Разработка алгоритмов интеллектуальной поддержки решений в системах социального управления : На примере ГПС

• Автор: Евграфов, Павел Михайлович
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Москва
• Количество страниц: 226 с. : ил

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

1 ЛАВА 1. Анализ алгоритмов интеллектуальной поддержки управленческих решений

1.1 История возникновения, основные понятия, направления оказания ИПР, алгоритмы, проблема моделирования решений

1.2 Анализ моделей описания и оценивания решений.

1.2.1 Общая постановка проблемы моделирования решений для ИПР, методы искусственного интеллекта и задачи управления

1.2.2 Обзор моделей описания и логического оценивания сложных знаний

решений .

1.2.3 Обзор моделей численного оценивания сложных знанийрешений .

1.3 Выводы по главе 1

ГЛАВА 2 Разработка алгоритмов интеллектуальной поддержки управленческих решений.

2.1 Разработка феноменологических и семантических моделей описания знанийрешений на уровне интеллектуальных процессов ЛПР
2.1.1 Постановка проблемы, основные понятия и определения
2.1.2 Знаниярешения логической структуры. Логические задачи управления
2.1.2.1 Знаниерешение формы ПУ перечень условий
2.1.2.2 Знание формы ПА перечень альтернатив.
2.1.2.3 Знаниерешение формы АГ1У альтернативные перечни условий
2.1.3 Знаниярешения комбинаторной структуры. Комбинаторные задачи
2.1.3.1 Знаниерешение формы ПД последовательность действий
2.1.3.2 Знаниерешение формы АПВ альтернативы, указанные в порядке, определяющимся предпочтительностью выбора.
2.1.4 Знаниярешения комбинированной структуры. Формы АПД, АПДПВ, АПУПВ.
2.1.5 Классификация решаемых задач по структуре и уровню
сложности знания
2.1.6 Итоги феноменологического и семантического моделирования знанийрешений
2.2 Разработка моделей логического оценивания решений.
2.2.1 Общие подходы. Качественное и количественное оценивание
2.2.2 Структура моделирования ценности сложных знанийрешений
2.2.3 Логические модели базовых форм сложных знанийрешений
2.3 Численное моделирование ценности сложных знанийрешений
2.3.1 Философия выбора универсального численного критерия ценности сложных знаний
2.3.2 Вероятностный подход к определению ценности знанийрешений
2.3.2.1 Основания вероятностного подхода. Основные определения. Общая вероятностная модель ценности сложных знаний
2.3.2.2 Частные модели ценности сложного знаниярешения формы ПУ. Результаты. Функция ценности знания
2.3.2.3 Частная модель ценности сложного знаниярешения формы Д . .
2.3.2.3.1 Моделирование ценности решения формы ПД без учта достижения целипонятия и без действий произвольной последовательности
2.3.2.3.2 Моделирование ценности решения формы ПД с учтом достижения целипонятия и без действий произвольной последовательности
2.3.2.3.3 Моделирование ценности решения формы ПД с учтом достижения целипонятия и с учтом действий произвольной последовательности .
2.3.3 Моделирование с учтом различной вероятности выборки ЧР
2.3.4 Связанное знание. Приведение оценки к единой базе. Объмная и линейная оценки. Сравнение результатов.
2.4 Разработка алгоритмов интеллектуальной поддержки решений .
2.5 Выводы но главе 2.
Г ЛАВА 3 Применение разработанных алгоритмов ИПР
3.1 Анализ дея тельности и планирование решений на примере
боевых действий подразделений ГПС.
3.2 Обучение управленческой деятельности
3.2.1 Компьютерная система ИПРО. Независимые тестовые задания
и деловые игры
3.2.2. Некоторые методические указания по составлению тестовых заданий
3.2.3 Пример деловой игры Тушение склада промтоваров
3.3 Основные направления применения предложенных разработок в 1 ПС
3.4 Выводы по главе 3.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫ ВОДЫ.
ЛИТЕРАТУРА


Существуют системы, например, система КОП, описанная в , которые сочетают в себе одновременно обучающий и контролирующий режимы. В этих программах для ответа обучающемуся предоставляется несколько попыток, все правильные и неправильные ответы фиксируются, а оценка за весь тест определяется по количеству неправильных ответов. Отдельной строкой в обучающих программах стоят по эффективности обучения программы искусственного интеллекта ПИИ. Они объединяю два основных типа программ программы, моделирующие учащегося и экспертные системы. Путем сравнения полученных характеристик с образцовой моделью могут быть выработаны стратегии, методы и последовательность обучения. На рисунке 1. ПИИ. Рисунок 1. В реагирующей учебной среде программа помогает понять отвечающему свои ошибки. Программаинструктор является экспертом по оценке действий обучаемого, предполагает построение модели его умений и навыков. Программапомощник обеспечивает помощь в усвоении понятий путм отсылки учащегося к экспертным знаниям, направляет процесс обучения, предлагает время от времени свои знания. Наибольший развивающий эффект несут в себе эвристические методики, так как, именно, самостоятельное преодоление сложностей, самостоятельное решение задачи в кажущийся ущерб интенсивности обучения изза увеличения временных затрат на освоение вопроса наилучшим образом развивают в обучаемом качества, присущие наиболее квалифицированным творческим специалистам. Разнообразная помощь, оказываемая обучаемому другими типами ПИИ, ускоряет натаскивание на решение какихто стандартных профессиональных задач. Знания, полученные таким образом, являются не такими прочными, как в эвристических методах обучения. Подавляющее большинство известных тестирующих систем в текст задаваемого вопроса включают несколько предполагаемых альтернативных вариантов ответа. В работе такие системы классифицируются как системы с менювопросами. В первом случае правильным вариантом, который должен указать обучаемый, является только один из них. Как показывает опыт эксплуатации подобных систем, их целесообразно применять лишь при обучении простейшим основам преподаваемого предмета. Максимально, что могут дать такие системы это запоминание простейших знаний данных и понятий. Ни о каком существенно развивающем и обучающем эффекте здесь говорить не приходится. Вторым типом тестирующих систем с меню вопросами являются системы, в которых среди вариантов ответа есть несколько правильных. Ответ на задание такого типа требует максимальной активности обучаемого, но представляет и большую сложность в идентификации предложенного ответа обучающей программой. К лучшим известным контрольнообучающим системам этого рода можно отнести такие системы, как адаптивная диалогоинформационная обучающая система АДОНИС разработки НПК Файл, г. Москва см. КОП конструктор обучающих программ разработки Лущеева В. И., Омский Юридический институт, г. Плюсы и минусы тренажрных программ достаточно очевидны. Вытекают они из назначения таких программ, которое заключается в том, чтобы в наглядной, живой форме быстро натаскать обучаемого на выполнение какихто стандартных служебных навыков, чтобы путм многократных повторений стандартных действий закрепить эти навыки и довести их исполнение до автоматизма. Очень интересное и весьма перспективное направление для разработчиков учебных программ представляют моделирующие программы. Имитируются, как правило, протяжнные во времени или в пространстве, опасные или дорогостоящие процессы. Такие модели могут использоваться для прогнозирования поведения объекта или явления, а также, если они достаточно точны в рамках своего диапазона применимости, то такие модели могут выступать в роли образцового средства при сравнении поведения изучаемого объекта с характеристиками модели. Перспективнейшим направлением в компьютеризации учебного процесса является разработка игровых программ. Игровой момент, имеющийся в этих программах, вызывает активный интерес обучаемых. Следствием этого является заметное повышение качества обучения. В этом плане сложно переценить деловые игры , , .