість вимог, неоднозначність оцінювання ситуації, неповнота та несвоєчасність отриманої інформації значною мірою ускладнюють прийняття остаточного рішення і суттєво впливають на його якість.

Численні психологічні дослідження показують, що особи, які приймають рішення без додаткової підтримки, використовують спрощенні або суперечливі вирішальні правила, керуються лише власним досвідом та інтуїцією, що в результаті призводить до помилкових або неадекватних ситуаціям рішень.

Підтримка прийняття рішення полягає у забезпеченні особи, що приймає рішення (ОПР), необхідною інформацією про ситуацію, яка вирішується, формалізації опису процесів опрацювання вхідних даних та рішень.

На сьогоднішній день системи підтримки прийняття рішень (СППР) є якісно новим рівнем автоматизації процесів у різних сферах людської діяльності. Вони дозволяють організувати інтелектуальну підтримку діяльності ОПР під час прийняття нею рішень для вирішення проблемних ситуацій, які характеризуються великою складністю, невизначеністю і структурованістю.

Розвитку систем підтримки прийняття рішень в Україні та за кордоном приділяють багато уваги провідні наукові школи та науковці: Герасимов Б.М., Зайченко Ю.П., Кофман А., Ротштейн А.П., Берштейн Л.С., Заде Л., Богаєнко І.М., Гладун В.П., Кузьмін В.Б., Ягер Р., Черноруцький І.Г., Локазюк В.М., Ткаченко Р.О. та інші.

Впровадження СППР у діяльність оперативно-чергових служб дозволило б забезпечити працівникам цих служб інтелектуальну підтримку прийняття рішень та допомогти при вирішенні таких задач:

– автоматизованої підтримки процесу аналізу вхідної інформації та доповнення її з різних баз даних відомостями, пов'язаними зі згаданими в інформації особами, об'єктами і предметами;

– відображення всієї інформації в доступному для сприйняття вигляді;

– формування первинного списку альтернатив вирішення ситуації, побудову моделі ситуації, віднесення її до одного з відомих класів;

– прогнозування розвитку ситуації у часі, визначення на основі цього наслідків первинних альтернатив;

– оптимізації рішень, зв'язаних з переміщенням і розміщенням задіяних сил та засобів.

З аналізу відомих СППР стає зрозумілим, що жодна з них не є універсальною і не може забезпечувати оперативному черговому (ОЧ) допомогу у вирішенні всіх задач, які постають перед ним.

Тому, для забезпечення інтелектуальної підтримки прийняття рішень ОЧ актуальною задачею є створення системи підтримки прийняття рішень для оперативно-чергових служб (СППР ОЧС), яка б надавала йому допомогу при вирішенні усіх поставлених перед ним задач.

Зв'язок роботи з науковими програмами, планами, темами. Представлені в дисертації дослідження проводились в рамках держбюджетних науково-дослідних робіт Хмельницького національного університету № 1Б-2005 “Теорія нейромережних і нечітких моделей та методологія створення інтелектуальних систем діагностування комп'ютерних пристроїв” (номер держреєстрації 0105U000725), №2Б-2008 “Теорія інтелектуального діагностування відмовостійких комп'ютерних систем з програмованою логікою” (номер держреєстрації 0108U001276) та №Ф25.1/121 «Дослідження методів внесення апріорної діагностичної інформації в структуру штучних нейронних мереж для реалізації процесу діагностування комп'ютерних систем» (номер держреєстрації 0107U010204).

Мета і задачі дослідження. Метою дисертаційної роботи є розроблення інформаційних технологій інтелектуальної підтримки прийняття рішень оперативному черговому оперативно-чергової служби органів внутрішніх справ, за рахунок методів, які базуються на нейронних мережах.

Для досягнення мети було розроблено систему підтримки прийняття рішень для оперативно-чергових служб.

Об'єкт дослідження - процес прийняття рішень ОЧ.

Предмет дослідження - інтелектуальні методи та алгоритми вирішення задач, що постають перед ОЧ, які базуються на штучних нейронних мережах та багатокритеріальній оптимізації.

Методи дослідження ґрунтуються на основних положеннях теорії штучних нейронних мереж та теорії багатокритеріальної оптимізації, які є визначальними в досягненні мети дисертаційної роботи. Концептуальна модель СППР ОЧС ґрунтується на теорії моделювання. Формалізовані описи моделей та методи вирішення задач розпізнавання ситуації і прийняття первинних рішень та прогнозування розвитку ситуації і визначення наслідків первинних рішень ґрунтуються на основі теорії множин та теорії штучних нейронних мереж. Метод оцінювання ефективності прийнятих рішень ґрунтується на теорії багатокритеріальної оптимізації. Система підтримки прийняття рішень для оперативно-чергових служб була розроблена на мові програмування C++ Builder 6.0 з використанням пакету Matlab.

