автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Методы и алгоритмы распознавания и оценки сложноструктурированных рисков на основе иерархических продукционных систем

На правах рукописи

Прядко Татьяна Валерьевна

МЕТОДЫ И АЛГОРИТМЫ РАСПОЗНАВАНИЯ И ОЦЕНКИ СЛОЖНОСТРУКТУРИРОВАННЫХ РИСКОВ НА ОСНОВЕ ИЕРАРХИЧЕСКИХ ПРОДУКЦИОННЫХ СИСТЕМ

Специальность 05.13.10-Управление в социальных и экономических системах

Автореферат диссертации на соискание ученой степени кандидата технических наук

Курск - 2006

Работа выполнена в ГОУ ВПО «Курский государственный технический университет».

Научный руководитель -доктор технических наук, профессор

Емельянов С.Г

Официальные оппоненты: - доктор технических наук, профессор,

Атакищев О.И. — кандидат технических наук, доцент Аджемов С.С.

Ведущая организация - Орловский государственный технический

университет

Защита состоится « 28 » сентября 2006 г. в 16 часов на заседании диссертационного совета Д 212.105.02 при Курском государственном техническом университете по адресу: г. Курск, ул. 50 лет Октября, 94 (конференц-зал).

Заверенные отзывы на автореферат просьба направлять в двух экземплярах по адресу: 305040, г. Курск, ул. 50 лет Октября, 94, ученому секретарю диссертационного совета Д 212.105.02.

С диссертацией можно ознакомиться в библиотеке университета. Автореферат разослан «27» августа 2006 г.

Учбный секретарь диссертационного совета

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы.

Подготовка и выполнение управленческих решений для широкого круга информационно-аналитических задач в современных социально-экономических объектах (инновационные корпорации, банки, службы информационно-технической безопасности, информационно-аналитические центры содействия и координации и др.) осуществляется в условиях неопределенности множества информационных, организационно-технических, финансово-экономических, природно-климатических, демографических, социальных и других факторов, совместно имеющих противоречивую семантику и сложную организацию взаимосвязей. Разнородный по составу, связям, выполняемым функциям и структурно-сложный характер организации управляемых объектов предъявляет комплекс повышенных требований к автоматизированным системам управления: компактность и простота структурной модификации, сочетаемые с требованиями оперативности принятия решений, полноты анализа ситуаций, достоверности принимаемых решений.

Наибольший интерес представляет деятельность инновационных корпораций, планирующих и реализующих инвестиционные проекты различного объема и назначения в условиях неопределенности и рисков. Неопределенность и неоднозначность в планировании и реализации бизнес-процессов, являются неотъемлемыми его факторами, которые должны рассматриваться как объективно существующие особенности (для крупных инновационных корпораций число рисков может достигать 800-900), сопутствующие проекту и способные оказать значительное как отрицательное, так и положительное влияние на его реализацию. Выполнение в этих условиях повышенных требований к уровню эффективности и качества принимаемых решений может быть достигнуто путем внедрения в автоматизированные системы управления (СУ) эффективных методов распознавания и оценки сложноструктурированных рисков (ССР) и перспективных технологий распределенной обработки на их основе.

Анализ известных подходов и методов решения задач формального описания (моделирования) ССР показал, что в настоящее время не создано методологических и ре'ализационных основ решения задач распознавания и оценки ССР в динамично-меняющейся обстановке, позволяющих специфицировать все основные синтаксические и семантические отношения, в полной мере обеспечить выполнение современных повышенных требований к рассматриваемому классу систем / управления. Формальные описания и модели анализа получаются громоздкими, затруднена их разработка и модификация, большинство известных методов не оснащено эффективными процедурами структурного, прежде всего синтаксического, анализа сложноструктурированных рисков.

Устранение выявленного объективного противоречия возможно путем создания перспективных автоматизированных подсистем распознавания и оценки ССР на основе обобщения и развития аппарата продукций, позволяющих повысить эффективность решения задач рассматриваемого класса.

В связи с этим решение научно-технической задачи создания систем продукционного вывода для распознавания и оценки сложноструктурированных рисков в автоматизированных СУ в динамично-меняющейся обстановке'является ак-"' " туальным и представляет несомненный практический интерес. Работа выполня-

лась в рамках плановой НИР: «Исследование научно-технических путей создания систем продукционного вывода для оценки рисков в автоматизированных системах управления» (шифр «Продукция-К», 2006 г.).

\/ Цель исследований - повышение оперативности распознавания и оценки ССР на основе создания научно-технических основ их распознавания и оценки в рамках предложенного и развиваемого иерархического продукционного похода.

Объектом исследования являются автоматизированная подсистема управления рисками в динамично-меняющейся обстановке и процессы распознавания сложноструктурированных данных.

Предмет исследования — методы и алгоритмы структурно-лингвистического анализа и оценки сложноструктурированных рисков.

Достижение поставленной цели определяется решением следующих частных задач исследования:

1. Анализ социально-экономических и научно-технических предпосылок решения задач управления рисками в современных системах поддержки принятия решений. Определение ограничений существующих методов распознавания и оценки ССР в динамично меняющейся обстановке,

2. Обоснование продукционного подхода к решению задачи управления сложноструктурированными рисками и разработка иерархической продукционной системы (ИПС) обработки ССР.

3. Разработка методов и алгоритмов синтаксического анализа в ИПС - как процедурной основы структурного распознавания ССР в динамично меняющейся обстановке.

4. Разработка структурно-функциональной организации подсистемы распознавания и оценки рисков, реализующей предложенные методы.

5. Экспериментальная проверка предложенных методов и алгоритмов распознавания и оценки ССР, а также проверка их эффективности для типовых социально-экономических объектов.

Методы и математический аппарат исследования. При проведении исследований использовались методы распознавания и оценки рисков, искусственного интеллекта, структурной лингвистики, распознавания образов, теории сложных информационно-технических систем, формальных грамматик и грамматических структур, обработки информации.

Научная новизна работы состоит в следующем:

1. Разработано теоретико-множественное описание задачи распознавания и оценки рисков, отличительной особенностью которого является системное объединения необходимых элементов и видов процессов обработки рисков с учетом структурно-лингвистической и вероятностной компонент. Выполнена расширительная модификация структуры продукции путем добавления пред- и постусловий количественной обработки индикаторов рисков в динамично меняющейся обстановке.

2. Синтезирован класс иерархических продукционных систем (ИПС), отличающийся введением дополнительных иерархических продукционных правил связи известных продукционных систем (ПС) в единую систему, что позволяет синтезировать более представительный по дескриптивным возможностям и одновре-

менно компактный класс иерархически связанных ПС, ориентированных на решение более широкого класса прикладных задач управления рисками.

3. Разработаны методы и алгоритмы неполного синтаксического анализа «сверху вниз» и «снизу вверх», обеспечивающие эффективное по временной сложности обнаружение структурно сложных рисков на основе вычисления вероятностных характеристик продукций и анализируемых риск-ситуаций и определяющие тем самым повышение оперативности обработки.

4. Разработана структурно-функциональная организация (СФО) подсистемы обработки рисков, содержащая четыре уровня и позволяющая совмещать во времени процессы измерения, предобработки и генерации дерева вывода итоговых ССР под значимые индикаторы риска. Отличительной особенностью данной СФО является введение в нее модифицированной машины продукционного вывода для ИПС, обеспечивающей генерацию вариантов по выделенным стратам в соответствии с заложенными в ИПС иерархическими продукционными правилами.

Практическая ценность работы состоит в создании инженерно-технической базы для разработки перспективных программных средств и информационных технологий распознавания и обработки ССР в динамично меняющейся обстановке. При этом получены следующие практически значимые результаты:

- разработанная СФО подсистемы обработки рисков обеспечивает обоснованное уменьшение затрат и финансовых средств при учете наиболее значимых рисков;

- сокращены временные затраты на решение задачи распознавания и оценки рисков за счет четырех уровневой конвейерной организации СФО, позволяющей совместить этапы предобработки, принятия и реализации решений по учету и противодействию возникающим ССР в динамично меняющейся обстановке.

Защищаемые положения.

1. Иерархические продукционные системы, отличительными особенностями которых являются дополнительно введенные правила связи, задающие номенклатуру и порядок взаимодействия регулярных и контекстно-свободных систем, входящих в ИПС, а также стратификация ИПС на синтаксически самостоятельные уровни, что, в целом, обеспечивает повышение оперативности обработки ССР.

2. Методы и алгоритмы неполного синтаксического анализа ССР, ориентированные на использование предложенного класса ИПС и отличающиеся использованием стохастических правил, которые в комбинации с вероятностными мерами оценки пути в дереве вывода позволяют досрочно обнаруживать структурно сложные значимые риски.

3. Структурно-функциональная организация подсистемы распознавания и оценки ССР, отличительной особенностью которой является введение и использование модифицированной машины продукционного вывода для ИПС, допускающей модификацию состава и связей правил в процессе генерации решений, что позволяет существенно сократить затраты на поиск, оценку и противодействие возникающим рискам.

