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.