 |
 |
 |
 |
|
 |
 |
193
Рассмотрим классификацию систем принятия и синтеза решений по основным классификационным
признакам.
По характеру поддержки решений можно выделить два класса систем:
1) системы специального назначения, ориентированные на решение определенного класса задач;
2) универсальные системы, обеспечивающие возможность быстрой настройки на конкретную задачу
синтеза или принятия решений.
Основная масса существующих систем соответствует второму классификационному признаку.
По характеру взаимодействия пользователя и системы можно выделить три класса:
1) системы, инициатором диалога в которых является ЭВМ, а пользователь выступает в роли
пассивного исполнителя;
2) системы, в которых пользователь активен и является инициатором диалога;
3) системы, характеризующиеся последовательной передачей управления от пользователя к системе
и наоборот.
Безусловно, системы второго класса представляют наибольший интерес, поскольку они дают
пользователю полную свободу выбора действий. Однако реализация подобного способа взаимодей-
ствия в системах, предназначенных для пользователей-непрофессионалов, должна основываться на
естественном языке общения. Достаточный синтаксический и семантический анализ запроса требует
очень большого объема оперативной памяти, а также составления универсального тезауруса. Такой
способ взаимодействия может быть реализован лишь на ЭВМ пятого поколения, функционирующих на
принципах искусственного интеллекта.
Большинство разрабатываемых диалоговых систем относится к третьему классу. Принцип
последовательной передачи управления позволяет пользователю взять управление на определенном
этапе в свои руки и тем самым как бы вмешаться в процесс решения задачи, изменив его в нужном
направлении, путем задания параметров, выбора метода и т. п.
По наличию и характеру базы данных в системе различают:
1) системы, не предусматривающие каких-либо способов накопления и хранения информации;
2) системы, имеющие базу данных или совокупность файлов для сбора, накопления и выдачи
информации;
3) системы, имеющие развитые системы управления базами данных.
Все указанные системы могут быть использованы для накопления как объективной статистической,
так и экспертной информации. При этом накопление объективной информации осуществляется, как
правило, на один шаг быстрее, чем экспертной.
По наличию интеллектуального компонента в системе различают:
1) системы, не предусматривающие каких-либо способов накопления и обработки плохо
формализуемых знаний;
2) системы, имеющие базы знаний, механизмы вывода и объяснения полученных решений.
Появление технологии обработки знаний сделало возможным использование в рамках
автоматизированных процедур богатого методического задела из области искусственного интеллекта. В
области экономики и управления существует много задач, содержащих как хорошо формализуемые
процедуры, на которых применяются традиционные математические методы, так и плохо фор-
мализуемые процедуры, характеризующие творческие аспекты исследуемого процесса.
Поэтому модель для решения подобных задач должна представлять собой симбиоз методов
обработки знаний и традиционных математических методов. При этом процедуры обработки знаний
выступают в качестве среды, не отрицающей или заменяющей уже разработанные фрагменты, а
органично интегрирующей их.
Использование в системах принятия и синтеза экономико-управленческих решений теории
искусственного интеллекта представляется особенно актуальным и перспективным.
При интеллектуализации экономических информационных систем должны быть обеспечены:
• возможность использования всех способов представления знаний (процедурного, продукционного,
семантического);
• реализация хранения и доступа к знаниям в рамках банка знаний;
• многокритериальный анализ альтернатив;
• построение заключений на основе количественного вывода о возможности сочетания реализаций
составных частей системы, о значениях характеристик реализаций в нетиповых условиях фун-
кционирования и др.;