Реализация и внедрение результатов исследования. Результаты теоретических и экспериментальных исследований внедрены в Главном управлении информационно-коммуникационных технологий и безопасности информации Администрации Курской области, в ОАО «Геомаш» (г. Щигры), в ОАО «Кореневский завод НВА». Внедрение подтвердило повышение оперативности и достоверности реше-'

ния задач управления рисками в человеко-машинных системах поддержки решений для различных экономических объектов.

Результаты, полученные в диссертационной работе, внедрены в учебный процесс Курского государственного технического университета.

Апробация и публикации. Основные положения диссертационной работы докладывались и получили положительную оценку на 3-х Международных конференциях: «Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий» (г. Сочи, 2005 г.), «Современные инструментальные системы, информационные технологии и инновации» (г. Курск, 2004 г., г. Курск, 2005 г.); на Российском форуме «Проблемы развития инновационной деятельности в современных условиях» (г. Курск, 2006 г.) и семинарах кафедр КиТ ЭВС и ПО ВТ Курского государственного технического университета. По теме диссертации опубликовано 9 печатных работ, в том числе 2 статьи по перечню центральных рецензируемых журналов и изданий ВАК, а также один итоговый отчет о НИР.

Личный вклад автора. В работах, опубликованных в соавторстве, лично соискателем разработана структурно-функциональная организация подсистемы распознавания и оценки рисков [1.41. создан аппарат иерархических продукционных систем [2,3,6,9], разработаны методы и алгоритмы синтаксического анализа и оценкй сложноструктурированных данных [3,5,7,8].

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения, приложений, списка использованной литературы (71 наименование). Текст диссертации включает 167 страниц, из них 152 страницы основного текста, 29 рисунков, 6 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель и задачи диссертационных исследований, научная новизна, практическая ценность, основные научные положения, выносимые на защиту, а также приведено краткое содержание каждого из разделов.

В первом разделе выполнен анализ предметной области, связанной с распознаванием и оценкой рисков в современных социальных и экономических системах, а также сделан вывод, что создание перспективных подсистем распознавания и оценки сложноструктурированных рисков целесообразно осуществлять с использованием продукционного подхода, позволяющего создавать компактные, легко'модифицируемые и представительные описания рисков.

В разделе показано, что современные социально-экономические объекты реального уровня сложности (инновационные корпорации) имеют, как правило, иерархически нерегулярную структуру отношений между подсистемами, характеризуются синтаксически и семантически многозначным характером связи, множеством частично согласующихся целевых функций. В связи с этим индикаторы риска прямо или косвенно связаны между собой, образуя многоуровневые нерегулярные отношения. Выявленная особенность обусловливает постановку актуальной задачи по структурному распознаванию и оценке риска. Показано, что для количественной Оценки рисков, соотносящихся с большинством социально-экономических, систем, необходимо применять следующие величины, характеризуемые естест-

венной интерпретируемостью, ясным экономическим смыслом и допускающие автоматизацию расчетов: источники рисков, вероятностных характеристик, веса и стоимости рисков.

Рассмотрены известные методы распознавания и оценки рисков, осуществлена их классификация. Установлено, что существующие методы в большинстве случаев используют вероятностный подход, что требует поиска и привлечения разнородной количественной информации, а структурные особенности ССР, как правило, не учитываются. Поэтому известные методики оценки риска в большинстве случаев основаны на упрощении процессов измерения и обработки данных, т.е. потери определенной информации о реальных ССР в силу ее слабой структурированности, неполной формализуемости, противоречивости. Установлены основные ограничения существующих методов, сдерживающие их применения для сложноструктурированных рисков. На основе анализа перспективным определяется развитие структурно-лингвистического подхода к оценке риска, который позволит распределить обработку индикаторов риска по уровням и обеспечить «прозрачность» мер противодействия рискам.

Рассмотрена структура типовой системы поддержи принятия решения в динамично меняющейся обстановке, определена роль и место человеко-машинной подсистемы распознавания рисков, гибко сочетающей так называемые «мягкие» поисковые вычисления с детерминированными процедурами расчетно-логического характера.

Таким образом, в разделе обоснована целесообразность использования продукционно-вероятностного подхода к оценке рисков, сущность которого заключается в трактовке совокупности индикаторов рисков как линейных конструктивных объектов (слов) с вероятностно-весовыми атрибутами. Обработка индикаторов ССР, осуществляемая методами символьных вычислений, трактуется как поисково-переборная процедура в пространстве допустимых состояний на основе заложенных правил.

Во втором разделе разработан класс иерархических продукционных систем, позволяющий создать представительный и одновременно компактный набор новых продукционных систем, введены базовые определения, определены свойства ИПС. ,

Асинхронный характер возникновения индикаторов риска, имеющих структурно сложные связи, обусловливает выбор адекватного математического аппарата для решения задач управления (распознавание, оценка, противодействие) рисками - продукционных исчислительных систем (далее продукционные системы). Целесообразность такого выбора определяется тем, что в исчислениях недетерминированные процессы, присущие обработке рисков, имеют естественное описание в виде ветвящихся конструктивных процессов. ...

В разделе разработано теоретико-множественное описание задачи распознавания и оценки рисков, отличительной особенностью которого является системное объединения необходимых элементов и видов процессов обработки рисков с учетом структурно-лингвистической и вероятностной компонент. Задача распознавания и оценки рисков (далее задача оценки рисков) рассматривается как задача выдвижения гипотезы о наличии совокупного риска и поиске в пространстве рисковых состояний соответствующих путей, соединяющих первичные индикаторы

риска с итоговым риском и вычислением в процессе построения графа вывода вероятностной оценки риска.

Задача оценки рисков (ЗОР) в теоретико-множественной форме определяется как формальный объект (1)

ЗОР= <А, I, БИ, Р, (?, М>, (1)

где А - общий рабочий алфавит предметной области А=1ЯиОН.и8, Ж — алфавит первичных индикаторов рисков, имеющих следующую структуру (рис.1)

¡г

р V

Рис.1 Структура элемента алфавита Ж, где ¡г -имя индикатора, р — вероятность, V — вес индикатора,

вК -алфавит групповых рисков, в — алфавит входных состояний, сопутствующих проявлению состояний из Ж, I- правила соединения букв общего рабочего алфавита в слова-риски К, ТЯ - множество конечных состояний, описывающих итоговые значимые риски и допускаемых правилами Р, N11- множество недопустимых (тупиковых) состояний, соответствующих структурно ложным рискам, Р: 0-»Т -конечное множество правил преобразования, правило Р* с Р является применимым к состоянию г с Я, если О, с: г, <3 - множество ограничений на состояний г с Я, М - машина вывода (машина поиска) решений, реализующая стратегию поиска ЭТ и имеющая в свою очередь составную структуру, определяющую последовательность действий для реализации текущего цикла поиска.

Для структурной оценки индикаторов риска предлагается расширительная модификация структуры продукции в виде (2):

(О Ь 0->Т рЛ, НьЫ2, ...К, (2)

где (¡) — имя продукции, Ь — логическое условие применимости продукции, О—>Т — ядро продукции, р — начальная (текущая) вероятность индикатора риска, ^ — функция обработки вероятности, N[,N2, ...Кт - постусловия срабатывания продукций, описывающие различные варианты.

На основе теоретико-множественного описания ЗОР и модифицированной структуры продукции разработан класс ИГ1С как обобщение аппарата продукций.

ИПС будет определяться как формальная система следующего вида (3)

(3)

где }-множество продукционных систем (ПС) определенного вида ¡=1(1)Ы; Р -набор иерархических продукционных правил (ИПП), определяющих в виде соответствующих продукций правила, связи и следования (определенного рода управляющих и порождающих отображений) между ПС множества {РЯ,}.

Таким образом, ИПС представляет собой иерархически связанные по продукционным правилам ПС, где ИПП задают множество правил взаимодействия, а именно: порождение, следование, влияние, разрешение/Запрещение и др.) - {Л?,-}.

Проведена классификация ИПС по типу продукций. Предложено называть ИПС иерархической ПС типа I и обозначать Рй(1), если в ней используются продукции типа I и 3 (¡-ф по классификации Хомского, 1=0(1)3.

В соответствии с этим определением ИПС является иерархической продукционной системой типа 3, т.е. регулярной ИПС, если множество {Р5/} включает только продукции типа 3 (регулярные продукции). Если хотя бы один элемент множества {PS¡} является продукцией типа 2 (контекстно-свободной), то ИПС относится к типу 2 - контекстно-свободная ИПС. Таков же порядок введения неограниченных (типа 0) и контекстно-зависимых (типа 1) ИПС.

ИПС является однородной, если множество {/V),} состоит из однотипных ПС (в указанном выше смысле). В противном случае ИПС считается неоднородной.

