- •Компьютерные технологии в науке и образовании
- •Часть 2 Экспертные системы
- •Содержание
- •Лекция 1
- •2.1 Введение в экспертные системы.
- •2.1.1 Назначения и основные свойства экспертных систем
- •Состав и взаимодействие участников построения и эксплуатации экспертных систем
- •Преимущества использования экспертных систем
- •Особенности построения и организации экспертных систем
- •2.1.5 Основные режимы работы экспертных систем
- •2.1.6 Отличие экспертных систем от традиционных программ
- •2.1.7 Технология разработки экспертных систем
- •Лекция 2
- •2.2 Выявление знаний от экспертов.
- •2.2.1 Экспертное оценивание как процесс измерения.
- •Связь эмпирических и числовых систем.
- •Методы измерения степени влияния объектов.
- •2.2.3.1 Метод ранжирования.
- •Метод парных сравнений.
- •Метод непосредственной оценки.
- •Один из подходов к формированию и оценке компетентности группы экспертов.
- •Характеристика и режимы работы группы экспертов.
- •Лекция 3
- •2.3 Обработка экспертных оценок.
- •2.3.1 Задачи обработки.
- •2.3.2 Групповая экспертная оценка объектов при непосредственном оценивании.
- •Обработка парных сравнений.
- •Определение обобщенных ранжировок.
- •Замечания к определению групповых оценок.
- •Лекция 4
- •2.4 Экспертные системы с неопределенными знаниями.
- •2.4.1 Неопределенности в эс и проблемы порождаемые ими.
- •Теория субъективных вероятностей.
- •Байесовское оценивание.
- •Теорема Байеса как основа управления неопределенностью.
- •Лекция 5
- •2.5 Логический вывод на основе субъективной вероятности.
- •2.5.1 Простейший логический вывод
- •Распространение вероятностей в эс
- •Последовательное распространение вероятностей
- •Экспертные системы, использующие субъективные вероятности
- •Лекция 6
- •2.6 Байесовские сети доверия как средство разработки эс.
- •2.6.1 Основные понятия и определения
- •2.6.2 Пример построения простейшей байесовской сети доверия
- •Процесс рассуждения (вывода) в байесовских сетях доверия
- •Байесовские сети доверия как одно из направлений современных экспертных систем
- •Представление знаний с использованием байесовской сети доверия и условная независимость событий
- •Лекция 7
- •2.7 Диаграммы влияния.
- •2.7.1 Назначение и основные компоненты диаграмм влияния
- •2.7.2 Пример построения простейшей диаграммы влияния
- •Диаграммы влияния с несколькими вершинами решения
- •Лекция 8
- •2.8 Сети доверия с условными гауссовскими переменнами.
- •2.8.1 Непрерывные случайные величины
- •Непрерывные гауссовские переменные
- •Числовые характеристики случайных величин
- •Совместное использование дискретных и непрерывных переменных в байесовских сетях доверия
- •Логический вывод в байесовских сетях доверия с непрерывными и дискретными состояниями
- •Лекция 9
- •2.9 Экспертные системы на основе теории Демстера–Шеффера (тдш).
- •2.9.1 Предпосылки возникновения новой теории.
- •2.9.2 Основы теории Демстера–Шеффера
- •2.9.3 Меры доверия и правдоподобия в тдш
- •2.9.4 Отличие тдш от теории вероятностей
- •2.9.5 Связь между тдш и классической теорией вероятностей
- •2.9.6 Комбинация функций доверия
Обработка парных сравнений.
При установлении причинно-следственных зависимостей между объектами предметной области, экспертам в ряде случаев сложно выразить их численно. То есть трудно установить количественно степень влияния той или иной причины (объекта) на конкретное следствие. Особенно психологически это сложно, если таких объектов много.
Вместе с тем, эксперты сравнительно легко решают задачу парного сравнения. Эта задача состоит в том, что эксперт устанавливает предпочтения объектов при сравнении всех возможных пар. То есть эксперт, рассматривая все возможные пары объектов, в каждой из них устанавливает ту причину, которая по его мнению оказывает большое влияние на следствие. Возникает вопрос, как получить оценку всей совокупности объектовна основе результатов парного сравнения, выполненного группой экспертов.
