Имени петра могилы - polpoz.ru o_O
Главная
Поиск по ключевым словам:
страница 1страница 2
Похожие работы
Название работы Кол-во страниц Размер
Урок №27 Тема: Наследники Петра I. Цель урока: Выявить причины дворцовых... 1 138.65kb.
Тема. Детство Петра 1 51.64kb.
Предмет: История России III курс Духовной семинарии 1 21.73kb.
Наш детский дом-школа n 59 стал победителем этого конкурса. 1 54.09kb.
Д по защите диссертаций на соискание ученой степени доктора исторических... 1 366.4kb.
Культурного и природного наследия имени д. С. Лихачева 2 618.88kb.
Тема : Восстания в царствование Петра I 1 35.17kb.
Он единственный в этом мире, почти ничего не знающий о своей расе... 13 3173.32kb.
Часов на заседании диссертационного совета д 002. 123. 01 по защите... 4 746.39kb.
Каждая группа готовила происхождения имён, какие есть в классе. 1 52.64kb.
Вручение золотых медалей имени выдающихся ученых за 2012 год 1 19.71kb.
1. Формулировка индивидуального задания 2 509.03kb.
1. На доске выписаны n последовательных натуральных чисел 1 46.11kb.

Имени петра могилы - страница №1/2




Для заказа доставки работы

воспользуйтесь поиском на сайте http://www.mydisser.com/search.html

Министерство образования и науки Украины


ЧЕРНОМОРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ИМЕНИ ПЕТРА МОГИЛЫ

На правах рукописи

Швед Алёна Владимировна

УДК 004.02:519.234



МОДЕЛИ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ кластеризации и ранжирования групповых ЭКСПЕРТНЫХ ОЦЕНОК в условиях неопределенности
Специальность 05.13.06 — Информационные технологии

Диссертация

на соискание ученой степени кандидата технических наук

Научный руководитель:

Коваленко Игорь Иванович

доктор технических наук, профессор



Николаев – 2013

Содержание

Список условных обозначений и сокращений….…...

5

Введение……………………………………………………………..........

6







Раздел 1 Анализ проблемы структуризации групповых экспертных оценок………………………………….....................................

15

1.1.  Общая характеристика процедур анализа групповых экспертных оценок …..………………………………………………………………….....

15

1.2.  Основные положения технологии структуризации экспертных оценок………………………………………………………………………....

18

1.3.  Анализ методов согласованности оценок и нахождения обобщенной оценки экспертной группы……………………………….......

24

1.4.  Анализ методов кластеризации групповых экспертных оценок …....

32

1.5.  Анализ методов ранжирования групповых экспертных оценок …....

36

1.6.  Постановка задач исследований и разработок………………………..

40

1.7.  Выводы по разделу 1……………………………………………….......

42







Раздел 2 Модели кластеризации экспертных оценок на основе адаптивных процедур робастного статистического оценивания….....

44

2.1. Характеристика основных положений робастной статистики……….

44

2.2. Адаптивные робастные оценки и их анализ…………………………...

47

2.3. Построение решающих правил кластеризации экспертных оценок с применением адаптивных робастных процедур…………………………...

57

2.4. Исследование аналитической связи между коэффициентами асимметрии и эксцесса совокупности групповых экспертных оценок…...

62

2.5. Разработка решающих правил кластеризации групповых экспертных оценок на основе комплексного применения адаптивных робастных процедур…………………………………….................................

66

2.6. Выводы по разделу 2……………………………..……………………...

70

Раздел 3 Модели ранжирования и кластеризации групповых экспертных оценок на основе теории свидетельств и теории правдоподобных и парадоксальных рассуждений …………………….

73

3.1.  Характеристика основных положений теории свидетельств и теории правдоподобных и парадоксальных рассуждений………………...

73

3.2.  Анализ правил комбинирования……………………………………….

82

3.3.  Модели экспертных свидетельств……………………………………..

85

3.4.  Методика ранжирования экспертных оценок на основе теории свидетельств…………………………..………………………………………

89

3.5.  Разработка алгоритма выбора правила комбинирования экспертных свидетельств на основе теории свидетельств ……………...........................

93

3.6.  Разработка алгоритма ранжирования экспертных свидетельств на основе гибридной модели Дезера–Смарандаке…………………………….

100

3.7.  Выводы по разделу 3………………………………………………..…..

107







Раздел 4 Информационные технологии анализа групповых экспертных оценок……………………………………………………….....

110

4.1 Информационная технология классификации экспертных оценок на основе адаптивных робастных процедур…………………………………...

110

4.2 Информационная технология ранжирования экспертных оценок на основе теории Демпстера-Шейфера и теории Дезера-Смарандаке….........

117

4.3 Разработка и реализация СППР анализа групповых экспертных оценок…………………………………………………………………….…...

120

4.3.1.  Основные задачи и назначение СППР анализа групповых экспертных оценок………………………………………...……………..…..

120

4.3.2.  Проектирование интерфейса пользователя…………………….

132

4.3.3.  Модуль выявления экспертных предпочтений…………..…….

136

4.4 Выводы по разделу 4…………..………………………………………....

139



Выводы по диссертации и перспективы дальнейших исследований………………...……………….….

140


Список литературы………………………..…………………….….

144







Приложение  А  Методики решения задач анализа групповых экспертных оценок ….…………………………………………………..…...

159

А.1  Методика решения задачи кластеризации групповых экспертных оценок на примере выбора технологических процессов резания и сваривания в судостроении………………………………………

159

А.2  Методика решения задачи ранжирования групповых экспертных оценок на примере выбора ГИС–технологии...………………

172

Приложение  Б  Проектирование СППР……………………….……..

191

Приложение  В  Акты внедрения и справки об использовании результатов диссертационной работы.…………………………………..….

232








Список условных обозначений и сокращений



IEC




Международная электротехническая комиссия (МЭК; International Electrotechnical Commission)

ISO




Международная организация по стандартизации (International Organization for Standardization)

L–оценки




линейные комбинации порядковых статистик

M–оценки




устойчивые оценки на основе метода максимального правдоподобия

R–оценки




устойчивые оценки на основе ранговых критериев

БД




база данных

БМ




база моделей

ГИС




геоинформационная система

ДСТУ




державні стандарти України (ГОСТ, государственные стандарты Украины)

ЛПР




лицо, принимающее решение

МАИ




метод анализа иерархий

ПО




программное обеспечение

ПП




программный продукт

ПС




программная система

СППР




система поддержки принятия решений

ТДС




теория Дезера–Смарандаке (ТППР, теория правдоподобных и парадоксальных рассуждений)

ТДШ




теория Демпстера–Шейфера (МТС, математическая теория свидетельств)

ЭО




экспертные оценки


Введение
Актуальность темы исследования. Теория выбора и принятия решений исследует математические модели процессов принятия оптимальных (эффективных) стратегических и управленческих решений в сложных социальных, экономических, технических, организационных и др. системах.

На практике принятие обоснованных решений невозможно без учета накопленного опыта, различных точек зрения и знаний специалистов, и базируется на применении современных математических методов экспертных оценок.

Теоретическую (методологическую) базу в области теории и практики системного анализа и принятия решений составили труды таких отечественных ученых, как В.М. Глушков, М.З. Згуровский, Н.Д. Панкратова, В.Г. Тоценко, Э.Г. Петров, В.Е. Ходаков, Н.А. Соколова, В.В. Крючковский, И.В. Шостак, П.И. Бидюк, И.И. Коваленко, Г.М. Гнатиенко и др.

Среди российских ученых значительный вклад в исследование указанной проблемы и в развитие методов экспертного оценивания внесли О.И. Ларичев, Б.Г. Литвак, А. Рапопорт, Д.С. Шмерлинг, А.И. Орлов; среди зарубежных ученых необходимо выделить таких ученых, как В. Белтон, Л. Заде, Р. Кини, В. Парето, X. Райфа, Б. Руа, Т. Саати, П. Фишберн, Р. Хамалайнен и др.

Современные тенденции в развитии информационных технологий, стремление получить более эффективные результаты экспертного опроса, анализа и обработки экспертной информации в условиях многокритериальности и роста числа альтернативных вариантов выбора (многоальтернативности) при уменьшении времени, предоставляемого для принятия решений, способствуют постоянному усложнению задач экспертизы. Так, например, при анализе групповых экспертных оценок, формируемых в процессе работы больших экспертных групп (экспертных комиссий) в условиях наличия большого числа сравниваемых элементов – в условиях многокритериальности (много-альтернативности), и представленных в различных математических формах (количественные, качественные признаки; бинарные отношения; интервалы и другие), возникают задачи определения согласованности, кластеризации и ранжирования экспертных суждений, которые для своего решения требуют разработки новых подходов.

Указанные особенности обусловливают необходимость разработки новых процедур, методов и алгоритмов, позволяющих обрабатывать оценки экспертов, которые характеризуются несовпадающими, а возможно и противоречивыми экспертными суждениями по многим разнородным критериям, учитывать возможные способы взаимодействия экспертных суждений, полученных в условиях наличия различных видов НЕ–факторов (неопределенность, неполнота, неточность и др.), и создание на их основе современных информационных технологий.

Рассмотренная проблема является предметом данного диссертационного исследования, а ее актуальность определяется необходимостью дальнейшей разработки моделей и информационных технологий анализа групповых экспертных оценок, которые используют современные математические методы исследования с целью формирования обоснованных и достоверных решений.

Связь работы с научными программами, планами, темами. Содержание, цель и основные задачи соответствуют государственным научно–техническим программам, которые сформулированы в Законе Украины „О научной и научно–технической деятельности” и в Законе Украины „О национальной программе информатизации”.

Диссертационная работа выполнена на кафедре интеллектуальных информационных систем Черноморского государственного университета имени Петра Могилы Министерства образования и науки Украины в рамках госбюджетной научно–исследовательской работы (НИР) „Разработка системы поддержки принятия решений при экспертном оценивании качества программных продуктов в условиях неопределенности и рисков” (номер государственной регистрации №0112U001101); в рамках НИР „Разработка системы поддержки принятия решений при оценивании и оптимизации технологий строительства корпуса судна” (номер государственной регистрации №0109U002217). Часть исследований выполнена в рамках договора о научно–техническом сотрудничестве между Черноморским государственным университетом имени Петра Могилы, Николаевским национальным университетом имени В.А. Сухомлинского и совместным голландско–украинским предприятием „ГРАСКО”.

Соискатель был ответственным исполнителем указанных работ. В рамках упомянутых работ, соискателем разработаны модели анализа и структуризации групповых экспертных оценок с применением современного математического аппарата, предложены функциональные компоненты инструментальных средств автоматизированной системы поддержки экспертиз и информационные технологии реализации предложенных моделей и алгоритмов.

Цель и задачи исследования. Целью работы является исследование новых подходов и разработка математических моделей структуризации (кластеризации и ранжирования) групповых экспертных оценок на основе современных теорий, создание информационных технологий их реализации в составе инструментальных средств автоматизированной системы поддержки проведения экспертиз.

Для достижения поставленной цели диссертационного исследования необходимо решить следующие задачи:

1.  Выполнить критический анализ и провести систематизацию основных задач и методов анализа групповых экспертных оценок. Определить основные проблемы, возникающие при решении задач кластеризации и ранжирования экспертных оценок.

2.   Разработать математические модели кластеризации групповых экспертных оценок, позволяющие получать так называемую „тонкую структуру” экспертных суждений, что позволяет выявлять концептуально различные точки зрения в больших экспертных группах.