Важнейшим элементом ИПС являются иерархические продукционные правила (ИПП), используемые для связи отдельных ПС в соответствии с природой описываемого объекта, а также формой задания этих отношений при описании схемы иерархических продукций в ИПС. В качестве базовых правил взаимодействия при решении рассматриваемого класса задач введены следующие виды ИПП:

1) /.-правила, управляющие началом и остановкой порождения (суперпозиции) и применения ИПП в связанных ПС Рв; и РЭ; , которые в общем виде будем обозначать Р8р->гР8^.

2) Р-правила, управляющие следованием связанных ПС РБ, и PSj, которые в общем виде будем обозначать

Данные ИПП при решении конкретных задач оценки и распознавания рисков могут детализированы в соответствии с конкретикой решаемых задач:

(2.1) продукции управления началом порождения при реализации операции суперпозиции;

(2.2) 7,с$— продукции управления остановкой порождения при реализации операции суперпозиции;

(2.3) 7<ьр - продукции управления началом применения продукций при реализации операции разрешения применения продукций;

(2.4) 2ер- продукции управления остановкой применения продукций при реализации операции остановки применения продукций ПС;

(2.5) Рьк -продукции управления началом включения элементов ПС при реализации операции конкатенации (следования);

(2.6) Рек -продукции управления остановкой включения элементов ПС при реализации операции конкатенации;

(2.7) Рьм -продукции управления началом совместного использования (координации) грамматик в ИПС;

(2.8) Рем -продукции управления завершением совместного использования (координации) ПС в ИПС.

На основе базовых определений выполнена разработка набора конкретных иерархических продукционных описаний (моделей) рисков. Общей особенностью данных описаний (моделей) является применение в качестве основного формализма описания увязанной в ИПС системы продукционных правил, в единой рекурсивной форме описывающих индикаторную и синтаксическую структуру типовых ССР и их модификаций. Объединение разработанных правил взаимодействия и . ... моделей в единую ИПС представляется в следующем теоретико-множественном , .,.., виде (4):

РИ ПС =< { { РСЕ<} > { ''си,} Л РфСЕ)} Л РфСИ] }. { Г ПСЕ к } - { ''ПСИк у, '' >. (4) где {РсЕ(} > {Рсий~ множества ИПС определенного вида (в большинстве случаев -стохастических или нечетких атрибутных), описывающие семантическую (интерпретирующую) и синтаксическую (иерархическую продукционную) структуру различных подклассов ССР, непосредственно используемых при решении рассматриваемого класса задач; \РфСЕ]\> \?ФСИ} }" множества ИПС определенного вида (в большинстве случаев стохастических или нечетких), описывающих семантическую и синтаксическую структуру разнородных форматов представления индикаторов ССР, используемых при решении задач рассматриваемых классов; {РпСЕКк / > {РпсиКк }■ множества ИПС определенного вида (в большинстве случаев - стохастических или нечетких атрибутных), описывающие семантическую и синтаксическую структуру разнородных признаков сложноструктурированных ситуаций, проявляющихся при оценке ССР; Ру— множество ИПС определенного вида (в

большинстве случаев - стохастических атрибутных или нечетких атрибутных), задающее общее процедурное иерархическое описание взаимосвязей и взаимного порождения основных компонент ИПС; Р- набор продукций, связывающих ПС в общую ИПС, определяющих в виде продукционной иерархии порождающие отображения между ПС, входящими в частные ИПС.

В работе показано, что ИПС создают базу для эффективных алгоритмов синтаксического анализа за счет использования стохастических правил управления выводом и дополнительных правил связи и управления и позволяют описывать более сложных стохастических зависимостей между различными синтаксическими и семантическими структурами ССР и достаточно простое вычисление вероятности их появления.

Также во втором разделе выполнена модификация машины вывода (машины поиска) решений, реализующая алгоритмы синтаксического анализа в ИПС. Цикл работы машины вывода состоит в последовательной работе четырех модулей: модуля выборки, модуля сопоставления, модуля разрешения конфликтов, модуля выполнения продукций. При этом модуль разрешения конфликтов является определяющим в эффективной обработке ССР. Для обеспечения постратной (поуров-невой) генерации И-ИЛИ-деревьев рисков выполняется расширительная модификация машины вывода путем добавления в ее состав блока стратификации продукций по уровням и блока разрешения конфликта для обеспечения неполных выводов на основе ограниченного набора ИПП связи и управления. Цикл работы модифицированной машины вывода представлен на рис. 2.

В третьем разделе показывается, что для описания основных распознаваемых сложноструктурированных рисков достаточно использовать предложенные подклассы регулярных и контекстно-свободных ИПС. Разрабатываются методы обработки в ИПС, включающие детерминированные алгоритмы неполного синтаксического анализа «сверху вниз» и снизу вверх» (с фиксированной и случайной стратегиями), и обеспечивающие досрочное обнаружение структурно сложных рисков на основе стохастических характеристик продукций и анализируемых риск-ситуаций и определяющие тем самым повышение оперативности обработки.

Рис. 2. Цикл работы модифицированной машины вывода Продукционный вывод (ПВ) на основе ИПС- это процедура, которая для любой цепочки символов из некоторого терминального алфавита определяет, принадлежит ли она языку ЦР), порождаемому ПС или ИПС, и строит хотя бы одно дерево вывода этой цепочки, если ответ на первый вопрос положительный.

Предложены различные стратегии ПВ для ПС, которые могут быть применены на отдельных этапах ПВ ИПС, которые составляют существо предложенных методов неполного синтаксического анализа «сверху-вниз» и «снизу-вверх». Суть метода неполного нисходящего синтаксического анализа («сверху-вниз») состоит в построении дерева вывода, двигаясь от его корня сверху вниз и слева направо и используя неполную систему ПВ и вычисляя для промежуточных вершин дерева вероятностную оценку на основе стохастических правил связи и управления. Метод неполного восходящего синтаксического анализа («снизутвверх») состоит в построении дерева вывода, начиная от кроны и двигаясь снизу вверх слева направо, используя неполную систему ПВ и инверсные продукционные правила. При решении задач оценки и распознавания рисков на основе ИПС данные методы ориентированы на использование неполного множества продукций на текущем. шаге разрешения конфликта и учитывают при ПВ стохастические характеристики продукций в ПС и иерархические продукции, связывающие отдельные ПС.

В разделе для данных методов предложены конкретные алгоритмы, ориентированные на использование двух основных подходов к построению алгоритмов неполного стохастического анализа, определяющих правила порождения цепочки х стохастической ИПС Р8р, и позволяющих вычислять вероятность вывода этой цепочки в ИПС Р„р . Используемые в методах стохастические процедуры анализа состоят из двух основных частей: 1) стохастического порождающего алгоритма и 2) детерминированного алгоритма возврата. В зависимости от типа применяемого стохастического алгоритма выбора правила будут различаться два типа стохастических алгоритмов анализа. В алгоритмах первого типа сначала выбирается продукция с наибольшей вероятностью применения, а в алгоритмах второго типа продукция из списка перехода выбирается случайно, но в соответствии с распределе-

нием вероятностей применения на множестве всех продукций подстановки из этого списка переходов.

Проведенный анализ показал, что реализующие предложенные методы алгоритмы стохастического анализа для ИПС Г'5р, выбирающие сначала наиболее вероятные продукции, в среднем требуют меньшего числа шагов для ПВ цепочек языка ЦР). Для типовых рассматриваемых задач выигрыш составляет 9-12 раз. Кроме того, показано, что и алгоритмы стохастического анализа со случайным выбором правила в соответствии с распределением вероятностей в ИПС могут уменьшить среднее число шагов при ПВ разборе цепочек в языке Ь (Р) в 5-8 раз.

Рассмотрены алгоритмы стохастического анализа ИПС с фиксированной стратегией. Блок-схема алгоритма стохастического анализа с фиксированной стратегией приведена на рис.3.

Также предложен стохастический алгоритм анализа ИПС со случайной стратегией, который получается из недетерминированного алгоритма анализа при введении стохастического алгоритма выбора следующей продукции из списка переходов. На каждом шаге для выбора следующей продукции из имеющихся вариантов используется распределение условных вероятностей. Блок-схема стохастического анализа данного типа приведена на рис.4.

Таким образом, для описания основных распознаваемых СРР достаточно использовать предложенные подклассы регулярных и контекстно-свободных ИПС, чем достигается существенное снижение сложности продукционных описаний, повышается удобство использования и легкость их модификации за счет иерархической структуризации при изменении отдельных элементов распознаваемых и оцениваемых СРР.

В четвертом разделе разработана структурно-функциональная организация (СФО), содержащая четыре уровня и позволяющая совмещать во времени процессы измерения, предобработки и непосредственно построения дерева риска под имеющиеся индикаторы (рис. 5).