Наукова новизна одержаних результатів. У результаті дисертаційного дослідження розв'язано актуальну науково-прикладну задачу розроблення інформаційних технологій інтелектуальної підтримки прийняття рішень ОЧ ОЧС органів внутрішніх справ (ОВС). При цьому отримано такі наукові результати:

вперше одержано:

– новий формалізований опис моделі задачі розпізнавання ситуації та прийняття первинних рішень, який відрізняється від відомих врахуванням інформаційних залежностей характеристик, що мають враховуватись ОЧ при прийнятті рішення, і дає можливість формалізувати процес прийняття рішень по розпізнаванню ситуації;

– новий формалізований опис моделі задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень, який на відміну від відомих дозволяє врахувати причинно-наслідкові зв'язки між характеристиками прогнозування розвитку ситуації та характеристиками можливих наслідків прийнятих рішень і забезпечує можливість своєчасного коригування прийнятих рішень;

– новий метод для вирішення задачі розпізнавання ситуації та прийняття первинних рішень, що базується на формалізованому описі моделі задачі, правилах нечіткого логічного висновку та нечіткій штучній нейронній мережі, котрі використовують інформацію про параметри, що характеризують ситуацію, для генерації множини рішень ситуації;

– новий метод для вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень, що базується на прямонапрямленій неповнозвязній штучній нейронній мережі для визначення наслідків кожного можливого рішення;

удосконалено:

метод оцінювання ефективності рішень, який поєднує у собі переваги існуючих методів на основі узагальнюючого критерію та методу Сааті шляхом використання шкали переваг Сааті для формування матриці відношень критеріїв та формування матриць значень наслідків для кожного з критеріїв за допомогою нормуючих значень. Зазначений підхід дозволяє покращити оцінювання ефективності прийнятих рішень;

дістала подальшого розвитку:

інформаційна технологія застосування СППР для забезпечення інтелектуальної підтримки ОПР у вирішенні задачі розпізнавання ситуації і прийняття первинних рішень та задачі прогнозування розвитку ситуації і визначення наслідків первинних рішень шляхом використання апарату штучних нейронних мереж (ШНМ).

Практичне значення одержаних результатів. Дослідження проводились з врахуванням їх подальшої практичної реалізації. Використання одержаних результатів дозволило розробити та впровадити систему підтримки прийняття рішень для оперативно-чергових служб. Результати експериментальних досліджень з використанням розробленого програмного забезпечення підтверджують правильність наукових положень запропонованих методів та моделей, оскільки впровадження СППР ОЧС у діяльність ОЧ дозволило підвищити ефективність прийнятих оперативним черговим рішень на 9-35%.

Основні результати дисертації знайшли застосування на підприємствах та у організаціях, де існує оперативно-чергова служба, а саме, у ДП “Новатор”, Хмельницькому МВ УМВС України в Хмельницькій області та при вивченні дисципліни “Комп'ютерні системи штучного інтелекту” для спеціальностей 7.091501 “Комп'ютерні системи та мережі” і 7.091502 “Системне програмування” у Хмельницькому національному університеті.

Особистий внесок здобувача. Всі основні результати дисертаційного дослідження, представлені до захисту, одержані автором особисто. У друкованих працях, опублікованих у співавторстві, автору належить: характеристика предметної області оперативного чергового, структурна та функціональна схема системи підтримки прийняття рішень [1]; аргументація вибору архітектури нейромережі для вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень, реалізація, навчання та тестування зазначеної мережі у пакеті Matlab [7]; розроблення інформаційної технології та засобів підтримки прийняття рішень ОЧ ОЧС [8]; визначення переваг та недоліків відомих методів багатокритеріальної оптимізації, запропонований метод оцінювання ефективності рішень [9]; опис функціонування та програмна реалізація діалогової підсистеми СППР ОЧС [14].

Апробація результатів дисертації. Основні положення та результати проведених у дисертаційній роботі досліджень доповідалися та обговорювалися на 9 Міжнародних та Всеукраїнських конференціях, а саме: Міжнародна науково-практична конференція “Комп'ютерні системи в автоматизації виробничих процесів” (м. Хмельницький, 2005 та 2007), Міжнародна наукова конференція “Політ” (м. Київ, 2006), Міжнародна науково-технічна конференція “Искусственный интеллект. Интеллектуальные и многопроцессорные системы.” (м. Кацивелі, 2006), Міжнародна науково-практична конференція “Современные направления теоретических и прикладных исследований” (м. Одеса, 2006), Міжнародна науково-технічна конференція “Гарантоспособные и безопасные системы, сервисы и технологии” (м. Кіровоград, 2007 та 2008), Міжнародна науково-технічна конференція «Комп'ютерні науки та інформаційні технології» (м. Львів, 2007), Міжнародна науково-технічна конференція “Системний аналіз та інформаційні технології” (м. Київ, 2008), а також на міжкафедральних семінарах факультету комп'ютерних систем та програмування.

Публікації. Основні матеріали дисертації викладено в 14 наукових публікаціях [1-14], серед яких 8 статей у фахових виданнях, що входять до переліку фахових видань ВАК України, з них 5 одноосібних.

Структура дисертації. Дисертація складається із вступу, чотирьох розділів, висновків, 7 додатків та списку використаних джерел. Робота викладена на 195 сторінках друкованого тексту, містить 112 сторінок основного тексту та список літератури з 108 найменувань на 10 сторінках. Дисертація містить 21 рисунок та 7 таблиць.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтована актуальність тематики, визначено об'єкт та предмет досліджень, сформульовані мета і задачі, визначена наукова новизна та практична цінність одержаних результатів, а також відомості про апробацію роботи.

В першому розділі розглянуто структуру органів внутрішніх справ, визначено місце, яке займає у ній оперативно-чергова служба та задачі, які покладені на оперативного чергового. Виділено проблеми, які виникають в процесі діяльності ОЧ.

Детально розглянуто архітектуру існуючих на сьогоднішній день СППР, принцип їх роботи та засоби інтелектуальної обробки даних, визначено їх переваги та недоліки.

Проведення аналізу процесу прийняття рішень оперативним черговим дало можливість зробити висновки про необхідність забезпечення йому інтелектуальної підтримки прийняття рішень за рахунок створення СППР ОЧС. Аналіз існуючих на сьогоднішній день СППР, дав можливість зробити висновки, що вони не виконують усіх функцій, які покладені на СППР ОЧС, а тому не можуть бути використані. Тому, для забезпечення можливості використання оперативно-черговою службою системи підтримки прийняття рішень та вирішення усіх задач було запропоновано створити СППР ОЧС, що стало метою подальших досліджень.

В другому розділі на основі аналізу діяльності ОЧ, проведено деталізацію задач, які виконуються ним після надходження інформації про ситуацію. На основі деталізованих задач було побудовано концептуальну модель процесу прийняття рішення (рис. 1). У овалах зазначені задачі ОЧ, які необхідно автоматизувати. Стрілки вказують напрямки руху інформаційних потоків та їх зміст.

Для можливості виконання задач ОЧ системою підтримки прийняття рішень для оперативно-чергових служб, зазначені задачі було формалізовано та проведено опис їх моделей. Для цього були введені такі визначення.

Визначення 1. Ситуація - це обставини, спричинені соціальним, природним, іншими факторами та/або які порушують чинне кримінальне, адміністративне, інші законодавства, та вирішення яких потребує від ОЧ прийняття певних рішень в контексті своїх посадових обов'язків.

Визначення 2. Вхідна інформація про ситуацію складається з: місця ситуації, подій ситуації, часу ситуації. На основі місця ситуації визначаються показники людності та небезпечності ситуації, на основі часу ситуації - абсолютний та відносний час ситуації. Вихідна інформація про ситуацію містить статус ситуації, можливі рішення для її вирішення, прогнозований розвиток ситуації, наслідки кожного з можливих рішень та остаточно рекомендоване рішення..

Місце ситуації V характеризується такими параметрами, як:

– показник людності v₁ - визначає наскільки людним є місце, де виникла ситуація, чи наявні там місця масового збору людей (бари, парки тощо). Чим людянішим є місце, тим більше значення має v₁;

– показник небезпечності v₂ - визначає наявність на місці ситуації будівель, споруд, установ підвищеного рівня небезпеки (тюрем, міліцейських відділків, заводів, що працюють з небезпечними речовинами, складів, що зберігають такі речовини, банків, тощо). Значення v₂ залежить від рівня небезпеки споруд та їх кількості;

– географічне розташування місця ситуації у населеному пункті v₃, визначається множиною вулиць, які наявні на території, що підконтрольна дільниці, де працює ОЧ, . Де v_i - окрема вулиця, провулок або ділянка вулиці (яка відрізняється власними значеннями показників людності та небезпечності) на території, що підконтрольна дільниці, де працює ОЧ. Отже, місце ситуації .

Множину подій, що описують ситуацію позначимо р: .

Час виникнення ситуації С складається з двох величин , с₁ - абсолютний час ситуації, визначається датою та часом початку ситуації (наприклад, 7 червня 2006 року о 19.00), с₂ - відносний час ситуації, який пройшов від початку ситуації до моменту надходження повідомлення про неї. Абсолютний час ситуації має відношення до кількості осіб, що можуть бути учасниками або свідками ситуації та описується двома параметрами: пора року та час доби (наприклад: години часу піку). Таким чином , де с_1,1 -пора року, а с_1,2 - час доби.

Кількість осіб, яка може бути свідками ситуації або приймати у ній участь характеризується показником К, який залежить від показника людності місця ситуації та абсолютного часу ситуації, і його значення зростає зі збільшенням можливої кількості осіб. Статус ситуації характеризується показником S, який залежить від подій ситуації; , якщо ситуації є штатною та , якщо ситуацію є надзвичайною.

Множину типів ситуації позначимо Т, , де t₁ - показник ситуації, який визначає необхідність залучення загонів патрульно-постової служби (ППС), t₂ - загонів дорожньо-патрульної служби (ДПС), t₃ - груп негайного реагування (ГНР) або слідчо-оперативної групи (СОГ), t₄ - застосування інших дій, непов'язаних з залученням вищесказаних сил та засобів.

Множину можливих рішень ситуацій позначимо R,, де r_j - одне з можливих рішень конкретної ситуації.

Визначення 3. Розпізнаванням ситуації будемо вважати віднесення

Визначення 4. Прогнозуванням розвитку ситуації будемо вважати визначення розвитку оперативної обстановки у часі, а саме як зміняться місце ситуації та події, що її характеризують.

Визначення 5. Множина наслідків прийнятого рішеннямає такий вигляд: , де - успішне завершення ситуації () або навпаки (); - перехід ситуації у надзвичайний стан () або навпаки (); - достатність задіяних сил та засобів, якщо задіяних сил та засобів достатньо, то , якщо необхідно залучити ще додаткові сили , - кількість можливих втрат серед населення та збитки муніципального господарства, , де - кількість фізичних втрат (людські жертви), - кількість матеріальних збитків муніципальному господарству населеного пункту, - кількість моральних збитків (падіння рівня довіри до правоохоронних органів), зі зростанням кількості можливих втрат , зі зменшенням - ; - можлива кількість втрат для органів ОВС, , де - кількість фізичних втрат серед особового складу ОВС, - кількість матеріальних збитків управління внутрішніх справ, зі зростанням кількості можливих втрат , зі зменшенням - ; - час, за який ситуація може бути вирішена, у випадку якщо ситуація не може бути вирішена успішно або вона переходить у надзвичайний стан .

Формалізований опис моделі задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень представлений у (2).

(2) де “” - різниця множин;- показник людності місця ситуації; - показник небезпечності місця ситуації;- прогнозовані події, що при поточному рішенні сприяють високому значенню даного наслідку;- прогнозовані події, що при поточному рішенні не сприяють високому значенню даного наслідку; - прогнозовані події, що при поточному рішенні сприяють надзвичайному стану ситуації; - прогнозовані події, що при поточному рішенні не сприяють надзвичайному стану ситуації; - прогнозовані місця ситуації, які при поточному рішенні сприяють високому значенню даного наслідку; - прогнозовані місця ситуації, які при поточному рішенні не сприяють високому значенню даного наслідку; - абсолютний час ситуації, визначається датою та часом початку ситуації; - відносний час ситуації, який пройшов від початку ситуації до моменту надходження повідомлення про неї; - прийняте рішення, для якого визначаються наслідки.

Для розв'язку вищезгаданих задач запропоновано використати ШНМ.

Вибір апарату ШНМ мотивований тим, що розглянуті задачі належать до важкоформалізованих, їм притаманні велика кількість можливих рішень, а їх вхідні дані можуть бути неточними, помилковими або суперечливими.

Визначення 6. Оцінюванням ефективності рішень будемо вважати вибір кращого рішення з усіх можливих. Формалізований опис моделі задачі оцінювання ефективності рішень представлений у (3).

(3)

де - ефективність рішення r_j, M - це метод, за яким ведеться пошук ефективного рішення; N_s - наслідки можливих рішень для ситуації S; k_s - множина критеріїв для оцінювання характеристик ситуації S, згідно яких оцінюється ефективність можливих рішень.

Зазначена задача належить до задач багатокритеріальної оптимізації, а тому для її вирішення доцільним є застосувати відповідні методи.

У третьому розділі досліджено можливість використання ШНМ для вирішення задач розпізнавання ситуації і прийняття первинних рішень та прогнозування розвитку ситуації і визначення наслідків первинних рішень, та використання методів багатокритеріальної оптимізації для вирішення задачі оцінювання ефективності рішень.

