- •1. Дайте визначення таким поняттям як рішення, управлінське рішення, прийняття рішення. Перелічіть засади, на яких ґрунтується прийняття управлінських рішень.
- •2. Складові прийняття управлінських рішень.
- •3. Етапи розгорнутого процесу прийняття рішень. Охарактеризуйте коротко кожен з них.
- •4. Характерні помилки, які можуть траплятися у процесі прийняття рішень.
- •5. Алгоритм та його місце в теорії інтелектуальних систем прийняття рішень.
- •6. Структура інтелектуальної системи прийняття рішень.
- •7. Сутність поняття «Інтелектуальна система прийняття рішень».
- •8. Концептуальні положення системної парадигми.
- •9. Переваги та недоліки системної парадигми.
- •10. Принципи системного аналізу.
- •11. Основні методи системного аналізу.
- •12. Відмінності між класичним та новітнім системними підходами стосовно прийняття рішень.
- •13. Охарактеризуйте стисло суть кроків вирішення проблем та прийняття рішень.
- •14. Суть понять «дані» та «знання». Покажіть між ними відмінність.
- •15. Суть вимірності об’єкта. Шкали.
- •16. Особливості представлення знань в іспр.
- •17. Представлення знань в іспр за допомогою логічної моделі. Навести приклад.
- •18. Представлення знань в іспр за допомогою семантичних мереж. Навести приклад.
- •19. Представлення знань в іспр за допомогою фреймової моделі. Навести приклад.
- •20. Представлення знань в іспр за допомогою продукційної моделі. Навести приклад.
- •21. Раціональний вибір та аксіоми раціонального поводження в економіці.
- •22. Функції вибору та операції над ними.
- •23. Дерево рішень. Прийняття рішень за його допомогою.
- •24. Суть нераціонального поводження. Евристики та зміщення.
- •25. Теорія проспектів. Її відмінність від теорії корисності.
- •26. Види невизначеності та причини її виникнення.
- •27. Сутність ризику. Його суб’єктивність та об’єктивність.
- •28. Система постулатів стосовно ризику як економічної категорії.
- •29. Узагальнений алгоритм вимірювання певного виду економічного ризику
- •30. Сутність якісного аналізу ризику
- •31. Кількісні показники оцінки ступеня ризику в абсолютному вираженні.
- •32. Кількісні показники оцінки ступеня ризику у відносному вираженні
- •33. Визначення нечіткої множини та її властивості.
- •34. Операції над нечіткими множинами. Задати універсальну множину та дві нечіткі множини на ній та здійснити всі можливі операції над ними.
- •35. Суть дефазифікації. Методи дефазифікації. Наведіть приклад.
- •36. Функція належності та методи її побудови.
- •37. Нечітке відношення та його властивості.
- •38. Суть прийняття рішення за принципом Белмана–Заде.
- •39. Кроки нечіткого виводу в загальному випадку.
- •40, Що таке задачі оптимізації? у яких випадках застосування інструментарію генетичного алгоритму є ефективнішим за традиційні методи оптимізації.
- •41. Способи кодування параметрів задачі для використання у прийнятті рішення інструментарію генетичного алгоритму. Детально пояснять двійкове кодування.
- •42. Основна термінологія, що використовується в генетичному алгоритмі.
- •43. Основі кроки класичного генетичного алгоритму. Опишіть їх.
- •45. Оператори генетичного алгоритму.
- •46. Експертна система оцінювання та принципи, на яких вона ґрунтується.
- •47. Схема експертного оцінювання з урахуванням послідовності залучення і функцій основних груп суб'єктів.
- •48. Етапи процесу експертного оцінювання
- •49. Методи колективної роботи експертної групи
- •50. Методи отримання індивідуальної думки членів експертної групи.
- •51. Задачі експертного оцінювання.
- •52. Статистичні методи обробки експертної інформації.
- •53. Якісна модель опр.
- •54. Способи якісного вимірювання оцінок альтернатив за критеріями.
- •55. Метод запрос. (Замкнуті Процедури у Опорних Ситуацій)
- •56. Метод аналізу ієрархій.
- •57.Суть багатокритеріальних задач прийняття рішень.
- •58. Назвіть типові багатокритеріальні задачі та стисло опишіть одну з них.
- •59. Кроки процесу розв‘язування багатокритеріальної задачі.
- •60. Суть методу використання гіперболічної функції для розв’язування багатокритеріальної задачі.
- •61. Стисло опишіть основні кроки розпливчастого методу аналізу ієрархій.
- •62. Гра та її складові.
- •63. Класифікація інформаційних ситуацій.
- •64. Інгредієнт функціонала оцінювання
- •65. Прийняття рішень у полі першої інформаційної ситуації.
- •66. Прийняття рішень у полі другої інформаційної ситуації.
- •67. Прийняття рішень у полі третьої інформаційної ситуації.
- •68. Прийняття рішень у полі четвертої інформаційної
- •69. Прийняття рішень у полі п'ятої інформаційної ситуації.
- •70. Прийняття рішень у полі шостої інформаційної ситуації.
- •71. Суть теоретико-ігрового підходу в прийнятті рішень з урахуванням
- •72. Ігровий розпливчастий метод аналізу ієрархій (ірмаі).
- •73. Стисло охарактеризуйте теоретико-ігрову концепцію вибору портфеля.
- •75. Одношарові та багатошарові штучні нейронні мережі. Їх архітектурні особливості. Розрахунок вихідного вектору.
- •76. Суть навчання штучних нейронних мереж та його оцінювання.
- •77. Правила навчання штучних нейронних мереж.
- •78. Назвіть різні структури нейронних мереж та для однієї з них наведіть алгоритм її навчання.
