=Paper=
{{Paper
|id=Vol-2221/paper6
|storemode=property
|title=Использование прецедентов в составе многометодной процедуры поддержки принятия решений (Case-based reasoning for the multi-method decision making)
|pdfUrl=https://ceur-ws.org/Vol-2221/paper6.pdf
|volume=Vol-2221
|authors=Galina S. Maltugueva,Alexandr Yu. Yurin
|dblpUrl=https://dblp.org/rec/conf/itams/MaltuguevaY18
}}
==Использование прецедентов в составе многометодной процедуры поддержки принятия решений (Case-based reasoning for the multi-method decision making)==
https://ceur-ws.org/Vol-2221/paper6.pdf
CASE-BASED REASONING FOR THE MULTI-METHOD DECISION MAKING
Galina S. Maltugueva(1), Alexandr Yu. Yurin(1)
(1)
Matrosov Institute for System Dynamics and Control Theory SB RAS, Irkutsk, Russia
The efficiency of decision-making, especially when using multi-method schemes, can be im-
proved by using artificial intelligence methods, in particular, the case-based reasoning ap-
proach. The paper presents the application of case-based reasoning for the selection of a rel-
evant method (as part of a multi-method procedure), taking into account its characteristics, as
well as the characteristics of the problem: type, forms of presentation of the initial data and
the results, the data source. The scheme of the proposed algorithm and the case model are
described.
Keywords: case-based reasoning, multi-method procedure, decision making, multisets
ИСПОЛЬЗОВАНИЕ ПРЕЦЕДЕНТОВ В СОСТАВЕ МНОГОМЕТОДНОЙ
ПРОЦЕДУРЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Малтугуева Г.С. (1), Юрин А.Ю. (1)
(1)
Институт динамики систем и теории управления имени В.М. Матросова СО РАН,
г. Иркутск
Повышение эффективности принятия решений, особенно при использовании много-
методных схем, может быть повышена при помощи методов искусственного интел-
лекта. Одним из подобных методов являются прецеденты. В работе предлагается при-
менить прецедентный подход для подбор определенного метода, с учетом его харак-
теристик, а также особенностей решаемых задач: типа, форм представления исходных
данных и результата, источника данных. Приведена схема предлагаемого алгоритма и
модель прецедента.
Ключевые слова: прецеденты, многометодная процедура, принятие решений, муль-
тимножества
Введение. Разработка методов интеллектуализации процесса поддержки принятия
решений остается перспективной областью исследований, особенно, если решается задача
многокритериального группового выбора. Подобные задачи могут быть описаны различ-
ными характеристиками [5-6], в частности: числом задействованных лиц, видом показа-
теля эффективности, степенью структурированности, степенью определенности исходной
информации, степенью согласованности целей, структурой множества вариантов, типом
используемой модели принятия решений, степенью информированности лица, принима-
ющего решение, и др. В свою очередь, именно на основе их анализа возможен выбор ре-
левантных методов.
Поддержка подбора (выбора) соответствующих решаемым задачам методов в раз-
ных областях является актуальной проблемой, для решения которой могут быть использо-
ваны различные подходы, в том числе, основанные на методах искусственного интеллек-
та.
Поскольку выбор методов, в большинстве случаев, осуществляется на основании
знаний и опыта лица, принимающего решение (ЛПР), в том числе, в форме примеров ра-
нее решенных задач, то для решения данной задачи предлагается применить прецедент-
ный подход (принятие решений «по аналогии», Case-Based Reasoning) [1]. Применение
данного подхода позволит не только накапливать информацию о решенных задачах, но и
использовать эти знания при решении новых задач, формируя не только базу уже решен-
ных задач, но и базу паспортов методов.
Таким образом, в данной работе предлагается модифицированная многометодная
процедура принятия решений, которая:
- обеспечивает решение хорошо- и слабоструктурированных задач многокритери-
ального выбора и упорядочения вариантов, в которых индивидуальные предпочтения мо-
гут быть представлены в любой форме (числовые/вербальные оценки, ранжировки вари-
антов, парные сравнения), благодаря расширяемом набору методов,
- предусматривает возможность подбора методов решения с помощью принципов
прецедентного подхода, в частности, на основе оценки меры близости описания текущей
задачи и описаний, как методов, так и ранее разрешенных задач.
Программная реализация многометодной процедуры осуществлена в форме СППР
«Выбор+». Апробация процедуры и программной системы осуществлена на примере ре-
шения коллекции тестовых задач, а также прикладных задач выбора конструкционного
материала [2] и формирования плана мероприятий по улучшению состояния атмосферно-
го воздуха в городе Улан-Батор (Монголия) [3].
Поиск аналогов и модель прецедента. Для обеспечения подбора методов в рамках
многометодной процедуры предлагается представить их в виде структурированных обра-
зов – паспортов, обеспечив в дальнейшем их автоматизированную обработку и извлече-
ние. Понятие «паспорт метода» включает следующие свойства: наименование, разработ-
чик, тип решаемой задачи, форма представления исходных данных и результата, источник
данных и др. При этом описание задачи используются в качестве «Описания проблемы»
при поиске и извлечении прецедентов.
Пример паспорта метода «АРАМИС» [5] представлен в таблице.
Таблица. Пример паспорта метода «АРАМИС»
Имя свойства Значение
Название АРАМИС
Агрегирование и Ранжирование Альтернатив
Полное название около Многопризнаковых Идеальных Ситуа-
ций
Число участников групповой
Вид показателя эффективности векторный
Свойства Вид информации смешанная
решаемых задач Вид окончательного решения выбор, упорядочение
Форма индивидуальных пред-
оценки
почтений
Класс методов решения вербальный анализ решений
метрическое пространстве мультимножеств
Особенности
Петровского
Ограничения результат зависит от метрики
оценка проектов в РФФИ;
выбор конструкционных материалов;
выбор мероприятий по улучшению состояния
Решенные задачи
атмосферного воздуха в городе;
оценка эффективности медицинского персо-
нала;
Петровский А.Б. Теория принятия решений.
Литература М.: Издательский центр «Академия», 2009.
400 с.
Для обеспечения возможности повторного использования информации о результатах
решения задач были сформированы «Паспорта задач», каждый из которых представляют
собой структурированный образ ранее решенной задачи. Понятие «Прецедент задачи»
(Рис.1) включает два раздела: «Описание» и «Решение». В первом разделе содержится
информация об основных характеристиках решенной задачи, включая: число участников,
вид показателя эффективности, вид информации, вид окончательного решения, множества
вариантов, множество критериев, множество индивидуальных предпочтений. В разделе
«Решение» хранится информация о примененных методах решения, полученных резуль-
татах и об окончательном решении ЛПР.
class Domain Obj ects
Решение
Прецедент задачи
+ Результат метода
+ ID + Выбор ЛПР
1
Описание
Метод
+ Количество вариантов: int
+ Число экспертов: int + ID
+ Вид показателя эффективности + Название
+ Вид информации + Описание
+ Вид окончательного решения
1..* 1..* 1..*
Вариант Критерий Индивидуальное
предпочтение
+ ID + ID
+ Описание + Имя 1..* + ID
+ Описание
Рис.1. Фрагмент модели прецедента задачи
При извлечении аналогов используется метрика Журавлева [7], с помощью которой
анализируются значения свойств из описательной части прецедента.
В результате извлечения возможно получение либо пустого, либо избыточного
набора прецедентов. В первом случаем необходимо осуществить поиск методов по име-
ющимся паспортам методов (структурированное описание). Далее и в случае избыточного
множества прецедентов-аналогов предлагается применить многометодный подход для
сужения этого набора.
Модифицированная многометодная процедура. Прецедентный подход, включая
предложенные модели и алгоритм извлечения, был использован для модификации много-
методной процедуры, которая, в свою очередь обеспечивает обработку информации,
представленной в разных формах (Рис.2).
