Задача и экономическая задача
| Вид материала | Задача |
- Программа курса лекций «Математические методы и модели исследования операций», 27.98kb.
- Т. М. Боровська кандидат технічних наук, доцент І. С. Колесник, 118.17kb.
- Разновозрастная итоговая проектная задача 1-4 классы, 87.27kb.
- Программа дисциплины Алгоритмы на графах Семестр, 13.21kb.
- Гиперкомплексных Динамических Систем (гдс) задача, 214.67kb.
- Домашнее задание по Теории информационных процессов и систем, 267.24kb.
- Задача линейного программирования Задача о «расшивке узких мест», 5.51kb.
- Программа учебной дисциплины вариационные методы в физике (спецкурс, дисциплины, 147.31kb.
- Варианты контрольных работ контрольная работа №1 (3 семестр), 237.84kb.
- Ручаевского Дмитрия Александровича. Карасик Л. В 1997-98 уч год. Основная часть Античная, 202.33kb.
30. Базы знаний и их применение для формирования экономических решений.
Знания также как и данные являются информационным ресурсом и хранятся в компьютере в соответствии с разработанной моделью.
База знаний – это знания человека (эксперта, специалиста), помещенные в память компьютера в соответствии с некоторой моделью.
Работа с базами знаний – это одно из направлений искусственного интеллекта, целью которого является создание инструментальных средств, позволяющих решать задачи, традиционно считающиеся интеллектуальными.
Модель - это правила или соглашения, выполнение которых позволяет представить нечто в памяти компьютера в том виде, которая позволяет использовать формальные (программные) средства для их обработки (получение новых знаний).
Существуют различные модели представления баз знаний, среди которых наиболее популярными являются:
- продукционные модели (деревья вывода);
- семантические сети (ассоциативные сети),
- фреймы;
- деревья целей;
- нечеткие множества.
Так как любая модель, и в том числе модель представления знаний, формальна, поэтому могут создаваться программные средства для их обработки.
Знания, как и прочие формы представления информации, устаревают или становятся ненужными, поэтому должна быть система управления ими.
Система управления знаниями это совокупность программных средств, обеспечивающих поиск, ввод, обработку, использование и корректировку знаний.
Семантическая сеть – это ориентированный граф, вершины (узлы) которого соответствуют понятиям моделируемой предметной области, а дуги – отношениям между ними.
В качестве понятий обычно выступают конкретные или абстрактные объекты, а отношений – связи.
Семантические сети содержат описание связей в явной форме, указанных с помощью синтаксических, семантических и прагматических отношений.
Наиболее часто в них используется следующие отношения:
-целое-часть (класс – подкласс, элемент – множество и т.д.);
-функциональная связь, определяемая глаголом (производит, находится, поставляет … и т.д.);
-атрибутивные (иметь значение, иметь свойство);
- логические (И, ИЛИ, НЕТ);
- временные (в течение, раньше, позже…).
Пояснить базу знаний легче в сравнении с базой данных, так как различия между ними нечеткие (размытые).
На рисунке ниже представлена информация о поставках, поставщиках и прочее с помощью реляционной базы данных и базы знаний в виде семантической сети.
Отличие баз знаний от баз данных состоит в том, что первые содержат связи между объектами в явной форме.
Обрабатывается семантическая сеть на основе принципа сопоставления объекта и отношений, указанных в запросе, с объектами и отношениями, имеющимися в семантической сети.
Дерево вывода – это множество объединенных правил, отражающих условия выполнения некоторого процесса.
Фрейм — (англ. frame — «каркас» или «рамка») — способ представления знаний в искусственном интеллекте, представляющий собой схему действий в реальной ситуации. Первоначально термин «фрейм» ввёл Марвин Минский в 70-е годы XX века для обозначения структуры знаний для восприятия пространственных сцен. Фрейм — это модель абстрактного образа, минимально возможное описание сущности какого-либо объекта, явления, события, ситуации, процесса.
Фреймы используются в системах искусственного интеллекта (например, в экспертных системах) как одна из распространенных форм представления знаний.
Фреймы – предназначены для представления стереотипных ситуаций.
Они объединяют декларативные и процедурные знания.
Фреймы объединяются в сеть.
В них указывается: каким образом фрейм реагирует на изменение ситуации, что следует делать далее.
Фрейм состоит из слотов – перечня характеристик объекта.
Основная идея фрейма – сосредоточение всей информации об объекте в одной структуре данных.
С некоторыми слотами фрейма связаны процедуры, автоматически выполняемые при определенных условиях.
Условия (реакции на события) могут быть следующими:
- реакция на событие «если добавлено»;
- реакция на событие «если удалено»;
- реакция на событие «если изменено».
Дерево целей является дальнейшим совершенствованием целевого управления, известного сегодня как Goal-управление.
В основу его построения положено понятие цели, измерение достижения которой осуществляется с помощью значений соответствующих экономических показателей.
Дерево целей можно продолжить, если указать из чего состоят выручка и затраты. Это позволит рассчитать управляющие воздействия более детального характера. Представление знаний в виде дерева целей возможно, если известна цель управления и формулы, согласно которым можно рассчитать уровень достижения каждой из подцелей.
Нечеткие множества в решении экономических задач
В процессе создания моделей баз знаний специалисты сталкиваются с проблемой отражения и использования нечеткой, то есть неопределенной информации.
Задачи, решаемые человеком, в большинстве случаев опираются именно на нечеткие, размытые и неопределенные знания о процессах или событиях. Знания человека в большинстве случаев нечеткие. Он оперирует такими понятиями как высокий, низкий, горячее, холодное, бедный, богатый и т.д. в повседневной производственной практике и быту.
Нечёткое (или размытое, расплывчатое, туманное, пушистое) множество — понятие, введённое Лотфи Заде в 1965 г. Он расширил классическое понятие множества, допустив, что характеристическая функция (функция принадлежности элемента множеству) может принимать любые значения в интервале [0,1], а не только значения 0 или 1. Для того чтобы такого рода знания можно было использовать для формирования решений, в 1965 году Л.Заде предложил теорию нечетких множеств.
В основе данной теории лежит понятие функции принадлежности, которая указывает степень принадлежности какого-либо элемента некоторому множеству элементов.
Данная функция является субъективной и строится на основании знаний, опыта или ощущений некоторого субъекта к какому-либо объекту, процессу, явлению и т.д.
Но принадлежность элементов может характеризоваться и приблизительно, например:
- более или менее принадлежит;
- скорее принадлежит;
- возможно принадлежит и т.д.
Функция принадлежности нечёткого множества — обобщение индикаторной функции классического множества. В нечёткой логике она представляет степень принадлежности каждого членак данному нечёткому множеству. Степени принадлежности часто смешивают с вероятностями, хотя они принципиально отличны
Оценка качества — это квалиметрия. Характерные задачи квалиметрии в финансовом менеджменте: оценка риска банкротства предприятия, оценка надежности акций и облигаций, выбор управляющей компании, оценка перспективности приобретения недвижимости, стоимостная оценка банковских залогов и т. д.
Если речь идет об операциях с будущими значениями финансовых факторов, то удобно моделировать эти факторы как нечеткие числа и функции. Тогда можно получить итоговые результаты моделирования в таком же виде — и оценить риск того, что эти финансовые результаты окажутся ниже предустановленных нормативов.
Характерные приложения теории нечётких множеств к финансовому менеджменту следующие:
Анализ риска банкротства предприятия.
Оценка риска инвестиционного проекта.
Построение оптимального портфеля ценных бумаг и бизнесов.
Оценка справедливой стоимости объектов (в том числе объектов недвижимости).
Оценка инвестиционной привлекательности акций и облигаций.
Анализ необходимости и обоснованности IT-решений.