4. Модели принятия решений

4.1. Структура системы принятия решений

Для организации эффективного функционирования систем управления целесообразно применять системы с элементами искусственного интеллекта. Это позволит на основе работы моделей искусственного интеллекта разрабатывать нечеткие контроллеры. Применение искусственного интеллекта не означает отказ от традиционных методов управления, основанных на применении моделей динамических процессов, описываемых дифференциальными уравнениями. Модели искусственного интеллекта дополняют традиционные подходы к моделированию систем управления и позволяют создавать модели гибридного интеллекта.

Применение моделей искусственного интеллекта требует сбора и обработки экспертной информации: определение лингвистических переменных, характеризующих параметры системы управления, формализации правил принятия решений. Экспертные оценки позволяют сочетать опыт и знания специалистов со статистическими оценками, поэтому дают более реальные показатели. Преимущество данного подхода к моделированию состоит также в том, что он позволяет оценить такие ситуации, которые не возможно формализовать в практике решения задач управления.

Основное отличие применения экспертных оценок при моделировании и в процессах принятия решений от других методик состоит в том, что используют не только данные о процессах функционирования системы управления, но и знания экспертов, а также специальные механизмы вывода решений и новых знаний на основе имеющихся. Под механизмом вывода решений понимается структура построения и применения правил из некоторого множества при выводе решения.

В системе принятия решений правила (или эвристики), по которым принимаются решения, хранятся в базе знаний. Задачи ставятся перед системой искусственного интеллекта в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний выводит заключение из этих фактов. Общая структура системы искусственного интеллекта показана на рис. 4.1.

Модель представления знаний, правила принятия решений определяют качество экспертных оценок. Качество экспертных оценок определяется размером и качеством базы знаний (правил или эвристик).

Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов исследований, наблюдения, интерпретация результатов, усвоение новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов исследований. Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

Рис. 4.1

В базе знаний интеллектуальной системы управления применяют три вида знаний:

- структурированные знания - статические знания об объекте управления (после того как эти знания выявлены, они уже не изменяются);

- структурированные динамические знания - изменяемые знания об объекте управления (они обновляются по мере выявления новой информации);

- рабочие знания- знания, применяемые для решения конкретной задачи или проведения консультации.

Для построения базы знаний требуется провести опрос специалистов, являющихся экспертами в области управления, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

Системы принятия решений должны «выдавать» управляющие решения в сложившейся ситуации, которая описывается множеством входных факторов и параметров интеллектуальной системы управления.

Итак, модель интеллектуальной системы управления с нечетким описанием параметров строится на основе формализации субъективных знаний специалистов - экспертов. Формирование результатов работы моделей происходит следующим образом.

Экспертами на базовых множествах входных факторов X₁,X₂,…,X_n для элементов х₁,х₂,…,х_n, принадлежащих соответствующим базовым множествам x_iX_i, задаются степени принадлежности значений нечетких переменных базовым множествам. Экспертами формулируются правила принятия решений. Затем для момента времени t₀ принятия решения вводятся, как параметры соответствующих моделей, текущие значения координат входных факторов . Работа модели происходит по схеме, показанной на рис. 4.2.

Модель принятия решений вырабатывает управление y. Интеллектуальная система управления должна рассматривать все факторы, как входные переменные. Следовательно, должны быть заданы базовые множества, синтаксические и семантические правила формирования лингвистической переменной и ее термов.

Рис. 4.2

В интеллектуальной системе управления могут быть применены разные модели нечеткого логического вывода. Среди этих моделей назовем следующие.

Модель нечеткого логического вывода может быть построена на основе сопоставления в виде четкого соответствия наборов нечетких ситуаций (описываемых кортежами нечетких переменных) и принимаемых решений.

Модель нечеткого логического вывода может быть построена также и в виде нечеткого отношения на прямом произведении множества правил нечеткого логического вывода и нечеткого множества принимаемых решений.

Можно экспертным путем определить нечеткие эталонные ситуации, которым будут сопоставлены определенные решения. Работа модели нечеткого логического вывода заключается в выявлении для конкретного момента времени некоторой реальной нечеткой ситуации (сложившейся на исследуемом объекте), нахождении наиболее «близкой» эталонной нечеткой ситуации для данной реальной нечеткой ситуации, а затем формировании соответствующего решения.