Мультиагентный подход для построения модуля поддержки принятия решений в автоматизированной системе поддержки научных исследований
Специфика статистического мониторинга взаимодействующих экономических процессов в отраслях. Оценка релевантности статистических показателей для принятия решений. Организация мультиагентной системы для конкурентной оценки релевантности числовых рядов.
Рубрика | Экономико-математическое моделирование |
Вид | статья |
Язык | русский |
Дата добавления | 18.01.2018 |
Размер файла | 44,0 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
ГОУ ВПО «Магнитогорский государственный университет», Магнитогорск
МУЛЬТИАГЕНТНЫЙ ПОДХОД ДЛЯ ПОСТРОЕНИЯ МОДУЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В АВТОМАТИЗИРОВАННОЙ СИСТЕМЕ ПОДДЕРЖКИ НАУЧНЫХ ИССЛЕДОВАНИЙ
Г.А. Лисьев
Аннотация
Доклад представляет проект развития автоматизированной системы поддержки научных исследований (экономика). Оценка релевантности статистических показателей для принятия решений в заданной области - это частная задача проекта. Решение этой задачи предлагается в организации мультиагентной системы для конкурентной оценки релевантности числовых рядов.
Введение
релевантность экономический статистический мониторинг
В докладе представляются некоторые результаты по части исследования специфики статистического мониторинга взаимодействующих экономических процессов внутри отраслей (на примере образования), внутри макроэкономики страны, внутри мировой экономической системе. В работах автора и его студенческой исследовательской группы (см. литературу к статье), на основе анализа статистических данных, доступных на сайтах статистических служб и сайте ЦРУ (CIA, USA), рассмотрены специфические условия современных экономических процессов, названных «гравитационной» экономикой [Лисьев, 2009a] и «экономикой индивидуального импульса» [Лисьев, 2009d]. Эта специфика, а также наличие направленных «информационных войн» [Цыганов и др., 2007], как против отдельных организаций, социальных институтов, так и экономической системы РФ в целом обуславливает необходимость проведения направленных исследований и работ концептуального, методологического и практического уровней по созданию систем оценки возможностей принятия удовлетворительных решений (системы поддержки принятия решений - СППР/DSS).
Постановка проблемы и предлагаемые решения
Цель разработки автоматизированной системы поддержки научных исследовании (АСПНИ) Регистрация в Объединенном Фонде Электронных Ресурсов «Наука и образование» (ОФЭРНиО): № 15479 от 22.03.2010. в области экономики [Лисьев, 2009b] - создание программного web-инструментария для проведения социологических опросов, экспертных оценок (индивидуальных и групповых), on-line статистического моделирования (сайт проекта: www.masu-inform.ru:8111). Развитие АСПНИ направлено в расширении функциональных возможностей для поддержки принятия решений. Эти функции включают в себя:
· интерактивное создание, наполнение и модификация пользовательских БД;
· эконометрическое моделирование над данными пользовательских БД, включая кластерный анализ данных;
· мультиагентный модуль оценки и выбора структурированных данных для построения адекватных прогнозных моделей.
Область применения АСПНИ в текущей версии ограничена методами получения и обработки данных. Социологическая анкета, тест, экспертная оценка, статистические модели - методы, достаточно адекватно применимые для исследования процессов в экономической системе. Конкретизированный объект исследования для автора - инфраструктурная отрасль экономики - образовательная система. Экономические аспекты деятельности системы образования, особенно прогнозы влияния различных решений для образовательной системы в контексте выиграша/проигрыша для экономики страны в целом, определяют предмет исследования. Однако имеющиеся возможности АСПНИ по регистрации многих пользователей и поддержки единого информационного пространства для «групп» и «проектов» могут определять специфику хранимой информации для достаточно широкого круга проблемных ситуаций и не ограничиваться только экономическими/эконометрическими аспектами.
Очевидно, что заданная автором проблемная область будет содержать специфические ряды данных, которые будут носить как объективный характер (например, количество учебных заведений в выбранной местности и в заданном времени измерения), так и субъективные оценки (например, оценка степени удовлетворенности полученным образованием выпускников вузов). Объективные данные могут быть получены из официальных источников, например с портала Федеральной службы государственной статистики (http://www.gks.ru). Назовём эти ряды данных регулярной информацией, т.к. её формат и способы сбора достаточно формализованы. Оценка возможности использования официальных статистических данных в области образования для принятия решений приведена в работе [Лисьев, 2009с]. Другая часть информации собирается в ходе опросов экспертов, поэтому имеет качественный и/или интервальный характер представления. Такие данные назовем «экспертной информацией». Отдельная техническая задача состоит в создании механизма трансляции полученных экспертных оценок (индивидуальных и групповых) в онтологию данной проблемной ситуации. Для оценки пригодности данных к описанию заданных проблемных ситуаций оба типа характеризуются в «нечетких» терминах: «объективный», «достаточный», «релевантный», «ценный».
