Модели и алгоритмы системы коллективного интеллекта в решении задач развития промышленного предприятия

• Автор: Маркарян, Лаура Виликовна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Москва
• Количество страниц: 123 с. : ил.

Оглавление
Введение
Глава 1. Современное состояние систем коллективного
творчества и коллективного принятия решений
1.1. Основные подходы в системах принятия решений
1.2. Существующие подходы к проблеме коллективного творчества
1.3 Компьютерная поддержка коллективной работы
1.4 Генетические алгоритмы и коллективное принятие решений
1.5 Метод эволюционного согласования решений
1.6 Результаты экспериментов по восстановлению субъективного портрета
коллективом экспертов
Выводы
Постановка задачи
Глава 2. Разработка системы коллективного интеллекта
2.1 Математическая модель виртуального эксперта
2.2 Этапы разработки экспертных систем
2.3 Коллективный интеллект. Этапы формирования системы
2.4 Принцип работы системы коллективного интеллекта
2.5 Программное обеспечение системы коллективного интеллекта
2.6 Оптимизация алгоритма системы коллективного интеллекта
2.7 Качественная и количественная оценка компетентности экспертов
2.8 Качественная оценка уровня согласованности мнений экспертов
Выводы
Глава 3.Применение системы коллективного интеллекта в решении задач промышленных предприятий и в образовании
3.1 Применение системы коллективного интеллекта для Форсайт-проектов

3.2 Разработка и внедрение производственной системы
3.3 Решение задач развития «ОАО Ставропласт» при реализации системы коллективного интеллекта
3.4 Алгоритм применения системы коллективного интеллекта для выбора инновационного оборудования
3.5 Алгоритм экспертной оценки работы сотрудников предприятия 000«НИИ0ГР»
3.6 Реализация системы коллективного интеллекта в деятельности АНО «Институт физико-технической информатики»
3.7 Результаты реализации системы коллективного интеллекта в учебном
процессе МГГУ
Выводы
Заключение
Список литературы
Приложения

Введение
Актуальность работы. Развитие информационных компьютерных технологий, усложнение современного производства и повышение внимания к системе комплексного управления качеством привели к тому, что в центре внимания предприятий все чаще становится деятельность многофункциональных управленческих команд и рабочих групп, которая направлена на решение комплексных проблем и заданий. Для реализации такой деятельности особенно важным является создание сетевых систем поддержки принятия решений, которые применяются при решении трудно формализуемых задач управления в промышленности и формировании решений в чрезвычайных условиях.
Разработка и исследование новых информационных технологий, основанных на современных методах поддержки принятия решений, позволяют существенно повысить интеллектуальный потенциал общества, способствует сокращению времени и повышению качества принятия управленческих решений.
Для решения трудно формализуемых задач необходимо применение приближенных методов, которые основаны на использовании эмпирических данных, коллективных решениях, экспертных оценках и специально разработанных методиках под необходимый класс задач.
Общеизвестные методы и технологии, используемые для поддержки принятия решений в трудно формализуемых задачах, имеют ряд ограничений, которые обусловлены недостаточной эффективностью решения и обработки неполной и неточной исходной информации, интерпретации данных и накопления знаний экспертов, согласованного представления информации, поступающей из различных источников.
К таким задачам, исследованным в диссертационной работе, относятся

Efc> Ed* t*xW tMP
■■Hi .1*1 x|
Detail Texture
j Photo Det ail
Detail Texture Modulation
"3 : : f—
Texture Gamma Correction Texture Overlay_I “ ~—‘—;—У~—'—‘—“
Change Polys | There are 6152 polys and 6292 vertices
Generate | View | Camera | Shape | Texture Genetic j Tween J Morph | PhotoFit |
Click the 'Generate' button to create random faces similar to current face. Click on a face to choose it for the new starting point Use the Randomness' slider to adjust the amount of similarity
Randomness
----------jJ— " ■ ■ ■— ■ . | 0 3Q~| [Tgne^j]

Рис. 10. Функция Genetic (Мутация)
В третьей серии экспериментов эксперты работали поодиночке.
Применение пульфрих и шейкинг-технологий для получения стереоизображений позволило сократить количество итераций при практически таком же качестве составления субъективного портрета.
Вторая серия экспериментов показала нечувствительность метода к введению небольшого количества некорректных данных.
Третья серия экспериментов показала сходимость метода даже при наличии одного свидетеля, который выступал в качестве распознавателя предлагаемых ему вариантов, скрещиваемых и мутируемых компьютером под управлением генетической процедуры.
Результаты составления портрета одиночными экспертами были хуже, чем результаты, полученные группой, но лучше, чем результаты, полученные одиночными экспертами на первой итерации. Применение простейших стерео-технологий также сокращало число итераций. Преимущества какой-