|
или наиболее различающими оценками (в зависимости от применяемого алгоритма кластеризации) в один кластер. При этом использование общих принципов кластеризации объектов позволит разбить множество строительных объектов либо на заранее заданное количество кластеров, либо на некоторое предварительно неизвестное количество кластеров, являющееся оптимальным для данного множества строительных объектов с точки зрения выбранного показателя качества кластеризации. Кроме того, вовлечение для представления неопределенности НМТ1 и ИНМТ2 обеспечит получение адекватных результатов кластеризации для множеств строительных объектов, содержащих как кластеры подобной плотности и подобного объема, так и кластеры существенно разной плотности или существенно разного объема. Использование новых методов кластеризации технического состояния зданий и сооружений позволит создать качественно новые программные средства, существенно расширяющие перечень задач поддержки принятия решений в условиях неопределенности и обеспечивающие повышение адекватности и объективности принятия решений при низких временных затратах. Основные результаты 1. Сформулирована задача классификации технического состояния зданий и сооружений в условиях современного города, предполагающая использование современной нормативной базы по комплексному обследованию и мониторингу технического состояния зданий и сооружений. Показано, что задача классификации технического состояния зданий и сооружений возникает достаточно часто, и необходимость ее решения ощущается очень остро как специалистами, работающими в сфере жилищно-коммунального хозяйства, так и аналитиками рынка недвижимости, риэлторами, оценщиками и др. 69 |
раметров моделирования, а поиск эффективных решений сопровождается значительными временными затратами из-за необходимости выполнения многократных реализаций используемых методов, моделей и алгоритмов с целью выбора оптимальных параметров. Актуальность настоящей, работы определяется необходимостью разработки эффективных методов, моделей и алгоритмов поддержки принятия решений в условиях неопределенности, обеспечивающих высокую1обоснованность и адекватность принимаемых решений при низких временных затратах. Использование различных модификаций ГА позволяет решить проблему выбора оптимальных параметров методов, моделей и алгоритмов поддержки принятия решений в условиях неопределенности при приемлемых временных затратах. Комплексное использование инструментария ТНМ, нечеткой логики, теории мультимножеств и генетических; алгоритмов позволя-, ет создать качественно новые программные средства, существенно расширяющие перечень рассматриваемых задач поддержки принятия решений в условиях неопределенности и обеспечивающие повышение точности, адекватности и объективности (а следовательно, и эффективности) принятия решений в условиях неопределенности. Объект исследования. Объектом диссертационного исследования, являются методы, модели и алгоритмы поддержки принятия решений в условиях неопределенности, а также их практические реализации в системах поддержки принятия решений. П редм ет и сследован ия. Предметом исследования являются:. 1. Модели прогнозирования процессов, с преобладающей-детерминированной составляющей, представленных временными рядами с короткой длиной актуальной части, в условиях отсутствия априорной информации о вероятностных характеристиках процесса. 2'. Модели поддержки принятия решений с использованием систем нечеткого вывода. 27 type-1 and type-2 fuzzy sets» — «OCMT1T2FS») внедрены и используются в деятельности ООО «Независимый: центр оценки и экспертиз» при решении задачи оценки технического состояния зданий и сооружений как задачи кла-' стеризации при нечётком определении состояний многомерных объектов и задачи, оценки недвижимости как задачи оценки потенциального качества изменяемых многомерных объектов при малых объёмах априорной информации соответственно. Опытная эксплуатация подтвердила целесообразность использования ПНИ' «ExpertEstimationFuzzyDeliiTlT2FS» при; формировании обобщенного мнения, экспертов с использованием центроидов НМТ1, а в сложных случаях центроидов ИНМТ2, применение которых позволяет дифференцировать объекты,; имеющие равные центроиды НМТГ для оценок по некоторым критериям; ППП «OCMT1T2FS» показал свою высокую эффективность при решении задач многокритериальной кластеризации совокупностей объектов, содержащих как кластеры подобной плотности и подобного объема, так и кластеры существенно разной плотности или существенно разного объема: . . Программная реализация ППП «ExpertEstimationFuzzyDelfiTlT2FS» выполнена с использованием методов оценивания объектов на основе НМТ1 и ИНМТ2, изложенных в главе 3. Программная реализация ППП «OCMT1T2FS» выполнена с использованием; методов и алгоритмов, изложенных в главах 4 и 5. 6. Результаты полученных в диссертации теоретических, прикладных и экспериментальных исследований используются в учебном процессе Рязанского государственного радиотехнического университета при обучении студентов специальности 230105 «Программное обеспечение вычислительной техники и автоматизированных систем» в курсе «Проектирование искусственного интеллекта», специальности 080801 «Прикладная информатика в экономике» в курсе «Информационные технологии» и «Элементы теории не35 ГЛАВА I ОБЗОР И АНАЛИЗ МЕТОДОВ,, МОДЕЛЕЙ И АЛГОРИТМОВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ 1.1 Проблема;поддержки принятия решений в условиях неопределенное in Проблема-принятия-решений в условиях неопределенности занимает важное место в общей проблеме принятия решений; Успешное решениеданной проблемы в настоящее время* невозможно без применения новых информационных технологий* составной частью которых являются интеллектуальные средства-обработки информации. Комплексное использование аппарата теории' нечетких множеств, нечеткой, логики, теории мультимножеств и генетического программирования позволяет создать качественно новые программные средства, существенно расширяющие перечень, рассматриваемых задач поддержки принятия решений в условиях неопределенности и обеспечивающие повышение точности,, адекватности и объективности (а,.следовательно,.и эффективности) принятия решений в условиях неопределенности.. Принципиальной особенностью задач поддержки принятия решений в условиях неопределенности является; необходимость учета того факта, что измерения входных и выходных данных выполняются на уровне «мягких измерений» [280].! Поэтому адекватное представление таких данных возможно только за счет представления их в виде нечетких чисел или нечетких переменных. Проблеме принятия решений в условиях неопределенности посвящено значительное количество работ [1, 4-6, 22,. 161, 162, 166, 191, 210, 219, 220, 223, 254, 326]. Наибольший вклад в развитие теории принятия решений в условиях неопределенности внесли А.Н. Аверкин, Р. Беллман, Л.С. Бернштейн, ■ . 43 |