Інформаційні технології інтелектуальної підтримки прийняття рішень для оперативно-чергових служб

НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ “ЛЬВІВСЬКА ПОЛІТЕХНІКА”

УДК 0

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ ІНТЕЛЕКТУАЛЬНОЇ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ ОПЕРАТИВНО-ЧЕРГОВИХ СЛУЖБ

Спеціальність 05.13.06 – Інформаційні технології

Автореферат дисертації на здобуття наукового ступеня

кандидата технічних наук

Дисертацією є рукопис.

Робота виконана у Хмельницькому національному університеті Міністерства освіти і науки України

Науковий керівник

доктор технічних наук, професор

Локазюк Віктор Миколайович,

Хмельницький національний університет

завідувач кафедри системного програмування.

Офіційні опоненти:

доктор технічних наук, професор

ійович,

Національний університет “Львівська політехніка”,

професор кафедри автоматизованих систем управління;

доктор технічних наук, професор

,

Військовий інститут Київського національного

університету ім. Тараса Шевченка,

професор кафедри військового управління

Захист відбудеться “__25__” _____вересня__________ 2008 р. о 16.00 годині на засіданні спеціалізованої вченої ради Д 35.052.14 Національного університету “Львівська політехніка” (79013, м. Львів, ва, ауд. 807, V корпусу).

З дисертацією можна ознайомитись у бібліотеці Національного університету “Львівська політехніка” за адресою 79013, м. Львів, вул. .

Автореферат розісланий “__21__” серпня 2008 р.

Вчений секретар

спеціалізованої вченої ради к. т.н., доцент ___________________ А. Є. Батюк

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. У своїй повсякденній професійній діяльності спеціалісти державних служб та силових відомств, в тому числі і оперативно-чергових служб (ОЧС), часто мають справу з задачею прийняття рішень, суть якої полягає у генерації можливих альтернатив, їх оцінюванні та виборі кращої з них. Вибір альтернатив ґрунтується на врахуванні великої кількості суперечливих вимог і оцінюванні варіантів рішень за багатьма критеріями. Суперечливість вимог, неоднозначність оцінювання ситуації, неповнота та несвоєчасність отриманої інформації значною мірою ускладнюють прийняття остаточного рішення і суттєво впливають на його якість.

Численні психологічні дослідження показують, що особа, яка приймає рішення (ОПР) без додаткової підтримки, використовує спрощенні або суперечливі вирішальні правила, керується лише власним досвідом та інтуїцією, що в результаті призводить до помилкових або неадекватних ситуаціям рішень.

Підтримка прийняття рішення полягає у забезпеченні ОПР необхідною інформацією про вирішувану ситуацію, формалізації опису процесів опрацювання вхідних даних та рішень.

На сьогоднішній день системи підтримки прийняття рішень (СППР) є якісно новим рівнем автоматизації процесів у різних сферах людської діяльності. Вони дозволяють організувати інтелектуальну підтримку діяльності ОПР під час прийняття нею рішень для вирішення проблемних ситуацій, які характеризуються великою складністю, невизначеністю і структурованістю.

Розвитку СППР в Україні та за кордоном приділяють багато уваги провідні наукові школи та науковці: , , , , Богаєнко І. М., , Кузьмін В. Б., Черноруцький І. Г., , та інші.

Впровадження СППР у діяльність ОЧС дозволило б забезпечити працівникам цих служб інтелектуальну підтримку прийняття рішень та допомогти при вирішенні задач:

– автоматизованої підтримки процесу аналізу вхідної інформації та доповнення її з різних баз даних відомостями, пов'язаними зі згаданими в інформації особами, об'єктами і предметами;

– відображення всієї інформації в доступному для сприйняття вигляді;

– формування первинного списку альтернатив вирішення ситуації, побудову моделі ситуації, віднесення її до одного з відомих класів;

– прогнозування розвитку ситуації у часі, визначення на основі цього наслідків первинних альтернатив;

– оптимізації рішень, пов'язаних з переміщенням і розміщенням задіяних сил та засобів.

З аналізу відомих СППР стає зрозумілим, що жодна з них не є універсальною і не може забезпечувати оперативному черговому (ОЧ) допомогу у вирішенні всіх задач, які постають перед ним.

Тому, для забезпечення інтелектуальної підтримки прийняття рішень ОЧ актуальною задачею є створення системи підтримки прийняття рішень для оперативно-чергових служб (СППР ОЧС), яка б надавала йому допомогу при вирішенні усіх поставлених перед ним задач.

Зв’язок роботи з науковими програмами, планами, темами. Представлені в дисертації дослідження проводились в рамках держбюджетних науково-дослідних робіт Хмельницького національного університету “Теорія нейромережних і нечітких моделей та методологія створення інтелектуальних систем діагностування комп’ютерних пристроїв” (номер держреєстрації 0105U000725), “Теорія інтелектуального діагностування відмовостійких комп’ютерних систем з програмованою логікою” (номер держреєстрації 0108U001276) та «Дослідження методів внесення апріорної діагностичної інформації в структуру штучних нейронних мереж для реалізації процесу діагностування комп'ютерних систем» (номер держреєстрації 0107U010204).

