Содержание к диссертации
Введение
1. Методы формирования информационной базы в человеко-машинных системах принятия решений 11
1.1. Информационное представление научно-исследовательских работ и основные задачи исследования 11
1.2. Формирование информационной базы в задачах анализа организационных систем 18
1.3. Методы обработки слабоформализованных данных в автоматизированных информационных системах 21
1.4. Способы получения и формализации нечеткой экспертной информации 25
2. Разработка процедур анаииза слабо-формализованных данных 29
2.1. Принцип организации человеко-машинных процедур обработки больших массивов слабоформализованной информации 29
2.2. Выбор меры информативности качественных признаков 39
2.3. Алгоритмы пакетной обработки слабоформализованной информации 48
2.4. Диалоговые процедуры анализа массива слабоформализованных информационных документов 55
3. Процедуры моделирования информационной структуры научной проблемы 59
3.1. Методика формирования информационной базы для моделирования структуры информационных связей между научными направлениями 60
3.2. Выбор модели информационных связей в условиях нечеткой исходной информации 3.3. Человеко-машинные процедуры анализа динамических свойств информационной структуры научной проблемы
4. Процедуры обработки нечеткой задачах выбора альтернатив 71
4.1, Формирование допустимого множества альтернатив и способы рационального выбора 72
4.2. Алгоритм выделения недоминируемых альтернатив в диалоговом режиме и его экспериментальное исследование 76
Заключение 110
Список литературы 112
Приложения 122
- Информационное представление научно-исследовательских работ и основные задачи исследования
- Принцип организации человеко-машинных процедур обработки больших массивов слабоформализованной информации
- Методика формирования информационной базы для моделирования структуры информационных связей между научными направлениями
- Формирование допустимого множества альтернатив и способы рационального выбора
Введение к работе
В материалах ХХУ1 съезда КПСС, в постановлениях пленумов ЦК КПСС отмечена необходимость дальнейшего улучшения организационной структуры управления народным хозяйством, совершенствования форм и методов планирования, указана важность комплексного подхода к управлению при решении крупных научно-технических и социальных проблем.
Задачи управления реальными организационными системами требуют глубокого количественного и качественного анализа значительных объемов многоаспектной информации об управляемой системе. При этом существенное значение имеет построение адекватной математической модели системы, выбор методов анализа и использование ЭВМ для получения обобщенной информации, необходимой для принятия управленческих решений,
В настоящее время для решения задач совершенствования организационных систем, состоящих из большого числа взаимосвязанных объектов, находят широкое применение структурные методы анализа эмпирических данных о системе [l-4]. Как правило, исходные данные, характеризующие систему, формализованы в виде двумерной таблицы отношений "объект-признак" или в виде матрицы связей между элементами системы.
Получение такого рода формализованных данных является сложной, комплексной задачей, реализация которой на практике встречает значительные трудности, поскольку часть информации о системе, в функционировании которой участвует человек, носит субъективный характер и имеет лабоформализованное представление (например, в виде текста на естественном языке или в виде нечеткого экспертного суждения). Преодоление указанных трудностей связано с использованием как формальных, так и неформальных (экспертных) методов преобразования исходных данных, для успешного применения которых необходимо построение математической модели, отражающей нечеткость исходной информации.
В настоящей работе рассматривается класс организационных систем управления объектами, которые характеризуются высокой степенью "сложности", невозможностью полной формализации, нестабильностью структуры. Примером такого рода организационных систем служит отраслевая система планирования и координации научных исследований.
Многочисленные задачи, возникающие в системе управления научными исследованиями, непосредственно связаны с переработкой больших массивов слабоформализованных данных на различных уровнях и в различных звеньях системы. Такими задачами являются, в частности, формирование научно-технических программ, анализ современного состояния и тенденций развития научной проблемы, выбор приоритетных направлений исследований и т.д.
Для решения перечисленных задач целесообразно применение человеко-машинных процедур, сочетающих преимущества ЭВЛ при выполнении формализованных операций с творческими способностями, интуицией и опытом человека, осуществляющего не подцающиеся формализации операции [5,6]. Однако решение на ЭВМ подобных задач затруднено тем, что, во-первых, исходная информация о системе не может быть непосредственно использована для построения модели в силу наличия неопределенностей (порождаемых, например, использованием естественного языка), а, во-вторых, смысловая обработка больших массивов текстовой информации в диалоговом режиме связана с достаточно трудоемкой процедурой построения и ведения так называемого тезауруса, специально создаваемого для определенной предметной области [7].
Таким образом, приобретает актуальность разработка методов преобразования слабоформализованной информации, математического
7 моделирования организационных систем при наличии нечеткости исходного описания и реализация на ЭВМ человеко-машинных процедур анализа данных в задачах принятия решений [8].
В отличие от работ (например, [9] ), где изучаются модели принятия решений, имитирующие поведение ЛЇЇР (лица, принимающего решение), в настоящем исследовании основное внимание уделено вопросам создания системы, осуществляющей поддержку ЛПР в процессе принятия решений посредством "сворачивания" больших массивов слабоформализованной информации с целью выделения наиболее существенных для ЛПР данных, характеризующих анализируемую систему.
Целью диссертационной работы является разработка человеко-машинных процедур (ЧМП) поддержки принятия решений в условиях нечеткой (слабоформализованной) исходной информации и их применение в практических задачах управления научными исследованиями.
Научная новизна результатов, полученных в диссертационной работе, заключается в следующем:
Разработаны человеко-машинные процедуры обработки массивов слабоформализованной информации и на их основе предложена методика формирования информационной базы для многоаспектного анализа системы научных исследований.
Предложен и исследован метод оценки информативности качественных признаков, основанный на использовании экспертной информации нечеткого характера о степени принадлежности элементов выборочного массива документов к определенной предметной области.
Разработан алгоритм рационального выбора альтернатив в диалоговом режиме для случая, когда экспертная информация формализуется в виде нечеткого отношения предпочтения на множестве альтернатив,
4. Разработаны ЧМП моделирования динамики информационных структур, элементы которых формализованы в виде объектов с нечеткими границами.
Программные средства ЧМП обработки и анализа слабоформали-зованных данных ориентированы на адаптацию к пользователю системы (ЛПР), информационные потребности которого определены в конкретной предметной области.
Практическая ценность работы заключается в том, что ЧМП обработки слабоформализованных данных позволяют автоматизировать формирование информационной базы, используемой для формализации описания организационных систем, а также дают возможность анализа значительных объемов слабоформализованных информационных документов в режиме диалога,
Результаты диссертации были использованы при формировании медицинского раздела целевой комплексной научно-технической программы ПКНТ по биотехнологии, в задачах пятилетнего планирования научных исследований по комплексной проблеме "Рентгенология и радиология".
Алгоритмы, описанные в диссертации, реализованы в виде комплекса программ на языках высокого уровня и совместимы с функциональными блоками I очереди автоматизированной системы обработки информации (АСОИ) президиума АМН СССР.
Первая глава диссертационной работы содержит обоснование актуальности разработки человеко-машинных процедур анализа сла-боформалйзованной информации для решения задач организационного управления научными исследованиями, краткий обзор методов формирования информационной базы, используемой в человеко-машинных системах принятия решений, и формулировку основных задач исследования.
Вторая глава посвящена разработке ЧІЛІ анализа массивов слабоформализованных данных. Предложенные человеко-машинные
9 процедуры предназначены для оперативного обеспечения ЛПР информацией, необходимой для принятия управленческих решений. В основу разработанной человеко-машинной системы поддержки принятия решений положен принцип "настраиваемооти" системы на конкретную предметную область, интересующую пользователя (ЛПР). Настройка системы обеспечивает возможность обработки больших массивов сла-боформализованных данных в режиме диалога, а также формирования информационной базы и ее анализа с помощью математических методов. Рассмотрены вопросы, связанные с выбором меры информативности лексических единиц слабоформализованного (текстового) описания объектов системы. Доказана корректность введенной функции информативности качественных признаков.
Приведены описания и блок-схемы ряда эвристических алгоритмов, реализующих предложенные ЧМП обработки и анализа слабофор-мализованных данных.
