Классификация систем принятия и синтеза решений

Существующие интеллектуальные системы в большей степени ориентированы на реализацию методов принятия и синтеза решений, методов оптимизации, эвристических алгоритмов, чем на реализацию функций систем управления базами данных, информационно-поисковых систем и т. п.

Рассмотрим классификацию систем принятия и синтеза решений по основным классификационным признакам.

По характеру поддержки решений можно выделить два класса систем:

1) системы специального назначения, ориентированные на решение определенного класса задач;

2) универсальные системы, обеспечивающие возможность быстрой настройки на конкретную задачу синтеза или принятия решений.

Основная масса существующих систем соответствует второму классификационному признаку.

По характеру взаимодействия пользователя и системы можно выделить три класса:

1) системы, инициатором диалога в которых является ЭВМ, а пользователь выступает в роли пассивного исполнителя;

2) системы, в которых пользователь активен и является инициатором диалога;

3) системы, характеризующиеся последовательной передачей управления от пользователя к системе и наоборот.

Безусловно, системы второго класса представляют наибольший интерес, поскольку они дают пользователю полную свободу выбора действий. Однако реализация подобного способа взаимодействия в системах, предназначенных для пользователей-непрофессионалов, должна основываться на естественном языке общения. Достаточный синтаксический и семантический анализ запроса требует очень большого объема оперативной памяти, а также составления универсального тезауруса. Такой способ взаимодействия может быть реализован лишь на ЭВМ пятого поколения, функционирующих на принципах искусственного интеллекта.

Большинство разрабатываемых диалоговых систем относится к третьему классу. Принцип последовательной передачи управления позволяет пользователю взять управление на определенном этапе в свои руки и тем самым как бы вмешаться в процесс решения задачи, изменив его в нужном направлении, путем задания параметров, выбора метода и т. п.

По наличию и характеру базы данных в системе различают:

1) системы, не предусматривающие каких-либо способов накопления и хранения информации;

2) системы, имеющие базу данных или совокупность файлов для сбора, накопления и выдачи информации;

3) системы, имеющие развитые системы управления базами данных.

Все указанные системы могут быть использованы для накопления как объективной статистической, так и экспертной информации. При этом накопление объективной информации осуществляется, как правило, на один шаг быстрее, чем экспертной.

По наличию интеллектуального компонента в системе различают:

1) системы, не предусматривающие каких-либо способов накопления и обработки плохо формализуемых знаний;

2) системы, имеющие базы знаний, механизмы вывода и объяснения полученных решений.

Появление технологии обработки знаний сделало возможным использование в рамках автоматизированных процедур богатого методического задела из области искусственного интеллекта. В области экономики и управления существует много задач, содержащих как хорошо формализуемые процедуры, на которых применяются традиционные математические методы, так и плохо формализуемые процедуры, характеризующие творческие аспекты исследуемого процесса.

Поэтому модель для решения подобных задач должна представлять собой симбиоз методов обработки знаний и традиционных математических методов. При этом процедуры обработки знаний выступают в качестве среды, не отрицающей или заменяющей уже разработанные фрагменты, а органично интегрирующей их.

Использование в системах принятия и синтеза экономико-управленческих решений теории искусственного интеллекта представляется особенно актуальным и перспективным.

При интеллектуализации экономических информационных систем должны быть обеспечены:

• возможность использования всех способов представления знаний (процедурного, продукционного, семантического);

• реализация хранения и доступа к знаниям в рамках банка знаний;

• многокритериальный анализ альтернатив;

• построение заключений на основе количественного вывода о возможности сочетания реализаций составных частей системы, о значениях характеристик реализаций в нетиповых условиях функционирования и др.;

• обработка не полностью определенной информации в ходе принятия, планирования и синтеза экономико-управленческих решений;

• взаимодействие перечисленных процедур обоснования решений.