Пусть каждый из mэкспертов производит оценку влияния на результат всех пар объектов, давая числовую оценку
, если объект Oiболее значим, чемOj
, объекты OiиOjравноправны
, если объект Oiменее значим, чемOj
где h=1,2,...m– номер эксперта,i,j=1,2,...n– номера объектов, исследуемых при экспертизе. Т. е. по результатам экспертизы имеемm-таблиц (матриц) вида (рис.7):
|
|
Rm |
O1 |
... |
Oj |
... |
On |
|
|
|
|
|
|
|
|
|
|
R2 |
O1 |
... |
Oj |
... |
On |
|
|
|
O1 |
... |
Oj |
... |
On |
|
K |
R1 |
O1 |
... |
Oj |
... |
On |
|
|
|
O1 |
|
|
|
|
|
|
K1 |
O1 |
|
|
|
|
|
|
|
|
... |
|
|
|
|
|
|
... |
... |
|
|
|
|
|
|
|
Þ |
Oi |
|
xij=M[rij] |
|
Þ |
Ki | ||
Oi |
|
|
rij1 |
|
|
|
|
|
... |
|
|
|
|
|
|
... |
... |
|
|
|
|
|
|
|
|
On |
|
|
|
|
|
|
Kn |
On |
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
Рис.7. Последовательность обработки парных сравнений
Как следует из рис.7 последовательность обработки парных сравнений заключается в том, что на основании таблиц парных сравнений m-экспертов строится матрица математических ожиданий оценок всех пар объектов. Затем по этой матрице вычисляется вектор коэффициентов относительной важности объектов.
Если при оценке пары Oijиз общего количества экспертовmiвысказались в пользу предпочтениеOi,mjэкспертов в пользуOj, аmpсчитает эти объекты равноправными, то оценка математического ожидания дискретной случайной величиныrijбудет равна:
.
Т.к. общее количество экспертов, то определяя отсюдаmpи подставляя его в вышеприведенное выражение, получим
.
Очевидно, что хij + хji = 1. Совокупность величинхijобразуют матрицуХ=||хij||размерностиn xn, на основе которой можно построить ранжировку всех объектов и определить коэффициенты относительной важности объектов, то есть вектор
k = [k1, k2, ... kn]T
Одним из способов определения значений элементов вектора Кявляется итерационный алгоритм вида:
а) начальное условие t=0
|
О1 |
О2 |
О3 |
|
|
О1 |
О2 |
О3 |
|
|
О1 |
О2 |
О3 |
О1 |
0,5 |
1 |
1 |
|
О1 |
0,5 |
0,5 |
0,5 |
|
О1 |
0,5 |
1 |
0,5 |
О2 |
0 |
0,5 |
0 |
|
О2 |
0,5 |
0,5 |
0,5 |
|
О2 |
0 |
0,5 |
0 |
О3 |
0 |
1 |
0,5 |
|
О3 |
0,5 |
0,5 |
0,5 |
|
О3 |
0,5 |
1 |
0,5 |
б) рекуррентные соотношения
где Х– матрица математических ожиданий оценок пар объектов,kt– вектор
коэффициентов относительной важности объектов порядка t.
– условие нормировки.
в) признак окончания ||kt-kt-1||<E.
Если матрица Хнеотрицательна и неразложима (то есть путем перестановки строк и столбцов ее нельзя привести к треугольному виду), то при увеличении порядкаt ® ¥величинаltсходится к максимальному собственному числу матрицыХ, то есть
.
Это утверждение следует из теоремы Перрона-Фробениуса и доказывает сходимость приведенного выше алгоритма [6].
Пример.Предположим, что в результате опроса трех (m=3) экспертов о степени влияния на результат трех (n=3) различных факторов (объектов) получены следующие таблицы парных сравнений:
Экспетр 1(R1) Эксперт 2(R2) Эксперт 3(R3)
Для получения групповой оценки степени влияния каждого из объектов на результат, построим матрицу математических ожиданий оценок каждой из пар объектов, которая для рассматриваемого примера будет иметь вид:
-
О1
О2
О3
О1
3/6
5/6
4/6
О2
1/6
3/6
1/6
О3
2/6
5/6
3/6
Значения элементов этой матрицы получены из следующих выражений:
Воспользуемся вышеописанным алгоритмом для получения вектора относительной важности объектов. Для наглядности, каждый из шагов представим в виде:
шаг 0:
шаг 1:
шаг 2:
Продолжая итерационный процесс до тех пор, пока норма оценки не будет меньше заданной ((|Kit-Kit-1|) < 0,001) получим
На четвертом шаге выполняется условие выхода, что позволяет за групповую оценку степени влияния на результат принять вектор коэффициентов относительной важности объектов вида: