Содержание к диссертации
Введение
Глава 1. Анализ подходов к математическому моделированию многокритериальных задач принятия решений
1.1. Введение в проблематику принятия решений 10
1.2. Постановка, классификация и методы формализации задач принятия решений 18
1.3. Анализ источников возникновения и видов взаимного влияния критериев 24
1.4. Обзор существующих моделей, методов и программного обеспечения поддержки принятия решений при многих критериях 27
1.5. Выводы по главе. Цель и задачи диссертационной работы 45
Глава 2. Постановка и анализ многокритериальной задачи выбора в условиях взаимной зависимости критериев и наличия качественных оценок
2.1. Обоснование выбора и анализ свойств объекта исследования 47
2.2. Разработка модели представления предметной области 52
2.3. Разработка обобщенного алгоритма и построение информационной модели анализа и решения задачи-объекта исследования на основе семантической модели предметной области 54
2.4. Разработка общих принципов математического моделирования этапов анализа и решения задачи 66
2.5. Выводы по главе 69
Глава 3. Исследование математических моделей принятия решений в условиях взаимной зависимости критериев
3.1. Анализ принципов и построение модели семантического описания предметной области 70
3.2. Разработка методов формализации задач на основе семантической модели предметной области 83
3.3. Построение решающих моделей различных типов в зависимости от структуры предпочтений лица, принимающего решения 90
3.4. Исследование механизмов перехода от семантической модели предметной области к модели задачи 98
3.5. Определение подходов к анализу устойчивости полученного решения 101
3.6. Выводы по главе 107
Глава 4. Разработка интеллектуальной системы поддержки принятия решений на основе концепции семантического расширения иерархических и сетевых моделей
4.1. Формирование структурных и функциональных требований к программному комплексу 108
4.2. Объектно-ориентированное представление семантической модели предметной области и модели задачи 110
4.3. Функциональные характеристики программного комплекса 115
4.4. Описание структуры и принципов функционирования программного комплекса и входящих в него подсистем и модулей 118
4.5. Исследование путей применения программного комплекса 127
4.6. Выводы по главе 129
Глава 5. Применение разработанных моделей, алгоритмов и программного обеспечения для решения практических задач 152 154
- Постановка, классификация и методы формализации задач принятия решений
- Разработка обобщенного алгоритма и построение информационной модели анализа и решения задачи-объекта исследования на основе семантической модели предметной области
- Определение подходов к анализу устойчивости полученного решения
- Описание структуры и принципов функционирования программного комплекса и входящих в него подсистем и модулей
Введение к работе
Характерной чертой многих технических, экономических, социальных, управленческих и других проблем является наличие нескольких альтернативных вариантов их решения. Таким образом, задачу принятия решений (ЗПР) можно считать одной из самых распространенных в любой предметной области. Процесс анализа и решения ЗПР в большинстве случаев заключается в генерации возможных альтернатив, их оценке и выборе альтернативы, наиболее предпочтительной для лица, принимающего решение (ЛИР), в контексте имеющейся ситуации.
Среди особенностей, присущих большинству реальных ЗПР, можно в первую очередь выделить:
трудноформализуемостъ, обусловленную неполнотой исходной информации, отсутствием ресурсов на проработку всех альтернатив, наличием большого числа критериев оценки и выбора, имеющих сложную структуру взаимосвязи, а зачастую и противоречащих друг другу, необходимостью обработки и сопоставления качественных понятий;
уникальность, которая во многих случаях связана с принципиальной новизной возникающих задач, отсутствием у ЛПР опыта их решения, а также отсутствием во многих предметных областях международных стандартов, регламентирующих наборы критериев и методики критериального оценивания;
тенденцию к удорожанию ошибок, связанных с неверно принимаемыми решениями.
Все это обусловливает необходимость автоматизированной поддержки методов, позволяющих заранее оценить последствия каждого решения, исключить недопустимые варианты и рекомендовать наиболее удачные. Важную роль при разработке таких методов играет построение математических моделей принятия решений (ПР), учитывающих особенности структуры исходной инфор-
мации и не противоречащих интуитивным представлениям J11 IP о предпочтительности того или иного решения в условиях конкретной задачи.
Научным направлением, лежащим в основе моделирования процессов ПР при многих критериях, является методология многокритериального анализа решений. В последнее время наблюдается развитие в ее рамках методов, ориентированных на учет и формализацию ситуаций, связанных с наличием взаимовлияния элементов ЗПР, выражающегося в первую очередь в форме взаимной зависимости критериев и альтернатив. Среди таких методов можно в первую очередь выделить семейство методов иерархического и сетевого анализа. Вместе с тем, многие из них сложны для алгоритмической реализации и требуют разработки новых моделей для каждой решаемой задачи в рамках общей предметной области. На практике, при решении даже относительно простых (в смысле количества критериев, альтернатив, связей и др. элементов модели) задач, приходится выполнять значительный объем работы, связанной с получением оценок интенсивности взаимосвязей. С повышением же сложности модели, дополнительно усложняется проверка ее корректности, в частности, возможна потеря значимых компонентов.
Таким образом, можно сделать вывод об актуальности работ, направленных на построение, исследование и поддержку математических моделей ПР в условиях взаимной зависимости критериев и альтернатив, для исследования всего комплекса проблем автоматизации принятия решений.
Целью диссертационной работы является разработка математических моделей, методов и средств автоматизации процессов многокритериального выбора решений в условиях взаимной зависимости критериев и альтернатив и наличия качественных оценок.
При выполнении исследований и решении поставленных в работе задач использовались научные положения системного анализа, теории принятия решений и инженерии знаний; математические методы принятия решений при многих критериях, в том числе методы анализа иерархий (МАИ) и сетей
т (MAC); элементы теории нечетких множеств и лингвистических переменных.
При разработке программных модулей использовались объектно-ориентированные технологии проектирования, СОМ-технологии и стандарт XML обмена информацией.
Научная новизна работы состоит в следующем:
Разработана концепция семантического расширения иерархических и сетевых моделей ПР на основе двухуровневого представления базы знаний, описывающей предметную область.
Построена многоуровневая модель описания предпочтений J11 IP на основе иерархической и сетевой декомпозиции задачи.
а 3. Разработаны методы автоматизации построения, проверки и корректировки
модели ЗПР на основе семантического описания предметной области. 4. Предложена методика формирования семантического описания предметной области в задачах выбора программно-технических средств на основе международного стандарта ISO 9126:1991.
Практическую ценность работы составляют:
Созданный программный комплекс поддержки принятия решений, применение которого при анализе задач многокритериального выбора в условиях взаимной зависимости критериев и наличия качественных оценок позволяет снизить трудоемкость анализа и повысить научно-техническую обоснован-ность принимаемых решении.
Разработанные методы применения стандарта ISO 9126:1991 при выборе оптимальной конфигурации программно-технических средств.
Предложенные методы применения моделей семантического расширения для задачи выбора оптимальной конфигурации программно-технических средств.
Цель и поставленные задачи определили структуру работы:
В первой главе рассмотрены типичные задачи принятия решений, дано
# их формализованное описание и классификация на основании работ В.И. Авер-
ченкова, А.В. Андрейчикова, Р.Л. Кини, О.И. Ларичева, В.В. Мирошникова, Т. Саати, X. Райфа, Э.А. Трахтенгерца, Э. Формана и других. Рассмотрены существующие математические модели и методы поддержки ПР в условиях много-критериальности, нечеткости оценок и взаимного влияния критериев. Проанализированы источники появления взаимной зависимости критериев и влияние учета обратных связей на получаемые результаты. Проведены анализ и сравнение возможностей наиболее распространенных универсальных программных систем поддержки принятия решений (СППР), по результатам чего сделан вывод об актуальности проблемы автоматизации принятия решений в условиях взаимной зависимости критериев и альтернатив. Исходной базой автоматизации является разработка математических моделей и методов ПР, эффективность которых во многом определяется использованием формализованного представления предметной области, а также учетом качественных оценок и взаимного влияния элементов модели.
Сделан вывод, что при анализе и решении многокритериальных ЗПР в условиях взаимной зависимости критериев и наличия качественных оценок наиболее перспективным является использование МАИ и MAC. Вместе с тем, требуется разработка концепции семантического расширения иерархических и сетевых моделей, которая позволила бы выполнять автоматизированное построение моделей конкретных ЗПР на основе семантического описания предметной области, проводить проверку корректности и обоснованности построенных моделей, повторно использовать ранее созданные модели.
Во второй главе рассматривается структура и свойства объекта исследования - многокритериальной задачи выбора и ранжирования альтернатив с детерминированными исходами в условиях взаимной зависимости критериев и наличия качественных оценок. На основании результатов исследования свойств, присущих данной объекту исследования, с учетом теории принятия многокритериальных решений и системного подхода разработан обобщенный алгоритм анализа и решения задачи, сформированы информационные модели
его этапов. По результатам построения обобщенного алгоритма и информационных моделей определяется набор математических моделей, разработка и исследование которых необходимы для решения выбранной задачи и обеспечения автоматизированной поддержки процесса решения.
Третья глава посвящена исследованию математических моделей принятия решений в условиях взаимной зависимости критериев и альтернатив. Строится математическая модель разработанной концепции семантического расширения. Представлены модель предпочтений ЛПР, строящаяся путем совместного применения иерархических и сетевых структур, модели критериального оценивания, основанные на получении оценок альтернатив, сил связей и видов взаимодействий путем применения различных методов оценки. Также предлагается метод синтеза оценок предпочтительности альтернатив и вкладов элементов модели, основанный на применении комбинации иерархических и сетевых моделей принятия решений, и рассматривается модель синтеза обобщенных оценок.
В четвертой главе рассматриваются вопросы разработки программного комплекса (ПК) поддержки семантического моделирования и принятия решений в условиях взаимной зависимости критериев и альтернатив. Требования к ПК формируются с учетом разработанных моделей принятия решений и принципов визуального проектирования. Определены и формализованы основные понятия, связанные с представлением объектов и отношений между ними. Приводятся функциональные характеристики разработанного программного комплекса, описание его структуры и принципов работы. Анализируются возможные пути развития и применения программного комплекса.
В пятой главе освещаются вопросы, связанные с применением разработанной концепции семантического расширения и программного комплекса при решении практических задач. Рассмотрено построение семантической модели предметной области программно-технических средств, включающее в себя предварительный выбор, формализацию и обоснование набора исходных
данных, отражающих общие особенности потребителей и этапы жизненного цикла программных систем (ПС). На основе построенной семантической модели формализована и решена задача выбора системы управления базами данных (СУБД) для отдела «АСУ ВУЗ» технического университета. Также решена задача обоснования выбора открытия новой специализации на кафедре технического вуза. Проведено сравнение функциональных возможностей разработанного программного комплекса и существующих Oil IP, основанных на применении МАИ и MAC.
Результаты исследований позволили сформировать следующие положения, выносимые на защиту:
Концепция семантического расширения иерархических и сетевых моделей ПР.
Обобщенный алгоритм и информационная модель анализа и решения многокритериальной задачи выбора в условиях взаимной зависимости критериев и альтернатив.
Многоуровневая модель описания предпочтений ЛПР на основе иерархической и сетевой декомпозиции задачи.
Модели синтеза оценок предпочтительности альтернатив при использовании концепции семантического расширения.
Структура программного комплекса поддержки семантического моделирования и принятия решений в условиях взаимной зависимости критериев и альтернатив.
Модели и методы формирования семантического описания предметной области для выбора программно-технических средств на основе международного стандарта ISO 9126:1991.
Методика применения семантического расширения для решения задачи выбора оптимальной СУБД и принятия решения об открытии специальности в вузе.