Первый уровень - уровень сбора данных о рисках и группировки индикаторов риска в соответствии с функцией отображения Р: П<—Второй уровень -уровень предобработки элементов из ОК, связанный с количественным ранжирования индикаторов. Основу количественного ранжирования составляет процедура полного сопоставления индикаторов риска и вычисления значений-приоритетов рисков как произведения вероятности риска и веса риска. В результате все индикаторы разбиваются на три группы:

1) индикаторы риска с приоритетом ниже порогового уровня;

2) индикаторы риска с приоритетом в допустимом интервале;

3) индикаторы риска с приоритетом выше допустимого уровня.

Третья группа индикаторов риска рассматривается как группа потенциально опасных рисков, которые подлежат обработке на дальнейших уровнях СФО.

Центральное место в обработке рисков занимает третий уровень - уровень структурно-лингвистического анализа на основе ИПС и ориентированных на этот класс продукционных систем последовательных и параллельных стратегий, методов и алгоритмов ПВ сверху- вниз и снизу-вверх, рассмотренных выше. Для обеспечения своевременной обработки групп рисков осуществлена модификация цикла работы машины вывода в интересах ПВ (генерации и анализа) вариантов и их.

оценки в условиях динамично-меняющейся обстановки. С этой целью блок разрешения конфликтов использует потенциальный параллелизм страт иерархической системы продукций (ИПС различных классов). На четвертом уровне доказанные, т.е. выведенные, значимые риски подлежат окончательной обработке с использованием рассчитанных вероятностей групп рисков. Данный уровень является уровнем принятия решения о наличии значимого риска.

В разделе рассмотрены вопросы программной реализации предложенных методов и алгоритмов при создании автоматизированных систем СУ различных классов, проведена их экспериментальная проверка. В частности, если проводится распознавание и обработка небольших, но высокоинформативных массивов ССР, то в соответствии с представленными графиками целесообразно уменьшить объем анализируемой выборки для соответствующего снижения вероятности первого рода. В случае, когда проводится обработка больших объемов низкоинформативных индикаторов ССР, целесообразно порог распознавания сместить в сторону больших объемов анализируемых терминалов для снижения ошибок второго рода и, соответственно, разгрузки систем более высокого уровня (операторов) от анализа малоинформативных неправильно распознанных и обработанных ССР.

На рис 6-8 представлены графики зависимостей среднего времени (с) распознавания массивов типовых ССР в зависимости от числа элементов массива (признаков, индикаторов) и использования стохастических правил выбора и различных тестов при ветвлении процедур ПВ.

В целом установлено, что внедрение предложенных методов, алгоритмов и реализующих их программ позволяет более чем на порядок повысить оперативность решения типовых информационно- аналитических задач, достоверность принимаемых управленческих решений при оценке ССР в автоматизированных системах управления.

Таким образом, вышеизложенное дает основание полагать, что сформулированная актуальная научно-техническая задача и поставленные частные задачи исследования решены, цель работы достигнута.

В заключении отражены основные результаты работы.

В приложении представлены особенности программ моделирования распознавания и оценки сложноструктурированных рисков, использованные при экспериментальных исследованиях предложенных методов и алгоритмов.

'Раэысщвж эпавэлм асес сажан пфсвш в шрикв )быммш катав снин--шхснкшмросшоспй

Рис.З. Блок-схема стохастического алгоритма анализа с фиксированной стратегией для ИПС (СПУ означает список переходов при успехе, СПН — список переходов при неудаче)

Рис. 4 Блок-схема стохастического алгоритма

анализа со случайной стратегией для стохастических

ИПС

Рис. 5 Структурно-функциональная организация подсистемы распознавания и оценки рисков

Рис. 6. Относительные доли ошибок распознавания ССР в СБ Курскпром-банка при оценке экономических рисков (*- рИСк=1 *Ю"2, **- риск=1*10'3)

Рис. 7. Относительные доли ошибок распознавания рисков в системе информационной безопасности Курскпромбанка (*- рис«=1 *10"2, **- рИСк=1*Ю"3)

0пр*длож*мный метод

для ИПС ■ Эрямдпя ПС

О Спврху-яи для ПС

10000 20000 30000 40000

Рис. 8 Среднее время (с) распознавания типовых ССР в зависимости от числа элементов предложенного и известных элементов

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

На основании анализа предметной области сделан вывод, что создание перспективных подсистем распознавания и оценки сложноструктурированных рисков целесообразно проводить в рамках продукционного подхода, основанного на трактовке совокупности индикаторов рисков как линейных конструктивных объектов (слов) с вероятностно-весовыми атрибутами. При использовании данного подхода в диссертационной работе получены следующие основные результаты.

1. Разработано теоретико-множественное описание задачи распознавания и оценки рисков, отличительной особенностью которого является системное объединения необходимых элементов и видов процессов обработки рисков с учетом структурно-лингвистической и вероятностной компонент. Выполнена расширительная модификация структуры продукции путем добавления пред- и постусловий количественной обработки индикаторов риска, что позволяет гибко сочетать преимущества символьных и статистических вычислений, а именно: однородность и естественный параллелизм системы продукций и учет вероятностных характеристик индикаторов рисков для различных социально-экономических объектов.

2. Предложенный класс ПС - иерархические продукционные системы, включает в свой состав большинство известных ПС и позволяет создать представительный и одновременно компактный набор новых ПС для решения задач оценки и распознавания ССР за счет введения дополнительных иерархических продукционных правил связи ПС. Показано, что применение стохастических ИПС позволяет:

- существенно уменьшить сложность продукционных описаний;

- за счет иерархической структуризации продукционного описания обеспечить удобство его использования и легкость модификации отдельных элементов распознаваемых и оцениваемых СРР;

- за счет использования стохастических правил и правил управления продукционные системами повысить эффективность алгоритмов синтаксического анализа, используемых в качестве базовых процедур оценки СРР в динамично меняющейся обстановке.

- за счет использования дополнительных правил управления обеспечить задание более сложных стохастических зависимостей между различными синтаксическими и семантическими структурами ССР и достаточно простое вычисление вероятности их появления.

3. Разработаны методы обработки для ИПС, включающие детерминированные алгоритмы неполного синтаксического анализа «сверху вниз» и «снизу вверх» (с фиксированной и случайной стратегиями), и обеспечивающие досрочное обнаружение структурно сложных рисков на основе стохастических характеристик продукций и анализируемых риск-ситуаций и определяющие тем самым повышение оперативности обработки.

4. Разработана структурно-функциональная организация (СФО), содержащая четыре уровня .и позволяющая совмещать во времени процессы измерения, предобработки и непосредственно построения дерева вывода под имеющиеся индикаторы. Отличительной особенностью данной СФО является машина продукционного вывода для ИПС, обеспечивающая генерацию вариантов в соответствии с заложенными в ИПС риск-сценариями, что позволяет обосновать минимально необходимые затраты на поиск, оценку и противодействие возникающим рискам.

5. Рассмотрены вопросы программной реализации предложенных методов при создании автоматизированных систем управления различных классов, проведена экспериментальная проверка предложенных методов и алгоритмов. Показано, что внедрение предложенных методов, алгоритмов и реализующих их программ позволяет более чем на порядок повысить оперативность решения типовых информационно- аналитических задач, при требуемой достоверности принимаемых управленческих решений при оценке ССР.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

1. Прядко, Т.В. Структурно-функциональная организация подсистемы распознавания и оценки сложноструктурированных рисков [Текст]/ Т.В. Прядко, С.Г. Емельянов // Известия Тульского гос. ун-та. Сер. Бизнес-процессы и бизнес-системы. Вып. 4. - Тула: Изд-во ТулГУ, 2006. С. 18-20.

2. Прядко, Т.В. Иерархические продукционные системы как генераторы ветвящихся конструктивных процессов [Текст]/ Т.В. Прядко // Известия Тульского гос. ун-та. Сер. Бизнес-процессы и бизнес-системы. Вып. 4. - Тула: Изд-во ТулГУ, 2006. С. 120-123.

3. Прядко, Т.В. Процессно-ориентированный подход оценки рисков в инвестиционных проектах [Текст]/ Т.В. Прядко // Современные инструментальные системы, информационные технологии и инновации: сб. матер. II Меж-дунар. науч-техн. конф. Курск, 2004. С. 91-94.

4. Прядко, Т.В. Основные задачи человеко-машинной системы распознавания рисков [Текст]/ Т.В. Прядко II Современные инструментальные системы, информационные технологии и инновации: сб. матер. III Междунар. науч-техн. конф. Курск, 2005. С. 287-291.

5. Прядко, Т.В. Алгоритм разработки логистической системы управления запасами при варьируемой величине заказа [Текст]/ А.И. Захаренков, Т.В. Прядко //Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий: труды Междунар. конф. 4.3. М., 2005. С. 245-248.

6. Прядко, Т.В. Моделирование бизнес-процессов предприятия на основе IDEFO-представлений, дополненных диаграммами Ганта [Текст]/ Т.В. Прядко, A.B. Кониченко, Ю.А. Цепов// Информационные технологии моделирования и управления. 2006. №2 С. 3-19.

7. Прядко, Т.В. Совершенствование информационного обеспечения каталогизации предметов снабжения [текст]/ Т.В. Прядко // Научно-техн. сб. (труды)/ в/ч 45807-РЛ1. М., 2005. №1(152). С.14-23.

8. Прядко, Т.В. Проблема управления рисками инновационного проекта [текст]/ Т.В. Прядко, С.Г. Емельянов, А.И. Захаренков// Проблемы развития инновационной деятельности в современных условиях: сб. науч. тр. Курск, 2006. С. 56-61.

9. Прядко, Т.В. Исследование научно-технических путей создания систем продукционного вывода для оценки рисков в автоматизированных системах управления [текст] // отчет о НИР (итоговый) / Курский НИИ МО РФ; ис-полн.: Т.В. Прядко [и др.]. Курск, 2006. 239 с.

Соискатель

Т. Прядко

ИД №06430 от 10.12.01 Подписано в печать 25.08.06 Формат 60x84 1/16. Печать офсетная. Печ. л. 1,0 Тираж 100. Заказ Курский государственный технический университет Издательско- полиграфический центр Курского государственного технического университета 305040, г.Курск, ул. 50 лет Октября, 94

ВВЕДЕНИЕ

1. ОСНОВНЫЕ ПОЛОЖЕНИЯ ПРОБЛЕМАТИКИ УПРАВЛЕНИЯ РИСКАМИ. АНАЛИЗ СОСТАВА И СВОЙСТВ ЗАДАЧИ ОЦЕНКИ РИСКОВ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ПОДДЕРЖКИ

ПРИНЯТИЯ РЕШЕНИЙ.

1.1. Основные понятия проблематики управления рисками

1.2. Анализ особенностей решения задач управления рисками

1.3. Классификация рисков

1.4. Анализ существующих моделей, методов и технологий распознавания и оценки рисков

1.4.1. Анализ вероятностных моделей распознавания и оценки рисков

1.4.2. Анализ структурных методов распознавания и оценки рисков

1.4.3. Комбинированные методы распознавания и оценки рисков

1.4.4. Сравнительный анализ моделей и методов распознавания и оценки рисков

1.5. Обоснование роли и места подсистемы оценки рисков в общей структуре типовой СППР и определение внешнесистемных требований к данной подсистеме

1.5.1. Постановка проблемы

1.5.2. Особенности СППР, применяемых для решения задач управления рисками

1.6. Сущность предлагаемого подхода к распознаванию и оценке рисков

Выводы

2. ИЕРАРХИЧЕСКИЕ ПРОДУКЦИОННЫЕ СИСТЕМЫ КАК ГЕНЕРАТОРЫ ПРОЦЕССОВ РАСПОЗНАВАНИЯ И ОЦЕНКИ РИСКОВ В АВТОМАТИЗИРОВАННЫХ СИСТЕМАХ УПРАВЛЕНИЯ

2.1. Формальная постановка задачи оценки рисков в автоматизированных системах управления

2.2. Обоснование целесообразности продукционного подхода к задаче оценки рисков

2.3. Анализ основных подходов и принципов создания перспективных систем продукционного вывода для оценки рисков

2.4. Иерархические продукционные системы. Базовые определения

2.4.1. Состав продукционной системы

2.4.2. Ограничения традиционных схем управления продукциями

2.4.3. Формализация задачи обработки рисков

2.4.4. Терминологический аппарат продукционных вычислений для обработки рисков

2.5. Разработка иерархических продукционных систем для оценки рисков

2.5.1. Иерархические продукционные системы как формальная основа разработки моделей процессов оценки рисков. Основные понятия и определения

2.5.2. Типовые продукционные модели процессов оценки рисков для заданных предметных областей на основе иерархических продукционных систем

2.5.3. Особенности применения иерархических продукционных систем для описания (моделирования) сложноструктурированных рисков для служб безопасности банковских структур

2.6. Разработка концептуальной модели процессов оценки рисков на основе продукционной парадигмы

Выводы

3. МЕТОДЫ И АЛГОРИТМЫ СИНТАКСИЧЕСКОГО АНАЛИЗА И ОЦЕНКИ РИСКОВ

3.1. Разработка методов предобработки сложноструктурированных факторов на основе методов продукционного вывода

3.2. Общие принципы продукционного вывода в ИПС

3.3. Основные особенности детерминированного нисходящего процедурного вывода

3.4. Детерминированный восходящий ПВ для ИПС

3.5. Особенности синтаксического анализа LR (к) -ИПС

3.6. Эффективные процедурные выводы сверху- вниз и снизу- вверх

3.7. Иерархические продукционные системы с предшествованием с расширенным предшествованием и их продукционный анализ

3.8. Продукционный вывод в ИПС для анализа бесконтекстных программных языков

3.9. Стохастический анализ бесконтекстных программных языков

Выводы

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА ПОДСИСТЕМЫ РАСПОЗНАВАНИЯ И ОЦЕНКИ РИСКОВ

4.1. Разработка типовой иерархической структуры органов управления инновационной корпорацией

4.2. Разработка структурно-функциональной организации системы продукционного вывода для оценки рисков

4.3. Определение перечня типовых задач, решаемых программой продукционного вывода для оценки рисков

4.4. Структура программной среды PRODUCTION для оценки рисков в перспективных автоматизированных системах управления

4.4.1. Основные компоненты специального программного обеспечения PRODUCTION

4.4.2. Особенности программной оболочки системы продукционного вывода для оценки рисков в системах управления инновационных предприятий

4.5. Механизм моделирования в СПО

4.6. Основные результаты экспериментальных исследований программно оболочки для оценки рисков в автоматизированной системе управления

Выводы

Актуальность работы.

Подготовка и выполнение управленческих решений для широкого круга информационно-аналитических задач в современных социально-экономических объектах (инновационные корпорации, банки, службы информационно-технической безопасности, информационно-аналитические центры содействия и координации и др.) осуществляется в условиях неопределенности множества информационных, организационно-технических, финансово-экономических, природно-климатических, демографических, социальных и других факторов, совместно имеющих противоречивую семантику и сложную организацию взаимосвязей. Разнородный по составу, связям, выполняемым функциям и структурно-сложный характер организации управляемых объектов предъявляет комплекс повышенных требований к автоматизированным системам управления: компактность и простота структурной модификации, сочетаемые с требованиями оперативности принятия решений, полноты анализа ситуаций, достоверности принимаемых решений.

Наибольший интерес представляет деятельность инновационных корпораций, планирующих и реализующих инвестиционные проекты различного объема и назначения в условиях неопределенности и рисков. Неопределенность и неоднозначность в планировании и реализации бизнес-процессов, являются неотъемлемыми его факторами, которые должны рассматриваться как объективно существующие особенности (для крупных инновационных корпораций число рисков может достигать 800-900), сопутствующие проекту и способные оказать значительное как отрицательное, так и положительное влияние на его реализацию. Выполнение в этих условиях повышенных требований к уровню эффективности и качества принимаемых решений может быть достигнуто путем внедрения в автоматизированные системы управления (СУ) эффективных методов распознавания и оценки сложноструктурированных рисков (ССР) и перспективных технологий распределенной обработки на их основе.

Анализ известных подходов и методов решения задач формального описания (моделирования) ССР показал, что в настоящее время не создано методологических и реализационных основ решения задач распознавания и оценки ССР в динамично-меняющейся обстановке, позволяющих специфицировать все основные синтаксические и семантические отношения, в полной мере обеспечить выполнение современных повышенных требований к рассматриваемому классу систем управления. Формальные описания и модели анализа получаются громоздкими, затруднена их разработка и модификация, большинство известных методов не оснащено эффективными процедурами структурного, прежде всего синтаксического, анализа сложноструктурированных рисков.

Устранение выявленного объективного противоречия возможно путем создания перспективных автоматизированных подсистем распознавания и оценки ССР на основе обобщения и развития аппарата продукций, позволяющих повысить эффективность решения задач рассматриваемого класса.

В связи с этим решение научно-технической задачи создания систем продукционного вывода для распознавания и оценки сложноструктурированных рисков в автоматизированных СУ в динамично-меняющейся обстановке является актуальным и представляет несомненный практический интерес. Работа выполнялась в рамках плановой НИР: «Исследование научно-технических путей создания систем продукционного вывода для оценки рисков в автоматизированных системах управления» (шифр «Продукция-К», 2006 г.).

Цель исследований - повышение оперативности распознавания и оценки ССР на основе создания научно-технических основ их распознавания и оценки в рамках предложенного и развиваемого иерархического продукционного похода.

Объектом исследования являются автоматизированная подсистема управления рисками в динамично-меняющейся обстановке и процессы распознавания сложноструктурированных данных.

Предмет исследования - методы и алгоритмы структурно-лингвистического анализа и оценки сложноструктурированных рисков.

