автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка методов и алгоритмов интеллектуальной поддержки принятия решений на основе нечетких когнитивных карт

Путято Михаил Михайлович

РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ НЕЧЁТКИХ КОГНИТИВНЫХ КАРТ

Специальность 05.13.01 - «Системный анализ, управление и обработка информации (информационные и технические системы)»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

1 7 0£В 2011

Краснодар-2011

4854339

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Кубанский государственный технологический университет»

Научный руководитель: доктор технических наук, профессор

Симянков Владимир Сергеевич

Официальные оппоненты: доктор технических наук, профессор

Лойко Валерий Иванович

кандидат технических наук, доцент Ермоленко Владимир Валентинович

Ведущая организация: Филиал Военной академии связи

(г. Краснодар)

Защита диссертации состоится « 18 » февраля 2011 года в II00 на заседании диссертационного совета Д 212.100.04 в Кубанском государственном технологическом университете по адресу: 350072, г. Краснодар, ул. Московская 2, ауд. Г-251

С диссертацией можно ознакомиться в библиотеке Кубанского государственного технологического университета по адресу: 350072, г. Краснодар, ул. Московская 2

Автореферат разослан « 18 » января 2011 г.

Ученый секретарь

диссертационного совета Д 212.100.04, -о

канд. техн. наук, доцент А/ /_, A.B. Власенко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Важнейшим процессом, связывающим все основные функции управления сложными системами, является разработка управленческих решений, поскольку именно принимаемые решения определяют не только эффективность процесса управления, но и возможность устойчивого развития управляемой системы и ее выживаемости в быстро изменяющемся мире.

Вместе с тем, для процесса разработки управленческих решений характерен ряд проблем, связанных в первую очередь с трудноформализуе-мостыо большинства его этапов, уникальностью возникающих задач, необходимостью учета множества факторов и целей, имеющих сложную структуру взаимосвязи, а зачастую противоречащих друг другу. Поэтому наиболее эффективным подходом к разработке решений является сочетание опыта, знаний, интуиции лица принимающего решения (ЛПР), экспертов, аналитиков, а также современных технологий интеллектуальной поддержки принятия решений, позволяющих систематизировать и структурировать имеющуюся информацию, исследовать альтернативные варианты решений и выбрать из них наиболее удачные.

В целом процесс разработки управленческого решения состоит из шести основных этапов: анализ проблемы, формулировка целей и задач, выбор критериев и оценка их эффективности, формирование множества альтернатив, анализ альтернатив и формирование управляющего воздействия - на каждом из этих этапов решается ряд подзадач, при этом их решение обычно носит параллельный и итерационный характер. Для некоторых подзадач, таких как получение критериальных оценок, моделирование предпочтений ЛПР, выбор оптимального решения и др., существуют достаточно хорошо проработанные на сегодняшний день подходы к их реализации - большинство таких подходов основано на математической теории принятия решений. С другой стороны, такие подзадачи, как анализ факторов, характеризующих моделируемую ситуацию, разработка прогноза ее развития, синтез и отбор альтернатив и управляющих стратегий, решаются в основном на приближенном, качественном уровне, с помощью интуиции и нестрогих рассуждений. Основная сложность, возникающая при построении моделей таких задач, состоит в том, что аналитическое описание либо статистическое наблюдение зависимостей между входными и выходными параметрами затруднено, а зачастую невозможно, и приходится прибегать к субъективным моделям, основанным на экспертной информации, обрабатываемой с привлечением логики «здравого смысла», интуиции и эвристик.

Научным направлением, лежащим в основе исследования задач, обладающих указанными характеристиками, является методология когнитивного анализа. Наиболее эффективным инструментом являются нечеткие когнитивные карты, хорошо зарекомендовавшие себя в задачах исследования структуры моделируемой системы и получения прогнозов ее поведения при различных управляющих воздействиях, с целью синтеза эффективных стратегий управления.

Таким образом, решаемая проблема, связанная с построением, исследованием и поддержкой когнитивных моделей в рамках автоматизации разработки управленческих решений, для исследования всего комплекса проблем управления в сложных системах является актуальной.

Объектом исследования является класс аналитических информационных систем поддержки принятия решений для управления сложи ¡ими системами.

Предметом исследовании являются методы и алгоритмы интеллектуальной поддержки принятия решения на основе нечётких когнитивных карт.

Цслыо работы является разработка и обоснование методов и алгоритмов интеллектуальной поддержки принятия решений на основе нечётких когнитивных карт (НКК).

Задачи исследования:

1. Проведение системного анализа предметмой области СППР и определение методов интеллектуального управления на основе когнитивного анализа таких систем;

2. Разработка методов и алгоритмов построения НКК, описывающих сложные многокритериальные информационные системы, для интеллектуальной поддержки принятия решений;

3. Разработка методов и алгоритмов интерактивной интеллектуальной поддержки принятия решений на основе НКК;

4. Построение системы интеллектуального управления СППР на основе многофакторного иерархического когнитивного анализа;

5. Исследование и анализ поведения системы па примере ситуационного центра органов государственной власти (СЦ ОГВ).

Методы исследования. В работе использованы методы теории систем, математического моделирования, системного анализа, теории нечётких множеств, теории когнитивного и имитационного моделирования, теории графов, методы теории группового принятия решений, линейного программирования.

Научная новизна работы. В результате проведенного в работе системного исследования достигнуты следующие новые научные результаты:

1. Теоретические основы и алгоритмическое обеспечение интеллектуального представления процессов информационного и ситуационного управления в СППРс использованием НКК.

2. Методы и алгоритмы построения НКК, описывающих сложные многокритериальные информационные СППР для мониторинга, оценки, анализа и принятия управленческих решений.

3. Методы и алгоритмы интеллектуального управления в системах поддержки принятия решений с использованием НКК для применения в слабоструктурированных системах.

4. Методы и алгоритмы синтеза множества состояний на основе решения прямой и обратной задачи когнитивного моделирования.

5. Теоретические основы и алгоритмическое обеспечение применения средств когнитивной интерактивной графики для интеллектуального принятия управленческих решений.

Практическая значимость. Результаты работы используются для многокритериального анализа и представления данных при разработке ситуационных центров различного назначения. В частности, при выборе оптимальной стратегии управления социоэколого-экономическими системами, стратегий управления развитием регионов, оптимального распределения финансовых и ресурсных средств и т.п. в ситуационных центрах органов власти.

Па защиту выносится:

• Методика построения НКК на основе формирования функции принадлежности и нечётких дискретных множеств.

• Методы и алгоритмы синтеза множества состояний на основе решения прямой и обратной задачи когнитивного моделирования.

• Методы и алгоритмы управления в системах поддержки принятия решений с использованием НКК.

• Программный комплекс «Интеллектуальная Когнитивная Система» (ПК «ИКС») для интеллектуальной поддержки принятия решений.

Реализация и внедрение работы.

Теоретические положения и алгоритмы реализованы в виде ПК «ИКС», а также отдельные теоретические положения и программные модули использованы при разработке Ситуационного центра Президента РФ и Ситуационного центра Губернатора Краснодарского края. Работа была выполнена в рамках гранта.

Публикации. По теме диссертации опубликовано 9 печатных работ общим объемом 30 печатных листов, из них ] - в журнале, рекомендованном ВАК.

Апробация работы.

Основные положения диссертации докладывались и обсуждались на международных научно — практических конференциях:

• Всероссийская конференция "Проведение научных исследований в области обработки, хранения, передачи и защиты информации", Ульяновск, 2009;

• X Международная конференция «Актуальные проблемы специальных психофизиологических исследований и перспективы их использования в борьбе с преступностью и подборе кадров», Сочи, 2009;

• IX Южно-Российская межрегиональная научно-практическая конференция-выставка «Информационные технологии в образовании-2009», Ростов-на-Дону, 2009;

• Научно - практическая конференция «Ситуационные центры 2010», Москва, 2010;

• 111 Международная научно-практическая конференция "Молодёжь и наука: реальность и будущее", Невииномысск, 2010;

Структура и объем диссертации. Диссертационная работа состоит из перечня сокращений и условных обозначений, введения, пяти глав с выводами, заключения, списка литературы, приложений. Общий объём диссертации 152 страниц, в том числе 20 рисунков, 5 таблиц, списка литературы из 103 наименований.

КРАТКОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении обосновывается актуальность выбранной темы, формулируется цель работы, и указываются применяемые методы исследований, определяется научная новизна и практическая ценность работы, описывается ее структура, и формулируются основные положения, выносимые на защиту.

В первой главе выполняется структурный анализ процесса разработки управленческих решений, выделяются его основные этапы и исследуются подходы к их автоматизации. Анализируются методы автоматизации формирования этапов принятия решения при разработке управленческих решений в слабоструктурированных системах. Выполняется обзор подходов к применению когнитивного анализа, и анализируются принципы построения систем поддержки принятия решений (СППР) на основе таких подходов.

В результате проведенного анализа литературы построен обобщенный алгоритм процесса разработки управленческих решений, и делается вывод о необходимости автоматизации решения ряда подзадач, возникающих в рамках данного процесса.

Установлено, что при разработке моделей поддержки принятия решений часто приходится сталкиваться с задачами, которые относятся к классу слабоструктурированных. Делается вывод о том, что одним из наиболее эффективных подходов к исследованию слабоструктурированных систем является использование когнитивного анализа, в основе которого лежит математический аппарат нечетких когнитивных карт.

Установлено, что актуальным направлением развития современных СППР является поддержка всех этапов процесса разработки решений. Поэтому в состав СППР целесообразно включать подсистемы на основе когнитивного анализа для автоматизации решения слабоструктурированных задач. Сформулированы основные требования к интеллектуальной поддержке процедур поддержки принятия решений на основе нечётких когнитивных карт.

Во второй главе рассматриваются вопросы, связанные с постановкой и анализом задачи управления этапами принятия управленческих решений, выбранной в качестве объекта исследования, рассматриваются и сравниваются методы построения нечётких когнитивных карт.

Указанный выбор аппарата поддержки принятия решений обусловлен тем, что данная задача является неотъемлемым этапом процесса разработки управленческих решений, причем от успешности её решения зависит качество последующего принятия решения. Также для этой задачи характерна слабая структурированность и вследствие этого она чаще всего решается приближенно, на основе экспертной информации, интуиции и эвристик. Структурный анализ данной задачи, выполненный с учетом рассмотренных в первой главе обобщенного алгоритма разработки управленческих решений и результатов анализа работ С.Н. Воробьева, О.И. Ларичева, Б.Г. Литвака, В.И. Максимова, А.Б. Петровского, Г. Саймона, Э.А. Трахтенгерца, С.Д. Ильенковой, позволил выявить следующие закономерности, присущие объекту исследования:

• Моделируемая система описывается конечным множеством концептов и причинно-следственных связей между ними.

• Концептом является значимая для решаемой задачи характеристика ситуации или системы. Концепты делятся на целевые, управляемые, промежуточные и внешние.

• Между концептами существуют причинно-следственные связи, которые могут быть положительными или отрицательными.

• Причинно-следственные связи различаются по силе.

• Исходное состояние системы задается вектором начальных значений концептов.

• Существует целевое состояние, заданное вектором значений целевых концептов.

С учетом рассмотренных свойств, принципов системного подхода и общей методологии разработки управленческих решений выбрана модифицированная информационная модель данного процесса:

{Р,5,7„К,8Н,В,М,А,Р,0,и,У,\¥}, (1)

где Р - математическая проблема, 5 - определение системы, Ъ - определение целей системы, К - множество критериев эффективности системы, БН - множество шкал измерений критериев, О - способ исследования системы, М - методы моделирования системы, А - множество альтернатив, И -отображение множества альтернатив на множестве критериев, в - система предпочтений ЛПР, и - вид целевой функции. V - универсальное множество, XV - решающее правило, отображающее систему предпочтений.

Определены методы, разработка и исследование которых необходимы для обеспечения автоматизированной поддержки указанного процесса. В качестве методологической основы целесообразно использовать подходы, базирующиеся на применении когнитивных карт.

С учётом выбранной информационной модели и методов нечёткого когнитивного анализа нами разработан обобщенный алгоритм анализа и решения задачи (рис. 1):

1 Г

■ учетом феза а :

«О

гт

Проверка т основе динемнчйогв :| мдмюоюмя («да»'.«« пропса . 4

ймнроваиие состояний ■ №Ч0птое'8Дмснр0Тныв:;; 1 моменты временя. ?

J I,

: Транзтиано замкнутая

Нечёткая когнитивная

Векторвоздвктвийн'а ' ' уфвзтемые концепты ■

Когянтйеий Матрица № ; •

^ , Стгомжрптоа -

Я&ДО&вШЯДОШЙ

ИИ&МЫШШ

• Понижение еубнективюмв

1 г^ I

КУ ^Когнитвный'инте^ф«

•Ловывйние'достоверносп^,) |

1 <

Когнитивные о5р.аэыдпя' гофорШррванияфук ''/¡¡ШШп&ШЫ*''

Шориггсттьто ■ ; приближений значений

Эксперт .1 | Эксперт г

ййй) 1

Рисунок 1 - Обобщенный алгоритм анализа и решения задачи

В общем случае когнитивная карта (КК) представляет собой причинно-следственную сеть, отражающую какую-либо область знаний и допускающую следующее формальное представление:

G = <Е. W>. (2)

где Е = {си с2.....ej - множество концептов,

W- бинарное отношение на множестве Е. задающее связи между

ними.

Концепты с, и ej считаются связанными отношением W (обозначается (ej, ej £ W или e;Wej), если изменение значения концепта Ci (причины) приводит к изменению значения концепта ej (следствия). В соответствии с терминологией когнитивного анализа, в этом случае говорят, что концепт ej оказывает влияние на ej. При этом если увеличение значения концепта-причины приводит к увеличению значения концепта-следствия, то влияние считается положительным («усиление»), если же значение уменьшается отрицательным («торможение»). Тем самым, отношение W можно представить в виде объединения двух непересекающихся подмножеств W = W+ Е W-, где W+ - множество положительных, а W- - множество отрицательных связей. Сами концепты при этом могут задавать как относительные (качественные) показатели, такие как популярность, социальная напряженность, так и абсолютные, измеримые величины - численность населения, стоимость и т.п.

Когнитивная карта строится па основании субъективных представлений экспертов о ситуации. На основе анализа работ Р. Лксельрода, Б. Коско, A.A. Кулинича, В.И. Максимова, Ф.С. Робертса, В.Б. С плова, Э.Ч. Толмена, A.C. Федулова было выделено и проанализировано несколько видов когнитивных карт, из которых для моделирования задачи формирования множества состояний выбраны нечеткие когнитивные карты Си-лова (рис. 2).

Нечеткие когнитивные карты Силова хорошо зарекомендовали себя при анализе и исследовании слабоструктурированных систем, и некоторые их недостатки могут быть устранены доработкой методов статического и динамического моделирования.

Для учета данного обстоятельства вводится показатель интенсивности влияния, и от классического отношения мы переходим к нечеткому отношению W, элементы w^ которого характеризуют направление и степень интенсивности (вес) влияния между концептами ej и ej:

wij = vvfe,, eß, (3)

где w - нормированный показатель интенсивиости влияния (характеристическая функция отношения W).

1 I i Знаковые когнитивные карты

1 я •у 1 Нечёткие когни тивные карты Коско

S *

Модифицированные нечёткие когнитивные карты Коско

щ <£РН pR^ijl Нечёткие реляционные когнитивные карты

МИД И Нечеткие продукционные когнитивные карты

feiga

щ н Нечёткие когнитивные карты Силова

Г ря

[тт 1 Обобщенные нечёткие продукционные карты

Рисунок 2 - Виды нечётких когнитивных карт

1-1КК допускает весьма наглядное представление в виде взвешенного ориентированного графа, вершины которого соответствуют элементам множества Е (концептам), а дуги - ненулевым элементам отношения W (причинно-следственным связям). Каждая дуга имеет вес, задаваемый соответствующим значением Wy. Само отношение W представимо в виде матрицы размерности iixji (где п - число концептов в системе), которая может рассматриваться как матрица смежности данного графа и называется когнитивной матрицей.

Таким образом, разработан обобщенный алгоритм анализа и решения задачи на основе 1 IKK, а также на основе анализа выбраны методы его реализации.

В третьей главе исследуются математические методы управления на основе нечетких когнитивных карт Силова.

В целом, процесс решения задачи управления принятием решения с применением НКК можно представить в виде последовательности этапов (рис. 3).

- ■ •"■'......- ■• - ......-

..................i

■ iiijjMik'u;*

щй Ш

-TV!'

■ ■ I Ъщ

felT

■.. ff n«i.muii ii ii щи, ,п п.. "

--г-----:—---------- ■■ '"т.....1 ' ■ ' 1 -V.--—-------------"

»„вичлч. .................. .MM4i..^»v»:"-«-4i.!».iir|!W4i;»«5>iM=KKii.eH'ifiii. u*

Рисунок 3 - Этапы решения задачи управления принятием решения с применением НКК

Процесс когнитивного моделирования начинается с формирования экспертами списка концептов, наиболее значимых для рассматриваемой задачи. При этом полученная от экспертов информация должна быть обработана на предмет устранения двусмысленностей и повторений, а также согласования используемой терминологии. На следующем этапе эксперты должны установить причинно-следственные связи между концептами, с указанием для каждой связи ее характера (т.е. является она усиливающей или ослабляющей), и оценить силу каждого влияния.

Наиболее сложной задачей при построении нечеткой когнитивной карты является назначение весов. Для решения этой задачи целесообразно использовать построение функции принадлежности дискретных нечетких множеств. В качестве таких методов предлагается использовать:

• метод парных сравнений (автор Т. Саати), основная идея которого - обработка суждений эксперта об относительном превосходстве степеней принадлежности различный элементов;

* метод множеств уровня (автор P.P. Ягер), основанный на идентификации уровневых множеств искомого нечеткого множества.

Обозначим Е = {еье2,...,е„} - область определения (множество сравниваемых концептов), на которой требуется построить нечеткое множество А. Далее формируем матрицу парных сравнений:

РНК||(1 =1»-,") (4)

где Я - формализованная оценка степени соответствия элемента щ

перед в смысле принадлежности нечеткому множеству А. Для формализации оценок используем шкалу, состоящую из четырёх цветовых интерпретаций (зелёный, жёлтый, оранжевый, красный).

Для определения функций принадлежности и последующего анализа на основе НКК нами разработан алгоритм на основе метода парных сравнений Т. Саати и метода множеств уровня Р. Ягера(рис. 4).

Рисунок 4 - Алгоритм формирования концептов согласно функциям принадлежности

На основе полученных результатов формируется когнитивная матрица, содержащая усредненные (с учетом мнений всех экспертов) оценки интенсивности влияний, на основе которой строится НКК. На следующем

этапе к построенной карте применяются методы аналитической обработки, ориентированные на исследование структуры системы и получение прогнозов ее поведения при различных управляющих воздействиях Используемые при этом методы анализа когнитивных карт можно разделить на две группы:

1. статические методы, связанные с исследованием силы взаимовлияний между концептами (в том числе и не имеющими непосредственной взаимосвязи), либо концептом и системой, на основе анализа системных показателей когнитивной карты (консонанс, диссонанс, показатель воздействия и др.);

2. динамические методы, ориентированные на исследование динамики поведения системы во времени, одним из способов описания которой является модель импульсного процесса.

Для выполнения анализа нечеткой когнитивной карты необходимо учесть все опосредованные взаимовлияния концептов друг па друга.

Это позволяет сделать операция нечеткого транзитивного замыкания. Используя данную операцию, от когнитивной матрицы можно перейти к транзитивно замкнутой когнитивной матрице 2, элементами которой являются пары (г^ 'Щ~1). На основе матрицы 7. могут быть рассчитаны основные системные показатели нечетких когнитивных карт Силова.

Показатели характеризуют каждый концепт относительно

системы. Па основе показателей р^ и,, строятся матрицы С = х „, Р = 1Р<Цпхп N = [>ьД„х„. называемые соответственно когнитивными матрицами совместного консонанса, положительного и отрицательного взаимного влияния. Эти матрицы нужны для последующего анализа когнитивной модели.

На основе анализа системных показателей выделяются способствующие и препятствующие концепты, а также степень и достоверность их влияния. Эта информация используется для генерации состояний, которые в дальнейшем проверяются с помощью динамического моделирования на основе метода импульсных процессов.

Метод импульсных процессов используется для прогнозирования состояний концептов в дискретные моменты времени. В рамках данного метода считается, что состояние ]-го концепта в момент времени 1+1 определяется такими параметрами, как характер внешнего воздействия на него в указанный момент времени, состояние данного концепта в предыдущий момент времени /, а также характер изменения в момент t состояния дру-

гих концептов, влияющих на данный. Для описания характера изменения параметров когнитивной карты во времени в работе предложена следующая модель импульсного процесса.

V; (I +1) = ^ (0,4^1 +1) + о, (I +1) + р^))) (7)

И

где \ф+1) - значение ¡-го концепта в момент времени (I +1); у,/У - значение ¡-го концепта в момент времени /;

- внешнее воздействие на /-/> концепт в момент времени (I +1); 0^+1) - управляющее воздействие на ¡-и концепт в момент (I + 1); №,у = С/) - сила связи между концептами е, и еу р/1) - изменение значения ]-го концепта в момент времени I; Т- операция Т-нормы (произведение); 5- операция Б-нормы (Б-норма Лукасевича).

Генерация состояний, приближающих состояние системы к заданному ЛПР целевому состоянию, осуществляется путем решения обратной задачи когнитивного моделирования. Состояние системы представляет собой вектор воздействий на управляемые концепты, так как только они доступны прямому влиянию со стороны ЛПР. На остальные концепты, в том числе и на целевые, ЛПР может влиять только опосредованно, через управляемые. Значение управляемого концепта можно увеличивать, уменьшать либо оставлять без изменений. При этом значения можно изменять в разной степени, в пределах заданной шкалы.

Если концепт принадлежит только подмножеству способствующих, то во всех генерируемых состояниях системы его значение необходимо увеличивать. Если концепт принадлежит только подмножеству препятствующих, то во всех генерируемых состояниях его значение необходимо уменьшать. Если же концепт принадлежит обоим подмножествам, то необходимо генерировать состояния, где его значение как уменьшается, так и увеличивается. Далее на основе полного перебора всех возможных комбинаций генерируется базовое множество состояний )', из которого и будет осуществляться окончательный отбор.

Цель задается вектором значений, к которому должны максимально приблизиться значения соответствующих целевых концептов в процессе динамического моделирования.

Далее из множества состояний У необходимо выбрать подмножество Ум Е У недоминируемых состояний. Состояния принадлежат множеству Ум, если каждое из них превосходит любое другое по какому-то из критериев. В качестве критериев обора будем использовать расстояние от ко-

нечных значений концептов полученных в результате динамического моделирования по формуле (7), до целевых значений концептов Ут, равное | у'П - уШ а также силу управляющих воздействий У.

Множество недоминируемых состояний системы Ум 6 У и множество конечных значений целевых концептов К/( передаются ЛПР для выбора наиболее предпочтительной состояния.

Таким образом, разработаны и представлены математическое обеспечение и алгоритмы интеллектуальной поддержки принятия решений на основе НКК.

В четвертой главе рассматриваются вопросы разработки программной системы, обеспечивающей поддержку моделирования на основе нечетких когнитивных карт. На основе изложенных в трёх главах положений спроектирован и реализован ПК «ИКС». Были определены и формализованы основные понятия, связанные с представлением данных и отношения между ними.

В результате представленных алгоритмов и методов интеллектуальной поддержки принятия решений на основе нечётких когнитивных карт была спроектирован и реализован ПК «ИКС». Основными направлениями разработки программной системы являются поддержка построения нечеткой когнитивной карты описывающей заданную предметной область или ситуацию, проведение статического и динамического моделирования на основе полученной НКК, генерация альтернатив (сценариев) па основе результатов статического анализа и их отбор на основе результатов динамического моделирования с последующим формированием рекомендаций для ЛПР. Для ЛПР формируется набор изображений с возможность непосредственного динамического изменения и моделируется оконная среда с возможностью адаптации интерфейса для последующей работы с программой.

Поддерживаются два режима работы: однопользовательский, когда НКК строится и анализируется одним экспертом-аналитиком, и экспертный, когда в построении НКК принимают участие несколько экспертов и один координатор, а анализ выполняют несколько аналитиков. Принципы построения и механизмы функционирования и взаимодействия основных структурных блоков ПК «ИКС» представлены на рисунке (рис. 5).

Подсистема визуализации

визуализация

когнитивных карт

визуализация

результатов

моделирования

интерактивный

ввод и

редактирований данных

Подсистема управления базой знаний

обеспечивает взаимодействие между пользователями и базой знаний

н

Подсистема согласопаиия

сбор информации от экспертов определение несогласованности мнений -экспертов выдача рекомендаций по согласованию мнений

Подсистема статического моделирования

расчет системных показателей определение взаимною влияния концептов и системы генерация рекомендаций по корректировке НКК

Подсистема динамического моделирования

генерация сценариев редактирование сценариев моделирование сценариев выбор оптимальных сценариев выдача рекомендаций ЛПР

Рисунок 5 - Структура программного комплекса «Интеллектуальная Когнитивная Система»

Можно сформулировать следующий минимальный набор структурных и функциональных характеристик программной системы, осуществляющей компьютерную поддержку принятия решений на основе использование нечетких когнитивных моделей:

!. В основе ПК «ИКС» лежит база знаний, содержащая нечеткие когнитивные карты описания предметной области. Наличие базы знаний позволяет обеспечить поддержку параллельного процесса согласования экспертами когнитивной модели предметной области, а также является основой для проведения моделирования и выработки рекомендаций ЛПР.

2. Г]К «ИКС» обеспечивает соответствующим набором инструментов экспертов в предметной области и ЛПР. Для обеспечения эффективной работы всех категорий пользователей предусмотрены в ПК соответствующие группы пользователей и режимы функционирования.

3. ПК «ИКС» представляет возможности построения нечетких когнитивных моделей. Для обеспечения эффективности процесса создания и редактирования НКК и снижения степени субъективизма экспертов реализованы методы непрямого задания весов связей в НКК и предусмотрена возможность прямого задания весов координатором в

спорных случаях с помощью матрицы смежности или визуального представления НКК в виде графа

4. В ПК «ИКС» реализованы в полном объеме функции статического и динамического моделирования на основе НКК. Для представления результатов моделирования аналитику используется режим, с максимальной информативностью, а также визуальный режим.

5. ПК «ИКС» обеспечивает представление процессов согласования, моделирования и анализа в графической форме, удобной для восприятия пользователем.

6. В ПК «ИКС» реализована возможность формирования отчетов, содержащих как входные данные (матрица смежности, визуальное отображение когнитивной карты), так и результаты моделирования (системные показатели, графы а-уровней, сгенерированные сценарии, графики изменения значений концептов для различных сценариев и т.п.).

7. ПК «ИКС» обладает понятным графическим интерфейсом, через который можно реализовать все заложенные функции.

8. Структура ПК «ИКС» имеет модульный принцип построения, а внутреннее представление данных объектно-ориентированное, что обеспечиват, с одной стороны, возможность использования ПК «ИКС» на этапах его разработки, а с другой стороны, расширяемость его функциональных характеристик.

Разработанная программная система, является одним из важнейших инструментов при принятии решений ЛПР. Представленный программный продукт решает следующие проблемы, возникающие при принятии решения руководителем:

1. Отсутствие универсального инструмента управления этапами поддержки принятия решений на основе классического системного подхода;

2. Сложность представления информации экспертам и лицу, принимающему решения в адекватной понятной форме без потери качества информации;

3. Отсутствие формализованных человеко-машинных процедур для реализации задач инженерии знаний - передачи и формализации знаний экспертов и ЛПР в первоначальной смысловой форме в систему поддержки принятия решений;

4. Необходимость учитывать большое количество взаимосвязанных концептов при принятии решений одновременно.

Благодаря архитектуре «клиент-сервер» решается задача объединения нескольких экспертов и ЛПР в едином информационном пространстве. Система «ИКС» предоставляет удобный интерфейс взаимодействия и учёта мнений. Простота и удобство манипулирования концептами, управления системой предоставляет возможность пользователям проявить всю творческую активность не затрачивая усилия на изучение сложных систем и обучение работы с ними.

Таким образом, разработан ПК «ИКС» реализующий выбранные методы и разработанные алгоритмы.

В пятой главе рассматривается практическая реализация разработанной системы ПК «ИКС».