Постановка, классификация и методы формализации задач принятия решений
Общая схема процесса принятия решения включает следующие основные этапы [7, 8]: 1. Предварительный анализ проблемы. На этом этапе определяются: - главные цели; - уровни рассмотрения, элементы и структура системы (процесса), типы связей; - подсистемы, используемые ими основные ресурсы и критерии качества функционирования подсистем; - основные противоречия, узкие места и ограничения. 2. Постановка задачи принятия решений. На данном этапе строится математическая модель ЗПР, формируется система решающих правил, которая затем применяется для получения исходных данных и резуль татов. Постановка конкретной ЗПР включает: - формулирование задачи; - определение типа задачи; - определение множества альтернативных вариантов и основных критериев для выбора из них наилучших; - выбор метода решения ЗПР; 3. Получение исходных данных. На данном этапе устанавливаются способы измерения альтернатив, взаимодействий между элементами, среди которых могут быть либо сбор количественных (статистических) данных, либо методы математического или имитационного моделирования, либо методы экспертного оценивания. 4. Решение ЗПР с привлечением математических методов и автоматизированных систем поддержки принятия решений. На этом этапе производятся математическая обработка исходной информации, ее уточнение и модификация в случае необходимости [13, 26, 68, 91, 92]. Их применение может иметь итерационный или параллельный характер. 5. Анализ, интерпретация и реализация полученных результатов. Полученные результаты могут оказаться неудовлетворительными и потребовать изменений в постановке ЗПР. Кроме того, решение ЗПР может занимать достаточно длительный промежуток времени, в течение которого окружение задачи может измениться и потребовать корректировок в постановке задачи, а также в исходных данных (например, могут появиться новые альтернативы, требующие введения новых критериев). Наконец у ЛПР может возникнуть желание проработать как можно большее число альтернатив, исследовать чувствительность решения и т.д. Во всех этих случаях необходимо будет возвращаться на этап 2 или этап 1 и пройти заново весь путь, что может приводить к появления новых ЗПР. Следовательно, итерационность и параллельность выполнения являются закономерным свойством ЗПР, что под 20 черкивает необходимость использования автоматизированных систем поддержки принятия решений.
Следует отметить, что рассмотренные этапы редко выполняются строго последовательно. Работа может вестись по нескольким этапам одновременно (например, первый и второй, второй и третий), а вся задача в целом рассматривается несколько раз. Наибольшая вычислительная сложность у этапов 3 и 4, выполнение которых затруднено без компьютерной поддержки. При решении большого количества задач со сложной структурой взаимодействий между элементами в рамках одной предметной области необходима автоматизация этапов 1 и 2, что позволит значительно повысить качество получаемой модели и упростить выполнение последующих этапов. Как уже отмечалось в 1.1, одной из важнейших составляющих компьютерной поддержки принятия решений является разработка и применение эффективных математических моделей и методов принятия решений, учитывающих структуру информационного окружения проблему и систему предпочтений ЛПР. В связи с этим необходимо рассмотреть структуру задачи принятия решений более подробно.
В обобщенном виде содержательная постановка ЗПР может быть сформулирована следующим образом:
Имеется множество взаимосвязанных элементов, часть которых является альтернативными вариантами решения, реализация каждого из которых приводит к наступлению некоторых последствий (исходов). Анализ и оценивание исходов, влияния взаимодействий между элементами по набору показателей (критериев) однозначно характеризует вклады альтернатив и других компонентов модели. Требуется на основе предпочтений ЛПР построить модель выбора альтернативы или некоторого набора альтернатив, лучших в некотором конкретном смысле.
Приведенная постановка проблемы допускает следующее формальное описание ЗПР [7,14, 15]: T,X,AJ,R,C,f,P,D , (1.1) где Т - постановка задачи, например, выбрать лучшую альтернативу, упорядочить весь набор альтернатив, выполнить оценку важности каждого элемента модели задачи и другие варианты, рассмотренные в 1.1; X - множество элементов модели: альтернатив, иерархий, кластеров и т.д.; А с Х- множество допустимых альтернативных вариантов Y— множество исходов, получаемых при выборе альтернативы; R - множество отношений между элементами; С - критерий оценки исходов и взаимодействий между элементами задачи, часто С = {Сі, ..., CN} - в этом случае имеем дело с набором критериев или векторным критерием; /- отображение множеств Y и R в множество критериальных оценок, т.е. методика критериального оценивания; Р - структура предпочтений J11 IF, задаваемая с помощью множества связей между элементами модели R; D - решающее правило, отражающее систему предпочтений. Необходимо построить некоторое решающее правило или алгоритм D, позволяющее на основе заданных множеств элементов X и связей между ними R, отражающих структуру предпочтений Р получать требуемой в зависимости от постановки задачи Г решение.
Каждой альтернативе аєА соответствует единственный (детерминированный или случайный) исход yeY, который характеризуется векторной оценкой С(у).
