Алгоритмы и технология для построения систем поддержки оперативного принятия решений в распределенных организациях

Размещено на http://www.allbest.ru/

БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

АЛГОРИТМЫ И ТЕХНОЛОГИЯ ДЛЯ ПОСТРОЕНИЯ СИСТЕМ ПОДДЕРЖКИ ОПЕРАТИВНОГО ПРИНЯТИЯ РЕШЕНИЙ В РАСПРЕДЕЛЕННЫХ ОРГАНИЗАЦИЯХ

Автореферат диссертации на соискание ученой степени кандидата технических наук

по специальности 05.13.17 - теоретические основы информатики

ВАЛЬВАЧЕВ Александр Николаевич

Минск 2011

Работа выполнена в Белорусском государственном университете.

Научный руководитель - Краснопрошин Виктор Владимирович, доктор технических наук, профессор, заведующий кафедрой информационных систем управления факультета прикладной математики и информатики Белорусского государственного университета.

Официальные оппоненты: Садыхов Рауф Хосровович, доктор технических наук, профессор, заведующий кафедрой электронных вычислительных машин УО «Белорусский государственный университет информатики и радиоэлектроники»;

Железко Борис Александрович, кандидат технических наук, доцент, заведующий кафедрой экономической информатики УО «Белорусский государственный экономический университет».

Оппонирующая организация - ГНУ «Объединенный институт проблем информатики Национальной академии наук Беларуси».

Защита состоится 24 февраля 2011 г. в 10.00 часов на заседании совета по защите диссертаций Д 02.01.02 при Белорусском государственном университете по адресу: 220030, г. Минск, ул. Ленинградская, 8 (юридический факультет), ауд. 407. Телефон ученого секретаря - (017) 209-57-09.

С диссертацией можно ознакомиться в Фундаментальной библиотеке Белорусского государственного университета.

Автореферат разослан «_____» января 2011 г.

Ученый секретарь

совета по защите диссертаций,

кандидат физ.-мат. наук доцент Е.С. Чеб

КРАТКОЕ ВВЕДЕНИЕ

Современный этап развития общества характеризуется высоким уровнем информатизации, в рамках которой формируются приоритетные научные направления в области информатики. Одно из таких направлений связано с разработкой компьютерных технологий, способствующих повышению эффективности принятия решений за счет использования инновационных знаний независимо от места нахождения их источников. Актуальными приложениями таких технологий являются, в частности, задачи оперативного принятия решений (ЗОПР) в организациях с большим количеством территориально распределенных подразделений (министерствах, ведомствах, органах регионального управления, корпорациях, совместных предприятиях, аутсоурсинговых фирм и т.д.), где неправильное или запоздалое решение может иметь крупномасштабные экономические, социальные, экологические и другие отрицательные последствия.

Существующие технологии и системы для поддержки принятия решений (СППР) ориентированы, как правило, на “внутрифирменные” задачи, используют статистические и вероятностные алгоритмы, формирующие решение на основе анализа временных рядов из хранилищ данных. Для быстрой реакции на “внешние” проблемы, такой подход неэффективен, т.к. информация для их решения в хранилищах может отсутствовать, кроме того, формальные методы не всегда учитывают специфику ситуаций. Поэтому зарубежные (J.G.Aluja, P.Facione, M.Levin, P.Norvig, S.Russel, D.Ullmann, Т.А.Гаврилова, Ю.И.Журавлев, Г.С.Осипов, Д.А.Новиков и др.) и отечественые (С.В.Абламейко, В.В.Краснопрошин, А.Н.Морозевич, Р.Х.Садыхов и др.) исследователи активизируют поиск комбинированных методов принятия решений, использующих источники, обладающие инновационной информацией, достаточно полно описывающей проблемную ситуацию. К ним относятся эксперты из научно-исследовательских центров и другие распределенные когнитивные источники (РКИ). Такая информация должна быть получена за минимальное время, что крайне сложно сделать из-за отсутствия эффективных методов дистанционного приобретения знаний. Традиционные подходы (прямой диалог и формализация с помощью продукций) требуют больших затрат времени, что неприемлемо для оперативных задач. Кроме того, существующие модели организационных структур не предназначены для реализации в глобальной инфраструктуре и использования знаний РКИ.

Диссертационная работа посвящена разработке моделей, алгоритмов и технологии для построения систем поддержки оперативного принятия решений в распределенных организациях на основе удаленных когнитивных источников.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Связь работы с крупными научными программами и темами

Результаты, изложенные в диссертации, получены в рамках исследований и разработок, проводимых на кафедре информационных систем управления факультета прикладной математики БГУ в соответствии с:

1) научно-исследовательскими программами Белорусского государственного университета:

- “Разработать общие принципы построения интеллектуальных информационных систем, математических моделей, методов, информационно-компьютерных технологий для систем принятия решений и распознавания образов”, задание программы НИР БГУ (гос. Рег. № 2002118) на 2006-2010 гг.;

2) республиканскими научно-техническими программами:

- “Разработать технологии и компьютерные системы для решения задач распознавания со сложной структурой информации”, задание ГКПНИ “Научные основы информационных технологий и систем (Инфотех)” (гос. регистр. № 20061224) на 2006-2010 гг.;

- “Разработать платформу автоматизированной системы управления органами пожарного надзора МЧС, интегрированную с ГИС МЧС”, задание ГНТП “Защита от чрезвычайных ситуаций” (гос. рег. № 20071158) на 2007г.;

- “Разработать программное средство автоматизации системы управления органами пожарного надзора МЧС, интегрированное с ГИС МЧС”, задание ГНТП “Защита от чрезвычайных ситуаций” (гос. Рег. № 20081076) на 2008г.;

- “Разработать программное обеспечение государственной автоматизированной системы учета и контроля источников ионизирующего излучения”, задание ГНТП “Защита от чрезвычайных ситуаций” (гос. регистр. № 2003331) на 2008-2009 гг.;

3) грантами Белорусского Республиканского Фонда Фундаментальных исследований НАН РБ:

- “Разработка эффективных алгоритмов для решения задач распознавания образов со сложной структурой информации”, задание № Т06-140, выполняемого по решению Совета БРФФИ НАН РБ (гос. регистр. № 20064416) на 2006-2008 гг.

- “Развитие алгебраической теории распознавания и ее приложений в интеллектуальном анализе данных”, задание № Ф10Р-097, выполняемого по решению Совета БРФФИ НАН РБ на 2010-2012 гг.

Цель и задачи исследования

Цель диссертационной работы - разработка моделей, алгоритмов и технологии для оперативного принятия решений в распределенных организациях на основе знаний из удаленных когнитивных источников.

Для достижения цели были поставлены и решены следующие задачи:

1. Провести анализ существующих методов и технологий оперативного принятия решений в распределенных организациях;

2. Построить модель организационной структуры, обеспечивающий доступ к удаленным когнитивным источникам знаний в глобальной среде и отображение в различные электронные среды;

3. Разработать механизм приобретения знаний из удаленных когнитивных источников, инвариантный их количеству;

4. Построить алгоритм оперативного принятия решений, на основе формализованной и экспертной информации;

5. Разработать технологию построения компьютерных систем для поддержки оперативного принятия решений в распределенных организациях.

Объект исследования - компьютерные системы для оперативного принятия решений в распределенных организационных системах.

Предмет исследования - модели и алгоритмы для оперативного принятия решений на основе знаний из распределенных когнитивных источников. распределительный поддержка оперативный решение

Основные положения, выносимые на защиту

1. Модель распределенной организации в виде атрибутированного дерева (узлы которого представляют состав организации, а ребра - интеллектуального посредника для обмена информацией между объектами в сети) и алгоритм ее построения. Использование сокращенной нотации графа и импорт атрибутов позволили автоматизировать процесс отображения административной структуры в виртуальную организацию; атрибуция обеспечила гибкое описание объекта, релевантное семантике решаемых задач.

2. Алгоритм приобретения знаний из удаленных когнитивных источников, основанный на синтезе понятий дистанционного параметрического диалога и интеллектуального посредника. Параметризация позволила специфицировать диалог, устранить полисемию и исключить избыточность информации. Автоматическая генерация адресов и рассылка экземпляров посредника обеспечили распараллеливание диалога и сокращение времени приобретения знаний.

3. Алгоритм принятия решений, основанный на двухуровневой схеме распознавания с коррекцией, в котором на первом уровне используются стандартные алгоритмы распознавания, на втором - результат корректируется продукционными правилами на основе экспертных оценок, отраженных в шкалах бифуркационных переменных, что позволило ускорить процесс распознавания и повысить достоверность результата.

4.Оригинальная многоагентная технология для построения систем поддержки оперативного принятия решений, в рамках которой разработана библиотека программных модулей, реализующая функциональность агентов, и программа-инсталлятор, содержащая механизмы выбора группировок агентов и генерации соответствующих систем, что позволило автоматически формировать систему в виде одно- или многослойного агента, исключить процесс перепрограммирования и тем самым снизить затраты на ее построение.

Личный вклад соискателя

Работа основывается на результатах исследований автора, проводимых на кафедре ИСУ БГУ. Научный руководитель принимал участие в постановке задач и обсуждении подходов к решению. При ссылке на совместные публикации подразумеваются результаты, полученные лично автором диссертации.

Апробация результатов диссертации

Основные научные и практические результаты работы докладывались и обсуждались на следующих международных и отечественных конференциях:

Third Congress of The International Association for Fuzzy-Set Management and Economy (SIGEF, 1996, Buenos Aires, Argentina); Seventh International Conference “Pattern Recognition and Image Processing” (PRIP'2003, Minsk, Belarus); The 9-th Annual RDMS CMS Collaboration Conference (2004, Minsk, Belarus); International Conference on Modeling and Simulation (AMSE, MS'2008, Palma de Majorca, Spain); Международная научная конференция “Интеллектуализация обработки информации” (2008, Алушта, Украина); Fifth International Conferences on Neural Network and Artificial Intelligence (2008, Minsk, Belarus); International Conference on Modeling and Simulation (AMSE, 2008, Petra, Jordan); Девятой международной научно-технической конференции ” Искусственный интеллект. Интеллектуальные системы” (2008, Кацивели, Украина); The 10-th International Conference “Pattern Recognition and Image Processing” (PRIR'2009, Minsk, Belarus); International Conference on Information Systems and Technologies (IST'2009, Minsk, Belarus); Международная научная конференция “Проблемы информатики и моделирования (2010, Ялта, Украина).

Опубликованность результатов

Результаты диссертации опубликованы в 25 научных работах, включая: 1 монографию, 10 статей в рецензируемых научных журналах в соответствии с п.18 Положения о присуждении ученых степеней и присвоении ученых званий в Республике Беларусь (общим объемом 2,8 авторских листа), 10 статей в сборниках материалов научных конференций и 1 тезисы доклада. По результатам диссертационного исследования издано 3 учебных пособия.

Структура и объем диссертации

Диссертационная работа состоит из перечня условных обозначений, введения, общей характеристики работы, четырех глав, заключения, библиографического списка. Полный объем диссертации составляет 111 страниц, в том числе 43 рисунка на 17 страницах, 2 таблицы на 1 странице, библиографический список из 170 наименований, включая 25 публикаций соискателя, на 11 страницах.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

В первой главе рассмотрены проблемы принятия решений в экономико-социальных организационных системах (организациях, ОС). Под задачей принятия решений (ЗПР) в данном случае понимается выбор управляющего решения (U) для объекта (P) в зависимости от его состояния (V):

U^P = f (X^P,V^P), t< T (1)

где: f - механизм выбора; X - диагностические показатели, характеризующие состояние объекта; T - порог времени t, сверх которого решение неактуально.

Выделены два основных подхода к ЗПР в ОС: формальный, основанный на статистических и вероятностных методах анализа временных рядов, базах данных и OLAP-технологиях, и субъективный, основанный на экспертных знаниях. Первый из них, как правило, применяется для “внутрифирменных” плановых и оперативных задач с известной предметной областью (U, f, X,V), второй - для “внешних“ оперативных задач с неизвестной предметной областью.

Показана актуальность проблемы оперативного принятия решений (ЗОПР) в распределенных организациях с большим количеством (> 1000) подразделений, для решения которой требуются актуальные знания из разнородных когнитивных источников (РКИ). Под термином “оперативное принятие решений” подразумевается возможность быстрого реагирования на возникновение критических ситуаций за счет минимизации времени на получение знаний, их обработку и принятие соответствующего управляющего решения.

Решение ЗОПР осложняется наличием большого количества объектов и их удаленностью, необходимостью получения знаний из РКИ и жестким требованием к времени принятия решения. Специфические особенности позволили выделить ЗОРП в отдельный подкласс.

Предложен подход к решению проблемы, основанный на сведении ЗОПР к задаче распознавания, разработана общая схема его реализации в глобальной среде (рисунок 1). Основная идея подхода заключается в использовании в алгоритме распознавания (f) знаний (Инф(Е), Инф(Р)), полученных от удаленных когнитивных источников (экспертов (E) и ЛПР объектов (Р)).

Рисунок 1 Схема решения ЗОПР

Поставлена задача на разработку компьютерной технологии, включающей построение соответствующих моделей, алгоритмов и программного инструментария для генерации целевых систем поддержки оперативного принятия решений.

Во второй главе представлены результаты теоретических исследований: модель виртуальной организации, обеспечивающей доступ к РКИ и отображение структуры во внешние электронные среды; алгоритм приобретения знаний, основанный на удаленном параметрическом диалоге; алгоритм распознавания для ЗОПР, основанный на знаниях из РКИ, и способ оценки уровня неопределенности предметной области. Необходимо заметить, что если в задачах распознавания входная информация традиционно считается заданной, то в случае ЗОПР она формируется непосредственно перед решением. Соответственно, одной из первостепенных задач является создание организационно-технологической среды решения.

Исследованы вопросы моделирования распределенных организаций, ориентированных на функционирование в глобальной среде и получение актуальных знаний из РКИ. Показано, что традиционная административно-производственная модель

OS = (Center,P¹,P²,Pⁿ, BP,com) (2)

включающая центр, объекты, бизнес-процессы и коммуникации не обеспечивает организацию доступа к РКИ, визуализацию больших структур, построения динамических электронных карт и др.

Предложена оригинальная модель в виде виртуальной социотехнической системы, состоящей из распределенных объектов, объединяемых на основе симбиоза сетевых и интеллектуальных технологий:

VOS = (Aⁱ_j, m, com) (3)

где: Aⁱ_j - i-ый атрибут j-го РКИ; m - посредник для обмена информацией.

Введены понятия основных и дополнительных атрибутов. Показано, что в случае ЗОПР всех участников VOS необходимо одновременно рассматривать как элементы административной структуры (A^L), глобальной инфраструктуры (A^G) и цифровой карты (A^M)). Кроме того, необходимо учитывать их производственные и специальные функции (A^F).

Предложен алгоритм построения модели виртуальной организации, основанный на ее преставлении в виде связного атрибутированного дерева G = (V,E), где вершинами являются элементы структуры, а дуги отображают средства коммуникации между ними (рисунок 2).

Рисунок 2 Модель организации в форме атрибутированного дерева

Общая идея алгоритма связана с построением каркаса модели на основе сокращенной нотации графа и использования атрибутов организации из предварительно созданной базы данных (рисунок 3).

Алгоритм обеспечивает отображение любой административной структуры в виртуальную организацию. Использование нотации и баз данных позволяет автоматически формировать дерево и производить быструю атрибуцию узлов. A^L-, A^G-, A^M-атрибуты используются соответственно для визуальной оценки руководством больших организационных структур, глобального позиционирования состава и построения динамических цифровых карт различного назначения, а A^F-атрибут отражает служебные функции состава.

Рисунок 3 Схема алгоритма построения виртуальной организации

Алгоритм обеспечивает отображение любой административной структуры в виртуальную организацию. Использование нотации и баз данных позволяет автоматически формировать дерево и производить быструю атрибуцию узлов. A^L-, A^G-, A^M-атрибуты используются соответственно для визуальной оценки руководством больших организационных структур, глобального позиционирования состава и построения динамических цифровых карт различного назначения, а A^F-атрибут отражает служебные функции состава.

В целом модель формирует внешний информационно-технологический взгляд на организацию в дополнение к традиционному административно-производственному взгляду, и создает среду решения для ЗОПР.

Рассмотрена проблема приобретения знаний из распределенных когнитивных источников. Показано, что при лимите времени и большом количестве РКИ традиционные методы на основе естественного диалога “аналитик-эксперт” и программные OLAP-методы для ЗОПР неэффективны по причине больших затрат времени в первом случае и невозможности создания временных рядов во втором.

Предложена оригинальная комбинированная структура, включающая модель дистанционного параметрического диалога и посредника для ее использования для информационного обмена <центр-РКИ-центр> (рисунок 4).

Рисунок 4 Структура посредника

Параметры диалога включают: постановку задачи (text), вопрос (Q), варианты ответа (R) и выбранный ответ (<R>), а так же необязательное визуальное сопровождение (V). Структура посредника содержит: адреса отправителя и получателя (adr^c, adr^p), средства контроля доступа к РКИ (check), таймер (timer) для фиксации затраченного на диалог времени и память для хранения результата диалога (mem). При общей жесткости структуры посредника возможность модификации элементов обеспечивает ее технологическую гибкость.

На основе проведенных построений разработан алгоритм приобретения знаний (рисунок 5).



Рисунок 5 Схема алгоритма приобретения знаний РКИ

Отметим, что в данной схеме традиционный диалог дополняется процедурой автоматического построения эталонов <V>, что существенно сокращает время приобретения знаний. В результате работы алгоритма формируется информационная составляющая предметной области (4) для распознавания.

Можно отметить, что описанный выше алгоритм строит технологически ориентированное решение, включая идентификацию источников и настройку диалога на тип источника. Параметризация позволила специфицировать диалог, устранить полисемию и исключить избыточность информации, характерную для естественного общения. Автоматическая замена адресов и рассылка экземпляров посредника обеспечили возможность распараллеливания диалога центра с множеством РКИ, что свело общее время приобретение знаний к затратам времени на работу с одним источником.

Рассмотрена возможность использования аппарата распознавания образов для принятия решений, включая две группы методов: стандартные (вычислительные) и продукционные (логические), применяемые соответственно в технических и экспертных системах.

Показано, что в ЗОПР значение одной или нескольких диагностических переменных (так называемые бифуркационные переменные) могут существенно влиять на результат решения задачи, что не позволяет напрямую использовать стандартные алгоритмы распознавания. С другой стороны, при большом количестве переменных использование продукций требует больших затрат времени на их Prolog-Lisp-формализацию, что делает продукционные методы неэффективными для оперативных задач.

Разработан двухуровневый алгоритм распознавания с коррекцией (рисунок 6). На первом уровне выполняется распознавание стандартными алгоритмами, на втором - результат корректируется за счет экспертных оценок, отраженных в шкалированных бифуркационных переменных. Каждой такой переменной соответствует одна продукция, корректирующая результат в зависимости от ее значения.



Рисунок 6 Схема двухуровневого алгоритма распознавания

В рамках предложенного алгоритма удалось объединить преимущества формального (быстрое распознавание) и субъективного (уточнение за счет экспертных знаний) подходов, сократить число продукций (до количества бифуркационных переменных) и повысить достоверность результата.

Показано, что на начальном этапе решения ЗОПР существует неопределенность, которую необходимо устранить до момента начала принятия решений. Предложена классификация неопределенности, типовая для ЗОПР. Показано, что существующие подходы к оценке неопределенности основаны на вероятностных и статистических методах, используют значимые временные ряды наблюдений, создать которые для оперативных задач в принципе невозможно.

