Одним з перспективних напрямів у розвитку інформаційних технологій є системи підтримки прийняття рішень (СППР). Для аналізу та пропонування в сучасних СППР використовуються різні методи. Великі потенційні можливості містить в собі використанням у СППР нейронних мереж. Можливість навчання - одна з головних переваг нейронних мереж (НМ) перед іншими методами. Технічно навчання НМ полягає у знаходженні зв'язків між нейронами. В процесі навчання нейронна мережа здатна виявляти залежності між вхідними і вихідними даними, виконувати узагальнення.
У СППР на базі нейронних мереж узгоджено вирішуються задачі: розпізнавання і формування образів альтернатив; одержання і збереження знань; оцінки якісних характеристик образів; прийняття рішень (вибору впливів). Ці задачі вирішуються у блоці аналізу даних СППР [1, c. 158].Для розробки СППР на нейронних мережах, вхідними даними для навчання якої були б ідеал («ідеальна» альтернатива) та антиідеал, пропонується наступний підхід: навчання моделі на введених образах класів ідеалу та антиідеалу з використанням методу стохастичної апроксимації [2, с. 237-242] та подальше визначення ступеню наближення кожної альтернативи до цих класів. На основі даного підходу програмно реалізований метод у складі СППР NooTron. Дослідження показали, що даний метод має ряд переваг перед методами багатокритеріального аналізу, зокрема: це стабільність роботи з необмеженою кількістю альтернатив; можливість оцінки альтернатив на підставі навчання моделі на образах ідеалу та антиідеалу; можливість роботи з великим діапазоном числових характеристик критеріїв.
Використання у СППР нейронних мереж є перспективним напрямком розвитку цих систем. Подальші дослідження пропонується проводити у напрямку підбору параметрів для ефективнішого навчання, а також застосування нечіткого опису образів ідеалу та антиідеалу.
Список літератури
1. Ковальчук К.Ф., Никитенко О.К. Архітектура систем інтелектуальної підтримки прийняття економічних рішень із застосуванням видобутку знань. // Збірник наукових праць «Економічна кібернетика: реалії часу» / - вид-во Маковецький Ю.В., Дніпропетровськ, 2012. – С. 158-163.
2. Ту Дж., Гонсалес Р. Принципы распознавания образов. - М.: Мир, 1978. - 411с.
МЕТОД АНАЛИЗА ИЕРАРХИЙ В СИСТЕМЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Жук М.А., керівник доц. Кузнецов В.И.
Национальная металлургическая академия Украины
Многокритериальный анализ (МКА) – важная часть системного анализа, создан ряд методов МКА, каждый имеет особенности, достоинства, недостатки, сферу применения. Метод анализа иерархий (МАИ) в настоящее время является одним из наиболее востребованных в решении таких системных задач, как выбор лучшей альтернативы, проектирование, распределение ресурсов.
На кафедре информационных технологий и систем ведется разработка системы поддержки принятия решений (СППР) NooTron. СППР имеет библиотеку методов МКА, она реализуется как веб-приложение. Метод анализа иерархий в системе занимает центральное место, работает как самостоятельно, так и совместно с другими методами – анализа сетей, взвешенных сумм, матриц решений, а также в блоке выбора метода МКА для конкретной задачи.
С использованием гибкой методологии разработки SCRUM и языка программирования JavaEE выполнена программная реализация метода анализа иерархий и обеспечена его работа в составе СППР. Разработан графический интерфейс.
Система NooTron (и метод анализа иерархий в её составе) будет использоваться в учебном процессе для изучения методов многокритериального анализа. Также предполагается использование системы в решении научных и практических задач.
МЕТОД МАТРИЦЫ РЕШЕНИЙ В СИСТЕМЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Ушаков А.Д, керівник доц. Кузнецов В.И.