Для вирішення задачі розпізнавання ситуації і прийняття первинних рішень було використано нечітку нейромережу. Нечітка нейронна мережа була обрана у відповідності до формалізованого опису моделі вирішуваної задачі, який являє собою набір умов.

Вона складається з трьох шарів нейронів.

Шар 1. Виходи нейронів даного шару визначають ступінь належності вхідних змінних х1, х2, х3, х4, х5, х6, х7 до відповідних множин за трапецеїдальною функцією приналежності.

Шар 2. Виходами цих нейронів є ступені істинності для кожного з правил бази знань системи. Усі нейрони шару позначені буквою S та реалізовують операцію “АБО”.

Шар 3. Нейрони цього шару є звичайними нейронами, які виконують зважене додавання. альтернатива наслідок ситуація

Вектор вхідних даних містить 7 елементів. Тобто, нейромережа має 7 входів: x1 - географічне місце ситуації для загонів патрульно-постових служб (ППС), x2 - географічне місце ситуації для загонів дорожньо-патрульних служб (ДПС), х3 -людність місця ситуації, x4 - небезпечність місця ситуації, x5 - абсолютний час ситуації, x6 - відносний час ситуації, x7 - події ситуації.

Вектор вихідних сигналів - складається з кількості елементів, які відповідають кількості можливих варіантів рішень для даної дільниці, , де h - кількість загонів ППС на даній дільниці, g - кількість загонів ДПС.

Нечітка модель підсистеми прийняття первинних рішень СППР ОЧС була побудована при використанні прикладного пакету Fuzzy Logic Toolbox програми Matlab.

Для побудови нечіткого висновку був обраний алгоритм Sugeno, як такий, що найбільш задовольняє задачі розпізнавання ситуації та прийняття первинних рішень.

Блок нечіткого висновку складається з таких правил:

П1. If (x3 is V1) or (x4 is V2) or (x5 is C1) or (x6 is not C2) or (x7 is P1) then (y is R1);

П2. If (x1 is L1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P2) then (y is R2);

П3. If (x1 is L2) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P2) then (y is R3);

П4. If (x1 is L3) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P2) then (y is R4);

П5. If (x1 is L4) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P2) then (y is R5);

П6. If (x1 is L1) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P3) then (y is R6);

П7. If (x1 is L2) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P3) then (y is R7);

П8. If (x1 is L3) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P3) then (y is R8);

П9. If (x1 is L4) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P3) then (y is R9);

П10. If (x1 is L1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P4) then (y is R10);

П11. If (x1 is L2) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P4) then (y is R11);

П12. If (x1 is L3) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P4) then (y is R12);

П13. If (x1 is L4) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P4) then (y is R13);

П14. If (x1 is L1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P5) then (y is R14);

П15. If (x1 is L2) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P5) then (y is R15);

П16. If (x1 is L3) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P5) then (y is R16);

П17. If (x1 is L4) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P5) then (y is R17);

П18. If (x1 is L1) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P6) then (y is R18);

П19. If (x1 is L2) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P6) then (y is R19);

П20. If (x1 is L3) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P6) then (y is R20);

П21. If (x1 is L4) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P6) then (y is R21);

П22. If (x1 is L1) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P7) then (y is R22);

П23. If (x1 is L2) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P7) then (y is R23);

П24. If (x1 is L3) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P7) then (y is R24);

П25. If (x1 is L4) or (x2 is M1) or (x3 is not V1) or (x4 not is V2) or (x5 not is C1) or (x6 is C2) or (x7 is P7) then (y is R25);

П26. If (x3 is not V1) or (x4 is not V2) or (x5 is not C1) or (x6 is C2) or (x7 is P8) then (y is R26).

Для вирішення задачі прогнозування розвитку ситуації і визначення наслідків первинних рішень та створення підсистеми прогнозування розвитку ситуації було використано неповнозв'язну прямонапрямлену нейромережу. Аргументацією для цього стали особливості, притаманні вищевказаній задачі. Нейромережа, графічна модель якої зображена на рис. 4 складається з трьох шарів нейронів.

Нейрони усіх шарів виконують зважене додавання. В якості активаційної функції для нейронів першого та другого шарів обрана функція гіперболічного тангенсу `tansig'. Активаційною функцією нейронів третього шару є лінійна функція `purelin' . Аргументацією для її вибору стали лінійні залежності між вхідними даними та умовами задачі прогнозування розвитку ситуації і визначення наслідків прийнятих рішень, прогнозованими подіями та місцем ситуації та наслідками прийняти рішень.

