
- •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.
- •5. Алгоритм та його місце в теорії інтелектуальних систем прийняття рішень.
- •6. Структура інтелектуальної системи прийняття рішень.
- •7. Сутність поняття «Інтелектуальна система прийняття рішень».
- •Суть понять «дані» та «знання». Покажіть між ними відмінність.
- •Представлення знань в іспр за допомогою логічної моделі. Навести приклад.
- •Представлення знань в іспр за допомогою семантичних мереж. Навести приклад.
- •Представлення знань в іспр за допомогою фреймової моделі. Навести приклад.
- •Представлення знань в іспр за допомогою продукційної моделі. Навести приклад.
- •Раціональний вибір та аксіоми раціонального поводження в економіці.
- •22. Функції вибору та операції над ними.
- •23. Дерево рішень. Прийняття рішень за його допомогою.
- •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.
- •43. Основі кроки класичного генетичного алгоритму. Опишіть їх.
- •36. Функція належності та методи її побудови.
- •37. Нечітке відношення та його властивості.
- •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.
- •58. Назвіть типові багатокритеріальні задачі та стисло опишіть одну з них.
- •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).
- •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.
- •62. Гра та її складові.
- •80. Основні характеристики штучних нечітких нейронних мереж.
33. Визначення нечіткої множини та її властивості.
Нехай E - універсальна множина, x - елемент E, а R - певна властивість. Звичайна (чітка) підмножина A універсальної множини E, елементи якої задовольняють властивості R, визначається як множина впорядкованої пари A = {mA (х)/х}, де mA(х) - характеристична функція, що приймає значення 1, якщо x задовольняє властивості R, і 0 - в іншому випадку.
Нечітка підмножина відрізняється від звичайної тім, що для елементів x з E немає однозначної відповіді "ні" відносно властивості R. У зв'язку з цим, нечітка підмножина A універсальної множини E визначається як множина впорядкованої пари A = {mA(х)/х}, де mA(х) - характеристична функція приналежності (або просто функція приналежності), що приймає значення в деякій впорядкованій множині M (наприклад, M = [0,1]).
Функція приналежності вказує ступінь (або рівень) приналежності елемента x до підмножини A. Множина M називають множиною приналежностей. Якщо M = {0,1}, тоді нечітка підмножина A може розглядатися як звичайна або чітка множина.
Основні характеристики нечітких множин
Нехай M = [0,1] і A - нечітка множина з елементами з універсальної множини E і множиною приналежностей M.
Величина
mA(x) називається висотою нечіткої
множини A. Нечітка множина A є нормальною,
якщо її висота дорівнює 1, тобто верхня
границя її функції приналежності
дорівнює 1 ( mA(x)=1). При mA(x)<1 нечітка
множина називається субнормальною.
Нечітка множина є порожньою, якщо "xОE m A(x)=0. Непорожню субнормальну множину можна нормалізувати по формулі mA(x) :=
Нечітка множина є унімодальною, якщо mA(x)=1 лише для одного x з E.
Носієм нечіткої множини A є звичайна підмножина з властивістю mA(x)>0, тобто носій A = {x/mA(x)>0} " xОE.
Елементи xОE, для яких mA(x)=0,5 називаються точками переходу множини A.
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.
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.