Мета і задачі дослідження. Метою дисертаційної роботи є розроблення інформаційних технологій інтелектуальної підтримки прийняття рішень для ОЧ ОЧС за рахунок методів, які базуються на штучних нейронних мережах (ШНМ).

Для досягнення мети було розроблено СППР ОЧС.

Об’єкт дослідження – процес прийняття рішень ОЧ.

Предмет дослідження – інтелектуальні методи та алгоритми вирішення задач, що постають перед ОЧ, які базуються на ШНМ та багатокритеріальній оптимізації.

Методи дослідження ґрунтуються на основних положеннях теорії ШНМ та теорії багатокритеріальної оптимізації, які є визначальними в досягненні мети дисертаційної роботи. Концептуальна модель процесу прийняття рішень ОЧ ґрунтується на теорії моделювання. Формалізовані описи моделей та методи вирішення задач розпізнавання ситуації і прийняття первинних рішень та прогнозування розвитку ситуації і визначення наслідків первинних рішень ґрунтуються на основі теорії множин та теорії ШНМ. Метод оцінювання ефективності прийнятих рішень ґрунтується на теорії багатокритеріальної оптимізації. Програмний варіант СППР ОЧС ґрунтується на теорії прикладного програмування.

Наукова новизна одержаних результатів. У результаті дисертаційного дослідження розв’язано актуальну наукову задачу розроблення інформаційних технологій інтелектуальної підтримки прийняття рішень для ОЧ ОЧС. При цьому отримано такі наукові результати:

1) вперше одержано:

– новий формалізований опис моделі задачі розпізнавання ситуації та прийняття первинних рішень, який відрізняється від відомих врахуванням інформаційних залежностей характеристик, що мають враховуватись ОЧ при прийнятті рішення, і дає можливість формалізувати процес прийняття рішень по розпізнаванню ситуації;

– новий формалізований опис моделі задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень, який, на відміну від відомих, дозволяє врахувати причинно-наслідкові зв’язки між характеристиками прогнозування розвитку ситуації та характеристиками можливих наслідків прийнятих рішень і забезпечує можливість своєчасного коригування прийнятих рішень;

– новий метод для вирішення задачі розпізнавання ситуації та прийняття первинних рішень, що базується на формалізованому описі моделі задачі, правилах нечіткого логічного висновку та нечіткій ШНМ, котрі використовують інформацію про параметри, що характеризують ситуацію, для генерації множини рішень ситуації;

– новий метод для вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень, що базується на прямонапрямленій неповнозвязній ШНМ для визначення наслідків кожного можливого рішення;

2) удосконалено:

метод оцінювання ефективності рішень, який поєднує у собі переваги існуючих методів на основі узагальнюючого критерію та методу Сааті шляхом використання шкали переваг Сааті для формування матриці відношень критеріїв та формування матриць значень наслідків для кожного з критеріїв за допомогою нормуючих значень. Зазначений підхід дозволяє покращити оцінювання ефективності прийнятих рішень;

3) дістала подальшого розвитку:

інформаційна технологія застосування СППР для забезпечення інтелектуальної підтримки ОПР у вирішенні задачі розпізнавання ситуації і прийняття первинних рішень та задачі прогнозування розвитку ситуації і визначення наслідків первинних рішень шляхом використання апарату ШНМ.

Практичне значення одержаних результатів. Дослідження проводились з врахуванням їх подальшої практичної реалізації. Використання одержаних результатів дозволило розробити та впровадити СППР ОЧС. Результати експериментальних досліджень з використанням розробленого програмного забезпечення підтверджують правильність наукових положень запропонованих методів та моделей, оскільки впровадження СППР ОЧС у діяльність ОЧ дозволило підвищити ефективність прийнятих ним рішень на 9-35%.

Основні результати дисертації знайшли застосування на підприємствах та організаціях, де існує ОЧС, а саме: у ДП “Новатор”, Хмельницькому МВ УМВС України в Хмельницькій області та при вивченні дисципліни “Комп’ютерні системи штучного інтелекту” для спеціальностей 7.091501 “Комп’ютерні системи та мережі” та 7.091502 “Системне програмування” у Хмельницькому національному університеті.

Особистий внесок здобувача. Всі основні результати дисертаційного дослідження, представлені до захисту, одержані автором особисто. У друкованих працях, опублікованих у співавторстві, автору належить: характеристика діяльності ОЧ, визначення особливостей реалізації СППР ОЧС, структурна та функційна схеми СППР, визначення напрямків подальших досліджень [1]; аргументація вибору архітектури ШНМ для вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень, реалізація, навчання та тестування зазначеної мережі у пакеті Matlab [7]; розроблення інформаційної технології та засобів підтримки прийняття рішень ОЧ ОЧС, опис структури та оцінювання ефективності СППР ОЧС [8]; формалізований опис моделі задачі оцінювання ефективності рішень, визначення переваг та недоліків відомих методів багатокритеріальної оптимізації, вдосконалений метод оцінювання ефективності рішень [9]; опис функціонування та програмна реалізація діалогової підсистеми СППР ОЧС [14].

Апробація результатів дисертації. Основні положення та результати проведених у дисертаційній роботі досліджень доповідалися та обговорювалися на 9 Міжнародних та Всеукраїнських конференціях, а саме: Міжнародна науково-практична конференція “Комп’ютерні системи в автоматизації виробничих процесів” (м. Хмельницький, 2005 та 2007), Міжнародна наукова конференція “Політ” (м. Київ, 2006), Міжнародна науково-технічна конференція “Искусственный интеллект. Интеллектуальные и многопроцессорные системы.” (м. Кацивелі, 2006), Міжнародна науково-практична конференція “Современные направления теоретических и прикладных исследований” (м. Одеса, 2006), Міжнародна науково-технічна конференція “Гарантоспособные и безопасные системы, сервисы и технологии” (м. Кіровоград, 2007 та 2008), Міжнародна науково-технічна конференція «Комп’ютерні науки та інформаційні технології» (м. Львів, 2007), Міжнародна науково-технічна конференція “Системний аналіз та інформаційні технології” (м. Київ, 2008), а також на міжкафедральних семінарах факультету комп’ютерних систем та програмування.

Публікації. Основні матеріали дисертації викладено в 14 наукових публікаціях [1-14], серед яких 8 статей у фахових виданнях, що входять до переліку фахових видань ВАК України, з них 5 одноосібних.

Структура дисертації. Дисертація складається із вступу, чотирьох розділів, висновків, 7 додатків та списку використаних джерел. Робота викладена на 195 сторінках друкованого тексту, містить 112 сторінок основного тексту та список літератури з 108 найменувань на 11 сторінках. Дисертація містить 21 рисунок та 7 таблиць.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтована актуальність тематики, визначені об’єкт та предмет досліджень, сформульовані мета і задачі, визначена наукова новизна та практична цінність одержаних результатів, а також відомості про апробацію роботи.

В першому розділі розглянуто структуру органів внутрішніх справ (ОВС), визначено місце, яке займає у ній ОЧС та задачі, які покладені на ОЧ. Виділено проблеми, які виникають в процесі діяльності ОЧ. Детально розглянуто структуру існуючих на сьогоднішній день СППР, принцип їх роботи та засоби інтелектуальної обробки даних, визначено їх переваги та недоліки.

Проведення аналізу процесу прийняття рішень ОЧ дало можливість зробити висновки про необхідність забезпечення йому інтелектуальної підтримки прийняття рішень за рахунок створення СППР ОЧС. Аналіз існуючих на сьогоднішній день СППР, дав можливість зробити висновки, що вони не виконують усіх функцій, які покладені на СППР ОЧС, а тому не можуть бути використані. Тому, для забезпечення ОЧС можливості використання СППР та вирішення усіх задач, було запропоновано створити СППР ОЧС, що стало метою подальших досліджень.

В другому розділі на основі аналізу діяльності ОЧ, проведено деталізацію задач, які виконуються ним після надходження інформації про ситуацію. На основі деталізованих задач було побудовано концептуальну модель процесу прийняття рішення (рис. 1). У овалах зазначені задачі ОЧ, які необхідно автоматизувати. Стрілки вказують напрямки руху інформаційних потоків та їх зміст.

Рис.1. Концептуальна модель процесу прийняття рішень ОЧ

Для можливості виконання СППР ОЧС задач, які постають перед ОЧ, зазначені задачі було формалізовано та проведено опис їх моделей. Для цього були введені такі визначення.

Ситуація - це обставини, спричинені соціальним, природним, іншими факторами та/або які порушують чинне кримінальне, адміністративне, інші законодавства, та вирішення яких потребує від ОЧ прийняття певних рішень в контексті своїх посадових обов’язків.

Вхідна інформація про ситуацію складається з: місця ситуації, подій ситуації, часу ситуації. На основі місця ситуації визначаються показники людності та небезпечності місця ситуації, на основі часу – абсолютний та відносний час ситуації. Вихідна інформація про ситуацію містить статус ситуації, можливі рішення для її вирішення, прогнозований розвиток ситуації, наслідки кожного з можливих рішень та остаточно рекомендоване рішення. Все це формує інформаційну модель ситуації, яка зображена на рис. 2.

Рис. 2. Інформаційна модель ситуації, вирішуваної ОЧ

Місце ситуації характеризується такими параметрами, як:

– показник людності – визначає наскільки людним є місце, де виникла ситуація, чи наявні там місця масового збору людей (бари, парки тощо). Чим більш людним є місце ситуації, тим більше значення має ;

– показник небезпечності – визначає наявність на місці ситуації будівель, споруд, установ підвищеного рівня небезпеки (тюрем, міліцейських відділків, заводів, що працюють з небезпечними речовинами, складів, які зберігають подібні речовини, банків, тощо). Значення залежить від рівня небезпеки споруд та їх кількості;

– географічне розташування місця ситуації у населеному пункті v3, визначається множиною вулиць, які наявні на території, що підконтрольна дільниці, де працює ОЧ, , де – окрема вулиця, провулок або ділянка вулиці (яка відрізняється власними значеннями показників людності та небезпечності); - максимальна кількість вулиць на зазначеній дільниці. Отже, місце ситуації .

Множину подій, що описують ситуацію позначимо р: , де - окрема подія, яка характеризує ситуацію, - загальна можлива кількість подій.

Час виникнення ситуації С складається з двох величин , – абсолютний час ситуації, визначається датою та часом початку ситуації, – відносний час ситуації, який пройшов від початку ситуації до моменту надходження повідомлення про неї. Абсолютний час ситуації має відношення до кількості осіб, що можуть бути учасниками або свідками ситуації та описується двома параметрами: пора року () та час доби (). Таким чином .

Кількість осіб, яка може бути свідками ситуації або приймати у ній участь характеризується показником К, який залежить від показника людності місця ситуації та абсолютного часу ситуації, і його значення зростає зі збільшенням можливої кількості осіб. Статус ситуації характеризується показником S, який залежить від подій ситуації, , якщо ситуації є штатною, та , якщо ситуацію є надзвичайною.

Множину типів ситуації позначимо Т, , де t1 – показник ситуації, який визначає необхідність залучення загонів патрульно-постової служби (ППС), t2 – загонів дорожньо-патрульної служби (ДПС), t3 – груп негайного реагування (ГНР) або слідчо-оперативної групи (СОГ), t4 – застосування інших дій, непов’язаних з залученням вищезгаданих сил та засобів. У випадку необхідності залучення певного виду сил, значення відповідного показника збільшується, у протилежному випадку – зменшується.

Множину можливих рішень ситуацій позначимо R,, де rj – одне з можливих рішень конкретної ситуації, - загальна можлива кількість рішень.

Розпізнаванням ситуації будемо вважати віднесення ситуації до одного з відомих типів ситуацій.

Формалізований опис моделі задачі розпізнавання ситуації та прийняття первинних рішень представлений у (1).

, (1)

де – множина рішень про визнання ситуацію надзвичайною; – множина рішень про залучення загону (групи загонів) ППС, , де - рішення про залучення відповідного загону (групи загонів) ППС, - максимальна кількість загонів ППС на дільниці, де працює ОЧ; – множина рішень про залучення загону (групи загонів) ДПС, , де - рішення про залучення відповідного загону (групи загонів) ДПС, - максимальна кількість загонів ДПС на дільниці, де працює ОЧ; – рішення про залучення ГНР або СОГ, , де - рішення про залучення ГНР, - рішення про залучення СОГ; – множина рішень про визнання ситуацію такою, що не потребує залучення додаткових сил та засобів, .

Прогнозуванням розвитку ситуації будемо вважати визначення розвитку оперативної обстановки у часі, а саме, як зміняться місце ситуації та події, що її характеризують.

Множина наслідків прийнятого рішеннямає такий вигляд: , де – успішне завершення ситуації () або навпаки (); – перехід ситуації у надзвичайний стан () або навпаки (); – достатність задіяних сил та засобів, якщо задіяних сил та засобів достатньо, то , якщо необхідно залучити ще додаткові сили , – кількість можливих втрат серед населення та збитки муніципального господарства, , де – кількість фізичних втрат (людські жертви), – кількість матеріальних збитків муніципальному господарству населеного пункту, – кількість моральних збитків (падіння рівня довіри до правоохоронних органів), зі зростанням кількості відповідних втрат , зі зменшенням – ; – можлива кількість втрат для ОВС, , де – кількість фізичних втрат серед особового складу ОВС, – кількість матеріальних збитків ОВС, зі зростанням кількості відповідних втрат , зі зменшенням – ; – час, за який ситуація може бути вирішена; чим швидше буде вирішена ситуація, тим менше значення має ; у випадку якщо ситуація не може бути вирішена успішно або вона переходить у надзвичайний стан .

Формалізований опис моделі задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень представлений у (2).

, (2)

де “” – різниця множин;- події, які при застосуванні рішення сприяють високому значенню відповідного наслідку; - події, які при застосуванні рішення не сприяють високому значенню відповідного наслідку; - події, які при застосуванні рішення сприяють переходу ситуації у надзвичайний стан; - місця ситуації, які при застосуванні рішення сприяють високому значенню відповідного наслідку; - місця ситуації, які при застосуванні рішення не сприяють високому значенню відповідного наслідку; - рішення, для якого визначаються наслідки.

Для розв’язку задач розпізнавання ситуації і прийняття первинних рішень та прогнозування розвитку ситуації і визначення наслідків первинних рішень запропоновано використати ШНМ.

Вибір апарату ШНМ мотивований тим, що розглянуті задачі належать до важкоформалізованих, їм притаманна велика кількість можливих рішень, а їх вхідні дані можуть бути неточними, помилковими або суперечливими.

Оцінюванням ефективності рішень будемо вважати вибір кращого рішення з усіх можливих. Формалізований опис моделі задачі оцінювання ефективності рішень представлений у (3).

, (3)

де - ефективність рішення rj, M – це метод, за яким ведеться пошук ефективного рішення; Ns – наслідки можливих рішень для ситуації s; ks – множина критеріїв для оцінювання характеристик ситуації s, згідно яких оцінюється ефективність можливих рішень.

Зазначена задача належить до задач багатокритеріальної оптимізації, а тому для її вирішення доцільним є застосувати відповідні методи.

У третьому розділі досліджено можливість використання ШНМ для вирішення задач розпізнавання ситуації і прийняття первинних рішень та прогнозування розвитку ситуації і визначення наслідків первинних рішень, та використання методів багатокритеріальної оптимізації для вирішення задачі оцінювання ефективності рішень.

Для вирішення задачі розпізнавання ситуації і прийняття первинних рішень було використано нечітку нейромережу. Нечітка нейронна мережа була обрана у відповідності до формалізованого опису моделі вирішуваної задачі.

Архітектура нейромережі зображена на рис. 3. Вона складається з трьох шарів нейронів.

Шар 1. Виходи нейронів даного шару визначають ступінь належності вхідних змінних х1, х2, х3, х4, х5, х6, х7 до відповідних множин за трапецеїдальною функцією належності.

Шар 2. Виходами цих нейронів є ступені істинності для кожного з правил формалізованого опису моделі. Усі нейрони шару реалізовують операцію “АБО”.

Шар 3. Нейрони цього шару є звичайними нейронами, які виконують зважене додавання.

Вектор вхідних даних містить 7 елементів. Тобто, нейромережа має 7 входів: – географічне місце ситуації для загонів ППС, – географічне місце ситуації для загонів ДПС, – людність місця ситуації, – небезпечність місця ситуації, – абсолютний час ситуації, – відносний час ситуації, – події ситуації.

Вектор вихідних сигналів – складається з кількості елементів, які відповідають кількості можливих варіантів рішень для даної дільниці, , де - кількість можливих рішень про залучення тих чи інших сил та засобів для даної дільниці, – максимальна кількість загонів ППС на даній дільниці, – максимальна кількість загонів ДПС.

Нечітка модель підсистеми прийняття первинних рішень СППР ОЧС була побудована за допомогою прикладного пакету Fuzzy Logic Toolbox програми Matlab.

Рис. 3. Архітектура нейромережі для вирішення задачі розпізнавання ситуації та прийняття первинних рішень

Для побудови нечіткого висновку був обраний алгоритм Sugeno, як такий, що найбільш задовольняє задачі розпізнавання ситуації та прийняття первинних рішень.

Блок нечіткого висновку складається з таких правил:

Для вирішення задачі прогнозування розвитку ситуації і визначення наслідків первинних рішень було використано неповнозв’язну прямонапрямлену нейромережу. Нейромережа, графічна модель якої зображена на рис. 4, складається з трьох шарів нейронів.

Нейрони усіх шарів виконують зважене додавання. В якості активаційної функції для нейронів першого та другого шарів обрана функція гіперболічного тангенсу . Активаційною функцією нейронів третього шару є лінійна функція .

Шар 1. На нейрони цього шару надходять вхідні дані, необхідні для прогнозування зміни подій, місця ситуації та визначення наслідків первинних рішень.

Шар 2. Нейрони цього шару визначають прогнозовані події та прогнозоване місце ситуації з точки зору загонів ППС та ДПС. Ці дані передаються, як на третій шар нейромережі, так і зчитуються у масив, з якого вони, за запитом ОЧ, можуть бути подані на входи нейромережі в якості вхідних даних.

Шар 3. Нейрони даного шару визначають наслідки для кожного первинного рішення.

Рис.4. Архітектура нейромережі для вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень

На входи нейромережі подаються такі дані: – географічне місце ситуації для загонів ППС, ; – географічне місце ситуації для загонів ДПС, ; – події місця ситуації, ; – людність місця ситуації; – небезпечність місця ситуації; – абсолютний час ситуації, – відносний час ситуації; – первинне рішення, для якого визначаються наслідки, , .

З виходів нейромережі зчитуються два вихідні вектори, перший – з нейронів другого шару, другий – з нейронів третього шару. Розмірність першого вектору дорівнює h+g+8 елементів, розмірність другого – 9 елементів, що відповідає кількості наслідків для кожного рішення.

Неповнозв’язну прямонапрямлену нейронну мережу було побудовано у пакеті Matlab. Для вибору алгоритму навчання ШНМ була навчена за допомогою 9 різних алгоритмів. В якості навчальної вибірки використовувалась вибірка розмірністю 2000 елементів. З результатів навчання та тестування слідує, що навчання нейромережі за алгоритмом оберненого поширення помилки дозволяє досягнути однієї з кращих точностей за найменший час. Тому, для вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень було використано неповнозв’язну прямонапрямлену ШНМ, навчену саме за таким алгоритмом.

Реалізація методу оцінювання ефективності рішень для СППР ОЧС базується на організації пошуку рішення за відібраними критеріями. Усі дані розмістимо у три матриці. В першу заносяться дані відношень критеріїв, які обраховуються за допомогою попарних порівнянь. В другу матрицю і третю заносяться значення наслідків можливих рішень за кожним обраним критерієм. Далі дані в матриці нормуються таким чином, щоб сума значень в кожному стовпчику дорівнювала одиниці, а дані матриці діляться на нормуючий дільник, яким є максимальне/мінімальне значення у відповідному стовпчику.

Після формування усіх матриць для кожного рішення обчислюється його ефективність за формулою:

, (4)

де – ваговий коефіцієнт критерію,; – нормоване значення наслідків для кожного рішення за кожним критерієм ,; – відношення значення наслідків за кожним критерієм до нормуючого дільника,; – кількість рішень, для яких виконується оцінювання, . Більш ефективним вважається рішення для якого результат (4) є максимальним.

В четвертому розділі на основі концептуальної моделі процесу прийняття рішень ОЧ було побудовано структурну схему СППР ОЧС (рис. 5).

На “Діалогову підсистему” покладено задачу спілкування з користувачем та демонстрації йому результатів роботи системи. На “Підсистему обробки первинної інформації” покладено аналіз інформації, що надходить від ОПР та доповнення її відомостями, пов'язаними зі згаданими в інформації особами, об'єктами і предметами. На “Підсистему прийняття первинних рішень” покладено вирішення задачі розпізнавання ситуації та прийняття первинних рішень. На “Підсистему прогнозування розвитку ситуації” покладено вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень. На “Підсистему оцінювання ефективності рішень” покладено вирішення задачі оцінювання ефективності рішень.

Рис. 5. Структурна схема СППР ОЧС

Використовуючи за основу структуру СППР ОЧС, було побудовано функційну схему такої СППР (рис. 6).

Рис. 6. Функційна схема СППР ОЧС

“Діалогова підсистема” являє собою інтерфейс користувача для зручності спілкування із системою.

“Підсистема обробки первинної інформації” виконує аналіз інформації, що надходить від ОПР та доповнює її відомостями, пов'язаними зі згаданими в інформації особами, об'єктами і предметами. Для цього СППР ОЧС інтегрує бази даних, накопичені в ОВС за особами, речами, автотранспортом, паспортами, адресами, з базами даних інших державних органів: телефонної служби, адресної служби і т. д. Зазначені бази даних було реалізовано за допомогою програмного продукту MySQL.

“Підсистема прийняття первинних рішень” розпізнає поточну ситуацію та пропонує набір можливих альтернатив вирішення ситуації та набір критеріїв для подальшого оцінювання ефективності альтернатив. При цьому ситуація є нарощуваною в плані додавання до неї нових варіантів дій. Нарощення проходить через поповнення бази даних новими типами ситуацій та прогнозами, набутими в процесі роботи “Підсистеми прогнозування розвитку ситуації”. Інформація стосовно можливих альтернатив та критеріїв демонструється “Діалоговою підсистемою” за запитом ОЧ.

“Підсистема прогнозування розвитку ситуації” забезпечує прогнозування розвитку оперативної обстановки у часі та визначає наслідки альтернатив, запропонованих “Підсистемою прийняття первинних рішень”. Ця інформація використовується для демонстрації розвитку ситуації “Діалоговою підсистемою” за запитом ОЧ. Визначені наслідки можливих альтернатив використовуються “Підсистемою оцінювання ефективності рішень” для оптимізації вищевказаних альтернатив.

“Підсистема оцінювання ефективності рішень” проводить оцінювання визначених “Підсистемою прогнозування розвитку ситуації” наслідків альтернатив за наданими “Підсистемою прийняття первинних рішень” критеріями. Отримана у результаті оцінювання краща альтернатива – остаточне рішення, демонструється ОЧ за допомогою “Діалогової підсистеми”.

“Діалогову підсистему” та взаємодію між іншими підсистемами було реалізовано за допомогою пакету Borland C++ Builder 6.0.

Впровадження даної системи у діяльність ОЧ дозволило підвищити ефективність прийнятих ним рішень на 9-35% за рахунок збільшення відсотку правильних рішень.

ВИСНОВКИ

У дисертаційній роботі поставлено і вирішено актуальну наукову задачу розроблення інформаційних технологій інтелектуальної підтримки прийняття рішень для ОЧ ОЧС за рахунок методів, які базуються на ШНМ.

Основні наукові і практичні результати роботи полягають у слідуючому:

На основі аналізу діяльності ОЧ, було виявлено, що він за своїми функційними обов’язками є ОПР, та проведено деталізацію задачі, які постають перед ним після надходження інформації про виникнення ситуації. На основі аналізу процесу прийняття рішення ОЧ було побудовано концептуальну модель цього процесу, яка дала змогу виявити дві основні задачі: задачу розпізнавання ситуації і прийняття первинних рішень та задачу прогнозування розвитку ситуації та визначення наслідків первинних рішень. Розроблено новий формалізований опис моделі задачі розпізнавання ситуації та прийняття первинних рішень, який відрізняється від відомих врахуванням інформаційних залежностей характеристик, що мають враховуватись ОЧ при прийнятті рішення, і дає можливість формалізувати процес прийняття рішень по розпізнаванню ситуації.

4. Для вирішення задачі розпізнавання ситуації та прийняття первинних рішень запропоновано новий метод, який відрізняється від відомих тим, що базується на формалізованому описі моделі відповідної задачі, правилах нечіткого логічного висновку та нечіткій ШНМ, котрі використовують інформацію про параметри, що характеризують ситуацію, для генерації множини рішень ситуації.

Розроблено новий формалізований опис моделі задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень, який на відміну від відомих дозволяє врахувати причинно-наслідкові зв’язки між характеристиками прогнозування розвитку ситуації та характеристиками можливих наслідків прийнятих рішень і забезпечує можливість своєчасного коригування прийнятих рішень.

6. Для вирішення задачі прогнозування розвитку ситуації та визначення наслідків первинних рішень запропоновано новий метод, що базується на формалізованому описі моделі зазначеної задачі та відрізняється від відомих використанням характеристик ситуації у якості входів ШНМ, можливістю одержання інформації про зміни місця та подій ситуації на деякий момент часу та використанням цієї інформації для прогнозування наслідків рішень.

Аналіз задачі оцінювання ефективності рішень ОЧ показав, що вона є задачею багатокритеріальної оптимізації і потребує для свого вирішення задіювання відповідних методів.

8. Виявлено, що існуючі методи оцінювання ефективності рішень не задовольняють вирішенню задачі оцінювання ефективності рішень ОЧ, а тому не можуть бути використані. Було запропоновано удосконалений метод, який базується на використанні матриці відношення критеріїв та врахуванні наслідків рішень. Запропонований метод оцінювання ефективності рішень дозволяє підвищити ефективність остаточного рішення та має такі переваги:

– результатом завжди є єдине та ефективне рішення;

– усунена можливість компенсації значень часткових критеріїв.

9. Інтелектуальну підтримку прийняття рішень ОЧ було реалізовано шляхом деталізації та розмежування вирішуваних ним задач та перенесення виконання більшої їх частини на СППР ОЧС, а саме:

– аналізу інформації про виникнення ситуації, доповнення її відомостями з інших баз даних, пов'язаними зі згаданими в інформації особами, об'єктами і предметами;

– розпізнавання ситуації, формування первинного списку альтернатив та набору критеріїв для подальшого оцінювання ефективності цих альтернатив;

– прогнозування подальшого розвитку ситуації та визначення наслідків виконання кожної з альтернатив;

– оцінювання наслідків кожної з запропонованих альтернатив за відібраними критеріями та вибір кращої з них.

10. Дістала подальшого розвитку інформаційна технологія застосування СППР для забезпечення інтелектуальної підтримки ОПР у вирішенні задачі розпізнавання ситуації і прийняття первинних рішень та задачі прогнозування розвитку ситуації і визначення наслідків первинних рішень шляхом використання апарату ШНМ.

Застосування СППР ОЧС у діяльності ОЧ показало зростання ефективності прийнятих ним рішень на 9-35%.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Локазюк підтримки прийняття рішень для оперативно-чергових служб / , , Тітова В. Ю. // Вісник Хмельницького національного університету – Хмельницький: ХНУ, 2005. – №4, ч.1, т2. - С. 195 –198.

2. Тітова В. Ю. Інформаційно-аналітична підтримка прийняття рішень для оперативно-чергових служб // Искусственный интеллект – Донецьк: Інститут проблем штучного інтелекту, 2006. - №4. - С.504-509.

3. Тітова В. Ю. Інформаційно-аналітична підтримка прийняття рішень оперативного чергового в системі управління внутрішніх справ // Вісник Хмельницького національного університету – Хмельницький: ХНУ, 2006. – №6. - С. 146-149.

4. Тітова процесу розпізнавання ситуації та прийняття первинних рішень оперативним черговим оперативно-чергової служби.// Радіоелектронні і комп’ютерні системи – Харків: ХАІ, 2007 – № 7. - С.99-104.

5. Тітова модель опису процесу прогнозування розвитку ситуації при охороні суспільного порядку органами внутрішніх справ // Вісник Хмельницького національного університету – Хмельницький: ХНУ, 2007 - №2, т.1. - С.140-145.

6. Тітова В. Інтелектуальні методи для створення підсистеми прийняття первинних рішень системи підтримки прийняття рішень для оперативно-чергових служб.// Комп’ютерні науки та інформаційні технології – Львів: “Львівська політехніка”. - № 000. – 2007. – С. 78-85.

7. Інтелектуальний метод вирішення задачі прогнозування розвитку ситуації для оперативно-чергових служб / , Тітова В. Ю. // Радіоелектронні і комп’ютерні системи – Харків: ХАІ, 2008 – № 7. - С.59-66.

8. Тітова В. Ю. Інформаційна технологія та засоби підтримки прийняття рішень для оперативно-чергових служб / Тітова В. Ю., // Вісник Хмельницького національного університету – Хмельницький: ХНУ, 2008. – №4. - С. 226-231.

9. Локазюк оцінювання ефективності рішень в системах підтримки прийняття рішень для оперативно-чергових служб / , Тітова В. Ю. // Збірник наукових праць “Наука і молодь” – Київ, 2006. - №6. - С. 85 – 89.

10. Тітова В. Ю. Оцінювання ефективності рішень в системах підтримки прийняття рішень для оперативно-чергових служб // Матеріали міжнародної наукової конференції “ПОЛІТ-2006” – Київ, 2006. – С. 144.

11. Тітова підтримки прийняття рішень оперативному черговому за рахунок створення СППР для оперативно-чергової служби // Матеріали міжнародної науково-технічної конференції “ИИ. ИМС-2006”. – Донецьк, 2006. – т.1. - С. 99-102.

12. Тітова СППР для оперативно-чергових служб // Збірник наукових праць по матеріалам міжнародної науково-практичної конференції “Современные направления теоретических и прикладных исследований”. – Одеса, 2006. – т.2. - С. 33-35.

13. Тітова інтелектуальних методів для вирішення задачі розпізнавання ситуації та прийняття первинних рішень в системі управління внутрішніх справ.// Матеріали міжнародної наукової конференції “CSIT-2007” – Львів, 2007. – С. 247-248.

14. Тітова В. Ю. Діалогова підсистема системи підтримки прийняття рішень для оперативно-чергових служб. / Тітова В. Ю., // Матеріали міжнародної наукової конференції “САІТ-2008” – Київ, 2008. – С. 259.

АНОТАЦІЇ

Тітова В. Ю. Інформаційні технології інтелектуальної підтримки прийняття рішень для оперативно-чергових служб. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – інформаційні технології. – Національний університет “Львівська політехніка”, Львів, 2008.

Дисертацію присвячено вирішенню проблеми забезпечення інтелектуальної підтримки прийняття рішень оперативному черговому оперативно-чергової служби. Розроблено концептуальну модель процесу прийняття рішень оперативним черговим, нові формалізовані описи моделей задач, результати яких використовуються оперативним черговим при прийняття рішень, нові методи вирішення зазначених задач, які базуються на штучних нейронних мережах. Вдосконалено метод оцінювання ефективності рішень. Програмною реалізацією зазначених моделей та методів стала система підтримки прийняття рішень для оперативно-чергових служб.

Основні результати роботи знайшли практичне застосування на підприємствах, де існує оперативно-чергова служба, у наукових дослідженнях та у навчальному процесі.

Ключові слова: система підтримки прийняття рішень, оперативний черговий, оперативно-чергова служба, формалізовані описи моделей задач, методи, що базуються на нейромережах.

Титова технологии интеллектуальной поддержки принятия решений для оперативно-дежурных служб. – Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 – информационные технологии. – Национальный университет «Львовская политехника», Львов, 2008.

Диссертация посвящена решению проблемы обеспечения интеллектуальной поддержки принятия решений оперативному дежурному оперативно-дежурной службы.

На основании анализа деятельности оперативного дежурного определено, что он по своим служебным обязанностям является лицом, принимающим решения. Проведена детализация задач, решаемых оперативным дежурным в процессе принятия решения, на основе детализации данного процесса разработана его концептуальная модель.

Разработаны новые формализованные описания моделей задач, результаты решения которых используются оперативным дежурным для принятия решений. Для решения данных задач, разработаны новые методы, основанные на формализованных описания моделей и нейронных сетях, отличающиеся от существующих использованием параметров и условий, характеризирующих ситуацию, для генерации множества ее возможных решений, прогнозирования ее развития и определения последствий предложенных решений.

Предложен усовершенствованный метод оценивания эффективности решений, основанный на использовании матрицы отношений критериев и нормированных матриц значений последствий каждого первичного решения. Предложенный метод позволяет повысить эффективность окончательного решения.

Интеллектуальная поддержка принятия решений была достигнута благодаря детализации и разграничению задач оперативного дежурного и переносу выполнения большей их части на систему поддержки принятия решений для оперативно-дежурных служб.

Дальнейшее развитие получила информационная технология использования систем поддержки принятия решений для решения задачи распознавания ситуации и принятия первичных решений и задачи прогнозирования развития ситуации и определения последствий первичных решений путем использования аппарата искусственных нейронных сетей.

Ключевые слова: система поддержки принятия решений, оперативный дежурный, оперативно-дежурная служба, формализованные описания моделей задач, методы, основанные на нейронных сетях.

Titova V. U. Information technologies of the intelligent decision support for efficient-duty service. – Manuscript.

Thesis for the Candidate’s degree of engineering science in specialty 05.13.06 - information technologies. – Lviv Polytechnic National University, Lviv, 2008.

Dissertation is devoted to the decision of problem of providing intelligent decision support for efficient-duty services. The decision support system for efficient-duty services is developed. A conceptual model of process of decision’s acceptance by the efficient duty officer, new formalized descriptions of models of tasks, which results are drawn by the efficient duty officer at acceptance of decisions, new methods for deciding of the marked tasks, which are based on the artificial neuron networks is developed. A method of evaluation of efficiency of decisions is improved.

The basic results of work found the practical application on enterprises, where efficient-duty service is, in the scientific researches and in the educational process.

Keywords: decision support system, efficient duty officer, efficient-duty service, formalized descriptions of models of tasks, methods, which are based on neuron networks.