Разработка и исследование методов интеллектуального поиска топологических структур с заданными свойствами

• Автор: Димитриченко, Дмитрий Петрович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Нальчик
• Количество страниц: 120 с. : ил.

СОДЕРЖАНИЕ
Введение
Глава 1. Исследование информационных структур сложных открытых систем
1.1. Информационная структура сложных систем
1.2. Оптимизация информационных сетей при помощи генетических алгоритмов
1.3. Организация поиска на основе нечетких отношений предпочтения
1.4. Выводы
Глава 2. Построение баз знаний при помощи переменнозначных предикатов
2.1. Основные понятия и определения переменнозначных логических систем
2.2. Сравнительный анализ извлечения знаний при помощи нечетких отношений и переменнозначных предикатов
2.3. Минимизация баз знаний, описываемых при помощи переменнозначных предикатов
2.4. Извлечение дополнительных знаний при помощи структурных характеристик функции, построенной на основе переменнозначных предикатов
2.5. Выводы
Глава 3. Верификация логического поиска структуры информационной сети с наперед заданными свойствами
3.1. Выразительность описания знаний при помощи переменнозначных предикатов
3.2. Свойства адаптивности и самообучения
3.3.Верификация алгоритма извлечения знаний на основе исходных данных
3.4. Выводы
Заключение Список литературы Приложение
ВВЕДЕНИЕ
В современном обществе важную роль играет как обмен информацией (информационные потоки), так и совокупность технических и организационных средств, позволяющих организовывать и поддерживать такие информационные потоки. Совокупность этих средств объединяется в распределенные информационные структуры, называемые информационными сетями. Основное назначение информационной сети, как системы, выполнение функции информационного обмена между входящими в нее подсистемами, каждая из которых также может являться информационной сетью. Очевидно, что различные совокупности связей (топологии) между объектами (сетевыми агентами) по разному могут решать поставленную перед информационной сетью задачу. Например, задача максимального упрощения присоединения к данной информационной сети новых объектов требует хорошей реконфигурируемости внутренних связей, а задача сохранения конфиденциальности информации для своего решения требует многоступенчатой проверки входящих в информационную сеть объектов, жесткой, иерархической структуры связей и процедур шифрования передаваемых данных. Одним из эффективных методов исследования сложных информационных систем является теория графов. В рамках этой теории сформулировано и решено много важных с прикладной точки зрения задач. Теория графов успешно применяется в задачах искусственного интеллекта: От нахождения топологии нейронных сетей и до получения заключений на основе рассуждений, при проектировании сложных технических систем: от построения оптимальных транспортных систем различного назначения и до оптимизации топологии связей между радиоэлементами при создании устройств микроэлектроники. Хорошо известно, что сложность и трудоемкость решения многих оптимизационных задач резко возрастает с увеличением числа вершин и соединяющих их связей (класс пр-трудных задач).
Актуальность темы исследований определяется необходимостью создания методов интеллектуального поиска структур информационных сетей

9. Построение множества недоминируемых альтернативХ2 на основе матрицы 02;
10. Пересечение множеств XI и Х2 для получения нечеткого множества X недоминируемых альтернатив;
11. Выбор альтернатив из полученного множества недоминируемых альтернатив X с максимальными степенями принадлежности к этому множеству.
Чем больше значение функции принадлежности элемента х к множеству X, тем более оптимальной является альтернатива х по отношению ко всем прочим альтернативам из X по всем п критериям.
Альтернативы, которые превосходят все остальные альтернативы по всем (или почти всем) критериям п, имеют значение функции принадлежности ко множеству X равное (или близкое) к единице. А альтернативы х, которые имеют малые значения функции принадлежности к множеству X, всегда можно улучшить заменой на любую альтернативу, имеющую большее значение функции принадлежности.
Альтернатива, значение функции принадлежности которой равно нулю, уступает (не лучше) всех других альтернатив по всем п критериям. Такая альтернатива может быть, вообще, исключена из рассмотрения.
Метод анализа нечетких отношений предпочтения обладает рядом следующих достоинств:
1) Простота интерпретации результатов: полученного нечеткого множества недоминируемых альтернатив х;
2) Легкость включения новых, ранее не известных, критериев;
3) Гибкий способ учета важности критериев путем задания соответствующих коэффициентов относительной важности;
4) Небольшие вычислительные затраты;
5) Простота программной реализации алгоритма многокритериального выбора при нечеткой исходной информации.
Однако, приведенный метод не лишен следующих недостатков: