Разработка и исследование метода компараторной идентификации модели многофакторного оценивания
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
ской аттестационной работе решалась задача одна из подзадач многокритериальной оптимизации - задача компараторной идентификации.
Были исследованы существующие методы и современные подходы к решению поставленной задачи. Была взята идея компараторной идентификации, основанная на попарном сравнении альтернатив и установления отношения порядка. Использованы основные положения теории полезности.
В результате разработана новая математическая модель ординальной классификации успеваемости при индивидуальном обучении. Для решения задачи структурной идентификации был взят фрагмент полинома Колмогорова-Габора, учитывающий как независимые критерии, а также позволяющий обозначить зависимость между некоторыми критериями модели. Параметрическая идентификация реализована с использованием генетических алгоритмов.
Для исследования полученной модели разработано программное средство, реализующее построенный алгоритм расчета значения параметров модели с учетом ограничений.
Разработанная математическая модель учитывает наиболее полные критерии оценки знаний и позволяет формализовать процедуру классификации учащихся. Что обеспечивает возможность использования разработанной математической модели в системах поддержки принятия решений.
Разработанная модель является универсальной и инвариантной к предметной области в рамках ординальной классификации. Возможна модификация модели и ее адаптация под задачу подобного вида.
алгоритм компараторный идентификация многофакторный оценивание
ПЕРЕЧЕНЬ ССЫЛОК
1.Петров Э.Г. Методы и средства принятия решений в социально-экономических системах / Э.Г. Петров, М.В. Новожилова, И.В. Гребенник, Н.А. Соколова. - Херсон: ОЛДИ-плюс, 2003. - 380с.
2.Петров К.Э. Крючковский В.В. Компараторная структурно-параметрическая идентификация моделей скалярного многофакторного оценивания: Монография. - Херсон: Олди-плюс, 2009. - 294с.
.Тихонов А.Н. Методы решения некорректных задач / А.Н. Тихонов, В.Я. Арсенин. - М.: Наука, 1986. - 288с.
.Исаев С. Генетические алгоритмы в задачах оптимизации
5.Mitchell M. An introduction to Genetic Algorithm. MIT Press, 1996.
.Компараторная идентификация цветового зрения человека М.Ф Бондаренко, С.Ю. Шабанов-Кушнаренко, Ю.П. Шабанов-Кушнаренко. Бионика интеллекта. 2008. №2(69). С. 3-12.
.Батищев Д. И. Генетические алгоритмы решения экстремальных задач / Под ред. Львовича Я.Е.: Учеб. пособие. Воронеж, 1995.
.Батищев Д.И., Скидкина Л.Н., Трапезникова Н.В. Глобальная оптимизация с помощью эволюционно-генетических алгоритмов / Мужвуз. сборник, ВГТУ, Воронеж, 1994.
.Ларичев О. И. Теория и методы принятия решений, а также хроника событий в волшебной стране / О. И. Ларичев. - М.: Логос, 2000. - 294 с.
.Ильин В. Н. Поведение потребителей / В. Н. Ильин. - С.-Пб.: Питер, 2000. - 224 с.
.Крючковский В. В. Анализ методов идентификации модели многокритериального оценивания / В. В. Крючковский, В. П. Пономаренко, Д.И. Филипская // Вестник Херсонского национального технического университета. - 2008. - №1 (30). - с. 85-90.
.Овезгельдыев А. О. Синтез и идентификация моделей многофакторного оценивания и оптимизации / А.О. Овезгельдыев, Э. Г. Петров, К. Э. Петров. - К.: Наук. Думка, 2002. - 164 с.
13.-02.05.2011.-..">Теоретический анализ проблемы количественной оценки качества обучения [Электронный ресурс] / Режим доступа : www/ URL: - 02.05.2011 г. - Загл. С экрана.
.Приемущества языка программирования Java [Электронный ресурс] - Режим доступа : www/ URL:
16. Методичнi вказiвки до магiстерськоСЧ пiдготовки, з розробки й оформлення магiстерськоСЧ атестацiйноСЧ роботи для студентiв спецiальностей: 8.080402 - РЖнформацiйнi технологiСЧ проектування, 8.091401 - Системи управлiння та автоматики. Освiтньо-квалiфiкацiйний рiвень - магiстр [Текст] Упоряд.: Е.Г. Петров, В.В. Безкоровайний, Л.М. Ребезюк. - Харкiв: ХНУРЕ, 2009. - 72 с.
ПРИЛОЖЕНИЕ
Графические материалы к дипломному проекту
Диаграмма взаимосвязи процессов управления командой проекта
Текст програми
${Application.description}.text=ProductVersion\:.text=Vendor\:.text=Homepage\:">title = About: ${Application.title} ${Application.version}.Action.text = &Close.text=${Application.description}.text=Product Version\:.text=Vendor\:.text=Homepage\:
#NOI18N.icon=about.png
# Application global resources
.name = Classification.title = Basic Application Example.version = 1.0.vendor = Sun Microsystems Inc..homepage = http\://appframework.dev.java.net/.description = A simple Java desktop application based on Swing Application Framework..vendorId = Sun.id = ${Application.name}.lookAndFeel = system
class GA {Random r = new Random();counter;int[][] population = new int[50][64];int[][] popul10 = new int[50][8];double[][] populNorm = new double[50][8];[] c = new int[50];double[] a = new double[8];
/**
* The method randomly initializes first generation
*/void firstGeneration() {(int i = 0; i < 50; i++) {(int j = 0; j < 64; j++) {[i][j] = r.nextInt(2);
}
}
}
/**
* /** The method randomly change random chromosome. The maximum percentage
* of mutation equals to 3 percents.
*
* @param popul
* the initial population
*
* @return mutated population
*/int[][] mutation(int[][] popul) {z;x;(int i = 0; i < r.nextInt(97); i++) {= r.nextInt(49);= r.nextInt(63);(popul[z][x] == 0) {[z][x] = 1;
} else {[z][x] = 0;
}
}popul;
}
double[][] norm(int[][] array) {sum;(int i = 0; i < 50; i++) {= 0;(int j = 0; j < 8; j++) {+= array[i][j];(j == 7) {(int t = 0; t < 8; t++) {[i][t] = ((double)array[i][t] / (double)sum);
}
}
}
}populNorm;
}
void from2to10() {r = 256;m = 0;q = 0;(int j = 0; j < 50; j++) {= 0;(int i = 0; i < 64; i++) {= r / 2;+= population[j][i] * r;(i != 0 && i % 8 == 0) {[j][m] = q;= 256;++;= 0;
}(i == 63) {[j][m] = q;= 256;= 0;++;
}
}
}(popul10);.out.println(Arrays.deepToString(populNorm));
}
void qualityAnalysis() {
count = 0;(int i = 0; i < 50; i++) {= 0;
(int j = 0;