Експертні системи прийняття рішень

• Datum: 2021
• Hauptverfasser: Voronin , Albert, Savchenko , Alina
• Format: Artikel
• Sprache: Russian
• Veröffentlicht: V.M. Glushkov Institute of Cybernetics of NAS of Ukraine 2021
• Schlagworte: векторна оптимізація; регресивні моделі; метод експертних оцінок; апроксимаційні поліноми; метод найменших квадратів; метод інтерполяції; нелінійна схема компромісів
• Online Zugang: https://jais.net.ua/index.php/files/article/view/175
• Назва журналу: Problems of Control and Informatics

Предложен подход к принятию сложных технических и экономических решений в тех случаях, когда недостаточны (или отсутствуют) сведения об экспериментально-статистических данных, необходимых для построения регрессионных моделей критериальных функций. Положение усложняется в том случае, когда решение принимается по нескольким спорным критериям качества. В условиях острой нехватки экспериментальных данных предлагается получать необходимую информацию («квазиэкспериментальные» данные) от экспертов - специалистов, имеющих достаточный опыт в принятии решений рассматриваемого класса. Квалифицированный специалист (эксперт), имеющий достаточный опыт в принятии решений данного класса, может сделать мысленный эксперимент. Он должен представить, какие будут, по его мнению, уровни критериальных функций в различных опорных точках факторов. В основе метода лежит индивидуальное мнение (постулат), высказываемое специалистом-экспертом об оцениваемой величине, исходя из своего профессионального опыта. Для оценки некоторой количественной характеристики используются постулаты не одного, а нескольких лиц, компетентных в этом вопросе. Предполагается, что «настоящее» значение неизвестной нам количественной характеристики находится внутри диапазона оценок экспертов и «обобщенное» коллективное мнение более достоверно. Для решения данной проблемы делается подход многокритериальной оптимизации с применением нелинейной схемы компромиссов. Данное исследование дает возможность выявить основные тенденции разработки многокритериальных систем принятия решений в условиях отсутствия (или нехватки) экспериментальных данных. Приведен модельный пример.