Решением прямой задачи является выявление общего состояния системы в зависимости от изменений значений управляемых концептов. Для формирования и представления результатов на основе нечёткой когнитивной карты производится экспертный опрос с целыо выявления функций принадлежности концептов (рис. 6)

Наименование Текущее значение Диапазон прютадлежногти Шт .. ЖШЁЯНя Текущее состояние 1 , .

Здравоохранение ■ '

Доля населения, охваченного проф. осмотрами. У170.Н'| 3000 2000 1000 0 0.72<И,

Число случаев смерти лиц в возрасте до 05 лиг на дом». ' )л 11313.27 15000 11000 0000 5000 0.75% '>'.

Число случаев смерти лиц и возрасте до Л5 лет в первые сутки в стационаре 19759.5« Снй^) 25000 20000 15000 10000 0 794 МИ!

Рисунок 6 - Формирование функций принадлежности концептов

В результате введённых данных формируется список функций принадлежности на основе созданного нами алгоритма. Полученные множества сравниваются с текущими значениям и полученный результат представляется ЛПР.

Алгоритм решения прямой задачи с использованием представленной системы состоит из следующих этапов:

I. Выбор управляемых концептов. Для выбора управляемых концептов ЛПР необходимо сначала через интерфейс работы с концептами, а после непосредственно и в самой графической оболочке определить посредством выбора и удобного расположения графических окон необходимые для изменения концепты (рис. 7 и 8).

г населения, ошчешго лреф. кнотрачк. -1504.77 1(10.4/30.12/0 1498.77"» 0-8 '

г ч«ло сдушв снерт лкц | кирас» а« (5 m и лону. 44062.77 34866.02 / 10460.04/0 îimHH 0-0

г Число случаев счерти лице вотрат ad 65 пет в первые суткя в стационаре 21606.76 8716,7/351501/ 0 247.В0ЧН 0-8

г ч>щ слцчаео сперт* лиц имрас» до 18 iftini до»», 12.23 8.00/2,42/0 Г>М?<кШВ 0-0

Г 95.71 59.59/17.88 /0 16ШчЙМН 0-0

line ачбулагорм учрржд., кчемщ «ед, оборуд. в соответствии ¿та5епен. Л 0/0/0 (мГ 0-0

Плпя ишглшгтлмимг и.л vunownen'/i nniiueilemimw née .ЦГЙМАИ плшя'ятм une п липши л ./ni. fïifc1 Г771:

Рисунок 7 - Выбор управляемых концептов из списка

~Ингегропы<ыо критерии |

1152893.33

».Доля лет 2 Улвяьим

1 ДОМ »ДОМм

2. Число случает

3. Число случае;

4 Число спучя?!

5 чис ло случае»

осмотра»«.

СММИ#

; •,

{число спучм» «жарт» лиц »

«ыреддебв'^мМ

я CTMWCWaj* ' . .

йому,; ; -

Доля датой в возрасте or 3 до т т, получадвдих «идазпъмую обрпюват услугу.

Упрпыпхй гжслнм, сдавши* ЕГЭ. t ат числа пмпусмыкоя MOV. j

ptMOUIfMW» ЗЭрОППТМ ребОТн№.Ов

куниц, учреждений « Mpwwt* [работников крупных « средник

|првДГ1ритий.___

Доля численности работ «ш>е МП •1 Ч1»;ЛЧНИ0СТИ работников жжх

прспл|>ия;«"нЯ и ортахимций. ^___

1 Доля многоквартирных Домов. с ОЛИ« из способов упровпе«... |2. Доля МЯОГОГОПрТИрНЫХ ДОМОВ С упр^МК Т0В8РИ|||*С»В0М «Лет.

3. Доля многоквартирных домов с упсни муниципальным «ли ГО...

4. Доля МиОГОКМртирНЫХ ПОМОВ С упр-?м уПрЗИЛЯВДииЙ оргаии...

5. Доля организаций комм, комплекса от их общего числа.

6. Доля миого^ар'ириых ломов. в отношении »оторык есть гос....

7. Онюшент тарифов Для пром. потребителей « тарифам для.. ¡8. Отношение тарифов для лром потребителей к тарифам для.

Рисунок 8 - Выбор расположение концептов в рабочей области

2. Изменение значений управляемых концептов. Для

изменения значений концептов разработан интерактивный интерфейс с возможностью непосредственного изменения цветографических изображений. Срезы когнитивного графа представляются в виде двух типов графиков, на каждом из которых можно при помощи изменения положения шкалированных индикаторов изменить значение выбранного концепта, (рис. 9)

Рисунок 9 - Динамическое изменение значений управляемых концептов

3. Мониторинг изменений системы. При каждом изменении значений управляемых концептов система перерасчитывается. Можно наблюдать непосредственное изменение каждого из целевых концептов, в том числе и концептов необходимых для принятия решения (рис. 10.).

щм

Рисунок 10 - Мониторинг целевых концептов

Таким образом, решается прямая задача когнитивного анализа. Используя предложенный когнитивный интерфейс возможно отслеживание прямого влияния управляемых концептов на целевые с учётом того, что они не имеют прямой взаимосвязи.

В представленном программном комплексе также реализовано решение обратной задачи когнитивного анализа. Решением обратной задачи является множество альтернатив, каждая из которых приближает состояние системы к заданному ЛПР целевому состоянию. Альтернатива представляет собой вектор воздействий на управляемые концепты, так как только они доступны прямому влиянию со стороны ЛПР.

Для решения обратной задачи с использованием ПК «ИКС» необходимо совершить следующие действия:

1. Выбор управляемых концептов. Для выбора управляемых концептов ЛГ1Р необходимо повторить этап 1 из алгоритма решения прямой задачи.

2. Выбор целевых концептов. Для выбора целевых индикаторов необходимо проделать процедуру, описанную в пункте 1.

3. Изменение значений целевых концептов. Для изменения значений концептов используется интерактивный интерфейс с возможностью изменения цветографических изображений. Срезы когнитивного графа представляются в виде двух типов графиков, на каждом из которых можно при помощи изменения положения шкалированных индикаторов изменить значение выбранного концепта.

4. Мониторинг сгенерированных альтернатив. При каждом изменении значений целевых концептов система подбирает набор альтернатив, каждая из которых приближает состояние системы к целевому состоянию, (рис. 11.).

Рисунок 11- Мониторинг сгенерированных альтернатив

Таким образом представленная программная среда «ИКС» позволяет ЛПР, экспертам и аналитикам быстро и качественно решать возникающие задачи управления и принимать решения, адекватные ситуации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ВЫВОДЫ

1. В результате проведенного системного исследования показано, что архитектура стандартных технологических ИС неэффективна для задач анализа больших объемов взаимосвязанных данных сложных технических систем, а также выделен класс аналитических задач и соответствующий класс систем поддержки принятия решений с использованием когнитивного анагшза.

2. Разработана методика построения когнитивных имитационных моделей, описывающих сложные многокритериальные информационные системы интеллектуальной поддержки принятия решений, в основе которых лежит математический аппарат нечетких когнитивных карт Силова.

3. Предложен подход к построению нечеткой когнитивной карты Си-лова, основанный на применении методов задания функций принадлежности дискретных нечетких множеств и обеспечивающий возможность учета и согласования мнений группы экспертов, что позволяет повысить адекватность и обоснованность когнитивной модели.

4. Исследованы и адаптированы методы статического и динамического анализа нечетких когнитивных карт. Предложена модификация модели импульсного процесса для нечетких когнитивных карт, обеспечивающая комплексный учет причинно-следственных связей между концептами.

5. Построены и представлены алгоритмы решения прямой и обратной задачи когнитивного анализа на основе формирования и анализа функций принадлежности для интеллектуальной поддержки принятия решений.

6. Разработана программная система, обеспечивающая поддержку нечетких когнитивных моделей для разработки, исследования и мониторинга стратегий управления слабоструктурированными системами. Программный продукт относится к классу систем поддержки принятия решений и обладает свойством инвариантности по отношению к предметной области.

7. Предложена методика применения нечетких когнитивных моделей и программной системы для разработки и обоснования решений по управлению органами государственной власти. Применение данной методики способствует сокращению сроков и повышению эффективности управленческой деятельности.

ПЕРЕЧЕНЬ РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Си манков B.C., Тарасов Е.С., Путято М.М. Методологические основы принятия решений с использованием автоматизации неформальных процедур // Журнал «Естественные и технические науки», №4, с.292, 2010 г

2. Симанков B.C., Тарасов Е.С., Путято М.М. О применении лингво-семантического подхода к подбору экспертов с учётом специфики проблемной области // Международная научно-практическая конференция «Молодёжь и наука: реальность и будущее», том 5/с.419, Естественные и прикладные науки, 2010 г, Невинномысский институт экономики, управления и права.

3. Симанков B.C., Тарасов Е.С., Путято М.М. Использование когнитивной графики для формализованного представления знаний экспертов и принятия решений // Международная научно-практическая конференция «Молодёжь и наука: реальность и будущее», том 5/с.402, Естественные и прикладные пауки, 2010 г, Невинномысский институт экономики, управления и права.

4. Симанков B.C., Путято М.М. Использование методики когнитивного анализа для оценки целевых показателей // Всероссийская конференция "Проведение научных исследований в области обработки, хранения, передачи и защиты информации", т. 4-5/с. 566, 2009 г., Ульяновский государственный технический университет.

5. Симанков B.C., Путято М.М. Использование когнитивной графики для визуализации информации // Сборник трудов Юбилейной Десятой Международной научно-практической конференции «Актуальные проблемы специальных психофизиологических исследований и перспективы их использования в борьбе с преступностью и подборе кадров», с.117, 2009 г. Кубанский государственный технологический университет.

6. Симанков B.C., Путято М.М. Автоматизированная система построения когнитивных образов при оценке эффективности сложных структурированных систем // Сборник научных трудов «Инновационные технологии - основной ресурс социально-экономического развития», с.220, 2009 г., Южно-Российский университет - Институт управления, бизнеса и права, г. Ростов-на-Дону.

7. Симанков В. С., Редько А.П., Черкасов А.Н., Владимиров С.Н., Тарасов Е.С., Путято М.М., Денисенко А.О., Колесников Д.А., Мирзоев М.Р. Разработка теоретических основ и построение интеллектуальных систем мониторинга, анализа и поддержки принятия политических, социаль-

но-экономических и технологических решений регионального уровня для ситуационных центров органов власти // Сборник научных трудов «Вклад фундаментальных научных исследований в развитие современной инновационной экономики Краснодарского Края», 2009, Российский фонд фундаментальных исследований Департамент образования и науки Краснодарского края НП «Инновационно-технологический центр «Кубань-ЮГ».

8. Симанков B.C., Владимиров С.Н., Путято М.М. Свидетельство №2009611970. «Программный комплекс мониторинга, анализа и поддержки принятия решений для ситуационных центров. Модуль «Визуальная среда отображения критериальных показателей».

9. Симанков B.C., Владимиров С.Н., Путято М.М. Свидетельство №2009611378. «Программный комплекс мониторинга, анализа и поддержки принятия решений для ситуационных центров. Модуль «Формирование системы критериев эффективности».

Подписано в печать 18.01.2011. Печать трафаретная. Формат 60x84 1/16. Усл. печ. л. 1,35. Тираж 100 экз. Закат № 426. ООО «Издательский Дом-Юг» 350072, г. Краснодар, ул. Московская 2, кори. «В», оф. В-120

тел. 8-918-41-50-571 e-inail: oll'omcnko(a)yandcx.ru Сайт: http://id-yug.narod2.ru

Содержание.

Введение.•.

ГЛАВА 1 ВИЗУАЛИЗАЦИЯ, АНАЛИЗ И УПРАВЛЕНИЕ В СИСТЕМАХ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.

1.1 Системы поддержки принятия решений: проблемы управления и анализа.

1.2 Когнитивные аспекты анализа и принятия решений.

1.3 Анализ и принятие решений на основе когнитивного моделирования.

1.4 Необходимость интеллектуальной поддержки процедур принятия решений.

1.5 Выводы.

ГЛАВА 2 МЕТОДЫ КОГНИТИВНОГО АНАЛИЗА И УПРАВЛЕНИЯ.

2.1 Проблема управления и принятия решений.

2.2 Обзор существующих методов когнитивного анализа.

2.3 Анализ и управление на основе нечётких когнитивных карт Силона.

2.4 Принятие решений на основе когнитивного моделирования.

2.5 Выводы.

ГЛАВА 3 АЛГОРИТМЫ И МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ КОГНИТИВНОГО АНАЛИЗА И УПРАВЛЕНИЯ.

3.1. Математические методы построения нечётких когнитивных карт.

3.2 Статический анализ нечётких когнитивных карт.

3.3 Динамический анализ нечётких когнитивных карт.

3.4 Алгоритм формирования решений на основе решения обратной задачи когнитивного моделирования.•.

3.5 Выводы.

ГЛАВА 4 РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ НЕЧЕТКИХ КОГНИТИВНЫХ МОДЕЛЕЙ.

4.1 Когнитивная оболочка интеллектуальной поддержки принятия решений.

4.2 Реализация разработанной системы.

4.3 Сравнение системы с аналогами.

4.4 Выводы.

ГЛАВА 5 ВОЗМОЖНОСТИ ПРАКТИЧЕСКОЙ РЕАЛИЗАЦИИ И ИСПОЛЬЗОВАНИЯ ПРОГРАММНОГО КОМПЛЕКСА.

5.1 Постановка задачи практической реализации.

5.2 Построение когнитивной карты.

5.3 Решение задач прямого и обратного управления с использованием системы и построенной когнитивной карты.

5.4 Выводы.

Важнейшим процессом, связывающим все основные функции управления сложными системами, является разработка управленческих решений, поскольку именно принимаемые решения определяют не только эффективность процесса управления, но и возможность устойчивого развития управляемой системы и ее выживаемости в быстро изменяющемся мире.

Вместе с тем, для процесса разработки управленческих решений -характерен ряд проблем, связанных в первую очередь с трудноформализуемостью большинства его этапов, уникальностью возникающих задач, необходимостью учета множества факторов и целей, имеющих сложную структуру взаимосвязи, а зачастую противоречащих друг другу. Поэтому наиболее эффективным подходом к разработке решений является сочетание опыта, знаний, интуиции лица принимающего решения (ЛПР), экспертов, аналитиков, а также современных технологий интеллектуальной поддержки принятия решений, позволяющих систематизировать и структурировать имеющуюся информацию, исследовать альтернативные варианты решений и выбрать из них наиболее удачные.

В целом процесс разработки управленческого решения состоит из шести основных этапов: анализ проблемы, формулировка целей и задач, выбор критериев и оценка их эффективности, формирование множества альтернатив, анализ альтернатив и формирование управляющего воздействия - на каждом из этих этапов решается ряд подзадач, при этом их решение обычно носит параллельный и итерационный характер. Для некоторых подзадач, таких как получение критериальных оценок, моделирование предпочтений ЛПР, выбор оптимального решения и др., существуют достаточно хорошо проработанные на сегодняшний день подходы к их реализации - большинство таких подходов основано на математической теории принятия решений. С другой стороны, такие подзадачи, как анализ факторов, характеризующих моделируемую ситуацию, разработка прогноза ее развития, синтез и отбор альтернатив и управляющих стратегий, решаются в основном на приближенном, качественном уровне, с помощью интуиции и нестрогих рассуждений. Основная сложность, возникающая при построении моделей таких задач, состоит в том, что аналитическое описание либо статистическое наблюдение зависимостей между входными и выходными параметрами затруднено, а зачастую невозможно, и приходится прибегать к субъективным моделям, основанным на экспертной информации, обрабатываемой с привлечением логики «здравого смысла», интуиции и эвристик.

Научным направлением, лежащим в основе исследования задач, обладающих указанными характеристиками, является методология когнитивного анализа. Наиболее эффективным инструментом являются нечеткие когнитивные карты, хорошо зарекомендовавшие себя в задачах исследования структуры моделируемой системы и получения прогнозов ее поведения при различных управляющих воздействиях, с целью синтеза эффективных стратегий управления.

Таким образом, решаемая проблема, связанная с построением, исследованием и поддержкой когнитивных моделей в рамках автоматизации разработки управленческих решений, для исследования всего комплекса проблем управления в сложных системах является актуальной.

Объектом исследования является класс аналитических информационных систем поддержки принятия решений для управления сложными системами.

Предметом исследования являются методы и алгоритмы интеллектуальной поддержки принятия решения на основе нечётких когнитивных карт.

Целью работы является разработка и обоснование методов и алгоритмов интеллектуальной поддержки принятия решений на основе нечётких когнитивных карт (НКК).

Задачи исследования:

1. Проведение системного анализа предметной области СППР и определение методов интеллектуального управления на основе когнитивного анализа таких систем;

2. Разработка методов и алгоритмов построения НКК, описывающих сложные многокритериальные информационные системы, для интеллектуальной поддержки принятия решений;

3. Разработка методов и алгоритмов интерактивной интеллектуальной поддержки принятия решений на основе НКК;

4. Построение системы интеллектуального управления СППР на основе многофакторного иерархического когнитивного анализа;

5. Исследование и анализ поведения системы на примере ситуационного центра органов государственной власти (СЦ ОГВ).

В первой главе выполняется структурный анализ процесса разработки управленческих решений, выделяются его основные этапы и исследуются подходы к их автоматизации. Анализируются методы автоматизации формирования этапов принятия решения при разработке управленческих решений в слабоструктурированных системах. Выполняется обзор подходов к применению когнитивного анализа, и анализируются принципы построения систем поддержки принятия решений (СППР) на основе таких подходов.

В результате проведенного анализа литературы построен обобщенный алгоритм процесса разработки управленческих решений, и делается вывод о необходимости автоматизации решения ряда подзадач, возникающих в рамках данного процесса.

Установлено, что при разработке моделей поддержки принятия решений часто приходится сталкиваться с задачами, которые относятся к классу слабоструктурированных. Делается вывод о том, что одним из наиболее эффективных подходов к исследованию слабоструктурированных систем является использование когнитивного анализа, в основе которого лежит математический аппарат нечетких когнитивных карт.

Установлено, что актуальным направлением развития современных СПГТР является поддержка всех этапов процесса разработки решений. Поэтому в состав СППР целесообразно включать подсистемы на основе когнитивного анализа для автоматизации решения слабоструктурированных задач. Сформулированы основные требования к интеллектуальной поддержке процедур поддержки принятия решений на основе нечётких когнитивных карт.

Во второй главе рассматриваются вопросы, связанные с постановкой и анализом задачи управления этапами принятия управленческих решений, выбранной в качестве объекта исследования, рассматриваются и сравниваются методы построения нечётких когнитивных карт.

Указанный выбор аппарата поддержки принятия решений обусловлен тем, что данная задача является неотъемлемым этапом процесса разработки управленческих решений, причем от успешности её решения зависит качество последующего принятия решения. Также для этой задачи характерна слабая структурированность и вследствие этого она чаще всего решается приближенно, на основе экспертной информации, интуиции и эвристик. Структурный анализ данной задачи, выполненный с учетом рассмотренных-в первой главе обобщенного алгоритма разработки управленческих решений и результатов анализа работ С.Н. Воробьева, О.И. Ларичева, Б.Г. Литвака, В.И. Максимова, А.Б. Петровского, Г. Саймона, Э.А. Трахтенгерца, С.Д. Ильенковой, позволил выявить следующие закономерности, присущие объекту исследования:

• Моделируемая система описывается конечным множеством концептов и причинно-следственных связей между ними.

• Концептом является значимая для решаемой задачи характеристика ситуации или системы. Концепты делятся на целевые, управляемые, промежуточные и внешние.

• Между концептами существуют причинно-следственные связи, которые могут быть положительными или отрицательными.

• Причинно-следственные связи различаются по силе.

• Исходное состояние системы задается вектором начальных значений концептов.

• Существует целевое состояние, заданное вектором значений целевых концептов.

С учетом рассмотренных свойств, принципов системного подхода и общей методологии разработки управленческих решений выбрана модифицированная информационная модель данного процесса.

Определены методы, разработка и исследование которых необходимы для обеспечения автоматизированной поддержки указанного процесса. В качестве методологической основы целесообразно использовать подходы, базирующиеся на применении когнитивных карт.

С учётом выбранной информационной модели и методов нечёткого когнитивного анализа нами разработан обобщенный алгоритм анализа и решения задачи.

Когнитивная карта строится на основании субъективных представлений экспертов о ситуации. На основе анализа работ Р. Аксельрода, Б. Коско, A.A. Кулинича, В.И. Максимова, Ф.С. Робертса, В.Б. Силова, Э.Ч. Толмена, A.C. Федулова было выделено и проанализировано несколько видов когнитивных карт, из которых для моделирования задачи формирования множества состояний выбраны нечеткие когнитивные карты Силова.

Нечеткие когнитивные карты Силова хорошо зарекомендовали себя при анализе и исследовании слабоструктурированных систем, и некоторые их недостатки могут быть устранены доработкой методов статического и динамического моделирования.

Таким образом, разработан обобщенный алгоритм анализа и решения задачи на основе НКК, а также на основе анализа выбраны методы его реализации.

В третьей главе исследуются математические методы управления на основе нечетких когнитивных карт Силова.

Процесс когнитивного моделирования начинается с формирования экспертами списка концептов, наиболее значимых для рассматриваемой задачи. При этом полученная от экспертов информация должна быть обработана на предмет устранения двусмысленностей и повторений, а также согласования используемой терминологии. На следующем этапе эксперты должны установить причинно-следственйые связи между концептами, с указанием для каждой связи ее характера (т.е. является она усиливающей или ослабляющей), и оценить силу каждого влияния.

Наиболее сложной задачей при построении нечеткой когнитивной карты является назначение весов. Для решения этой задачи целесообразно использовать построение функции принадлежности дискретных нечетких множеств. В качестве таких методов предлагается использовать:

• метод парных сравнений (автор Т. Саати), основная идея которого - обработка суждений эксперта об относительном превосходстве степеней принадлежности различный элементов;

• метод множеств уровня (автор P.P. Ягер), основанный на идентификации уровневых множеств искомого нечеткого множества.

Для определения функций принадлежности и последующего анализа на основе НКК разработан алгоритм на основе метода парных сравнений Т.Саати и метода множеств уровня Р.Ягера.

1. На основе полученных результатов формируется когнитивная матрица, содержащая усредненные (с учетом мнений всех экспертов) оценки интенсивности влияний, на основе которой строится НКК. На следующем этапе к построенной карте применяются методы аналитической обработки, ориентированные на исследование структуры системы и получение прогнозов ее поведения при различных управляющих воздействиях

Генерация состояний, приближающих состояние системы к заданному ЛПР целевому состоянию, осуществляется путем решения обратной задачи когнитивного моделирования. Состояние системы представляет собой вектор воздействий на управляемые концепты, так как только они доступны прямому влиянию со стороны ЛПР. На остальные концепты, в том числе и на целевые, ЛПР может влиять только опосредованно, через управляемые. Значение управляемого концепта можно увеличивать, уменьшать либо оставлять без изменений. При этом значения можно изменять в разной степени, в пределах заданной шкалы.

Если концепт принадлежит только подмножеству способствующих, то во всех генерируемых состояниях системы его значение необходимо увеличивать. Если концепт принадлежит только подмножеству препятствующих, то во всех генерируемых состояниях его значение необходимо уменьшать. Если же концепт принадлежит обоим подмножествам, то необходимо генерировать состояния, где его значение как уменьшается, так и увеличивается. Далее на основе полного перебора всех возможных комбинаций генерируется базовое множество состояний У, из которого и будет осуществляться окончательный отбор.

Цель задается вектором значений, к которому должны максимально приблизиться значения соответствующих целевых концептов в процессе динамического моделирования.

Таким образом, разработаны и представлены математическое обеспечение и алгоритмы интеллектуальной поддержки принятия решений на основе НКК.

В четвертой главе рассматриваются вопросы разработки программной системы, обеспечивающей поддержку моделирования на основе нечетких когнитивных карт. На основе изложенных в трёх главах положений спроектирован и реализован ПК «ИКС». Были определены и формализованы основные понятия, связанные с представлением данных и отношения между ними.

В результате представленных алгоритмов и методов интеллектуальной поддержки принятия решений на основе нечётких когнитивных карт была спроектирован и реализован ПК «ИКС». Основными направлениями разработки программной системы являются поддержка построения нечеткой когнитивной карты описывающей заданную предметной область или ситуацию, проведение статического и динамического моделирования на основе полученной НКК, генерация альтернатив (сценариев) на основе результатов статического анализа и их отбор на основе результатов динамического моделирования с последующим формированием рекомендаций для ЛПР. Для ЛПР формируется набор изображений с возможность непосредственного динамического изменения и моделируется оконная среда с возможностью адаптации интерфейса для последующей работы с программой.

Разработанная программная система, является одним из важнейших инструментов при принятии решений ЛПР. Представленный программный продукт решает следующие проблемы, возникающие при принятии решения руководителем:

Благодаря архитектуре «клиент-сервер» решается задача объединения нескольких экспертов и ЛПР в едином информационном пространстве. Система «ИКС» предоставляет удобный интерфейс взаимодействия и учёта мнений. Простота и удобство манипулирования концептами, управления системой предоставляет возможность пользователям проявить всю творческую активность не затрачивая усилия на изучение сложных систем и обучение работы с ними.

Таким образом, разработан ПК «ИКС» реализующий выбранные методы и разработанные алгоритмы.

В пятой главе рассматривается практическая реализация разработанной системы ПК «ИКС».

Решением прямой задачи является выявление общего состояния системы в зависимости от изменений значений управляемых концептов. Для формирования и представления результатов на основе нечёткой когнитивной карты производится экспертный опрос с целью выявления функций принадлежности концептов

В результате введённых данных формируется список функций принадлежности на основе созданного нами алгоритма. Полученные множества сравниваются с текущими значениям и полученный результат представляется ЛПР.

Таким образом представленная программная среда «ИКС» позволяет ЛПР, экспертам и аналитикам быстро и качественно решать возникающие задачи управления и принимать решения, адекватные ситуации.

В заключении перечислены научные и практические результаты, полученные автором в ходе его исследований. Предложены направления дальнейших исследований в области поддержки принятия решений на основе нечётких когнитивных карт.

Методы исследования.

В работе использованы методы теории систем, математического моделирования, системного анализа, теории нечётких множеств, теории когнитивного и имитационного моделирования, теории графов, методы теории группового принятия решений, линейного программирования.

Научная новизна работы.

В результате проведенного в работе системного исследования достигнуты следующие новые научные результаты:

1. Теоретические основы и алгоритмическое обеспечение интеллектуального представления процессов информационного и ситуационного управления в СППР с использованием НКК.

2. Методы и алгоритмы построения НКК, описывающих сложные многокритериальные информационные СППР для мониторинга, оценки, анализа и принятия управленческих решений.

3. Методы и алгоритмы интеллектуального управления в системах поддержки принятия решений с использованием НКК для применения в слабоструктурированных системах.

4. Методы и алгоритмы синтеза множества состояний на основе решения прямой и обратной задачи когнитивного моделирования.

5. Теоретические основы и алгоритмическое обеспечение применения средств когнитивной интерактивной графики для интеллектуального принятия управленческих решений.

Практическая значимость.

Результаты работы используются для многокритериального анализа и представления данных при разработке ситуационных центров различного назначения. В частности, при выборе оптимальной стратегии управления сложными системами, стратегий управления развитием регионов, оптимального распределения финансовых и ресурсных средств и т.п. в ситуационных центрах органов власти.

На защиту выносится:

• Методика построения НКК на основе формирования функции принадлежности и нечётких дискретных множеств.

• Методы и алгоритмы синтеза множества состояний на основе решения прямой и обратной задачи когнитивного моделирования.

• Методы и алгоритмы управления в системах поддержки принятия решений с использованием НКК.

• Программный комплекс «Интеллектуальная Когнитивная Система» (ПК «ИКС») для интеллектуальной поддержки принятия решений.

Результаты работы используются для мониторинга, многокритериального анализа, представления, визуализации и принятия решений при разработке ситуационных центров различного назначения. В частности, при выборе оптимальной стратегии управления в СЦ ОГВ.

Заключение

В результате проведённой работы можно говорить о найденном решении поставленных задач и достижении поставленной цели.

Ряд проблем, связанных в первую очередь с трудноформализуемостыо большинства этапов управления, уникальностью возникающих задач; необходимостью учета множества факторов и целей, имеющих сложную структуру взаимосвязи, а зачастую противоречащих друг другу можно решить при помощи использования современных когнитивных технологий.

Главная задача ЛПР это эффективное управление процессами- в его компетентной области и принятие быстрых обоснованных решений. Многофакторность сферы деятельности требует организации четкого управления. Когнитивное моделирование позволяет уменьшить срок принятия решения и позволяет повысить адекватность этого решения.

Использование таких технологий необходимо для задач интеллектуальной поддержки принятия решений (СППР) в составе ситуационных центров различной направленности.

В результате проведённых исследований были получены следующие научные и практические результаты:

1. В результате проведенного системного исследования показано, что архитектура стандартных технологических ИС неэффективна для задач анализа больших объемов взаимосвязанных данных сложных технических систем, а также выделен класс аналитических задач и соответствующий класс систем поддержки принятия решений с использованием когнитивного анализа.

2. Разработана методика построения когнитивных имитационных моделей на основе нечётких когнитивных карт, описывающих сложные многокритериальные информационные системы интеллектуальной поддержки принятия решений, в основе которых лежит математический аппарат нечетких когнитивных карт Силова.

3. Предложен подход к построению нечеткой когнитивной карты Силова для интеллектуальной поддержки принятия решений, основанный на применении методов задания функций принадлежности дискретных нечетких множеств и обеспечивающий возможность учета и согласования мнений группы экспертов для повышения адекватности и обоснованности принимаемых решений.

4. Исследованы и адаптированы методы статического и динамического анализа нечетких когнитивных карт. Предложена модификация модели импульсного процесса для нечетких когнитивных карт, обеспечивающая комплексный учет причинно-следственных связей между концептами.

5. Построены и представлены алгоритмы решения прямой и обратной задачи когнитивного анализа на основе формирования и анализа функций принадлежности для интеллектуальной поддержки принятия решений.

6. Разработана программная система, обеспечивающая поддержку нечетких когнитивных моделей для разработки, исследования и мониторинга стратегий управления слабоструктурированными-систе-мами. Программный продукт относится к классу систем поддержки принятия решений и обладает свойством инвариантности по отношению к предметной области.

7. Предложена методика применения нечетких когнитивных моделей и программной системы для разработки и обоснования решений по управлению органами государственной власти. Применение данной методики способствует сокращению сроков и повышению эффективности управленческой деятельности.

1. Абрамова, H.A. О проблеме рисков из-за человеческого фактора в экспертных методах и информационных технологиях / H.A. Абрамова // Проблемы управления, 2007. № 2. - С. 11-21.

2. Авдеева, З.К. Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями) / З.К. Авдеева, C.B. Коврига, Д.И. Макаренко // Управление большими системами. Выпуск 16 / М.: ИПУ РАН, 2007. С.26-39.

3. Аверченков, В.И. Инновационный менеджмент. Учеб. пособие /

4. B. И. Аверченков, Е.Е. Ваинмаер. Брянск: БГТУ, 2004. - 292 с.

5. Андреева, Г.М. Психология социального познания / Г.М. Андреева. -М. .-Аспект-Пресс, 2005. 303 с.

6. Ашихмин A.A. Разработка и принятие управленческих решений: формальные модели и методы выбора / A.A. Ашихмин. 2-е изд., стер. -М.: Изд-во Моск. гос. горного ун-та, 2001. - 78 с.

7. Базы данных. Интеллектуальная обработка информации / В.В. Корнеев, А.Ф. Гареев, C.B. Васютин, В.В. Райх. М.: Нолидж, 2001. - 496 с.

8. Байдачный, С. SQL Server 2005. Новые возможности для разработчиков /

9. C. Байдачный, Д. Маленко, Ю. Лозинский. М.: Солон-Пресс, 2006. -208 с.

10. Браст, Э.Дж. «Разработка приложений на основе Microsoft SQL Server 2005» / Э. Дж. Браст, С. Форте. М.: Русская Редакция, 2007. - 880 с.

11. Брауде, Э.Дж. Технология разработки программного обеспечения / Э.Дж. Брауде. Питер, 2004. - 656 с.

12. Бешелев, С.Д. Математико-статистические методы экспертных оценок / С.Д. Бешелев, Ф.Г. Гурвич. М.: Статистика, 1980. - 263 с.

13. Большая советская энциклопедия Электронный ресурс. Режим доступа: - http://slovari.yandex.ru/dict/bse.

14. Борисов, В.В. Моделирование сложных нечетко-целевых. систем на основе обобщенных нечетких когнитивных карт / В:В; Бррисов, А.С. Федулов, В.И. Мнев // Информ. бюл., Акад. воен: наук. Смоленск: ВУВПВО ВС РФ, 2001. С. 22-25.

15. Борисов, В.В. Нечеткие модели и сети / В.В. Борисов, В.В. Круглов, А.С. Федулов.-М;: Горячая:линия*:-Телеком, 2007. 284 с: ,

16. Брундасов, С. М. Автоматизация принятия решений, на основе семантического анализа иерархических и? сетевых моделей: дис. канд. техн: наук: 05.13.18 / Брундасов Сергей Михайлович. Брянск, 2003.206:С. .■•;,.•■'.'■.''.■

17. Буч, Г. Объектно-ориентированный анализ и проектирование / Г. Буч. 'М.: Бином, 1998.-560 с.

18. Воробьев, С.Н. Управленческие решения / С.Н. Воробьев, В.Б. Уткин, К.В. Балдин. М.: ЮНИТИ-ДАНА, 2003. - 317 с. :

19. Горев, А. Эффективная работа с СУБД / А. Горев, Р. Ахаян, С. Макашарипов. Питер, 1997. - 445 с.

20. Гулаков, В .К. Система поддержки принятия решений на основе когнитивного моделирования «ИГ ЛА» / В .К. Гулаков, Д.Г. Лагерев,

21. A. Г. Подвесовский // Программные продукты и системы. 2007, № 3. С. 103-104.

22. Давыдов,' С.В. Выбор управляющих факторов при когнитивном моделировании различных вариантов решений / С.В. Давыдов / Труды 2-й Международной конференции «Когнитивный-анализ и управление развитием ситуации (СА8С-2002);>> в 2-х томах. Том 2 / Сост.

23. B. И.Максимов. М;: ИПУ РАН; 2002. - С. 51-68:

24. Дейт, К.Дж. Введение в системы баз данных 8-е издание / К.Дж. Дейт-М.: Вильяме, 2006. 1328 с.

25. Ерохин, Д.В. Моделирование! инновационного механизма1 предприятия с применением нечетких когнитивных карт / Д.В. Ерохин, Д.Г. Лагерев,

26. Е.А. Ларичева, А.Г Подвесовский // Менеджмент в России и за рубежом. -№3, 2006-С. 95-111.

27. Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. / Л.А. Заде. М.: Мир, 1976.- 168 с.

28. Зинченко, Т. Память в экспериментальной и когнитивной психологии / Т. Зинченко. СПб.: Питер, 2001. - 320 с

29. Игнатьева, A.B. Исследование систем управления: Учеб. пособие для вузов / A.B. Игнатьева, М.М. Максимцов. М.: ЮНИТИ-ДАНА, 2000. -157 с.

30. Ильенкова, С.Д. Инновационный менеджмент / С.Д. Ильенкова, Л.М. Гохберг, С.Ю. Ягудин. и др. М.:ЮНИТИ-ДАНА, 2003.- 343 с.

31. Институт Проблем Управления РАН. 51-ая лаборатория. Когнитивное моделирование и управление развитием ситуаций. Электронный ресурс. Режим доступа: - http://ipu.web-soft.ru/

32. Кини Р.Л. Принятие решений при многих критериях: предпочтения и замещения / Р.Л. Кини, Х.Райфа; пер. с англ. / под ред. И.Ф. Шахнова. -М.: Радио и связь, 1981. 560 е.

33. Коврига, C.B. Методические и аналитические основы когнитивного подхода к SWOT-анализу / C.B. Коврига // Проблемы управления, 2005, №5.-С. 58-63.

34. Коврига, C.B. Применение структурно-целевого анализа развития социально-экономических ситуаций / C.B. Коврига, В.И. Максимов // Проблемы управления, 2005. №3. - С. 39-43.

35. Когнитивный подход в управлении / З.К. Авдеева, C.B. Коврига, Д.И. Макаренко, В.И. Максимов // Проблемы управления, 2007. № 3. - С. 28.

36. Кокорева, Т.А. Системный анализ процедур принятия управленческих решений / Т.А. Кокорева. М.: Лесная промышленность, 1991. - 208 с.

37. Компьютерная поддержка сложных организационно-технических систем / В.В. Борисов, И.А. Бычков, A.B. Дементьев, A.C. Федулов и др.. М.: Горячая линия - Телеком, 2002. - 154 с.

38. Корноушенко, Е.К. Управление ситуацией с использованием структурных свойств ее когнитивной карты / Е.К. Корноушенко, В.И. Максимов // Тр. Ин-та пробл. упр. им. В. А. Трапезникова РАН. М.,-2000.-Т. XI.-C. 85-90.

39. Коростелев, Д.А. Программная поддержка когнитивных моделей в системах принятия решений / Д.А. Коростелев, Д.Г. Лагерев // Тезисы докладов научно-технической конференции Информационные системы и технологии / Обнинск 2007 С. 123-124.

40. Коростелев, Д.А. Система поддержки принятия решений «ИГЛА» / Д.А. Коростелев, Д.Г. Лагерев, А.Г. Подвесовский. -М.: ВНТИЦ, 2007. -№50200701348.

41. Коростелев, Д.А. Система поддержки принятия решений «ИГЛА» / Д.А. Коростелев, Д.Г. Лагерев, А.Г. Подвесовский // Компьютерные учебные программы и инновации. 2007, № 6. С. 23.

42. Круглов, В.В. Интеллектуальные информационные системы: компьютерная поддержка нечеткой логики и нечеткого вывода: Учеб. пособие / В.В. Круглов, М.И. Дли. М.: Физматлит, 2002. - 256 с.

43. Кулинич, A.A. Когнитивная система поддержки принятия решений «Канва» / A.A. Кулинич // Программные продукты и системы. 2002. -№ 3. - С. 25-28.

44. Кулинич, A.A. Метод поддержки генерации структурных решений для управления в слабоструктурированных ситуациях /A.A. Кулинич //

45. Девятая национальная конференция по искусственному интеллекту с международным участием КИИ-2004: Труды конференции. В 3-х т. Т.2. М.: Физматлит, 2004. - С. 842-852.

46. Ларичев, О.И. Качественные методы принятия решений / О.И. Ларичев, Е.М. Мошкович. М.: Наука; Физматлит, 1996. - 208 с.

47. Ларичев, О.И. Наука и искусство принятия решений / О.И. Ларичев. -М.: Наука, 1979.-200 с.

48. Ларичев, О.И. Объективные модели и субъективные решения / О.И. Ларичев. М. Наука. 1987. - 191 с.

49. Ларичев, О.И. Системы поддержки принятия решений: современное состояние и перспективы развития / О.И. Ларичев, А.Б. Петровский // Итоги науки и техники.-М.: ВИНИТИ, 1987.-Т.21.-С. 131-164.

50. Ларичев, О.И. Теория и методы принятия решений / О.И. Ларичев. М.: Логос, 2006.-392 с.

51. Лешек, A.M. Анализ требований и проектирование систем. Разработка информационных систем с использованием UML / A.M. Лешек М.: Вильяме, 2002. - 432 с.

52. Литвак, Б.Г. Разработка управленческого решения: Учебник. 3-е изд., испр. / Б.Г. Литвак. - М. Дело, 2002. - 392 с.

53. Литвак, Б.Г. Экспертные оценки и принятие решений / Б.Г. Литвак. М. Патент, 1996.-271 с.

54. Маклаков, C.B. BPwin и ERwin. CASE-средства разработки информационных систем / C.B. Маклаков. М.:Диалог-МИФИ, 2001. -304 с.

55. Максимов, В.И. Структурно-целевой анализ развития социально-экономических ситуаций / В.И. Максимов // Проблемы управления, 2005.-№3.-С. 30-38.

56. Мандел, Т. Разработка Пользовательского Интерфейса / Т. Мандел. М.: ДМК, 2001.-416 с.

57. Методы формирования сценариев развития социально-экономических систем /В.В. Кульба, Д.А. Кононов, С.А. Косяченко, А.Н. Шубин.- М.-СИНТЕГ, 2004.-296 с.

58. Миркин, Б.Г. Проблема группового выбора / Б.Г. Миркин. М.: Наука, 1974.-256 с.

59. Поддержка принятия решений в слабо структурированных предметных областях, анализ ситуации и оценка альтернатив / А.Н. Аверкин, О.П. Кузнецов, А.А. Кулинич, Н.В. Титова и др. // Известия РАН. Теория и системы управления. 2006. № 3. - с. 139-149

60. Подвесовский, А. Г. Автоматизация многокритериального выбора технических решений на основе применения нечетких моделей различных типов: дис. канд. техн. наук: 05.13.18 / Подвесовский Александр Георгиевич. Брянск, 2001. - 185 с.

61. Порховник, Ю.М. Принятие решений в организационных экономических системах: Уч.-метод. пособ. для слушателей систем повышения квалификаций / Ю.М. Порховник, Е.Б. Лисицина. СПб.: ЛИЭИ, 1992.

62. Прангишвили, И.В. Системный подход и общесистемные закономерности / И.В. Прангишвили. М.: СИНТЕГ, 2000. - 528 с.

63. Прангишвили, И.В. Поиск подходов к решению проблем / И.В. Прангишвили, H.A. Абрамова, В.Ф. Спиридонов и др.. М.:СИНТЕГ, 1999.- 192 с.

64. Райордан, P.M. Основы реляционных баз данных / P.M. Райордан. М.: Русская Редакция, 2001. - 384 с.

65. Рейльян, Я.Р. Аналитическая основа принятия управленческих решений /Я.Р. Рейльян. М.: Финансы и статистика, 1989. - 208 с.

66. Роберте, Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам: Пер. с англ. / Ф.С. Роберте. М.: Наука. Гл. ред. физ.-мат. лит., 1986. - 496 с.

67. Рыков, A.C. Методы системного анализа: многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки / A.C. Рыков. -М.: Экономика, 1999.-316 с.

68. Саати, Т.Д. Принятие решений. Метод анализа иерархий: Пер. с англ. / T.JT. Саати М.: Радио и связь, 1993.-320 с.

69. Силов, В.Б. Принятие стратегических решений в нечеткой обстановке / В .Б. Силов. М.: ИНПРО-РЕС, 1995. - 228 с.

70. Симанков B.C. Автоматизация системных исследований / B.C. Симанков. Краснодар: КубГТУ, 2002. - 376 с.

71. Симанков B.C., Путято М.М., Тарасов Е.С. Методологические основы принятия решений с использованием автоматизации неформальных процедур //Журнал «Естественные и технические науки», №4, с.292, 2010 г

72. Симанков B.C., Путято М.М., Владимиров С.Н., Свидетельство №2009611970. «Программный комплекс мониторинга, анализа и поддержки принятия решений для ситуационных центров. Модуль «Визуальная среда отображения критериальных показателей».

73. Симанков B.C., Путято М.М., Владимиров С.Н., Свидетельство №2009611378. «Программный комплекс мониторинга, анализа и поддержки принятия решений для ситуационных центров. Модуль «Формирование системы критериев эффективности».

74. Симанков B.C.,Путято М.М., Черкасов А.Н., Тарасов Е.С. Свидетельство №2010615405. «Подсистема мониторинга и оценки эффективности деятельности органов государственной власти».

75. Советов, Б.Я. Базы данных. Теория и практика / Б.Я. Советов, В.В. Цехановский, В.Д. Чертовской. М.:Высшая школа, 2005. - 463 с.

76. Теория систем и системный анализ в управлении организациями: Справочник / Под ред. Н.В. Волковой и А.А, Емельянова. М.: Финансы и статистика, 2006. - 848 с.

77. Трахтенгерц, Э.А. Компьютерная поддержка принятия решений / Э.А. Трахтенгерц. М.: СИНТЕГ, 1998. - 376 с.

78. Трахтенгерц, Э.А. Субъективность в компьютерной поддержке управленческих решений / Э.А. Трахтенгерц. М.: СИНТЕГ, 2001. -256 с.

79. Троелсен, Э. С# и платформа .NET / Э. Троелсен. Питер, 2007. - 796 с.

80. Фатхутдинов, P.A. Разработка управленческого решения: Учеб. пособ. / P.A. Фатхутдинов. М.: ИНФРА-М, 2001. - 283 с.

81. Федулов, А.С. Модели, методы и программные средства обработки нечеткой информации в системах поддержки принятия решений на основе когнитивных карт: дис. доктора техн. наук: 05.13.11, 05.13.01 / Федулов Александр Сергеевич. Москва, 2007. - 206 с.

82. Федулов, А.С. Нечеткие реляционные когнитивные карты / А.С. Федулов // Теория и системы управления. 2005. - №1.- С. 120-133.

83. Фестингер, JI. Теория когнитивного диссонанса: Пер с англ. / JI. Фестингер. СПб.: Речь, 2000. - 317 с.

84. Цветков В.Я. Методы и системы поддержки принятия решений в управлении. М.: 2001 70 с.

85. Хандхаузен, Р. Знакомство с Microsoft Visual Studio 2005 Team System / P. Хандхаузен. Питер, 2006. - 416 с.

86. Ягер, P.P. Множества уровня для оценки принадлежности нечетких подмножеств / P.P. Ягер // Нечеткие множества и теория возможностей. Последние достижения. М.: Радио и связь, 1986. - С. 71-78.

87. Ярушкина, Н.Г. Основы теории нечетких и гибридных систем: Учеб. пособие / Н.Г. Ярушкина. М.: Финансы и статистика, 2004. - 320 с.

88. Axelrod, R. The Structure of Decision: Cognitive Maps of Political Elites / R. Axelrod. Princeton, NJ: Princeton University Press, 1976. - 405 p.

89. BaseGroup Labs. Описание аналитической платформы Deductor. Электронный ресурс. Режим доступа: - http://www.basegroup.ru/ de-ductor/description.htm

90. С# Language Specification 3.0 Электронный ресурс. Режим доступа: -http://downIoad.microsoft.eom/download/3/8/8/3 88e7205-bc 10-4226-Ь2а8-75351 c669b09/CSharp%20Language%20Specification.doc.

91. Dickerson, J.A. Virtual worlds as fuzzy cognitive maps I J.A. Dickerson, B. Kosko // Presence. 1994. V. 3. P. 173-189.

92. Extensible Markup Language (XML) 1.1 (Second Edition) Электронный ресурс. Режим доступа: - http://www.w3.org/TR/xmll 1/.

93. Kosko, В. Fuzzy cognitive maps / B. Kosko // International Journal of Man-Machine Studies. 1986. - № 24. - P. 65-75.

94. Megaputer Intelligence. Описание системы Poly Analyst Электронный ресурс. Режим доступа: - http://www.megaputer.ru/

95. Simon, R The Structure of 111 -structured Problems / H. Simon // Artificial Intelligence. 1973.-Vol.4.-P. 181-202.

96. Tolman, E.C. Cognitive Maps in rats and men / E.C. Tolman // Psychological Review. 1948. - V. 42. № 55. - P. 189-2081. Заявка 2010614836

97. Дат« поступлении 9 августа 2010 г.

98. Зарегистрировано в Рс-сстре программ для ЭВМ23 августа 2010 г,1./ководитедь Федеральной службы по интелдекпщальной собственности, патентам » тот.тьт знакамlS.fi. Симонов