0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.9 0.9

Рис. 3.17. Результат нечеткого вывода значения переменной EntCost

Рис. 3.18. Нечеткая оценка состояния предприятия

полученная в результате вывода, представлена на рис. 3.18. Оче­видно, что полученный результат более сходен со значением TechCrisis, выводимым по ветке ИНАЧЕ, чем со значением Norma, выводимым по ветке ТО. Однако степень принадлежности к пред­кризисному состоянию приблизительно равна =0.7, что можно интерпретировать скорее как угрозу предкризисного состояния.

Оценка состояния предприятия может проводиться по раз­личным характеристикам, в том числе по показателям бухгалтер­ской отчетности. Количественный характер этих показателей позволяет применять другие, более точные методы оценки. Сле­дует заметить, что адекватные результаты можно получить только на основе статистического анализа динамики упомянутых коли­чественных показателей, позволяющего нивелировать помехи. При использовании нечеткого подхода важно умение устанавли­вать правильное соответствие между конкретными числами и значениями ЛП. Существенное влияние на результаты имеют вы­бор ЛП и формулировка правил.

148

Задача краткосрочного прогнозирования состояния предпри­ятия решается с использованием оценки текущего состояния на новом наборе правил, содержащих в качестве условий предполо­жения о возможных параметрах окружения предприятия и воз­можных действиях руководства. Например, для предприятий, на­ходящихся в нормальном состоянии, рассматривая вероятные изменения внешних факторов (падение курса рубля, удорожание кредитов, увеличение налогов, рост цен на энергоносители и т.п.), можно получить неблагоприятный прогноз на будущее. Тог­да возникает необходимость решения следующей задачи — разра­ботки политики развития предприятия, которая обеспечит его выживание и процветание. Предприятия с положительной дина­микой экономических показателей также должны учитывать воз­можные изменения окружающей среды, чтобы принимать свое­временные меры для обеспечения хорошего состояния в буду­щем. Для предприятий в состоянии кризиса отпадает необходи­мость прогнозирования, так как в этом случае можно сразу пере-

149

ходить к разработке антикризисных мер. Особую актуальность задачи прогнозирования и выработки политик имеют для пред­приятий, находящихся в предкризисном состоянии. В этом слу­чае указанные задачи объединяются в одну, т.е. составляется один набор правил, элементами которых становятся прогнозируемые значения ЛП, описывающих внешние факторы, а также значения ЛП, соответствующих действиям по управлению предприятием. Наиболее важными внутренними факторами, влияющими на бу­дущее предприятия, которое находится в предкризисном состоя­нии, являются следующие:

• стадия жизненного цикла;

• отрасль деятельности;

• направленность потоков сырья и продукции;

• форма собственности;

• соотношение собственных и заемных средств;

• доля рынка;

• диверсификация производства;

• прогрессивность используемых технологий;

• конкурентоспособность продукции;

• уровень запасов;

• оборачиваемость средств;

• ликвидационная стоимость активов;

• уровень издержек производства;

• ценовая политика;

• профессионализм кадров.

Представляя перечисленные факторы с помощью лингвисти­ческих переменных, можно сформировать множество правил, например, следующего вида:

1. ЕСЛИ StateEnt=TechCrisis И Отрасль= Добывающая И На­ правленность_продукции=Экспорт И Курс_рубля=Падает И Доля_рынка=Большая, ТО Платежеспособностъ=Растет.

2. ЕСЛИ StateEnt=TechCrisis И CreditPay=Small И Платежеспо­ собность= Растет И Конкурентоспособность=Низкая И Тех- нологии=Старые И Спрос=Высокий, ТО Действие=Обно- витъ_технологии.

3. ЕСЛИ Действие=Обновить_технологии, ТО Конкурентоспо- собность=Высокая.

4. ЕСЛИ StateEnt=TechCrisis И CreditPay=Large И Платежеспо- собность=Растет, ТО Действие=Уменьшить_кредит- ныеобязательства.

150

5. ЕСЛИ Действие=Уменьшить_кредитные_обязательства, ТО CreditPay=Small.

6. ЕСЛИ StateEnt=TechCrisis И CreditPay=Small И Платежеспо- собность=Растет И Конкурентоспособностъ=Низкая И До- ля_рынка=Малая И Спрос=Низкий, ТО Действие=Диверсифи- кация производства.