Особенности и свойства мультиагентных систем (МАС) позволят строить концептуальные модели и практические реализации модуля СППР для решения задач оценки и выбора релевантной информации для процедур принятия решений. В частности, построение эконометрических моделей и согласование их качества на экспертном уровне. Общая структура модуля МАС, разрабатываемая в рамках проекта АСПНИ, представлена на рис. 1.
Рис. 1 Общая структура СППР с использованием МАС
В общей структуре СППР, МАС занимает промежуточный слой между базами данных двух типов. Для агентов эти БД представляют собой «ресурсы» Программный агент, имеющий возможность предоставлять некоторый ресурс. Взаимодействует с агентом потребностей, который отражает запросы ЛПР. Общее решение находится в результате переговоров между агентами ресурсов и агентами потребностей., имеющие различную «ценность». В частности, одним из параметров ценности является длина (глубина) временного ряда конкретного статистического показателя. Другим параметром ценности - общее количество показателей, характеризующих данный объект (процесс). В первом случае по запросу агента-потребности оценивается возможность построения прогнозной модели по данным временного ряда, во втором случае - возможность построения значимой регрессионной модели. В АСПНИ эти данные сосредоточены в Пользовательских БД.
Слой СППР, который представлен МАС и процедурами оценки потребностей в новой информации, проводит моделирование и поиск решения в результате переговоров агентов. В случае «малой ценности» ресурсов или их принципиального отсутствия, здесь генерируются запросы для ЛПР/экспертной группы о необходимости пополнения БД. Онтологии предметной области связывают между собой «знания» экспертов и существующие/возможные статистические ресурсы.
Данный подход реализуется сейчас в виде экспериментальных работ с программным обеспечением Magenta Toolkit. Это средство предоставлено в рамках договора о сотрудничестве с ГОУ ВПО «МаГУ» и компанией Magenta Technology, Великобритания.
В качестве базового примера для решения поставленной задачи о разработке мультиагентной системы поддержки принятия решений в экономике проблемной областью выбрана система образования РФ. Разработаны базовые онтологии и базовое подмножество агентов [Трейбач, 2009]. Разрабатываемая СППР (модуль АСПНИ) должна, в частности, давать обоснованные ответы о выборе подходящего (релевантного) подмножества статистических показателей для оценки и прогнозирования заданного процесса. Например, какие показатели действительно актуальны и релевантны для оценки последствий введения ЕГЭ?
Вопрос ЛПР, имеющий эконометрический аспект, также может быть сформулирован в виде:
Какое направление подготовки высшего профессионального образования приносит наибольший «выигрыш» его обладателям?
Агент потребностей - в этом случае формулирует цель в терминах затрат/доходов.
Агенты возможностей - представляют данные двух типов: таблицы регулярной информации (временные ряды) по показателям официальной статистики и оценки/суждения экспертов. Если данные первого типа являются историей и могут быть использованы для получения краткосрочного прогноза, то данные второго типа - направлены в будущее. Показатели «ценности» у агентов, таким образом, будут различные. Соревнование между агентами может создать необходимость в запросе дополнительных данных. Например, об инвестициях в различные отрасли экономики (временные ряды) и отдаче этих инвестиций, структуре образования кадров в этих отраслях, распределении выплат и т.п.
Перспективное направление развития СППР в АСПНИ - использование параллельных вычислений на кластерах рабочих станций/серверах БД. Статистическая и экспертная информация в различных форматах может быть распределена по web-пространству и не иметь локализацию на конкретном сервере. Для пополнения БД АСПНИ и/или решения задач из различных проблемных областей требуется выполнить ряд действий:
поиск преобразование/согласование классификация сопоставление агенту возможностей.
Они могут происходить однократно или в режиме непрерывного поиска/пополнения информации (сходном с работой поисковых систем в web-пространстве). В результате многократного пополнения и фильтрации информации (согласно методологии KDD - Knowledge Discovery in Databases), предполагается накопление значительных объемов информации по заданной проблемной области. Разрешение проблемы производительности системы и обеспечение приемлемого отклика на запрос пользователя лежит в технологии параллельных вычислений. Платформой для организации кластера выбран Apache Hadoop [The Apache Hadoop, 2010]. В данном проекте такой выбор обоснован, прежде всего, бесплатностью продукта и его широкой распространенностью в исследовательских проектах.
Список литературы
1. Андреев В.В., Минаков И.А., Пшеничников В.В., Симонова Е.В., Скобелев П.О. Основы построения мультиагентных систем // Поволжская государственная академия телекоммуникаций и информатики. Самара, 2007.
2. Лисьев Г.А. Некоторые подходы к моделированию неравновесных состояний в образовательных процессах российских регионов // Вестник МаГУ: периодический научный журнал. Магнитогорск: МаГУ, 2009. Вып. 11.
3. Лисьев Г.А. Автоматизированная система поддержки научных исследований в области экономики образования // Открытое образование. 2009. №1.
4. Лисьев Г.А. Статистические индикаторы и управление образовательной системой России в эпоху информационного прессинга // Труды Международной конференции «Математическая теория систем», МТС-2009. М.: Институт системного анализа РАН, 2009.
5. Лисьев Г.А. Некоторые аспекты современных условий принятия решений в экономике // Системы поддержки принятия решений. Теория и практика. СППР '2009. Киев: 2009.
6. Лисьев Г.А. Экспертная подсистема автоматизированной системы поддержки научных исследований в области экономики образования // Третья Международная конференция «Системный анализ и информационные технологии» САИТ-2009, Звенигород: Труды конференции. М.: 2009.
7. Лисьев Г.А., Измайлов В.Г., Озерова М.Ю., Трейбач А.Л. Автоматизированная система поддержки научных исследований. [Электронный ресурс] // Хроники объединённого фонда электронных ресурсов «Наука и образование». 2010. № 3 (10). Режим доступа: http://ofernio.ru/portal/newspaper/ofernio/2010/3.doc.
8. Трейбач А.Л. Концепция модуля оценки и выбора информационных ресурсов для поддержки принятия решений в образовании // Сборник докладов научно-практической конференции «Современный информационные технологии и ИТ-образование»: учебно-методическое пособие. Под ред. Проф. В.А. Сухомлина. М.: ИНТУИТ.РУ, 2009.
9. Цыганов В.В., Бухарин С.Н. Информационные войны в бизнесе и политике: Теория и методология. М.: Академический Проект, 2007.
10. The Apache Hadoop project develops open-source software for reliable, scalable, distributed computing. http://hadoop.apache.org.
Размещено на Allbest.ru
Подобные документы
Статистические модели принятия решений. Описание моделей с известным распределением вероятностей состояния среды. Рассмотрение простейшей схемы динамического процесса принятия решений. Проведение расчета вероятности произведенной модификации предприятия.
контрольная работа [383,0 K], добавлен 07.11.2011Теория статистических решений как поиск оптимального недетерминированного поведения в условиях неопределенности. Критерии принятия решений Лапласа, минимаксный, Сэвиджа, Гурвица и различия между ними. Математические средства описания неопределенностей.
контрольная работа [66,0 K], добавлен 25.03.2009Теория игр в контексте теории принятия решений. Игры без седловых точек. Использование линейной оптимизации при решении матричных игр. Критерии, используемые для принятия решений в играх с природой. Решение парных матричных игр с нулевой суммой.
контрольная работа [437,2 K], добавлен 14.02.2011Обоснование решений в конфликтных ситуациях. Теория игр и статистических решений. Оценка эффективности проекта по критерию ожидаемой среднегодовой прибыли. Определение результирующего ранжирования критериев оценки вариантов приобретения автомобиля.
контрольная работа [99,9 K], добавлен 21.03.2014Решение задач при помощи пакета прикладных программ MatLab. Загрузка в MatLab матриц A и P. Нахождение оптимальной стратегии для заданных матриц с использованием критериев принятия решений в условиях неопределённости Вальда, Гурвица, Лапласа, Сэвиджа.
лабораторная работа [80,2 K], добавлен 18.03.2015Понятие измерительной шкалы и их виды в математическом моделировании: шкала наименований (полинальная), порядковая, интервальная и шкала отношений. Статистические меры, допустимые для разных типов шкал. Основные положения теории принятия решений.
контрольная работа [21,7 K], добавлен 16.02.2011Моделирование экономических процессов методами планирования и управления. Построение сетевой модели. Оптимизация сетевого графика при помощи табличного редактора Microsoft Excel и среды программирования Visual Basic. Методы принятия оптимальных решений.
курсовая работа [217,2 K], добавлен 22.11.2013Понятие нулевой и альтернативной гипотез. Обычная процедура принятия решений. Область принятия гипотезы. Гипотетическое распределение, область принятия и распределения в действительности. Области и вероятность совершения ошибки при принятии решения.
презентация [61,3 K], добавлен 20.01.2015Оптимизация решений динамическими методами. Расчет оптимальных сроков начала строительства объектов. Принятие решений в условиях риска (определение математического ожидания) и неопределенности (оптимальная стратегия поведения завода, правило максимакса).
контрольная работа [57,1 K], добавлен 04.10.2010Классическая теория оптимизации. Функция скаляризации Чебышева. Критерий Парето-оптимальность. Марковские процессы принятия решений. Метод изменения ограничений. Алгоритм нахождения кратчайшего пути. Процесс построения минимального остовного дерева сети.
контрольная работа [182,8 K], добавлен 18.01.2015