Достижение поставленной цели определяется решением следующих частных задач исследования:

1. Анализ социально-экономических и научно-технических предпосылок решения задач управления рисками в современных системах поддержки принятия решений. Определение ограничений существующих методов распознавания и оценки ССР в динамично меняющейся обстановке.

2. Обоснование продукционного подхода к решению задачи управления сложноструктурированными рисками и разработка иерархической продукционной системы (ИПС) обработки ССР.

3. Разработка методов и алгоритмов синтаксического анализа в ИПС - как процедурной основы структурного распознавания ССР в динамично меняющейся обстановке.

4. Разработка структурно-функциональной организации подсистемы распознавания и оценки рисков, реализующей предложенные методы.

5. Экспериментальная проверка предложенных методов и алгоритмов распознавания и оценки ССР, а также проверка их эффективности для типовых социально-экономических объектов.

Методы и математический аппарат исследования. При проведении исследований использовались методы распознавания и оценки рисков, искусственного интеллекта, структурной лингвистики, распознавания образов, теории сложных информационно-технических систем, формальных грамматик и грамматических структур, обработки информации.

Научная новизна работы состоит в следующем:

1. Разработано теоретико-множественное описание задачи распознавания и оценки рисков, отличительной особенностью которого является системное объединения необходимых элементов и видов процессов обработки рисков с учетом структурно-лингвистической и вероятностной компонент. Выполнена расширительная модификация структуры продукции путем добавления пред- и постусловий количественной обработки индикаторов рисков в динамично меняющейся обстановке.

2. Синтезирован класс иерархических продукционных систем (ИПС), отличающийся введением дополнительных иерархических продукционных правил связи известных продукционных систем (ПС) в единую систему, что позволяет синтезировать более представительный по дескриптивным возможностям и одновременно компактный класс иерархически связанных ПС, ориентированных на решение более широкого класса прикладных задач управления рисками.

3. Разработаны методы и алгоритмы неполного синтаксического анализа «сверху вниз» и «снизу вверх», обеспечивающие эффективное по временной сложности обнаружение структурно сложных рисков на основе вычисления вероятностных характеристик продукций и анализируемых риск-ситуаций и определяющие тем самым повышение оперативности обработки.

4. Разработана структурно-функциональная организация (СФО) подсистемы обработки рисков, содержащая четыре уровня и позволяющая совмещать во времени процессы измерения, предобработки и генерации дерева вывода итоговых ССР под значимые индикаторы риска. Отличительной особенностью данной СФО является введение в нее модифицированной машины продукционного вывода для ИПС, обеспечивающей генерацию вариантов по выделенным стратам в соответствии с заложенными в ИПС иерархическими продукционными правилами.

Практическая ценность работы состоит в создании инженерно-технической базы для разработки перспективных программных средств и информационных технологий распознавания и обработки ССР в динамично меняющейся обстановке. При этом получены следующие практически значимые результаты:

- разработанная СФО подсистемы обработки рисков обеспечивает обоснованное уменьшение затрат и финансовых средств при учете наиболее значимых рисков;

- сокращены временные затраты на решение задачи распознавания и оценки рисков за счет четырех уровневой конвейерной организации СФО, позволяющей совместить этапы предобработки, принятия и реализации решений по учету и противодействию возникающим ССР в динамично меняющейся обстановке.

Защищаемые положения.

1. Иерархические продукционные системы, отличительными особенностями которых являются дополнительно введенные правила связи, задающие номенклатуру и порядок взаимодействия регулярных и контекстно-свободных систем, входящих в ИПС, а также стратификация ИПС на синтаксически самостоятельные уровни, что, в целом, обеспечивает повышение оперативности обработки ССР.

2. Методы и алгоритмы неполного синтаксического анализа ССР, ориентированные на использование предложенного класса ИПС и отличающиеся использованием стохастических правил, которые в комбинации с вероятностными мерами оценки пути в дереве вывода позволяют досрочно обнаруживать структурно сложные значимые риски.

3. Структурно-функциональная организация подсистемы распознавания и оценки ССР, отличительной особенностью которой является введение и использование модифицированной машины продукционного вывода для ИПС, допускающей модификацию состава и связей правил в процессе генерации решений, что позволяет существенно сократить затраты на поиск, оценку и противодействие возникающим рискам.

Реализация и внедрение результатов исследования. Результаты теоретических и экспериментальных исследований внедрены в Главном управлении информационно-коммуникационных технологий и безопасности информации Администрации Курской области, в ОАО «Геомаш» (г. Щигры), в ОАО «Кореневский завод НВА». Внедрение подтвердило повышение оперативности и достоверности решения задач управления рисками в человеко-машинных системах поддержки решений для различных экономических объектов.

Результаты, полученные в диссертационной работе, внедрены в учебный процесс Курского государственного технического университета.

Апробация и публикации. Основные положения диссертационной работы докладывались и получили положительную оценку на 3-х Международных конференциях: «Системные проблемы качества, математического моделирования, информационных, электронных и лазерных технологий» (г. Сочи, 2005 г.), «Современные инструментальные системы, информационные технологии и инновации» (г. Курск, 2004 г., г. Курск, 2005 г.); на Российском форуме «Проблемы развития инновационной деятельности в современных условиях» (г. Курск, 2006 г.) и семинарах кафедр КиТ ЭВС и ПО ВТ Курского государственного технического университета. По теме диссертации опубликовано 9 печатных работ, в том числе 2 статьи по перечню центральных рецензируемых журналов и изданий ВАК, а также один итоговый отчет о НИР.

Личный вклад автора. В работах, опубликованных в соавторстве, лично соискателем разработана структурно-функциональная организация подсистемы распознавания и оценки рисков [1,4], создан аппарат иерархических продукционных систем [2,3,6,9], разработаны методы и алгоритмы синтаксического анализа и оценки сложноструктурированных данных [3,5,7,8].

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения, приложений, списка использованной литературы (71 наименование). Текст диссертации включает 167 страниц, из них 152 страницы основного текста, 29 рисунков, 6 таблиц.

Выводы

1. Разработанная типовая иерархическая структура органов управления инновационной корпорацией ( на примере системы управления СБ ОАО «Газпром») обусловливает использование интеллектуальных аналитических систем и узкоспециализированных автоматизированных экспертных систем, совмещающих методы «строгих» вычислений и «мягких» вычислений, основанных на обработке знаний, что обеспечит в режимах реального и упреждающего времени обработку сложноструктурированных разнородных данных и знаний, допускающих модификацию состава и связей в процессе решения.

2. Разработана структурно-функциональная организация (СФО), содержащая четыре уровня и позволяющая совмещать во времени процессы измерения, предобработки и непосредственно вывода дерева риска под имеющиеся индикаторы. Отличительной особенностью данной СФО является машина продукционного вывода для ИПС, обеспечивающая генерацию вариантов в соответствии с заложенными в ИПС риск-сценариями, что позволяет обосновать минимально необходимые затраты на поиск, оценку и противодействие возникающим рискам.

3. Проведенные исследования явились основой для разработки автоматизированной системы ПВ ИПС и соответствующего СПО (PRODUCTION), являющихся составными частями базовой подсистемы оценки и распознавания ССР для типовых СУ.

4. Предложенная схема системы ПВ ИПС является модификацией классической схемы системы ПВ ПС, направленной на учет:

- иерархического построения продукционных описаний и моделей;

- особенностей использования в ИПС ряда модификаций ПС ( в первую очередь- стохастических);

- специфики вычисления унаследованных и синтезированных атрибутов и стохастических зависимостей.

5. Рассмотрены вопросы программной реализации предложенных методов при создании автоматизированных систем СУ СБ различных классов, проведена экспериментальная проверка предложенных методов и алгоритмов. Показано, что внедрение предложенных методов, алгоритмов и реализующих их программ позволяет более чем на порядок повысить оперативность решения типовых информационно- аналитических задач, достоверность принимаемых управленческих решений при оценке ССР в автоматизированных системах управления.

ЗАКЛЮЧЕНИЕ

На основании анализа предметной области сделан вывод, что создание перспективных подсистем распознавания и оценки сложноструктурированных рисков целесообразно проводить в рамках продукционного подхода, основанного на трактовке совокупности индикаторов рисков как линейных конструктивных объектов (слов) с вероятностно-весовыми атрибутами. При использовании данного подхода в диссертационной работе получены следующие основные результаты.

1. Современные социально-экономические объекты реального уровня сложности (в первую очередь инновационные корпорации) имеют, как правило, иерархически нерегулярную структуру отношений между подсистемами, синтаксически и семантически многозначным характером связи, характеризуются множеством частично согласующихся целевых функций. В связи с этим индикаторы риска прямо или косвенно связаны между собой, образуя многоуровневые нерегулярные отношения, что обусловливает постановку актуальной задачи по структурному распознаванию и оценке риска. Развитие структурного подхода к оценке риска позволит разграничивать обработку индикаторов риска по уровням и обеспечить «прозрачность» мер противодействия рискам.