Введены понятия базового (Q_base) и текущего (Q_t) образов, описывающих неопределенность в начале (t⁰) и в дискретные моменты времени (tⁱ) решения. Максимальная неопределенность показателя определена единицей, минимальная - нулем. Соответственно, в каждый момент времени tⁱ можно вычислить коэффициент неопределенности по формуле (5):

При Kont = 1 неопределенность отсутствует, любые другие значения коэффициента говорят о наличии неопределенности и показывают ее уровень для каждой составляющей решения.

Разработан алгоритм вычисления уровня неопределенности в любой момент времени решения ЗОПР, что позволяет контролировать процесс построения предметной области и определить момент автоматического старта принятия решений.

В третьей главе исследуются вопросы разработки архитектуры программной технологии для построения систем поддержки оперативного принятия решений. Показано, что традиционные WEB- и COM-подходы не позволяют в полной мере решить поставленную задачу. В частности, они не обеспечивают диалог с когнитивными источниками, не гарантируют защиту информации от несанкционированного доступа, обладают избыточностью интерфейсов, характеризуются высокой стоимостью разработки и др.

Предложена оригинальная многоагентная технология, обеспечивающая построение программных агентов, механизмов их группировки для решения общей задачи и автоматической генерации целевых систем различной функциональности.

В соответствии с процессом решения ЗОПР предложена архитектура агентов и схема их взаимодействия в инфраструктуре среды. Все агенты построены по базовой схеме (сенсор, эффектор, процессор, память), но учитывают специфику решаемых ими задач за счет включения элементов защиты и наследования информации. Общая архитектура системы представлена на рисунке 7.

Оригинальность архитектуры агентов определяется наличием свойств наследования памяти в БД или XML-файле и ее автоматической защиты, что позволяет использовать результаты деятельности агентов другими программами и повышает уровень безопасности всей системы. Автономность агентов позволяет строить сообщества агентов различной конфигурации для генерации целевых систем требуемой функциональности.



Рисунок 7 Архитектура МАС

В четвертой главе описана многоагентная программная технология для решения ЗОПР РОС, включающая библиотеку программных модулей OMAL (Organization Management Agent Library), реализующая функциональность агентов, и программу-инсталлятор (SysBuilder), содержащую механизмы выбора группировок агентов и настройки их на предметную область, тиражирования посредника и генерации целевых систем (рисунок 8).



Рисунок 8 Состав библиотеки компонентов, инсталлятор, целевые системы

Предложена методика и пример использования технологии для решения практической задачи. Методика включает пять основных этапов (рисунок 9).

Рисунок 9 Методика использования многоагентной программной технологии

На первом этапе выполняется анализ задачи, выбор функциональности и генерация инсталлятором SysBuilder соответствующей целевой системы. В результате из модулей библиотеки OMAL автоматически формируется система в виде одно- или многослойного агента (рисунок 10).



Рисунок 10 Результат генерации - система для решения ОЗПР

Автоматизация исключает процесс программирования, заданная функциональность не допускает избыточности элементов интерфейса.

На втором этапе строится (агент OrgBuilder) организационная структура, обеспечивающая доступ центра к когнитивным источникам. Локальное и глобальное позиционирование объектов создает информационную основу для приобретения знаний РКИ и отображения структуры в различные среды.

На третьем и четвертом этапах выполняется процесс приобретения знаний РКИ (агенты EMiner в PMiner). Применение удаленного параметрического диалога позволяет передать интеллектуальные функции аналитика программе, а его распараллеливание минимизирует время получения знаний.

Пятый этап связан с распознаванием состояния объектов (агент StateMaker) и выбором (агент StateOrder) соответствующего управляющего решения (рисунок 11). Автоматизация процесса синтеза решений обеспечивает инвариантность времени решения ЗОПР к количеству объектов.



Рисунок 11 Результат синтеза решений для объектов

Таким образом, в результате реализации методики устраняется неопределенность и обеспечивается комплексная автоматизация решения ЗОПР.

В конце главы представлен пример по генерации и использованию системы для решения типичной прикладной задачи по оценке ситуации на большом количестве объектов и принятию соответствующих решений.

ЗАКЛЮЧЕНИЕ

Основные научные результаты диссертации

В результате выполнения диссертационной работы были получены следующие основные результаты:

1. Разработаны модель распределенной организации в виде атрибути-рованного дерева (узлы которого представляют состав организации, в ребра - интеллектуального посредника для обмена информацией между объектами в сети) и алгоритм ее построения [4, 5, 7, 12, 16, 22]. Использование сокращенной нотации графа и импорт атрибутов позволили автоматизировать процесс отображения административной структуры в виртуальную организацию, атрибуция обеспечила гибкое описание объекта, релевантное семантике решаемых задач. В результате была создана основа для решения ряда прикладных задач, включая приобретение знаний из когнитивных источников, принятие решений, отображение структуры в электронные среды различного назначения, включая динамические карты, интеграцию с “внешними” системами и др.