7. ЕСЛИ StateEnt=TechCrisis И Конкурентоспособностъ=Высо­ кая И Спрос=Высокий, ТО Действие=Снизить _издержки.

8. ЕСЛИ StateEnt=TechCrisis И CreditPay=Small И Платежеспо­ собность=Растет И Конкурентоспособность=Высокая И Спрос=Высокий, ТО Действие=Увеличить _мощностъ.

9. ЕСЛИ Действие=Диверсификация_производства, ТО Доля_рынка=Высокая.

10. ЕСЛИ Действие=Снизить_издержки, ТО Конкурентоспособностъ=Высокая.

11. ЕСЛИ Действие=Увеличить_мощность, ТО Рентабелъ- ност ь =Высокая.

12. ЕСЛИ Платежеспособность=Растет И Конкурентоспособ- ность=Высокая И Доля_рынка={Большая ИЛИ Средняя), ТО StateEnP=Norma.

13. ЕСЛИ Нлатежеспособность=Растет И Рентабель- ность=Высокая, ТО StateEnP=Norma.

14. ЕСЛИ Платежеспособность=Не_растет И Конкурентоспо- собность=Низкая И Спрос=Низкий И Рентабельность=Низ- кая, ТО StateEnt=Crisls.

15

Логический анализ ситуаций с нечеткими переменными об­ладает большей гибкостью, чем традиционная логика, и не требу­ет полного набора аксиом для вывода. Эти же качества являются источниками основных недостатков нечеткого логического под­хода к задачам диагностики и прогнозирования. Они заключают­ся в отсутствии обоснованных процедур построения функций принадлежности, в трудностях представления знаний и интер­претации результатов. Проведенные исследования методов не­четкой логики в задачах принятия решений и прогнозирования дают основания полагать, что эти подходы наиболее плодотвор­ны в тех случаях, когда для построения функций принадлежнос­ти можно использовать объективную информацию, например, в нечетком управлении или в нечеткой диагностике по данным из­мерений [1, 8, 9].

151

Практическое применение методов обработки нечетких суж­дений позволяет сделать следующие выводы:

1. Большое количество правил, ЛП и их значений приводит к противоречиям и/или к плохо интерпретируемым результатам нечеткого вывода. Лингвистический подход уместно применять для описания закономерностей общего характера, свойственных рассматриваемой предметной области. При этом задача опреде­ ления набора важнейших ЛП и формирования соответствующих правил может быть решена только с помощью экспертов высшей квалификации. Для более точного описания состояния предпри­ ятия следует применять другие модели, основанные на количест­ венных методах описания множества характеристик.

2. Главной проблемой нечетких методов является сложность построения функций принадлежности и еще более высокая сложность интерпретации получаемых результатов. Методы вы­ полнения свертки нечетких отношений влияют на результат в го­ раздо меньшей степени, чем вид используемых функций принад­ лежности.

3. Приемлемое представление знаний получается, как прави­ ло, в результате серии вычислительных экспериментов, проводи­ мых с помощью специалиста в области инженерии знаний.

3.6.

ПРОГРАММНЫЕ СРЕДСТВА ДЛЯ РАБОТЫ С НЕЧЕТКИМИ ЗНАНИЯМИ

Коммерческое программное обеспечение, основанное на не­четких моделях представления знаний, широко представлено на мировом рынке. Большая часть программных продуктов ориен­тирована на решение научно-технических задач и продвигается на рынок вместе с соответствующей аппаратурой. В табл. 3.1 при­ведены наименования и краткие характеристики некоторых из­вестных в России программных средств, основанных на нечетких моделях [13].