Шар 1. На нейрони цього шару надходять вхідні дані, необхідні для прогнозування зміни подій та місця ситуації, та визначення наслідків первинних рішень.

Шар 2. Нейрони цього шару визначають прогнозовані події та прогнозоване місце ситуації з точки зору загонів ППС та ДПС. Ці дані передаються, як на третій шар нейромережі, так і зчитуються у масив, з якого вони, за запитом ОЧ, можуть бути подані на входи нейромережі в якості вхідних даних.

Шар 3. Нейрони даного шару визначають наслідки для кожного первинного рішення.

На входи нейромережі подаються 8 вхідних векторів: x1 - географічне місце ситуації для загонів ППС, , де h - максимальна кількість загонів ППС на дільниці; x2 - географічне місце ситуації для загонів ДПС, вектор , де g - максимальна кількість загонів ДПС; х3 -події місця ситуації, , x4 - людність місця ситуації; x5 - небезпечність місця ситуації; x6 - абсолютний час ситуації, x7 - відносний час ситуації; х8 - первинне рішення, для якого визначаються наслідки, , де z - кількість можливих рішень про залучення тих чи інших сил та засобів для окремої дільниці, .

З виходів нейромережі зчитуються два вихідні вектори, перший - з нейронів другого шару, другий - з нейронів третього шару. Розмірність першого вектору y дорівнює h+g+8 елементів, де 8 - кількість основних видів подій, які характеризують ситуацію. Вектор n складається з 9 елементів, які відповідають кількості наслідків для кожного рішення, .

Неповнозв'язну прямонапрямлену нейронну мережу для підсистеми прогнозування розвитку ситуації СППР ОЧС побудовано у пакеті Matlab.

Для вибору алгоритму навчання ШНМ була навчена за допомогою 9 різних алгоритмів: градієнтного спуску 'traingd', градієнтного спуску з параметром швидкості настроювання 'traingdа', градієнтного спуску зі збуренням 'traingdm', градієнтного спуску Полака-Рибейри 'traincgp', градієнтного спуску Моллера 'trainscg', оберненого поширення помилки 'trainrp', Флетчера-Рівса 'traincgf', методу січної ОSS 'trainoss' та Левенберга-Марквардта 'trainlm'. В якості навчальної вибірки використовувалась вибірка розмірністю 2000 елементів. З результатів навчання та тестування слідує, що навчання нейромережі за алгоритмом оберненого поширення помилки 'trainrp' дозволяє досягнути однієї з кращих точностей за найменший час. Тому, для вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень було використано неповнозв'язну прямонапрямлену нейромережу, навчену за алгоритмом оберненого поширення помилки.

Реалізація методу оцінювання ефективності рішень для СППР ОЧС базується на організації пошуку рішення за відібраними критеріями, тобто вирішенні задачі багатокритеріальної оптимізації. Усі дані розмістимо у три матриці. В першу (А) заносяться дані відношень критеріїв, які обраховуються за допомогою попарних порівнянь. В другу матрицю (В) і третю (C) заносяться значення наслідків можливих рішень за кожним обраним критерієм. Далі дані в матриці B нормуються таким чином, щоб сума значень в кожному стовпчику дорівнювала одиниці, а дані матриці С діляться на нормуючий дільник, яким є максимальне/мінімальне значення у відповідному стовпчику.

Після формування усіх матриць для кожного рішення обчислюється його ефективність за формулою:

, (4)

де k_j - ваговий коефіцієнт критерію; n_ij - нормоване значення наслідків для кожного рішення r_i за кожним критерієм k_i,; n_ij^o - відношення значення наслідків за кожним критерієм до нормуючого дільника. Більш ефективним вважається рішення для якого результат (4) є максимальним.

В четвертому розділі На основі концептуальної моделі процесу прийняття рішень ОЧ було побудовано структурну схему СППР ОЧС (рис. 5).

На “Діалогову підсистему” покладено задачу спілкування з користувачем та демонстрації йому результатів роботи системи.

На “Підсистему обробки первинної інформації” покладено аналіз інформації, що надходить від ОПР та доповнювання її відомостями, пов'язаними зі згаданими в інформації особами, об'єктами і предметами.

На “Підсистему прийняття рішень” покладено вирішення задач розпізнавання ситуації та прийняття первинних рішень.

На “Підсистему прогнозування розвитку ситуації” покладено виконання задач прогнозування розвитку ситуації та визначення наслідків первинних рішень.

На “Підсистему оцінювання ефективності рішень” покладено вирішення задачі оцінювання ефективності рішень.

Використовуючи за основу структуру СППР ОЧС, було побудовано функційну схему такої СППР (рис. 6).

