
- •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.
Представлення знань в іспр за допомогою фреймової моделі. Навести приклад.
Фрейм – це структура даних, призначена для подання стереотипних (ста- ндартних) ситуацій. Фрейм є системно-структурним описом предметної області (події, явища, ситуації, стану і т.п.), що містить на підставі її семантичних ознак порожні рольові позиції (слоти), які після заповнення конкретними даними пере- творюють фрейм у носій конкретного знання про предметну область. Фрейм можна розглядати як фрагмент семантичної мережі, змістовно виражений структурою даних із при’єднаними процедурами обробки цих даних, призначений для опису об’єкта (ситуації) проблемного середовища з усією сукупністю властивих йому властивостей. Основна ідея фреймового підходу до подання знань – більш тверде, ніж при підході, заснованому на семантичній мережі, виділення об’єктів і ситуацій проблемного середовища й їхніх властивостей, тобто усе, що стосу- ється об’єкта або ситуації і є важливим з позицій розв’язуваних задач, не «розмивається по мережі», а подається у фреймі. Фрейм можна подати у вигляді таблиці, дерева, формули.
Представлення знань в іспр за допомогою продукційної моделі. Навести приклад.
Продукційна модель, або модель, базована на правилах - одна з моделей представлення знань, вона дозволяє представити знання у вигляді речень виду «Якщо (умова) то (дія)». База знань у продукційній моделі — це сукупність бази фактів і бази правил. Кожне продукційне правило в БЗ втілює автономну частину експертних знань одержаних від експерта при набутті знань вручну або використовуючи методи автоматичного видобування знань. Продукційна модель найчастіше використовується в промислових експертних системах. Наприклад, у медичній експертній системі правила if…then можуть використовуватися для встановлення взаємозв'язків між симптомами і діагнозами. Під час виведення реальний симптом зіставляється з тим, які є в лівих частинах правил і в разі збігу права частина відповідного правила вважається можливим діагнозом. Якщо є інші правила, що містять у лівих частинах отриманий можливий діагноз, то він розглядається як проміжний симптом. У цьому випадку здійснюється подальше виведення, яке триває доти, доки не буде отримано результат, з якого вже нічого не можна вивести. Якщо більше немає правил, на основі яких можна зробити виведення з отриманого можливого діагнозу, то він розглядається як остаточний. На будь-якому кроці такого виведення може виявитися кілька застосовних правил і тоді породжується дерево виведення, що визначає множину діагнозів. Продукційна модель приваблює користувачів відносною простотою, наочністю, високою модульністю, легкістю до внесення змін та доповнень, простотою схеми логічного виводу. Існує велика кількість програмних засобів, що реалізують продукційну модель (EXSYS, RuleBook, ЭКО).
Раціональний вибір та аксіоми раціонального поводження в економіці.
Задача вибору є однією з центральних в економіці. Дві основні діючі особи в економіці – споживач (покупець) та виробник (продавець) – постійно задіяні в процесі вибору. Споживач вирішує, що купувати та по якій ціні. Виробник вирішує, в що вкладати капітал та які товари потрібно виробити. Одне з основних припущень економічної теорії полягає в тому, що людина робить раціональний вибір. Раціональний вибір означає припущення, що рішення людини є результатом впорядкованого процесу мислення. Аксіоми раціональної поведінки наведено у праці Дж. Фон Неймана та О. Моргенштерна. За умови виконання цих аксіом автори довели теорему про існування деякої функції, що регулює раціональний вибір, — функції корисності. Аксіома 1 (повноти). Коли підприємець стикається з двома будь-якими рядами подій, він завжди може сказати, який йому більше до вподоби або йому байдуже, який із рядів подій вибрати. Аксіома 2 (транзитивності). Перевага серед різних рядів подій послідовна, тобто, якщо ряд X > Y, Y > Z, то X > Z. Завдяки аксіомі транзитивності виключається мінливість смаків споживача. Аксіома 3 (неперервності). В умовах аксіоми транзитивності відносно альтернатив X, Y, Z припустимо, що з імовірністю 1 індивід може отримати Y, з імовірністю p — X, а з ймовірністю (1 – p) — Z. Тоді існує таке p, за якого ці дві лотереї для індивіда рівноцінні. Аксіома 4 (незалежності). Нехай існують блага або товари X і Y, які, на думку індивіда, однакові, та дві лотереї, які відрізняються лише тим, що одна містить X, а друга — Y, тоді ці дві лотереї для індивіда однакові. Аксіома 5 (нерівних імовірностей). Якщо індивіду запропонувати дві лотереї, які дають однаковий виграш із різною ймовірністю, то він обирає ту, ймовірність виграшу якої більша. Аксіома 6 (складеної лотереї). Коли призом однієї лотереї є білет іншої лотереї, то індивід приймає рішення лише з міркувань імовірностей виграшу кінцевого призу.