Пакет прикладных программ FuziCalc предназначен для вы­полнения быстрых прикидочных расчетов в задачах принятия ре­шений, возникающих в различных областях бизнеса. Пакет обес-

152

Таблица 3.1 Программные средства, основанные на нечетких моделях

Продукт	Фирма	Область применения
AIS	Adaptive	Извлечение нечеткой информа-
	Information	ции и гибкие опрашивающие
	Systems	системы
FuziCalc	FuziWare	Программная среда, ориентиро-
		ванная на анализ финансовых
		проблем
Бизнес-прогноз	Тора-Инфо-Центр	Поддержка процессов принятия
	(дистрибьютер)	управленческих решений
CubiCalc	HyperLogic's	Система для поддержки задач
		нечеткого моделирования и уп-
		равления
FMC	Transfer-Tech	Оболочка для разработки нечет-
		ких ЭС
FRIL	Fril Systems Ltd	Нечеткий язык логических вы-
		водов
FuzzySoft	Fuzzy Soft AG	Нечеткая система моделирова-
		ния
Metus Fuzzy	Metus Systems	Библиотека программ для обра-
Library		ботки нечетких представлений
		на языке C/C++
NeuFuz	National	Нейронная сеть и нечеткая ло-
	Semiconductor	гика
Fide	Aptronics	Инструментальная среда для
		разработки нечетких систем, ис-
		пользующая микропроцессоры
		на нечеткой логике
FuzzyTECH	Inform Software	Программная среда для разра-
		ботки нечетких ЭС
TILShell	Togai Infra Logic	Совокупность программ и аппа-
		ратных средств для создания не-
		четких ЭС

печивает вычисления в формате электронных таблиц и удобен для анализа финансовых показателей. Он содержит большое число стандартных функций, используемых в задачах анализа финансо­во-хозяйственной деятельности предприятий. С помощью пакета FuziCalc можно определять показатели прибыльности и окупаемо­сти бизнеса, оценки задолженности клиентов и оборачиваемости товарно-материальных запасов, а также ускорять составление оперативных финансовых отчетов и других документов.

153

Российский программный продукт Бизнес-прогноз также ори­ентирован на поддержку управленческих решений в бизнесе. В нем предусмотрено представление бизнес-процесса деревом ре­шений, при этом оценка возможных исходов осуществляется с помощью функций принадлежности. Вычисление нечетких оценок альтернативных решений проводится на основе наблю­даемых или субъективно назначенных вероятностей собы­тий. Пакет позволяет решать задачи прогнозирования качества сделок с учетом ряда вычисляемых показателей, в том числе вероятного дохода от сделки; степени риска (вероятность безубыточного исхода сделки); степени неопределенности результата; доли средневероятной прибыли в общей сумме сделки и т. п.

К известным алгоритмически-ориентированным програм­мным продуктам относятся пакеты CubiCalc и NeuFuz. Пакет CubiCalc предоставляет набор средств для построения нечетких моделей, в том числе нечеткий редактор для ввода и редактирова­ния значений ЛП, соответствующих им нечетких множеств и правил; операторы, позволяющие изменять значения ЛП с по­мощью специальных модификаторов (например, «несколько», «очень»); весовые коэффициенты правил. CubiCalc содержит не­четкий словарь и редактируемую базу знаний. Результаты нечет­кого вывода представляются в виде двумерной решетки.

Система NeuFuz сочетает в себе нечеткий вывод и нейронную сеть, которая используется для автоматического формирования правил и функций принадлежности по примерам. Нейронная сеть состоит из семи слоев и обучается по методу обратного рас­пространения ошибки (см. главу 5).

Инструментальная среда Fide позволяет строить нечеткие ин­теллектуальные системы путем интеграции модулей нечеткого вывода, каждый из которых определен в текстовом файле, содер­жащем определения входных и выходных переменных, связан­ных с нечеткими множествами и правилами. Отличительной чер­той системы Fide является креативный модуль, включающий подсистему анализа и подсистему моделирования.

Среда для разработки нечетких ЭС Fuzzy TECH содержит мно­жество редакторов, предназначенных для создания входных и выходных переменных, функций принадлежности и правил.

154

Данная среда порождает программные коды интеллектуальных систем на языке C/C++ и других языках, ориентированных на специальные микроконтроллеры.

Инструментальная система TILShell является средством CASE-технологии, предназначенным для создания нечетких экс­пертных систем. Ядро системы содержит редакторы правил и функций принадлежности, а также развитые средства для быст­рой разработки конкретных приложений, которые легко могут быть состыкованы с другими программными разработками, сде­ланными с использованием инструментария TIL.

Литература

1. Андрейчиков А. В., Андрейчикова О. Н. Анализ, синтез, планирова­ ние решений в экономике. — М.: Финансы и статистика, 2000.