Діалогова підсистема являє собою інтерфейс користувача для зручності спілкування із системою.

Підсистема обробки первинної інформації виконує аналіз інформації, що надходить від ОПР та доповнює її відомостями, пов'язаними зі згаданими в інформації особами, об'єктами і предметами. Для цього СППР ОЧС інтегрує бази даних, накопичені в ОВС за особами, речами, автотранспортом, паспортами, адресами, з базами даних інших державних органів: телефонної служби, адресної служби і т.д. Зазначені бази даних було реалізовано за допомогою програмного продукту MySQL.

Підсистема прийняття первинних рішень розпізнає поточну ситуацію та пропонує набір можливих альтернатив поведінки та набір критеріїв для подальшого оцінювання ефективності альтернатив. При цьому ситуація є нарощуваною в плані додавання в неї нових варіантів дій. Нарощення проходить через поповнення бази даних створенням нових типів ситуацій та прогнозами, набутими в процесі роботи “Підсистеми прогнозування розвитку ситуації”. Інформація стосовно можливих альтернатив та критеріїв демонструється “Діалоговою підсистемою” за запитом оперативного чергового.

Підсистема прогнозування розвитку ситуації забезпечує прогнозування розвитку оперативної обстановки у часі та визначає наслідки альтернатив, запропонованих “Підсистемою прийняття первинних рішень”. Ця інформація використовується для демонстрації розвитку ситуації “Діалоговою підсистемою” за запитом чергового. Визначені наслідки можливих альтернатив використовуються “Підсистемою оцінювання ефективності рішень” для оптимізації вищевказаних альтернатив.

Підсистема оцінювання ефективності рішень проводить оцінювання визначених “Підсистемою прогнозування розвитку ситуації” наслідків альтернатив поведінки за наданими “Підсистемою прийняття первинних рішень” критеріями. Отримана у результаті оцінювання краща альтернатива - остаточне рішення, демонструється оперативному черговому за допомогою “Діалогової підсистеми”.

Моделі ситуації являють собою структуровану інформацію про всі обставини що відбуваються, альтернативні сценарії і прийняті остаточні рішення. Система накопичує такі моделі з трьох основних джерел:

– опрацьовані і формалізовані спеціальні плани;

– моделі подій, що реально відбувалися;

– результати підсистеми прогнозу розвитку ситуацій стосовно подій, що ще не відбулися, але можуть відбутися.

Діалогову підсистему та взаємодію між іншими підсистемами було реалізовано за допомогою пакету Borland C++ Builder 6.0.

Впровадження даної системи у діяльність оперативних чергових дозволило підвищити ефективність прийнятих ними рішень на 9-35% за рахунок збільшення відсотку правильних рішень.

ВИСНОВКИ

У дисертаційній роботі поставлено і вирішено актуальну науково-прикладну задачу розроблення інформаційних технологій інтелектуальної підтримки прийняття рішень оперативному черговому оперативно-чергової служби за рахунок методів, які базуються на нейронних мережах.

Основні наукові і практичні результати роботи полягають у слідуючому:

1. На основі аналізу діяльності ОЧ, було виявлено, що він за своїми функційними обов'язками є особою, яка приймає рішення та проведено деталізацію задачі, що постають перед ним після надходження інформації про виникнення ситуації.

2. На основі аналізу процесу прийняття рішення ОЧ було побудовано концептуальну модель цього процесу, яка дала змогу виявити дві основні задачі: задачу розпізнавання ситуації і прийняття первинних рішень та задачу прогнозування розвитку ситуації та визначення наслідків первинних рішень.

3. Розроблено новий формалізований опис моделі задачі розпізнавання ситуації та прийняття первинних рішень, який відрізняється від відомих врахуванням інформаційних залежностей характеристик, що мають враховуватись ОЧ при прийнятті рішення, і дає можливість формалізувати процес прийняття рішень по розпізнаванню ситуації.

4. Для вирішення задачі розпізнавання ситуації та прийняття первинних рішень запропоновано новий метод, який відрізняється від відомих тим, що базується на формалізованому описі моделі відповідної задачі, правилах нечіткого логічного висновку та нечіткій штучній нейронній мережі, котрі використовують інформацію про параметри, що характеризують ситуацію, для генерації множини рішень ситуації.

5. Розроблено новий формалізований опис моделі задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень, який на відміну від відомих дозволяє врахувати причинно-наслідкові зв'язки між характеристиками прогнозування розвитку ситуації та характеристиками можливих наслідків прийнятих рішень і забезпечує можливість своєчасного коригування прийнятих рішень.