2. Разработан алгоритм приобретения знаний из удаленных когнитивных источников, основанный на синтезе понятий дистанционного параметрического диалога и интеллектуального посредника [1, 2, 10, 18, 20, 19]. Параметризация позволила специфицировать диалог, устранить полисемию и исключить избыточность информации. Автоматическая генерация адресов и рассылка экземпляров посредника обеспечили распараллеливание диалога и сокращение времени приобретения знаний. Применение комбинированного подхода к построению посредника позволило использовать различные типы диалога, что расширило сферу применения предложенного решения.

3. Разработан алгоритм принятия решений, основанный на двухуровневой схеме распознавания с коррекцией, в котором на первом уровне используются стандартные алгоритмы распознавания, на втором - результат корректируется продукционными правилами на основе экспертных оценок, отраженных в шкалах бифуркационных переменных, что позволило ускорить процесс распознавание и повысить достоверность результата [3, 6, 9, 13, 15, 17]. В результате при распознавании удалось совместить преимущества формального и субъективного подходов.

4.Разработана оригинальная многоагентная технология для построения систем поддержки оперативного принятия решений, в рамках которой создана библиотека программных модулей, реализующая функциональность агентов, и программа-инсталлятор, содержащая механизмы выбора группировок агентов и генерации соответствующих систем, что позволило автоматически формировать системы в виде одно- или многослойных агентов, исключить процесс перепрограммирования, и тем самым снизить затраты на ее построение [8, 11, 14, 21, 23, 24, 25]. Расширение традиционной архитектуры агентов за счет включения элементов наследования и автоматической защиты информации повысили надежность системы в целом.

Рекомендации по практическому использованию результатов

Полученные в диссертационном исследовании результаты использовались при реализации ряда проектов в МЧС Республики Беларусь и в учебном процессе на кафедре ИСУ БГУ. Универсальность разработанной технологии позволяет использовать ее при решении других задач, включая построение систем мониторинга природно-территориальных комплексов, подсистем контроля знаний студентов в системах дистанционного обучения, систем экспресс-анализа уровня квалификации потенциальных сотрудников в задачах подбора кадров и др.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

Монографии

1. Экспертные системы для персональных компьютеров / В.С. Крисевич, Л.А.Кузьмич, В.С.Курманов, В.В.Краснопрошин, А.Н.Вальвачев, Ю.А.Уткин. Минск: Вышэйшая школа, 1990. 198 с.

Статьи в научных журналах, включенных в перечень ВАК

2. Краснопрошин, В.В. Интеграция распределенных экспертных знаний: проблемы и решения /В.В. Краснопрошин, Г. Шаках, А.Н. Вальвачев // Информатика. 2004. № 1. С. 45-53.

3. Краснопрошин, В.В. Технология построения систем поддержки решений на основе распределенных разнородных знаний / В.В. Краснопрошин, Г. Шаках, А.Н. Вальвачев // Информатика. 2004. № 3. С. 49-58.

4. Краснопрошин, В.В. Применение модели Шеннона-Уивера для задачи коммуникации в системах, основанных на знаниях / В.В. Краснопрошин, А.Н. Вальвачев, Г. Шаках // Информатика. 2005. № 1. С. 52-57.

5. Краснопрошин, В.В. О системе понятий в информатике / В.В. Краснопрошин, О.А. Маркова, А.Н. Вальвачев // Информатика. 2007. № 3. С. 124-130.

6. Краснопрошин, В.В. Принятие решений в оперативных задачах регионального управления / В.В. Краснопрошин, Х. Виссия, А.Н. Вальвачев // Таврический вестник информатики и математики. 2008. № 1. С. 267-273.

7. Виссия, Х. Технология выполнения IT-проектов коллективами распределенных исполнителей /Х.Виссия, В.В.Краснопрошин, А.Н. Вальвачев // Искусственный интеллект. 2008. №3. С.63-69.

8. Shakah, G. Fuzzy Active Systems Management under Uncertainty / G.Shakah, V.V. Krasnoprohin, A.N. Valvachev // International Journal of Computing. 2008. Vol. 7, Issue 3. P. 95-98.

9. Краснопрошин, В.В. Технология оперативного управления распределенными организационными системами / В.В. Краснопрошин, А.Н. Вальвачев // Вестник БГУ. Сер.1, Физика. Математика. Информатика. 2009. № 1. С. 90-97.

10. Краснопрошин,В.В. Технология построения баз знаний на основе распределенных когнитивных ресурсов / В.В. Краснопрошин, О.Л. Коновалов, А.Н. Вальвачев // Вестник Национального технического университета ”Харьковский политехнический институт”. 2010. № 31. С.112-118.

11. Ablameyko, S.V. Distributed Cognitive Resources as a Basis for Solving Operational Management Problems / S.V.Ablameyko., V.V.Krasnoproshin, A.N. Valvachev // Global Financial & Business Networks and Information Management Systems. Madrid: European Academic Publishers, 2010. P. 77-86.

Статьи в трудах научных конференций

12. Aluja, J. Computer Methods for Searching and Estimating Potential Business Partners / J. Gil Aluja, V. Krasnoproshin, A. Valvachev // Proceedings of 3-th Congress of SIGEF, Buenos Airos, November 10-13, 1996. Buenos Airos, 1996: in 3 volumes. Vol. 1. P. 234-248.