Система предпочтений J11 IF выражается совокупностью множеств элементов модели, исходов и критериев, на базе которых с помощью описания характера и силы их взаимодействий R производится структуризация
Разработка обобщенного алгоритма и построение информационной модели анализа и решения задачи-объекта исследования на основе семантической модели предметной области
Выделяются основные свойства объекта исследования и представлены основные этапы процесса принятия решений. Среди них определяющими являются этапы получения исходных данных, постановки задачи и непосредственно решение ЗПР. Указанные три этапа часто рассматриваются совместно, ввиду их параллельного выполнения и тесных взаимосвязей. Для их общего обозначения используется термин анализ решений [7, 29, 33, 72]. В работе [29] рассмотрены принципы системного подхода к анализу решений.
Существует несколько подходов к математическому описанию сложных систем, среди которых выделяется системный анализ — методология решения проблем, основанная на структуризации систем и количественном сравнении альтернатив [11, 47]. Применение системного анализа при построении математических моделей и информационных систем дает возможность выделить перечень и указать целесообразную последовательность выполнения взаимосвязанных задач, позволяющих не упустить из рассмотрения важные стороны и связи изучаемого объекта автоматизации. В состав системного анализа входят задачи декомпозиции, анализа и синтеза. В ходе декомпозиции исследуемый процесс разбивается на части (элементы системы). Элемент - это наименьшая неделимая функциональная часть исследуемой системы, которая представляется в виде «черного ящика», т.е. ее внутренняя структура не рассматривается. В ходе этапов анализа и синтеза элементы объединяются на основе структурной или логической схемы при помощи внешних связей. Выделение связей разных видов наряду с выделением элементов является существенным этапом системного анализа и позволяет судить о сложности рассматриваемой системы. При дальнейшем, более детальном разбиении системы на подсистемы, внутренние связи приобретают свойства внешних и процесс повторяется на новом уровне. Одна из основных целей системного анализа - выявление внутренних свойств системы, определяющих ее поведение.
Применительно к процессу анализа решений элементами являются этапы данного процесса, а роль связей играют используемая информация, методы ее обработки, а также отношения, определяющие последовательность этапов. Описание процесса может вестись посредством описания алгоритма его осуществления и информационной модели, отражающей структуру процесса на уровне определения его компонентов и информационных связей между ними, с учетом динамики их изменения и уточнения в ходе выполнения процесса.
На основе применения системного подхода, с учетом свойств объекта исследования, рассмотренных в 2.1, концепцией семантического расширения методов принятия решений, предложенной в 2.2, и рекомендациями относительно методологии анализа решений, приведенными в работах [7, 8, 33, 60], разработан обобщенный алгоритм анализа и решения задачи, выбранной в качестве объекта исследования, и сформирована информационная модель данного процесса.
Схема обобщенного алгоритма представлена на рис. 2.2. Процесс анализа и решения задачи состоит из шести основных этапов, каждый из которых включает в себя промежуточные стадии. Стрелки показывают связи между этапами, отражающие возможную последовательность их выполнения и направления передачи информации. Алгоритм решения задачи в соответствии с концепцией семантического расширения можно разделить на три части: - формирование формализованного семантического описания предметной области в виде шаблона S, которое выполняется на первом этапе; - разработка формальных правил FM построения модели задачи на основе шаблона S, выполняемая на втором шаге обобщенного алгоритма; - последующие этапы (3-6) постановки, формализации, структуризации и решения задачи. Отметим, что в процессе решения задачи различные этапы алгоритма могут выполняться параллельно и итерационно, что хорошо согласуется с принципами системного подхода и общей методологией анализа решений. Рассмотрим составляющие данного алгоритма. Построение семантической модели предметной области выполняется ЛПР один раз при решении первой задачи из новой прикладной области. В дальнейшем построенное описание может корректироваться и дополняться. Этап построения семантической модели предметной области начинается с определения предметной области, общей задачей которого является подготовка данных для последующего определения основных элементов моделируемой области, анализа их типов (ролей), определения возможных связей между ними. Данный этап является трудноформализуемым, так как часто отсутствует готовый набор стандартных элементов с заданными связями между ними
Определение подходов к анализу устойчивости полученного решения
Механизмы анализа полученных результатов и сквозного внесения изменений в модель задачи и семантическую модель: - проверка качества данных; - выделение важных и малозначимых элементов; - анализ чувствительности - путем колебаний значений оценок вблизи ближайших значений; - прогнозирование - путем использования динамических приоритетов.
Одним из пунктов проверки качества результатов является проверка качества данных. Зная величины достоверности и относительной согласованно-сти в масштабах модели, можно оценить степень доверия к полученным результатам. Например, априорно задаются «пороговые» значения для достоверности и согласованности. Если после проведения расчетов для модели оказалось, что достоверность превышает «пороговое» значение и относительная согласованность меньше соответствующего «порогового» значения, то полученные приоритеты заслуживают доверия и на их основе можно сделать обоснованные рекомендации для принятия решения.
Однако для проверки качества результатов недостаточно только проверки качества данных. В зависимости от специфики задачи требуется, чтобы полу чи ченные векторы приоритетов удовлетворяли определенным требованиям. Выбор критерия, по которому можно определить подходит ли полученный приоритет для поддержки принятия решения или следует продолжить работу над проблемой, является прерогативой J11 IF. Получение близких оценок при решении задач ранжирования альтерна тив может быть вызвано тем, что при подготовке данных не удалось выявить существенных различий между сравниваемыми объектами. Если это не связано с существом дела, то рекомендуется провести сбор данных заново: использо щ вать других экспертов, использовать другие параметры сравнений (другие шка 102 лы могут дать больше возможностей для выявления различий между сравниваемыми объектами).
Однако часто целесообразно использовать белее радикальный способ. Структуру модели следует изменить: исключить несущественные элементы или добавить дополнительные элементы. Наличие несущественных элементов часто приводит к «сглаживанию» результатов. Добавление дополнительных факторов, влияющих на приоритеты, часто дает больше возможностей для выявления различий.
Можно сформулировать следующее правило проверки качества результатов. Наряду с проведением моделирования ситуации принятия решения задаются априорные ограничения на ожидаемые ранги (или требования, которым должны удовлетворять ранги) как для кластеров, так и для уровней. Кроме того, следует определить допустимую меру нарушения ограничений. Если полученные ранги не вступают в конфликт с ограничениями или не превышена допустимая мера нарушения ограничений, то полученные результаты подходят для поддержки принятия решений.
Для оценки качества результатов можно использовать информацию о несущественных и существенных факторах, оказавших влияние на ранги возможных решений.
Если модель содержит малое количество факторов и все они признаны существенными, то это может быть следствием того, что количество факторов не достигло насыщения и некоторые важные факторы не учтены. Тогда процесс моделирования следует продолжить.
Если модель учитывает большое количество факторов и многие из них оказались несущественными, то это может быть следствием того, что не учтены корреляции между факторами. Способы расчета, принятые в МАИ и MAC, наиболее подходят к тем случаям, когда на возможные решения оказывают влияния слабо коррелирующие факторы. Поэтому в рассматриваемой ситуации может произойти искажение приоритетов.
Таким образом, результаты следует признать заслуживающими доверия, если при допустимых изменениях структуры модели приоритеты не претерпевает значительных изменений. В этом случае можно утверждать, что результаты устойчивы по отношению к вариации структуры модели.
Кроме того, целесообразно провести проверку устойчивости результатов по отношению к изменениям данных. Действительно, данные всегда имеют некоторую погрешность. Если изменение данных в пределах погрешности не ведет к значительному изменению рангов, служащих для поддержки принятия решения, то полученные результаты заслуживают доверия.
Полный анализ качества результатов включает в себя учет динамики изменения приоритетов, анализ предистории и прогноз последствий принимаемого решения. Кроме того, целесообразно провести сравнительный анализ полученных результатов с результатами, на основе которых в сходных ситуациях ранее принимались решения. Т.е. можно проанализировать опыт принятия подобных решений.
Проверка устойчивости результатов сводится к анализу изменения результатов при незначительных изменениях данных или структуры модели. Т.е. фактически рассматриваются близкие по смыслу ситуации принятия решения. Результаты признаются устойчивыми, если при незначительных изменениях данных или структуры модели, изменения рангов не выходят за рамки заранее заданных ограничений.
Модель ситуации принятия решения всегда обладает некоторыми неточностями: данные содержат противоречия, в структуре есть лишние элементы и т.п. Для проверки устойчивости результата задаются условия: 1) мера изменения рангов - ограничения, при нарушении которых ранги считается неустойчивым; 2) количество тактов (итераций) проверки; 3) изменяемые параметры модели: данные, связи, узлы
Описание структуры и принципов функционирования программного комплекса и входящих в него подсистем и модулей
ПК NDA проектировался и разрабатывался как универсальная информационная система, обеспечивающая компьютерную поддержку принятия решений в условиях взаимной зависимости критериев и альтернатив, а также наличия качественных оценок. Программный комплекс инвариантен по отношению к предметной области и рассчитан на использование пользователями различной квалификации: аналитики специализированных подразделений, например, кредитные отделы банков, эксперты, руководящие работники и т.д.
Основным путем применения ПК NDA является его использование в качестве универсальной автоматизированной системы поддержки принятия решений, поддерживающей создание семантической модели предметной области, на основе которой будет строиться решение конкретных задач. Такая возможность обеспечена как наличием поддержки классических математических моделей и методов, так и реализацией концепции семантического расширения, которая позволяет значительно уменьшить временные затраты на разработку математических моделей и получение более устойчивых и обоснованных решений. Кроме того, реализованный принцип визуального построения моделей и однозначного соответствия визуального изображения получаемым математическим моделям, позволяет не требовать от пользователя специальных навыков и знаний для работы в ПК NDA.
Альтернативным способом применения комплекса является его использование для решения задач, требующих быстрого получения решения без построения формализованного описания предметной области. В этом случае преимуществом его применения будет являться удобный пользовательский интерфейс, поддержка большого количества решающих моделей, способов задания оценок и представления результатов. На основе такого решения возможно решение обратной задачи - построение семантического представления по модели задачи с вытекающими из этого преимуществами.
Наглядный и интуитивно понятный интерфейс позволяет рекомендовать программный комплекс для использования в учебном процессе как средство программного обеспечения лабораторного практикума по дисциплинам, связанным с изучением теории и приложений теории многокритериального принятия решений.
В настоящее время ПК NDA используется как информационная система программной поддержки математического моделирования в условиях взаимной зависимости критериев на кафедре «Информатика и программное обеспечение» Брянского государственного технического университета и используется в качестве тренажера при проведении лабораторных занятий по дисциплинам «Интеллектуальные системы» и «Методы принятия решений» (прил.
За счет использования модульного принципа построения системы возможно расширение ее функциональных возможностей путем подключения пользовательских модулей (плагинов). Такой подход позволяет пользователю системы, опираясь на ее открытую архитектуру, самостоятельно развивать ее возможности, например, реализуя новые решающие модели или методы критериального оценивания без изменения существующего кода.
Применение СОМ технологий позволяет использовать ПК NDA в качестве стандартного сервера автоматизации Windows и, следовательно, встраивать его в пользовательские приложения. Таким образом, возможно использование комплекса как вспомогательной подсистемы обработки моделей принятия решений в среде экспертных систем.
Используемый в программном комплексе для представления моделей и обмена данными стандарт XML позволяет практически неограниченно расширять возможности его применения: выполнять обмен данными в универсальном формате, напрямую обращаться ко всем современным СУБД, выполнять про 129 верки корректности передаваемой информации, гибко изменять структуру модели и т.д. С учетом инвариантности модели принятия решений относительно предметной области и ее гибкости, можно автоматизировать поддержку принятия решений в технической [1, 3, 4, 5, 6, 9, 16, 17, 50], социально-экономической и управленческой областях [2, 56]. Разработанные математические модели, методы и созданный программный комплекс позволяют автоматизировать построение математических моделей, уменьшают объем ручной работы, повышают уровень корректности и обоснованности получаемых моделей и решений. Использование семантического расширения позволяет перейти от «интуитивного» описания иерархий и сетей, лежащих в основе той или иной модели ПР, к методикам обоснованного выбора их структуры и параметров, а также обеспечивает возможность автоматизации указанного процесса
