Методы многокритериального выбора и интеллектуальные системы принятия решений для управления производственными объектами при нечеткой исходной информации

• Автор: Оразбаев, Батыр Бидайбекович
• Шифр специальности: 05.13.16
• Научная степень: Докторская
• Год защиты: 1996
• Место защиты: Москва
• Количество страниц: 467 с.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

Глава 1. ПОДХОДЫ К УПРАВЛЕНИЮ ПРОИЗВОДСТВЕННЫМИ

ОБЪЕКТАМИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ .

1.1. Основные характеристики производственных объектов, проблемы и подходы к управлению ими в условиях неопределенности. Производственные ситуаций

1.2. Виды и источники неопределенности при исследовании производственных объектов

1.3. Задачи моделирования и оптимизации производственных объектов

1.4. Задачи принятия решений при управлении многокритериальными производственными объектами

Выводы к главе 1 .

Глава 2. ЗАДАЧИ И АЛГОРИТМЫ ПРИНЯТИЯ РЕШЕНИИ ДЛЯ УПРАВЛЕНИЯ МНОГОКРИТЕРИАЛЬНЫМИ ОБЪЕКТАМИ ПРИ

нечеткой исходной информации .

2.1. Постановки задачи принятия решений для управления многокритериальными объектами в нечеткой среде
2.2. Процедуры и критерии принятия решений
2.3. Задачи и методы нечеткого математического программирования
2.4. Методы многокритериального выбора при управлении сложными объектами на основе множеств уровня а
2.5. Алгоритмы многокритериальной нечеткой оптимизации .
Выводы к главе 2
Глава 3. МЕТОДЫ ИССЛЕДОВАНИЯ ПРОИЗВОДСТВЕННЫХ СИСТЕМ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ. РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ПРИ НЕЧЕТКОЙ ИСХОДНОЙ ИНФОРМАЦИИ .
3.1. Подходы к математическому описанию производственных объектов в условиях неопределенности .
3.2. Способы уменьшения неопределенности .
3.3. Применение методов экспертных оценок. Особенности качественной экспертной процедуры
3.4. Формализация нечеткой информации на основе методов теории нечетких множеств .
3.5. Методология нечеткого моделирования комплекса производственных объектов в условиях неопределенности .
3.6. Методика построения нечетких моделей
3.7. Подход к идентификации параметров нечетких моделей
3.8. Условия адекватности нечетких моделей .
Выводы к главе 3
Глава 4. РАЗРАБОТКА ПРОГРАММНО АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПРИНЯТИЯ РЕШЕНИИ
4.1. Подход к созданию интеллектуальных систем для поддержки принятия решений ИСПР
4.2. Способы повышения интеллектуальности системы принятия решений .
4.3. Разработка алгоритмического обеспечения ИСПР
4.4. Программное обеспечение ИСПР .
Выводы к главе 4
Глава 5. АНАЛИЗ СВОЙСТВ АЛГОРИТМОВ ИНТЕЛЛЕКТУАЛЬНЫХ
СИСТЕМ ПРИНЯТИЯ РЕШЕНИИ
5.1. Методика проведения испытаний для анализа свойств предлагаемых алгоритмов
5.2. Корректность и работоспособность алгоритмов
5.3. Сходимость алгоритмов и устойчивость решения.
Анализ эффективности алгоритмов
5.4. Оценка характеристик алгоритмов
Выводы к главе 5
Глава 6. СТРУКТУРА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПРИНЯТИЯ
РЕШЕНИИ И СРЕДСТВ РЕАЛИЗАЦИИ .
6.1. Структура ИСПР для управления производственными объектами .
6.2. Пакет моделей объекта и алгоритмы решения задач ПР
V У
6.3. Блок логического вывода и объяснения
6.4. База знаний и данных
6.5. Идентификатор параметров моделей
6.6. Интерфейс пользователя
6.7. Средства реализации ИСПР
Выводы к главе 6
Глава 7. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИИ
7.1. ИСПР для управления установкой замедленного коксования
7.2. ИСПР для оптимизации процессов плавки чугуна в вагранках
7.3. Выявление залежей нефти и газа при размытой геофизической информации .
7.4. Решение задач планирования и управления производством при нечеткой исходной ивформации
7.5. Эффективность ИСПР и перспективы их применения .
Выводы к главе 7
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


Постановка задачи, где определяются конечные цели моделирования, набор факторов и показателей, взаимосвязи между которыми нас интересуют, и последовательность проведения исследований. Формирование априорной информации об объекте и процессах протекающих в них, и создание математического описания. Здесь осуществляются сбор и обработка доступной информации, удовлетворяющие требованиям выявленным на первом этапе, на основе которых осуществляется построение математического описания объекта. Разработка моделирующего алгоритма и собственно моделирования. На этом этапе выбирается или создается алгоритм решения системы математических описаний, полученных на предыдущем этапе, составляются программы для реализации этих алгоритмов и на ЭВМ производится моделирования т. Выявление адекватности математической модели верификация модели. Сущность этого этапа заключается в проверке пригодности полученной модели для описания работы объекта, для анализа и управления им. Критерием адекватности может явиться совпадение с определенной точностью рассчитанных по модели результатов и экспериментальных данных, характеризующих основные показатели производства. Более подробно этапы математического моделирования различных объектов рассмотрены в работах 2, 8, , , , 6, в случае построения детерминированных и вероятностных моделей, 5, , , 7, 4, 1, 1, 2 когда строятся нечеткие модели реальных объектов. Следует отметить, что в литературе нет описания достаточно полной методики построения нечетких моделей. Аспекты нечеткого моделирования рассмотрены нами в главе 3 и в работах 1, 4, 2. Такая модель является компонентом системы автоматического управления, включающей датчики состояния системы, преобразователи сигналов, микропроцессоры, контроллеры, а также исполнительные механизмы для реализации требуемого воздействия. К этим моделям предъявляются повышенные требования к точности. Подходи к разработке моделей и способы моделирования объектов различных производств рассмотрены в ряде работ, например в , , , , , , 9, 1, 7, 7, 6. В зависимости от доступности и характеристик собранных данных для различных составляющих подсистем производственных комплексов могут быть построены различные типы моделей детерминированные, статистические, нечеткие. Следует отметить, что при создании пакета моделей для системного моделирования в целом, необходимо учитывать хорошо ли стыкуются разработанные типы моделей отдельных подсистем. Эта проблема относится к одному из слабоосвещенных в литературе вопросов. Подход к решению этой проблемы нами рассматривается в главе 3. Модели 1го типа рассматривают меру неопределенности параметров, которые были получены на основе статистического анализа выборок в виде функций плотности вероятностей, однако, как уже отмечалось, эти модели не всегда применимы, так как в категориях теории вероятностей крайне трудно интерпретировать значения лингвистических переменных, неформализуема нечеткая информация. Нечеткие модели учитывают множественнозначный характер параметров. В этих моделях легко интерпретируются как вероятностные, так и лингвистические характеристики например, уверенность эксперта при оценке значений нечетких параметров,
при выборе ЛПР определенного решения из множества и др В них в явном виде присутствует стратегия выбора решений в виде функций принадлежности недоминируемых альтернатив. Предлагаемый нами подход к разработке таких моделей будет рассматриваться в главе 3. Задачи принятия решений ПР при управлении многокритериальными производственными объектами. Важная область принятия решений связана с производством. Чем больше объем производства, тем труднее принимать решения при управлении им, т. ПР. Принятие решений заключается в оценке возможных вариантов решений альтернатив и выбор наилучшего из них по заданным критериям . Реализация любого варианта решений предполагает наступление некоторых последствий, анализ и оценка которых, как правило, по нескольким векторному критериям эффективности полностью характеризует этот вариант решений. Решение задач ПР сводится к выявлению и исследованию предпочтений ЛПР, а также построению на этой основе адекватной модели выбора наилучшей в некотором смысле альтернативы.