13. Krasnoproshin, V. Unstructured Knowledge Synthesis for Decision-Making Problems /V. Krasnoproshin, A. Valvachev, H. Vissia // Proceedings of the Seventh International Conference (PRIP'2003), Minsk, Belarus, May 21-23, 2003: in 2 volumes. Minsk, 2003. Vol. 1. P. 145-149.

14. Krasnoproshin, V. The Decision Making Technology on Management Problems of Complex Research Projects / V. Krasnoproshin, G. Shakah, A. Valvachev // Proceedings of 9th Annual RDMS CMS Collaboration Conference, Minsk, Belarus, November 29 - December 2, 2004. Minsk, 2004. P. 241-248.

15. Краснопрошин, В.В. Принятие решений в оперативных задачах регионального управления / В.В. Краснопрошин, Х.Виссия, А.Н. Вальвачев // Труды международной научной конференции "Интеллектуализация обработки информации" (ИОИ'2008), Алушта, Украина, 17-21 июня 2008 г. Алушта, 2008. C. 134-136.

16. Краснопрошин, В.В. Технология реализации проектов распределенными коллективами исполнителей / В.В.Краснопрошин, Х. Виссия, А.Н. Вальвачев // Искусственный интеллект. Интеллектуальные системы: Материалы IX международной научно-технической конференции, Кацивели, Украина 22-27 сентября 2008 г.: в 2 ч./ - Кацивели, 2008. Ч. 1. C.112-114.

17. Krasnoprohin, V.V. Decision Making in Active Systems / V.V.Krasnoprohin, H. Vissia, A.N. Valvachev // Models and Simulation in Engineering, Economics and Management and General Applications (AMSE'2008), Spain, Palma de Majorca,18-20 June, 2008. Palma de Majorca, 2008.- P.300-307.

18. Shakah, G. Fuzzy Approach to Active Systems Management / G.Shakah, V.V. Krasnoproshin, A.N. Valvachev // Proceedings of the Fifth International Conferences on Neural Network and Artificial Intelligence (ICNNAI'2008), Minsk, Belarus, May 27-30, 2008. Minsk: Propilei, 2008. P. 268-270.

19. Шаках, Г. Управление активными системами в условиях неопреде-ленности /Г.Шаках, А.Н.Вальвачев //Труды Пятой международной конференции “Информационные системы и технологии” (ИСТ'2009), Минск, Беларусь, 16-17 ноября, 2009 г. Минск, 2009. P.197-201.

20. Krasnoproshin, V.V. Operational Management of Distributed Socio-Economic System /V.V.Krasnoproshin, E.P.Maksimovich, A.N.Valvachev // Proceedings of 10-th International Conference of Pattern Recognition (PRIP'2009), Minsk, Belarus, May 19-21, 2009. Minsk, 2009. P. 290-293.

21. Shakah, G. Decision Making System for Operative Tasks / G.Shakah, V.V. Krasnoproshin, A.N. Valvachev // Proceedings of 10-th International Conference (PRIP'2009), Minsk, May 19-21, 2009. Минск, 2009. P. 272-275.

Тезисы докладов

22. Краснопрошин, В.В. Технология построения баз знаний на основе распределенных когнитивных ресурсов / В.В. Краснопрошин, О.Л.Коновалов, А.Н. Вальвачев // Тезисы десятой научно-технической конференции “Проблемы информатики и моделирования”, Ялта, Украина, 27-29 сентября 2010 г. Ялта, 2010. С.52.

Учебные пособия

23. Valvachev, A.N. Beginning Object Pascal Programming /A.N.Valvachev. Manchester: WROX PRESS, 1996. 500 p.

24. Вальвачев А.Н. Программирование в среде C++ Builder /А.Н.Вальвачев, К.А.Сурков, Д.А.Сурков. М.: Попурри, 1998. 576 с.

25. Программирование в среде Delphi 7.0 / А.Н.Вальвачев, Д.А.Сурков, К.А.Сурков, Ю.М.Четырько //Russian Software Developer Network [Электронный ресурс]. М: RDSN,2010. Режим доступа: www.rsdn.ru/summary/3165.xml. Дата доступа: 14.01.2011.

РЕЗЮМЕ

Вальвачев Александр Николаевич Алгоритмы и технология для построения систем поддержки принятия оперативных решений в распределенных организациях

Ключевые слова: принятие решений, системы поддержки принятия решений, распознавание образов, атрибутированные деревья, приобретение знаний, многоагентные системы.

Цель работы: разработка моделей, алгоритмов и технологии для оперативного принятия решений в распределенных организациях на основе знаний из удаленных когнитивных источников.

Методы исследований: теории принятия решений, распознавания образов, графов, искусственного интеллекта и многоагентный подход.

Полученные результаты: двухуровневый алгоритм распознавания с коррекцией, в котором на первом уровне выполняется распознавание стандартными алгоритмами, на втором - результат корректируется за счет экспертных оценок, отраженных в шкалированных бифуркационных переменных; модель виртуальной организации в форме атрибутированного дерева, обеспечивающая локальное, глобальное и картографическое позиционирование элементов; алгоритм приобретения знаний из удаленных источников на основе параметризированного диалога и интеллектуального посредника; программная технология и методика ее применения для построения систем поддержки оперативного принятия решений.

Новизна: разработанные модели, алгоритмы и программный инструментарий позволяют оперативно принимать решения на основе компетентных знаний из внешних источников, что способствует повышению эффективности принимаемых решений. Шкалирование бифуркационных переменных позволило уточнять результат распознавания до заданного уровня. Распараллеливание процессов приобретение знаний позволило существенно сократить время решения. Автоматическая генерация целевых систем для данного класса задач исключила затраты на программирование.

Рекомендации по использованию: разработанная технология может использоваться для принятия оперативных решений в различных организациях с распределенным составом, включая министерства, ведомства, органы регионального управления и др.

Область применения: прикладные задачи принятия решений в распределенных организациях.

РЭЗЮМЕ

Вальвачоў Аляксандр Мiкалаевiч

Алгарытмы і тэхналогія для пабудовы сістэм падтрымкі прыняцця аператыўных рашэнняў у размеркаваных арганізацыях

Ключавыя словы: прыняцце рашэнняў, сістэмы падтрымкі прыняцця рашэнняў, распазнанне выяў, атрыбутаваныя дрэвы, набыццё ведаў, шматагентныя сістэмы.

Мэта працы: распрацоўка мадэляў, алгарытмаў і тэхналогіі для аператыўнага прыняцця рашэнняў у размеркаваных арганізацыях на аснове ведаў з выдаленых кагнітыўных крыніц.

Метады даследаванняў: тэорыі прыняцця рашэнняў, распазнання выяў, графаў, штучнага інтэлекту, а таксама шматагентны падыход.

Атрыманыя вынікі: двухузроўневы алгарытм распазнання з карэкцыяй, у якім на першым узроўні выконваецца распазнанне стандартнымі алгарытмамі, на другім - вынік карэктуецца за кошт экспертных адзнак, адлюстраваных у шкаліраваных біфуркацыйных пераменных; мадэль віртуальнай арганізацыі ў выглядзе атрыбутаванага дрэва, якая забяспечвае лакальнае, глабальнае і картаграфічнае пазіцыянаванне элементаў; алгарытм набыцця ведаў з выдаленых крыніц на падставе параметрызаванага дыялога і інтэлектуальнага пасродніка; праграмная тэхналогія і методыка яе ўжывання для пабудовы сістэм падтрымкі аператыўнага прыняцця рашэнняў.

Навізна: распрацаваныя мадэлі, алгарытмы і праграмны інструментар дазваляюць аператыўна прымаць рашэнні на аснове кампетэнтных ведаў з вонкавых крыніц, што спрыяе падвышэнню эфектыўнасці прыманых рашэнняў. Шкалiраванне біфуркацыйных пераменных дазволіла давесці вынік распазнання да зададзенага ўзроўня. Распаралельванне працэсаў набыцця ведаў дазволіла істотна скараціць час рашэння. Аўтаматычная генерацыя мэтавых сістэм для дадзенага класа задач выключыла выдаткі на праграмаванне.

Рэкамендацыі па выкарыстанні: распрацаваная тэхналогія можа выкарыстоўвацца для прыняцця аператыўных рашэнняў у розных арганізацыях з размеркаваным складам, уключаючы міністэрствы, ведамствы, органы рэгіянальнага кіравання і інш.

Вобласць ужывання: прыкладныя задачы прыняцця рашэнняў у размеркаваных арганізацыях.

SUMMARY

Valvachev Alexander Nikolaevich

Algorithms and Technology for Constructing Operative Decision Support Systems in Distributed Organizations

Keywords: decision making, decision support systems, pattern recognition, attributed trees, knowledge acquisition, multiagent systems.

The aim of the research: development of models, algorithms and technology for operative decision making in distributed organizations on the basis of knowledge from distributed cognitive sources.

Research methods: theories of decision making, pattern recognition, graphs, artificial intelligence, and a multiagent approach.

The obtained results: a two-level algorithm of recognition with corrections where standard algorithms are used for recognition with further changes due to experts' estimations reflected in scaled bifurcation variables; a model of the virtual organization in the form of the attributed tree, providing local, global and cartographic positioning of elements; an algorithm of knowledge acquisition from remote sources on the basis of parameterizable dialogue and an intellectual mediator; a software technology and a technique of its application for constructing operative decision support systems.

Scientific novelty: the developed models, algorithms and software tools ensure operative decision making on the basis of competent knowledge from external cognitive sources resulting in an increase of efficiency of the decisions being made. The scaling of bifurcation variables made it possible to specify the result of recognition up to the set level. Paralleling of knowledge acquisition ensures time reduction for decision making. Automatic generation of target systems for the given class of problems excludes programming costs.

Usage recommendations: the developed technology can be used for operative decision making in various organizations with the distributed structure, including ministries, departments, bodies of regional management, etc.

Range of application: applied problems of decision making in distributed organizations.

Размещено на Allbest.ru

...