- •79. Особливості сумісного використання генетичних алгоритмів та штучних нейронних мереж.
- •80. Основні характеристики штучних нечітких нейронних мереж.
33. Визначення нечіткої множини та її властивості.
Нечіткою множиною à на універсальній множині Х називається сукупність пар (х,µÃ(х), де хєХ, а µÃ(х) значення функції належності елемента х нечіткій множині Ã яке на нечіткій множині Ã. µ набуває значення . µ = 1 тоді ознаячає повну налехність Ã, µ =1 тоді повна неналежність Ã, якщо в проміжку від 0 до 1 то - часткова належність .
Властивості нечітких множин.
Нечітка множина à на множині Х називається пустою ( ноль перекреслений) тоді і тільки тоді коли µÃ(х)=0
Носієм нечіткої множини А називається чітка підмножина Х елементи якої мають ненульові ступені належності. Supp (Ã).Нечітка множина називається пустою якщо її осі є пусті.
Висотою нечіткої множини à називається верхня межа її функціїї належності, якщо множина дискретна – то максимальне значення ступеня залежності heidht(Ã)=max{µÃ(х)} Нечітка мнооожина називаєтьс нормальною якщо висота =1. хєХ
Щоб перетворити субнормальну множину в нормальну потрібно поділити на висоту.
Нечітка множина яка не є нормальною називається субнормальною. Перетворення субнормальної множини в нормальну називається нормалізацією, і виглядає наступним чином:
Ã=norm(Ã)
Ядро нечіткої множини Ã називається нечітка підмножина елементів універсальної множини Х, елементи якої мають ступінь належності, що >= α.
Ядро - cove (Ã) . α – переріз. Ãα - альфа переріз
34. Операції над нечіткими множинами. Задати універсальну множину та дві нечіткі множини на ній та здійснити всі можливі операції над ними.
Операції:
Перетин, об’єднання, алгебраїчна сума, алгебраїчний добуток, сильне об’єднання, різниця та доповнення до кожної ж нечітких множин
X={1,2,3,4,5,6,7,8,9,10}
A={0.2/1; 0.5/2; 0,9/3 1/4; 0.6/6}
B={0.3/2; 0.7/3; 1/5 0.4/6; 0.1/7}
Перетин:
A
B={0.3/2;
0.7/3; 0,4/6}
Об’єднання
A
B={0.2/1;
0.5/2; 0,9/3; 1/4; 1/5; 0.6/4; 0.1/7}
Алгебраїчна сума
А
В=Ма+Мв
– МаМв
А В={0.2/1; 0.65/2; 0,37/3 1/4; 1/5; 0.76/6; 0.1/7}
Алгебраїчний добуток
A*B={0.15/2; 0.63/3; 0,24/6}
Різниця
Ма-Мв, якщо Ма>=Мв>0; в інших випадках 0
A\B={0.2/1; 0.2/2; 0.3/3; 1/4; 0.2/6}
Сильне об’єднання
Mc(x)=Ma+Mв, якщо <1, 1 якщо Ма+Мв>=1
Mc(x)={0.2/1; 0.8/2; 1/3 1/4; 1/5; 1/6; 0.1/7}
Сильне доповнення
А={0.8/1; 0.5/2; 0.1/3; 1/5; 0.4/6}
35. Суть дефазифікації. Методи дефазифікації. Наведіть приклад.
Дефазифікація – процедура перетворення нечіткої множини в чітке число за ступенем приналежності. У теорії нечітких множин процедура дефазифікації є аналогічною знаходженню характеристик положення (математичного сподівання, моди, медіани) випадкових величин у теорії ймовірностей. Найпростішим способом виконання процедури дефазифікації є вибір чіткого числа, що відповідає максимуму функції приналежності. Однак придатність цього способу обмежується лише одноекстремальними функціями приналежності. В системах нечіткого виведення функції консеквенту, отримані в результаті виконання правил, об’єднуються в одну функцію μ(y). Існують різні методи дефазифікації цієї об’єднаної функції приналежності.
1. Метод максимуму.
Вибирається той елемент нечіткої множини, який має максимальну ступінь приналежності.
2. Метод лівого (правого) максимуму.
Вибирається найменший (найбільший) елемент нечіткої множини серед усіх елементів мають максимальний ступінь приналежності.
3. Метод центру ваги.
4. Модифікований метод центру тяжіння.
Рівень (0,05 ... 1).
Виконується -зріз (свого роду відсікання шумів).
5. Метод середнього з максимумів.
, де m - кількість локальних максимумів.
Нехай
y – нечітка змінна, Y – область визначення
змінної y, y* – чітке значення нечіткої
змінної y. Методи дефазифікації можна
записати у такому вигляді: 1) середній
з максимальних (MOM – mean of maximum):
де
MAX(μY(y)) = {y∈Y
|∀y′∈Y
:μ(y′)≤μ(y)} – це множина значень вихідної
змінної, при яких функція приналежності
приймає максимальне значення, ця
множина має бути непустою; MAX( μY(y)) –
кількість елементів множини MAX(μY(y)); 2)
найбільший з максимальних (LOM – largest of
maximum):
3) найменший з максимальних (SOM – smallest
of maximum):
4)
максимум функції приналежності:
де
μY(y)
– унімодальна функція; 5) центр тяжіння
(COG
– center
of
gravity,
центроїд – centroid):
де
yi
– i-й
сінглтон (одноточкова нечітка множина),
μY
(yi)
– значення функції приналежності для
i-го
елемента нечіткої множини Y;
6) висотна дефазифікація (height
defuzzification):
де
Aα
– нечітка множина α-рівня.
Елементи
нечіткої множини, для котрих значення
функції приналежності менше, ніж певний
рівень α, до розрахунків не беруться.