2. Борисов А. Л., Крумберг О. А., Федоров И. П. Принятие решений на основе нечетких моделей. — Рига, Зинатне, 1990.

3. Вагин В. Н., Загорянская А. А. Организация абдуктивного вывода средствами теории аргументации // Тр. конгресса «Искусствен­ ный интеллект в 21 веке». — М.: Изд-во физико-математической литературы, 2001.

4. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. — М.: Мир, 1976.

5. Логический подход к искусственному интеллекту: Пер. с фр. / А. Тейз, П. Грибомон, Ж. Луи и др. - М.: Мир, 1990.

6. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с фр. Под ред. В. Л. Стефанюка. — М.: Мир, 1991.

7. Нейлор К. Как построить свою экспертную систему: Пер. с англ. — М.: Энергоатомиздат, 1991.

8. Нечеткие множества и теория возможностей. Последние дости­ жения: Пер. с англ. / Под ред. Р. Р. Ягера. - М.: Радио и связь, 1986.

9. Нечеткие множества в моделях управления и искусственного ин­ теллекта / Под ред. Д.А. Поспелова. — М.: Физматлит, 1986.

10. Осуга С. Обработка знаний: Пер. с яп. — М.: Мир, 1989.

11. Представление и использование знаний: Пер. с яп. / Под ред. Х.Уэно, М. Исидзука. - М.: Мир, 1989.

12. Фор А. Восприятие и распознавание образов: Пер. с фр./ Под ред. Г. П. Катыга. - М.: Машиностроение, 1989.

155

13. Фролов Ю. В. Интеллектуальные системы и управленческие ре­ шения. - М.: МГПУ, 2000.

14. Хант Э. Искусственный интеллект: Пер. с англ./ Под ред. В. Л. Стефанюка. - М.: Мир, 1978.

15. Экспертные системы. Принципы работы и примеры: Пер. с англ. / Под ред. Р. Форсайта - М.: Радио и связь, 1987.

Контрольные вопросы и задания

1. Поясните смысл понятия «нечеткость» знаний. Дайте характери­ стику компонентам нечеткости.

2. Что такое недетерминированность выводов? Какие средства следует использовать в системах, обладающих этим свой­ ством?

3. Проанализируйте какую-либо известную вам игру на предмет ее машинной реализации. Какими приемами необходимо обеспе­ чить компьютерного игрока в этой игре?

4. Расскажите о способах устранения многозначности. Почему ее необходимо устранять? Приведите примеры.

5. Какими способами можно представлять и обрабатывать нена­ дежные знания? Приведите примеры.

6. Охарактеризуйте способы обработки неполных знаний в интел­ лектуальных системах. Приведите собственный пример появле­ ния противоречия в логической ЭС при добавлении нового зна­ ния. Какие преимущества по сравнению с логическими имеют фреймовые системы?

7. Что такое абдукция? Дайте формальное определение и объясни­ те, чем она отличается от дедукции. Приведите примеры.

8. Дайте определение понятий «лингвистическая переменная» и «нечеткое множество», поясните их на примере. Какие операции можно выполнять над нечеткими множествами? Рассмотрите математические операции над нечеткими множествами: допол­ нение, объединение и пересечение множеств.

9. Дайте определение нечеткого отношения и расскажите о свойст­ вах нечетких отношений. Каким образом и с какой целью ис­ пользуются нечеткие отношения в ИИС?

10. Что такое нечеткая импликация? Какими способами ее можно реализовать для правил с одним выходом и двумя выходами? Приведите примеры.

11. Расскажите о нечетком логическом выводе. Чем он отличается от четкого логического вывода по правилу Modus Ponendo Ponens. Дайте определение композиции нечетких отношений. Приведи­ те пример нечеткой композиции.

12. Расскажите об организации ЭС с нечетким логическим выводом. Какие способы используются в таких системах для представле­ ния и обработки знаний?

13. Разработайте БЗ небольшого объема с нечетким представлением знаний.

14. Подготовьте собственные наборы нечетких правил для реализа­ ции в системе с нечетким выводом.

15. Разработайте интеллектуальную систему с нечетким представле­ нием знаний для решения небольшой прикладной экономичес­ кой или управленческой задачи.

156