3.   Разработать математические модели построения ранжировок групповых экспертных оценок в условиях наличия большого числа оценочных элементов (критериев, альтернатив).

4.   Разработать математические модели ранжирования групповых экспертных оценок на основе аппарата теории правдоподобных и парадоксальных рассуждений (теория Дезера–Смарандаке, ТДС) в условиях неопределенности и наличия конфликтующих (противоречивых, не согласованных) экспертных суждений.

5.   Разработать информационные технологии, реализующие предложенные подходы и модели структуризации групповых экспертных оценок.

6.   Предложить функциональную архитектуру и разработать инструментальные и программные средства автоматизированной системы поддержки экспертиз.

7.   Провести анализ и привести примеры практического применения предложенных информационных технологий.

Объект  исследования – групповые экспертные оценки, которые требуют структуризации и агрегации при подготовке коллективных решений.

Предмет исследования – модели, методы и информационные технологии анализа групповых экспертных оценок.

Методы  исследования – методология системного анализа, математическая статистика, теория принятия решений, теория свидетельств, теория правдоподобных и парадоксальных рассуждений, адаптивные процедуры робастного статистического оценивания.

Методы математической статистки применены в работе для анализа и выявления существующих закономерностей в исходной экспертной информации. Методы робастной статистики (адаптивные робастные статистические оценки) использованы в работе для решения задачи кластеризации. Методы теории свидетельств, а также теории правдоподобных и парадоксальных рассуждений использованы для решения задачи ранжирования в условиях многокритериальности, многоальтернативности и неопределенности.



Научная новизна полученных результатов. Научная новизна работы определяется такими теоретическими и практическими результатами, полученными автором.

Впервые:


  • обоснована возможность использования математического аппарата адаптивных робастных статистических оценок для решения задачи кластеризации групповых экспертных оценок и сформулированы решающие правила кластеризации на основе рассмотренных устойчивых оценок. Это позволило, в отличие от существующих подходов, получать более детальное разбиение рассматриваемой совокупности экспертных оценок на кластеры (подгруппы), и выделить подгруппу экспертов, оценки которых характеризуются однородностью и согласованностью;

  • предложен подход к кластеризации групповых экспертных оценок, основанный на комплексном использовании адаптивных робастных оценок, которые построены на различных вспомогательных статистиках (робастные аналоги коэффициентов асимметрии и эксцесса, мера „длины хвостов”, островершинность и др.). С целью обоснования возможности комплексного использования адаптивных оценок получена аналитическая связь между указанными статистиками. Такой подход дает возможность формировать „тонкую структуру” изучаемой совокупности групповых экспертных оценок.

Получили дальнейшее развитие:

  • математические модели экспертных суждений, позволяющие обрабатывать результаты экспертного опроса в условиях многокритериальности, многоальтернативности, неопределенности и наличия конфликтующих (противоречивых, несовпадающих, не согласованных) экспертных суждений;

  • модели и методы принятия решений на основе математического аппарата теории правдоподобных и парадоксальных рассуждений: для определения агрегированной оценки применен подход на основе гибридной модели Дезера–Смарандаке, используя классическое правило комбинирования Дезера-Смарандаке и правило перераспределения конфликтов PCR5.

Усовершенствован:

  • метод нахождения коллективной (групповой) ранжировки по индивидуальным экспертным ранжировками в условиях многокритериальности, многоальтернативности на основе математического аппарата теории свидетельств. Предложенный метод основан на комплексном использовании правил комбинирования экспертных суждений (свидетельств) на основе конъюнктивный консенсуса (правило Демпстера, Ягера, Жанга, Инагаки, Сметса), и учитывает меру различия и структуру отдельных (выделенных экспертом) групп свидетельств для определения порядка их комбинирования. Такой подход позволяет использовать полученную экспертную информацию в полной мере и получать более эффективные результаты комбинирования.
следующая страница >>


izumzum.ru