6. Для вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень запропоновано новий метод, що базується на формалізованому описі моделі зазначеної задачі та відрізняється від відомих використанням характеристик ситуації у якості входів ШНМ, можливістю одержання інформації про зміни місця та подій ситуації на деякий момент часу та використанням цієї інформації для прогнозування наслідків рішень.

7. Аналіз задачі оцінювання ефективності рішень ОЧ показав, що вона є задачею багатокритеріальної оптимізації і потребує для свого вирішення задіювання відповідних методів.

8. Виявлено, що існуючі методи оцінювання ефективності рішень не задовольняють вирішенню задачі оцінювання ефективності рішень ОЧ, а тому не можуть бути використані для створення підсистеми оцінювання ефективності рішень. Було запропоновано удосконалений метод, який базується на використання матриці відношення критеріїв переваг та врахування наслідків рішень. Запропонований метод оцінювання ефективності рішень дозволяє підвищити ефективність остаточного рішення та має такі переваги:

– передбачена можливість вибору критеріїв та визначення їх ваг не ОПР, а системою, що дозволяє уникнути значної долі суб'єктивізму та дає змогу працювати з системою людині, яка не має достатнього досвіду в роботі ОЧ;

– система завжди формує єдине та ефективне рішення;

– усунена можливість компенсації значень часткових критеріїв.

9. Інтелектуальну підтримку прийняття рішень ОЧ було реалізовано шляхом деталізації та розмежування задач оперативного чергового та перенесення виконання більшої їх частини на СППР ОЧС, а саме:

– аналізу інформації про виникнення ситуації, доповнення її відомостями з інших баз даних, пов'язаними зі згаданими в інформації особами, об'єктами і предметами;

– розпізнавання ситуації, формування первинного списку альтернатив та набору критеріїв для подальшого оцінювання ефективності цих альтернатив;

– прогнозування подальшого розвитку ситуації та визначення наслідків виконання кожної з альтернатив;

– оцінювання наслідків кожної з запропонованих альтернатив за відібраними критеріями та вибір кращої з них.

10. Інформаційна технологія застосування СППР для забезпечення інтелектуальної підтримки ОПР у вирішенні задачі розпізнавання ситуації і прийняття первинних рішень та задачі прогнозування розвитку ситуації і визначення наслідків первинних рішень шляхом використання апарату штучних нейронних мереж (ШНМ).

11. Застосування СППР ОЧС у діяльності ОЧ показало зростання ефективності прийнятих ОЧ рішень на 9-35%.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Локазюк В.М. Система підтримки прийняття рішень для оперативно-чергових служб / Локазюк В.М., Поморова О.В., Тітова В.Ю. // Вісник Хмельницького національного університету - Хмельницький: ХНУ, 2005. - №4, ч.1, т2. - С. 195 -198.

2. Тітова В.Ю. Інформаційно-аналітична підтримка прийняття рішень для оперативно-чергових служб // Искусственный интеллект - Донецьк: Інститут проблем штучного інтелекту, 2006. - №4. - С.504-509.

3. Тітова В.Ю. Інформаційно-аналітична підтримка прийняття рішень оперативного чергового в системі управління внутрішніх справ // Вісник Хмельницького національного університету - Хмельницький: ХНУ, 2006. - №6. - С. 146-149.

4. Тітова В.Ю. Модель процесу розпізнавання ситуації та прийняття первинних рішень оперативним черговим оперативно-чергової служби.// Радіоелектронні і комп'ютерні системи - Харків: ХАІ, 2007 - № 7. - С.99-104.

5. Тітова В.Ю. Математична модель опису процесу прогнозування розвитку ситуації при охороні суспільного порядку органами внутрішніх справ // Вісник Хмельницького національного університету - Хмельницький: ХНУ, 2007 - №2, т.1. - С.140-145.

6. Тітова В. Інтелектуальні методи для створення підсистеми прийняття первинних рішень системи підтримки прийняття рішень для оперативно-чергових служб.// Комп'ютерні науки та інформаційні технології - Львів: “Львівська політехніка”. - №598. - 2007. - С. 78-85.

7. Локазюк В.М. Інтелектуальний метод вирішення задачі прогнозування розвитку ситуації для оперативно-чергових служб / Локазюк В.М., Тітова В.Ю. // Радіоелектронні і комп'ютерні системи - Харків: ХАІ, 2008 - № 7. - С.59-66.

8. Тітова В.Ю. Інформаційна технологія та засоби підтримки прийняття рішень для оперативно-чергових служб / Тітова В.Ю., Локазюк В.М. // Вісник Хмельницького національного університету - Хмельницький: ХНУ, 2008. - №4. - С. 226-231.

...