- •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.
36. Функція належності та методи її побудови.
Функція приналежності вказує ступінь приналежності елемента х підмножині А. Множину М називають множиною приналежностей. Якщо М = {0, 1}, то нечітка підмножина А може розглядатися як чітка множина.Задавання функцій приналежності можна здійснювати у вигляді списку з явним перерахуванням усіх елементів та відповідних ним значень функції приналежності (наприклад, використовуючи відносні частоти за даними експерименту як значення приналежності), або аналітично у вигляді формул (наприклад, використовуючи типові форми кривих для завдання функцій приналежності. Існують прямі та непрямі методи побудови функцій приналежності. При використанні прямих методів експерт просто задає для кожного х∈Е значення µ(х). Як правило, прямі методи побудови функції приналежності використовуються для вимірних понять, таких як швидкість, час, відстань, тиск, температура і т. д., або тоді, коли виділяються полярні значення. У багатьох задачах при характеристиці об’єкта можна виділити набір ознак і для кожної з них визначити полярні значення, що відповідають значенням функції приналежності 0 або 1. Для конкретного об’єкта експерт, виходячи з приведеної шкали, задає µА(х)∈[0, 1], формуючи векторну функцію приналежності {µА(х1), µА(х2), ..., µА(хn)}. Різновидом прямих методів побудови функцій приналежності є прямі групові методи, коли, наприклад, групі експертів пред’являють конкретний об’єкт, і кожен повинний дати одну з двох відповідей: належить чи не належить цей об’єкт до заданої множини. Тоді число позитивних відповідей, поділене на загальне число експертів, дає значення функції приналежності об’єкта до даної нечіткої множини. Непрямі методи визначення значень функції приналежності використовуються у випадках, коли немає вимірних елементарних властивостей, через які визначається нечітка множина. Як правило, це методи попарних порівнянь. Якщо значення функцій приналежності відомі, наприклад, µА(хi) = wi , i = 1, 2, ..., n, то попарні порівняння можна подати матрицею відношень А = {аij}, де аij = wi/wj (операція розподілу). На практиці експерт сам формує матрицю А, при цьому передбачається, що діагональні елементи дорівнюють 1, а для елементів, симетричних щодо головної діагоналі, аij = 1/аji, тобто якщо один елемент оцінюється як в а разів більш значущий ніж інший, то цей останній повинний бути в 1/а разів більш значущим, ніж перший.
37. Нечітке відношення та його властивості.
Нечітке
n-арне відношення визначається як нечітка
підмножина R на Е, що приймає свої значення
в М, де E=E1 x E2 x...x En – прямий добуток
універсальних множин, М – деяка множина
приналежностей (наприклад, М = [0; 1]). У
випадку n = 2 і M = [0, 1], бінарним нечітким
відношенням R між множинами X = E1 і Y =
E2 буде називатися функція R: (X, Y)→[0, 1],
що ставить у відповідність кожній парі
елементів (x, y)∈
X ЧY величину µR(х, y)∈
[0; 1]. Нечітке відношення на
записується у вигляді: x∈X,
y∈Y:
x R y. У випадку, коли X = Y, тобто X і Y
збігаються, нечітке відношення R: XxX →
[0,1] називається нечітким відношенням
на множині Х. Пустим нечітким відношенням
називають відношення, що не містить
жодного кортежу-довільного набору
впорядкованих елементів. Повним нечітким
відношенням є декартовий добуток
універсумів E1 x E2 X … X En. Cпособи задавання
нечітких відношень використовують
такі: − у формі списку з явним
перерахуванням усіх кортежів нечіткого
відношення та відповідних ним значень
функції приналежності: R={(w1, Rμ (w1)), …,
(wr, μR (wr))}, де wi = <x1, x2, …, xn> – i-ий кортеж
елементів цього відношення, а r – число
кортежів нечіткого відношення R; −
аналітично у формі певного математичного
виразу для відповідної функції
приналежності цього відношення. Нечітке
бінарне відношення може бути подане:
1) графічно у вигляді певної поверхні
або сукупності окремих точоку
тривимірному просторі, при цьому вісі
абсциси та ординати будуть відповідати
універсумам E1 та E2, а вісь аплікати –
інтервалу [0; 1]; 2) у матричній формі:
строки матриці нечіткого відношення
при цьому відповідають першим, а
стовпці – другим елементам кортежів,
елементами матриці є відповідні значення
функції приналежності нечіткого
відношення; 3) орієнтованим нечітким
графом G = (V, E, μG ), що може бути заданий
у вигляді двох звичайних скінчених
множин: множини вершин нечіткого графа
V={v1, v2, …, vn} та множини дуг нечіткого
графа E={e1, e2, …, em}, а також певної функції
приналежності дуг даному нечіткому
графу μG : E → [0;1].
Нечіткий предикат P(<x1, x2, …, xn>) – деяке відображення з декартового добутку універсумів E1 x E2 X … X En. у певну цілковито впорядковану множину значень істинності, зокрема, у інтервал [0; 1]. При цьому змінні x1, x2, …, xn називають предметними змінними нечіткого предиката, а декартовий добуток універсумів E1 x E2 X … X En.– предметною областю нечіткого предиката.