В третьей главе, исходя из прикладной направленности данной работы, рассматривается комплекс ЧМП моделирования структуры информационных взаимосвязей между научными направлениями и анализа динамических особенностей информационной структуры в режиме диалога. Предложена методика формирования информационной базы для моделирования структуры комплексной научной проблемы, основанная на человеко-машинных процедурах обработки массивов слабоформализованных информационных документов. Предложена модель информационной связи между направлениями научных исследований на основе использования математических средств описания нечеткой информации.
В четвертой главе разработанные ЧМП применяются для формирования множества альтернатив в задачах рационального выбора. Предложены интерактивные процедуры для выделения максимально недоминируемых альтернатив с использованием последовательного
10 привлечения экспертной информации об альтернативах в форме нечеткого отношения предпочтения. Доказана корректность предложенного эвристического алгоритма, исследование которого проведено на модельных экспериментах,
Пятая глава посвящена вопросам программной реализации и практического применения изложенных в диссертации ЧМП в задачах управления научными исследованиями.
Разработанное алгоритмическое и программное обеспечение использовалось при формировании научно-технической программы, а также в задачах анализа современного состояния и тенденции развития исследований по комплексной научной проблеме.
В качестве исходных данных выступали массивы слабоформали-зованных информационных документов, характеризующих различные аспекты проводимых я планируемых НИР в области медицины.
В приложении приведены формы информационных документов, блок-схемы и тексты программ на языках КОБОЛ и ФОРТРАН, вспомогательные материалы, а также копии документов, подтверждающие практическое использование результатов диссертационной работы.
Информационное представление научно-исследовательских работ и основные задачи исследования
Комплексный, междисциплинарный характер современных научных исследований и разработок приводит к значительному усложнению форм и методов организационного управления научной деятель-ностыо [10).
В настоящее время система управления научными исследованиями в масштабе страны характеризуется наличием двух иерархических структур: административно-ведомственной и проблемной, что обусловлено различным типом задач, решаемых в рамках этих двух иерархий. Задачи финансового, кадрового, материально-технического обеспечения НИР концентрируются по линии административно-ведомственной структуры. Анализ современного состояния и тенденций развития направлений научных исследований, выбор приоритетных направлений исследований, экспертная оценка результатов НИР, координация научных исследований - основные задачи, решаемые в рамках проблемной структуры,
В диссертационной работе комплексная система планирования и координации научных исследований конкретизируется на примере системы научныХ исследований, проводимых в учреждениях Академии медицинских наук СССР и министерств здравоохранения СССР и союзных республик. Организационная структура проблемного управления НИР представлена на рис. I. Органами проблемного управления научными исследованиями являются экспертные группы - научные советы и проблемные комиссии АМН СССР, которые проводят научную политику по курируемым комплексным проблемам союзного значения и направлениям научных исследований, оперируя информацией содержательно-тематического и критериального характера.
Многоаспектная информация о планируемых и завершенных НИР содержится в унифицированных регистрационных документах - тематических и отчетных картах (ТК и ОК). Формы документов государственной, а также отраслевой регистрации НИР (ТК и ОК), приведенные в приложении I, ориентированы на автоматизированную обработку. Информационное представление НИР частично формализовано в виде совокупности признаков (кодов), и, кроме этого, включает описание содержательных аспектов НИР (название темы, аннотация) на естественном языке.
Существующая общесоюзная система планирования НИР регламентирует создание единого информационного фонда медицинских НИР. Использование математических методов обработки данных и ЭВМ дает возможность получения и оперативного представления информации, необходимой органам управления для принятия обоснованных решений в задачах планирования и координации НИР.