2. Определена структура человеко-машинной подсистемы распознавания рисков, главной отличительная особенностью которой связана с выделением самостоятельного модуля моделей рисков, что позволяет ЛПР осуществлять динамический выбор модели, адекватной предметной области. В работе предлагается ввести в состав данного модуля структурно-лингвистическую модель обработки рисков, обеспечивающей создание компактных, легко модифицируемых эталонных описаний процессов обработки рисков, причем последние характеризуются, как правило, естественной интерпретируемостью для ЛПР.

3. Обоснована целесообразность использования структурновероятностного подхода к оценке рисков. Сущность предлагаемого подхода заключается в трактовке совокупности индикаторов рисков как линейных конструктивных объектов (слов) с вероятностно-весовыми атрибутами. Обработка индикаторов риска, осуществляемая методами символьных вычислений, трактуется как поисково-переборная процедура в пространстве допустимых состояний на основе заложенных правил.

4. Установлено, что перспективным способом повышения эффективности распознавания рисков, имеющих представление в виде И-ИЛИ-дерева, является иерархическая организация системы продукций в виде независимых страт, что позволяет за счет конвейеризации обработки и исключения повторного прохождения по сходящимся фрагментам путей в И-ИЛИ-дереве уменьшить общее время генерации решений.

5. Разработано теоретико-множественное описание задачи распознавания и оценки рисков, отличительной особенностью которого является системное объединения необходимых элементов и видов процессов обработки рисков с учетом структурно-лингвистической и вероятностной компонент. Выполнена расширительная модификация структуры продукции путем добавления пред- и постусловий количественной обработки индикаторов риска. Модификация позволяет гибко сочетать преимущества символьных и статистических вычислений, а именно: однородность и естественный параллелизм системы продукций и многообразие законов распределения плотности вероятности индикаторов риска для различных социально-экономических объектов.

6. Предложенный класс ПС- иерархические продукционные системы, включает в свой состав большинство известных ПС и позволяет создать представительный и одновременно компактный набор новых ПС для решения задач оценки и распознавания ССР за счет введения дополнительных иерархических продукционных правил связи ПС.

7. Рассмотрены особенности применения предложенных классов ИПС для решения задач формального описания (моделирования) типовых классов протоколов передачи, форматов кодирования и представления семантических структур ССР. Показано, что применение стохастических ИПС позволяет:

- сохранить все свойства регулярных ИПС;

- за счет использования стохастических систем и правил управления повысить эффективности алгоритмов синтаксического анализа, используемых в качестве базовых процедур при выборочном и полном (тотальном) контроле ИВС;

- за счет использования дополнительных правил управления обеспечить задание более сложных стохастических зависимостей между различными синтаксическими и семантическими структурами ССР и достаточно простое вычисление вероятности появления различных цепочек сигналов и сообщений с использованием стандартных процедур и с учетом особенностей предложенных систем грамматик с ограниченным набором правил управления.

8. Показано, что для описания основных распознаваемых СРР достаточно использовать предложенные подклассы регулярных и КС- ИПС, при этом:

- существенно снижается сложность продукционных описаний;

- за счет иерархической структуризации продукционного описания повышается удобство его использования и легкость модификации при изменении отдельных элементов распознаваемых и оцениваемых СРР;

- обеспечивается возможность использования эффективных методов ПВ в качестве базовых процедур оценки СРР.

9. Разработаны методы предобработки ИПС, включающие детерминированные алгоритмы неполного синтаксического анализа «сверху вниз» и снизу вверх» (с фиксированной и случайной стратегиями), и обеспечивающие в комбинации досрочное обнаружение структурно ложных рисков на основе стохастических характеристик продукций и анализируемых риск-ситуаций и определяющие тем самым повышение оперативности обработки.

10. Разработанная типовая иерархическая структура органов управления инновационной корпорацией обусловливает внедрение интеллектуальных аналитических систем и узкоспециализированных автоматизированных экспертных систем, совмещающих методы «строгих» вычислений и «мягких» вычислений, основанных на обработке знаний, что обеспечит обработку сложноструктурированных разнородных данных и знаний, допускающих модификацию состава и связей в процессе решения. I

11. Разработана структурно-функциональная организация (СФО), содержащая четыре уровня и позволяющая совмещать во времени процессы измерения, предобработки и непосредственно вывода дерева риска под имеющиеся индикаторы. Отличительной особенностью данной СФО является машина продукционного вывода для ИПС, обеспечивающая генерацию вариантов в соответствии с заложенными в ИПС риск-сценариями, что позволяет обосновать минимально необходимые затраты на поиск, оценку и противодействие возникающим рискам.

12. Проведенные исследования явились основой для разработки автоматизированной системы ПВ ИПС и соответствующего СПО (PRODUCTION), являющихся составными частями базовой подсистемы оценки и распознавания ССР для типовых СУ.

13. Предложенная схема системы ПВ ИПС является модификацией классической схемы системы ПВ ПС, направленной на учет:

- иерархического построения продукционных описаний и моделей;

- особенностей использования в ИПС ряда модификаций ПС ( в первую очередь- стохастических);

- специфики вычисления унаследованных и синтезированных атрибутов и стохастических зависимостей.

14. Рассмотрены вопросы программной реализации предложенных методов при создании автоматизированных систем СУ СБ различных классов, проведена экспериментальная проверка предложенных методов и алгоритмов. Показано, что внедрение предложенных методов, алгоритмов и реаt лизующих их программ позволяет более чем на порядок повысить оперативность решения типовых информационно- аналитических задач, достоверность принимаемых управленческих решений при оценке ССР в автоматизированных системах управления.

1. Акимов В. А., Козлов К. А., Шахраманьян М. А. Оценка природной итехногенной безопасности России: теория и практика. — М.: ФИД «Деловой экспресс», 1998. — 218 с.

2. Акимов В. А., Новиков В. Д., Радаев Н. Н. Природные и техногенные чрезвычайные ситуации: опасности, угрозы, риски. — М.: ЗАО ФИД «Деловой экспресс», 2001. — 344 с.

3. Акимов В. А., Воробьев Ю. Л., Фалеев М. И. Оценка и прогноз стратегических рисков России: постановка проблемы // Проблемы безопасности при чрезвычайных ситуациях. Вып. № 1, 2002 г., с 10— 18.

4. Ахлюстин В. Н., Новиков Г. А., Щукин В. А. Возможный подход к прогнозам аварии в сложной технической системе // Безопасность трудав промышленности. 1992. № 6. С. 57—59.

5. Браун Дэвид Б. Анализ и разработка систем обеспечения техники безопасности: (системный подход в технике безопасности) / Пер с англ. А.Н. Жовинского.- М.: Машиностроение, 1979. 360 с.

6. Ва, Б.У. ЭВМ для обработки символьной информации текст. / Ва, Лоурай М.Б., Гоцзе Ли. // ТИИЭР т.11 №4 1989. С.5-40.

7. Вентцель Е. С. Исследование операций. М.: Советское радио, 1972. — 552 с.

8. Вишняков В.А. и др. Аппаратно-программные средства процессоров логического вывода. —М.: Радио и связь, 1991. — 263 с.

9. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. -СПб.: Питер, 2001. 384 с.

10. Ю.Геловани, В.А. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. / Геловани, Башлыков А.А., Бритков В.Б., Вязилов Е.Д.-М.: УРСС, 2001 304 с.

11. И.Голубков Е. П. Использование системного анализа в отраслевом планировании. — М.: Экономика, 1977. — 135 с.

12. Диллон Б., Сингх Ч. Инженерные методы обеспечения надежности систем.1. М.:Мир, 1984.318 с.

13. Дейкстра Э. Дисциплина программирования.-М.: Мир, 1978,-274 с.

14. Джексон П. Введение в экспертные системы: Пер. с англ. : Уч. пособие- М.: Изд. дом «Вильяме», 2001. 624 с.

15. Довгаль В.М. Методы модификации формальных систем обработки символьной информации. Курск: КурскГТУ, 1996. - 114 с.

16. Одинцов В.Е. Проектирование экономических экспертных систем. -М.: Радио и связь, 1995. 235 с.

17. Евланов J1. Г. Теория и практика принятия решений. — М.: Экономика, 1984. 176 с

18. Измалков А. В., Бодриков О. В. Методологические основы управления риском и безопасностью населения и территорий // Проблемы безопас ности при чрезвычайных ситуациях. Вып. 1. —М.: 1997. С. 48—62.

19. Кузнецов В.Е. Представление в ЭВМ неформальных процедур: продукционные системы / с поел. Д.А. Поспелова. М.: Наука. Гл. ред. физ.-мат. лит. - 1989. (Проблемы искусственного интеллекта) - 160 с.

20. Кузьмин И. И. Безопасность и техногенный риск: системно-динамический подход // Журн. Всесоюзн. хим. общества им. Д. И. Менделеева Т. 35. 1990. № 4. С. 15-20.