При подборе методов для реализации многометодной процедуры был проведен ана-
литический обзор, результатом которого стал вывод о необходимости использования ме-
тодов, базирующихся на теории мультимножеств [5]. В частности, для обработки предпо-
чтений экспертов в виде оценок предложено использовать метод АРАМИС, в виде ранжи-
ровок – АИР, в виде парных сравнений – МОПС [4].
Применение данных методов позволяет одновременно обрабатывать разные формы
представления индивидуальных предпочтений, а также в процессе решением задачи фор-
мулировать обоснование для ЛПР.
act Use Case Model
Ввод
предпочтений
Этап 1: Разбиение предпочтений по форме
представления
Этап 2: Анализ формы предс тавления и
получение промужуточных решений
2.1: Решение методом [оценки] 2.3: Решение
[ранжировки]
АРАМИС методом АИР
[парные с равнения]
2.2: Решение
методом МОПС
Этап 3: Применение метода АРАМИС к промежуточным
результатам
Рис.2. Схема реализации многометодного подхода
к решению задачи группового многокритериального выбора
Заключение. Правильность подбора методов для решения задач многокритериаль-
ного принятия решений в условиях определенности обеспечивает получение корректных
решений. Одним из способов поддержки подбора является использование методов искус-
ственного интеллекта, в частности прецедентного подхода, обеспечивающего эффектив-
ное использование накопленного опыта.
В работе приведено описание алгоритмического обеспечения для подбора методов
на основе прецедентов, включая: модель прецедента и модифицированную многометод-
ную схему. В качестве методов поддержки многометодного подхода использованы мето-
ды теории мультимножеств.
Предложенная процедура подбора методов решения задач многокритериального вы-
бора на основе совместного применения прецедентного и многометодного подходов реа-
лизована в составе ИС ППР «Выбор+» [8], которая позволяет решать задачи многокрите-
риального (индивидуального, группового) выбора.
Работа выполнена при финансовой поддержке РФФИ (грант № 17-07-00512).
Результаты получены при использовании сетевой инфраструктуры ЦКП «Интегри-
рованная информационно-вычислительная сеть Иркутского научно-образовательного
комплекса» (http://net.icc.ru).
ЛИТЕРАТУРА
[1] Aamodt A., Plaza E. Case-Based reasoning: Foundational issues, methodological varia-
tions, and system approaches // AI Communications. 1994. Vol.7. No.1. P. 39-59.
[2] Berman A.F., Maltugueva G.S., Yurin A.Yu. Application of case-based reasoning and
multi-criteria decision-making methods for material selection in petrochemistry // Proceed-
ings of the Institution of Mechanical Engineers, Part L: Journal of Materials: Design and
Applications, 2018. Vol. 232, issue: 3, P. 204-212.
[3] Maltugueva, G.S., Yurin, A.Y. Combination of the group and multi-criteria decision-
making methods in business management // Decision-Making: Processes, Behavioral In-
fluences and Role in Business Management. 2015. P. 1-13.
[4] Малтугуева Г.С., Петровский А.Б. Многометодное групповое многокритериальное
оценивание экологически мероприятий // Шестая международная конференция «Си-
стемный анализ и информационные технологии» САИТ-2015/ ИСА РАН, 2015. Т.2.
С. 72-80.
[5] Петровский А.Б., Заболеева-Зотова А.В. Многометодная технология конкурсного
отбора проектов // Теория и практика системной динамики. Материалы докладов.
2015, С. 67-70.
[6] Подиновский В.В. Анализ задач многокритериального выбора методами теории
важности критериев при помощи компьютерных систем поддержки принятия реше-
ний // Известия РАН: Теория и системы управления, 2008. № 2, С. 64–68
[7] Распознавание, классификация, прогнозирование: Математические методы и их
приложения/ Под ред. Журавлева Ю.И. М.: Наука, 1989. 302 с.
[8] Юрин А.Ю., Малтугуева Г.С., Павлов А.И. Система поддержки принятия решений в
задачах группового выбора // Программные продукты и системы. 2011. №2. С.54-57.