К числу основных задач, решаемых в рамках проблемной структуры управления научными исследованиями,относятся: - анализ современного состояния и тенденций развития научных исследований по курируемым проблемам союзного значения; - задачи координации научных исследований и разработок; - экспертная оценка планируемых и завершенных НИР, Особенность науки как сложной социально-экономической сис темы состоит в том, что наука - динамически развивающаяся сис тема, структура которой постоянно изменяется во времени [10]. Результаты анализа современного состояния НИР и динамики взаи мосвязей направлений исследований используются научными совета ми при разработке рекомендаций по корректировке проблемной структуры управления НИР с целью более адекватного отражения проблемной организации научных исследований и создания необходимых условий для качественного проведения экспертной оценки НИР. В настоящее время в связи с усложнением характера взаимосвязей между научными исследованиями интуиции и опыта экспертов часто оказывается недостаточно для успешного анализа современного состояния и тенденций развития научных проблем и направлений. Одним из методов получения объективной информации, необходимой органам управления для принятия более обоснованных решений, может служить моделирование проблемной структуры определенной области науки, представленной в виде иерархии научных проблем, направлений и тем. Для моделирования информационных взаимосвязей между направлениями научных исследований в качестве первичных источников информации рассматриваются, например, публикации, научно-технические отчеты, патенты, диссертации и т.д. [П-15]. Следует отметить, однако, что использование названных документов для формирования информационной базы с целью моделирования структуры научной проблемы не всегда целесообразно, поскольку ряд документов (публикации, научно-технические отчеты) содержат информацию запаздывающего характера, в то время как другие (патенты, диссертации) не могут обеспечить полноту охвата направлений исследований.
Более адекватной для рассматриваемой задачи информационной базой является массив тематических и отчетных карт, содержащих опережающую и фактическую информацию о научных исследованиях, проводимых по комплексной проблеме союзного значения.
Принцип организации человеко-машинных процедур обработки больших массивов слабоформализованной информации
В последние годы для решения сложных проблем, возникающих, в частности, в задачах управления НИР, находят применение интерактивные системы поддержки принятия решений (СППР), под которыми принято понимать прежде всего информационные системы, помогающие принимать управленче1сие решения при наличии неструктурированного описания реальной ситуации (проблемы). Поскольку данные системы используются при наличии структурируемых ситуаций типовых решений по построению СППР нет: такие системы должны строиться "по мерке" конкретных классов задач [74].
В основу рассматриваемой в настоящей главе ЧМС поддержи принятия решений положен принцип "настраиваемости" на конкретную предметную область Я,, , интересующую пользователя-ЛПР. Настройка системы, под которой будем понимать упорядочение информационного массива по степени принадлежности (соответствия) документов к предметной области Я1 , обеспечивает возможность обработки больших массивов слабоформализованных данных в режиме диалога ЛТ1Р-ЭВМ. Человеко-машинная система (ЧМС) поддержки принятия решений в задачах управления научными исследованиям схематически изображена на рис. 2.
Практические задачи анализа оргсистем характеризуются необходимостью обработки большого числа информационных документов. В этой связи при разработке ШМП принимались во внимание следующие требования: - незначительная информационная нагрузка на экспертов на этапе настройки системы; - малые затраты машинного времени для реализации ЧМП; - обеспечение быстрого ответа системы в режиме диалога. Рассмотрим процедуру формирования выборочного массива документов, необходимого для настройки системы, на примере отраслевых информационных документов - тематических карт на НИР, В формализованном описании документов исходного массива содержатся признаки, характеризующие принадлежность документа к определенной предметной области (ПО). Такими признаками в тематической карте являются, например, номер проблемы или направления, код учреждения, ведомства и т.д. В этом случае пользователь (эксперт) формирует одну часть выборочного массива с помощью стандартных средств информационно-поисковой системы, задавая при этом интересующие его признаки, а другую с использованием рандомизации (случайного поиска).
Следующим этапом настройки является процедура экспертной оценки принадлежности (соответствия) каждого документа из выборочного массива к конкретной предметной области. Сложность однозначной оценки принадлежности объекта к классу в данном случае обусловлена рядом факторов, например, неточностью и неполнотой описания объекта, нечеткостью (расплывчатостью) понятия класса (предметной области), субъективизмом эксперта и т.п.
Как отмечалось в 1.4, количественная оценка нечетких понятий для эксперта, как правило, затруднительна, поэтому реализация процедуры определения степени принадлежности (соответствия) в данном случае непосредственно связана с использованием порядковой шкалы оценок, градации которой представляют собой качественные (словесные) категории,
Конкретный вид шкалы согласуется с экспертом и определяется особенностями прикладной задачи, а также способностью эксперта различать градации оценок. Предполагается, что в процессе проведения экспертной оценки мнение эксперта неизменно в одинаковых ситуациях. В случае затруднения в определении однозначной оценки объекта по выбранной шкале, эксперт указывает интервал шкалы, содержащий данную оценку.