21. Кузьмин И. И., Шапошников Д. А. Концепция безопасности: от риска «нулевого» — к «приемлемому»// Вестник РАН. Т. 64. 1994. № 11 С. 402-408.

22. Ларичев О. И. Проблемы принятия решений с учетом факторов риски и безопасности // Вестник АН СССР. 1987. № 11. С. 38-45.

23. Мечитов А.И., Ребрик С.Б. Изучение субъективных факторов восприятия риска и безопасности // Человеко-машинные процедурыI24.0нищенко В. Я. Классификация и сравнительная оценка факторов риска// Безопасность труда в промышленности. 1995. № 7. С. 23—27.

24. Проценко А. Н. Региональная безопасность: концептуальные принципы управления и основные направления их реализации // Проблемы безопасности при чрезвычайных ситуациях. Вып. 11. М.:1996. С. 3—26

25. Риск как точная наука // Наука и жизнь. 1991. № 3. С. 2—5, 59—64.

26. Рыжков Ф. Н., Томаков В. И. Надежность технических систем и управление риском: Учебное пособие / Курский государственный технический университет. Курск, 2000. - 346 с.

27. Статические и динамические экспертные системы. / Э.В. Попов и др. М.: Финансы и статистика, 1996. - 319 с.

28. Томаков В. И. Прогнозирование техногенного риска с помощью «Деревьев отказов»: Учебн. пособие / Курск, гос. техн. ун-т. Курск,1997. —99 с.

29. Томаков В. И., Томаков М. В. Информационно-аналитическая модель управления техногенным риском. В сборнике «Измерение, контроль, информатизация» / Алтайский государственный технический университс Барнаул. С. 202-204.

30. Ту Дж., Гонсалес Р. Принципы распознавания образов: Пер. с англ. / Под ред. Р. И. Журавлева. М.: 1978. — 411 с.

31. Успенский В.А., Семенов А.А. Теория алгоритмов: основные успехи и достижения. -М: Наука, 1987. 288 с.

32. Хенли Э. Дж., Кумамото X Надежность технических систем и оценка риска / Пер. с англ. Сырормятникова С.В., Г. С. Деминой; под общ. ред. B.C. Сыроиятникова. М.: Машиностроение, 1984. - 528 с.

33. Хорошевский В.Ф. Механизмы вывода решений в экспертных системах: Уч. пособие. М.: МИФИ, 1988. 44 с.

34. Чрезвычайные ситуации: статистика и анализ. Доклад МЧС России за 1993 год //Гражданская зашита. 1994. № 3. С. 4—7.

35. Шахраманьян М. А., Ларионов В. И., Нигметов Г. М. и др. Комплексная оценка риска от чрезвычайных ситуаций природного и техногенного характера// Безопасность жизнедеятельности. 2001. № 12. С. 8—14

36. Ястребенецкий М. А., Иванова Г. М. Надежность автоматизированных систем управления технологическими процессами. М: Энергоатомиздат, 1989. -264 с.

37. Маренков, Н.Л. Антикризисное управление Текст. / Н.Л. Маренков // Ростов: Феникс, 2004. 222 с.

38. Льюис, П. Атрибутные трансляции Текст. / П. Льюис, Д. Розенкранц, Р. Стирнз // Семантика языков программирования. М.: Мир, 1980. 278с.

39. Загоруйко, Н.Г. Прикладные методы анализа данных и знаний Текст. / Н.Г. Загоруйко. Новосибирск: Изд-во Института математики, 1999. 270 с.

40. Васильев, В.И. Распознающие системы Текст. / В.И. Васильев. Киев: Наукова думка, 1983.424 с.

41. Кнут, Д.Э. Семантика контекстно-свободных языков Текст. / Д.Э. Кнут// Семантика языков программирования. М.: Мир, 1980. С. 137-161.

42. Фу, К. Структурные методы в распознавании образов Текст. / К. Фу. М.: Наука, 1977. 273 с.

43. Хьюз, Д. Структурный подход к программированию Текст. / Д. Хьюз, Д. Мичток. М.: Мир, 1980. 278 с.

44. Куцык, Б.С. Структура данных и управление Текст. / Б.С. Куцык. М.: Наука, 1975. 654 с.

45. Льюис, П. Теоретические основы проектирования компиляторов / П. Льюис, Д. Розенкранц, Р. Стирнз // М.: Мир, 1979. 654 с.

46. Севастьянов Б.А. Теория ветвящихся процессов Текст. / Б.А. Севастьянов // Успехи математических наук. 1970. 7.

47. Формальные грамматики и их применение в распознавании образов Текст. / О.И. Атакищев, А.П. Волков, Ф.А Старков, B.C. Титов ; Курск, гос. техн. ун-т. Курск, 2000. 115 с.

48. Херц, М.М. Энтропия языков, порождаемых автоматной или контекстно-свободной грамматиками с однозначным выводом Текст. / М.М. З^ерц // Научно-техническая информация. Сер. 2.1968. № 1.

49. Kuno, S. A context recognition procedure Text. / S. Kuno // Math. Linguistics and Automatic Translation Rep. NSF-18 / Computation Lab., Harvard Univ., Cambridge. Massachusetts, 1967.

50. Mylopoulos, J. A graph pattern matching operation Text. / J. Mylopoulos //Proc. Annu. Conf. Inform. Sci. and Syst, 6th Princeton. 1972. P. 330—336.

51. Knoke, P.J. A linguistic approach to mechanical pattern recognition Text. / P.J. Knoke, R.G. Wiley // IEEE Comput. Gong., 1967, September. P. 142144.

52. Bruce G.D. A model for finite-state probabilistic system Text. / G.D. Bruce, K.S. Fu // Proc. Conf. Circuit and Syst. Theory, 1st. Allerton: Univ. of Illinois, 1962.

53. Lee H.C. A stochastic syntax analysis procedure and its application to pattern classification Text. / H.C.Lee, K.S. Fu // IEEE Trans. Computers C-21. 1972. P. 660-666.

54. Lee, H.C. A syntactic pattern recognition with learning capability Text. / H.C. Lee, K.S. Fu // Int. Symp. Comput. Inform. Sci. 4th. December 1416. Miami Beach, Florida, 1972. New York: Academic Press, 1972.

55. A system for the automatic recognition of patterns Text. / L. Grimsdale, F.H. Summer, C.J. Tunis, T. Kilburn // Proc. IEEE. 1959. 108B. P. 210-221.

56. Gorman R.P. Analysis of Hidden Units in a Layered Network Trained to Classify Sonar Targets Text. / R.P. Gorman, T.J. Sejnowski // Neural Networks. 1, P.75-89.

57. Pavlidis, Т. Analysis of set pattern Text. / T. Pavlidis // Pattern Recognition 1968. №1.

58. Foster, J.M Automatic Syntactic Analysis Text. / J.M. Foster // Amer. Elsevier.New York, 1970; Автоматический синтаксический анализ / Фостер, Дж. М.: Мир, 1975.)

59. Hopgood, F. R.A Compiling Techniques Text. / F. R.A. Hopgood // Amer. Elsevier. New York, 1969.

60. Woods W.A. Context-sensitive parsing Text. / W.A. Woods // Comm. ACM. 1970.13. P. 437-445.

61. Ginsburg, S. Deterministic context-free languages Text. / S. Ginsburg, S.A. Greibach // Information and Control. 1966. № 9. P. 620-648.

62. Wirth, N. EULER — A generalization of ALGOL and its formal definition Text. /N. Wirth, H. Weber //Pt. 1. Comm.ACM.1966.№ 9. P 13-25.

63. Duda, R.O. Experiments in scene analysis Text. / R.O. Duda, P.E. Hart // Proc. Nat. Symp. Ind. Robots, 1st (2-3 april 1970. Chicago, Illinois.

64. Загоруйко. Новосибирск: Изд-во Института математики, 1999.270 с.

65. Васильев, В.И. Распознающие системы Текст. / В.И. Васильев. Киев: Наукова думка, 1983.424 с.

66. Кнут, Д.Э. Семантика контекстно-свободных языков Текст. / Д.Э. Кнут// Семантика языков программирования. М.: Мир, 1980. С. 137-161.

67. Фу, К. Структурные методы в распознавании образов Текст. / К. Фу. М.: Наука, 1977. 273 с.

68. Gorman R.P. Analysis of Hidden Units in a Layered Network Trained to Classify Sonar Targets Text. / R.P. Gorman, T.J. Sejnowski // Neural Networks. 1, P. 75-89.

69. Pavlidis, T. Analysis of set pattern Text. / T. Pavlidis // Pattern Recognition 1968. №1.

70. Foster, J.M Automatic Syntactic Analysis Text. / J.M. Foster // Amer. Elsevier.New York, 1970; Автоматический синтаксический анализ /

71. Фостер, Дж. М: Мир, 1975.)