Методика формирования информационной базы для моделирования структуры информационных связей между научными направлениями
Проблемы управления системой научных исследований, проводимых в масштабах страны или отрасли народного хозяйства, связаны с необходимостью анализа современного состояния и тенденций развития комплексных проблем и направлений исследований, содержащих десятки и сотни НИР, взаимодействующих друг с другом. В этих условиях обоснованность решений при планировании и координации НИР в значительной мере определяется возможностью предоставления ЛПР обобщенной информации о системе в диалоговом режиме на основе обработки больших массивов многоаспектной информации о проводимых НИР.
В настоящей главе рассматривается комплекс ЧМП моделирования структуры информационных взаимосвязей между элементами системы научных исследований и анализа динамических особенностей информационной структуры в режиме диалога. Конечной целью человеко-машинного анализа изучаемой системы является выработка обоснованных рекомендаций по корректировке проблемной структуры управления научными исследованиями,
В 3.1 излагается методика формирования информационной базы для моделирования структуры взаимосвязей между научными направлениями, основанная на использовании ЧМП обработки больших массивов слабоформализованных документов.
Раздел 3.2 посвящен вопросу выбора модели информационной связи между элементами изучаемой системы научных исследований в условиях нечеткости исходной информации.
В 3.3 рассмотрены ЧЁЛ анализа динамических свойств информационной структуры научной проблемы в режиме диалога ЛПР-ЭВМ.
Как отмечалось в 1.2, методика формирования информационной базы для моделирования информационных взаимосвязей на основе ручного индексирования исходных информационных документов связана с большими временными затратами на индексирование документов.
Существенное сокращение временных затрат на формирование предмашинной информационной базы для моделирования структуры научных исследований может быть получено за счет использования формализованного описания информации о целях, используемых методах и подходах, результатах проводимых научных исследований. Такая информация, например, содержится в унифицированных регистрационных документах о НИР - тематических и отчетных картах (ТК и (Ж), разработанных в лаборатории проблем управления медицинскими научными исследованиями АМН СССР [82], которые представляют собой многоаспектные описания содержания проводимых исследований. К числу содержательных категорий относятся: цель работы, изучаемые явления, объекты изучения, изучаемые характеристики, используемые методы и подходы. Каждая из категорий представлена набором качественных признаков (дескрипторов), которые образуют соответствующие группы (в приложении I приводится форма отраслевой тематической карты на ВИР в области медицины).
Для формирования адекватного формализованного описания научных работ и уменьшения трудоемкости индексирования документов представляется целесообразным использование т.н. координатного индексирования, т.е. способа выражения основного смыслового содержания документа в виде определенной совокупности ключевых слов (дескрипторов). Рассматриваемая в настоящем разделе методика формирования информационной базы для моделирования структуры информационных взаимосвязей научных направлений ориентирована на наличие массивов машиночитаемых слабоформализованных документов и основана на использовании ЧМП, изложенных в главе 2 диссертации. При разработке методики были сформулированы следующие требования к информационной базе и процедуре ее формирования: - обеспечение полноты охвата информационных массивов; - уменьшение трудоемкости экспертного анализа документов; - обеспечение приемлемого качества описания документов. Методика представляет собой процедуру формирования множества формализованных информационных документов, соответствующих исследуемой предметной области - комплексной научной проблеме, содержащей ряд проблем и направлений. Реализация предложенной методики предполагает наличие перечня направлений исследований по комплексной проблеме союзного значения. Такие перечни разрабатываются научными советами (проблемными комиссиями) по КН.
Формирование допустимого множества альтернатив и способы рационального выбора
Задача рационального выбора альтернатив в общем виде может описываться множеством допустимых альтернатив и заданным на этом множестве отношением предпочтения ЛПР. Информация об альтернативах, на основе которой одни альтернативы можно предпочесть другим, может быть формализована различными способами.
В тех случаях, когда возможно отображение множества альтернатив на числовую ось, рациональным решением считается выбор допустимых альтернатив, на которых функция полезности принимает максимальное значение [б2,89].
В работах [б2,90-92] отмечается, что способ описания реальной информации в виде функции полезности возможен далеко не всегда. Более универсальным является описание информации в форме отношения предпочтения на множестве альтернатив. Нахождение решения в данном случае сводится к определению множества эффективных (оптимальных по Парето) альтернатив [62,93,94].
Подход к решению задачи рационального выбора при наличии нечеткого описания альтернатив и отношений предпочтения был предложен в работе Р.Беллмана и Л.Заде [95] и получил развитие в монографии С.А.Орловского [б2].
Пусть Л - заданное множество альтернатив. Нечеткое отношение нестрогого предпочтения R определяется как нечеткое подмножество (X ) декартова произведения Х Л, которое описывается функцией принадлежности Ыя : ДхА - fO,l], обладающей свойством рефлексивности, т.е. JUitoc = fce«X. Значение / R 2 ") понимается как степень выполнения предпочтения "х" не хуже " и " или X w.
Подход, развиваемый в [б2] заключается в сведении задачи выбора к определению нечеткого подмножества недоминируемых альтернатив, которое описывается функцией принадлежности
Значение Мя 0 представляет собой степень, с которой альтернатива JC не доминируется ни одной из альтернатив множества X . Нечеткое множество недоминируемых альтернатив определяется на основе экспертной информации, формализованной в виде матрицы предпочтений //Ац(х,у)// размером ПхіЬ , где tl -число альтернатив. Получение такой матрицы не представляет большой сложности для эксперта, если /і - мало. Однако в ряде практических задач, когда число допустимых альтернатив сравнительно велико, заполнение матрицы предпочтений чрезвычайно затруднительно в силу большого числа требуемых сравнений.
В этой связи возникает необходимость в разработке процедуры, использующей, по возможности, малое число экспертных сравнений для выделения множества максимально недоминируемых альтернатив ЛНА [б2].
Прежде чем перейти к изложению алгоритма, реализующего предложенную в диссертации интерактивную процедуру выбора максимально недоминируемых альтернатив, рассмотрим вопросы, связанные с формированием допустимого множества альтернатив в случае нечетких ограничений [б2].
Шножество допустимых альтернатив при наличии нечетких ограничений описывается нечетким подмножеством (х,/1с(х)) множества где ис(рс - степень допустимости альтернативы f62]. В качестве примера рассмотрил содержательную постановку следующей задачи, возникающей при управлении научными исследованиями. Пусть тлеется массив X документов (отчетных тарт), содержащих информацию о законченных темах НИР по проблеме (q , состоящей из ряда направлений. Экспертная информация о парном сравнении альтернатив (тем) по критерию результативности формализуется в виде отношения предпочтения R на множестве X . Задача заключается в том, чтобы по данной информации сделать обоснованный выбор альтернатив (тем), оказавших наибольшее влияние на развитие определенного научного направления С . Допустимыми альтернативами, степень допустимости ЛсЪс) которых равна I, являются темы, проводимые в рамках данного научного направления С. Однако, вводить четкую границу множества допустимых альтернатив, по-видимому, нецелесообразно, поскольку может случиться так, что темы, проводимые по другим проблемам, тем не менее оказали существенное влияние на развитие данного направления, В подобных задачах целесообразно формировать нечеткое множество допустимых альтернатив с использованием человеко-машинных процедур обработки слабоформализованной информации, описанных в главе 2. Четкие ограничения на допустимую область (в данном случае - рассматриваемый временной интервал), а также формализованные признаки (коды), характеризующие принадлежность темы к направлению, позволяют сформировать выборочный массив документов для "настройки" ЧМC на ПО, соответствующую научному направлению С.
В результате применения ЧШІ исходный массив информационных документов упорядочивается по степени принадлежности к данному направлению и предлагается экспертам для определения степени допустимости у сСх) альтернатив. Решением задачи рационального выбора альтернатив при нечеткой информации, согласно подходу Беллмана-Заде [95], считается пересечение нечетких множеств цели (множества XHL недоминируемых альтернатив) и ограничений. Таким образом, функция принадлежности решений М имеет вид:
