Полиинтервальные оценки исходных данных - Метод представления знаний в интеллектуальных системах поддержки экспертных решений

В процессе анализа и обобщения результатов исследований, проведенных в [4 - 10], стало ясно, что не все ситуации экспертного задания исходных параметров, измеримых в количественных шкалах, могут быть описаны в рамках "моноинтервального" подхода, подхода, при котором эксперт ограничивается заданием для каждого исходного параметра единственного интервала изменчивости данных. Именно, знания эксперта о проблеме могут оказаться таковыми, что он посчитает задание значений какого-либо параметра в виде единственного интервального числа неадекватным его истинной точке зрения. Фактически его знаниям об исходном параметре может отвечать задание целой совокупности интервалов. Для спецификации такой совокупности эксперт может задать оценки нескольких характерных интервалов, входящих в совокупность. Это могут быть, например, пессимистическая, оптимистическая и наиболее вероятная оценки для интервала, описывающего, по мнению эксперта, изменчивость анализируемого исходного параметра, или какие-либо другие оценки. Тогда необходимо, исходя из предъявленных экспертом оценок, восстановить всю совокупность интервалов. Ясно, что и при фиксированном числе оценок последующий анализ зависит от того, какие именно интервалы их совокупности выбраны в качестве характерных. Рассмотрим далее более подробно простейший случай наличия экспертных оценок для двух специально выбранных характерных интервалов.

Эксперт может, например, задать оценку для наиболее ожидаемого и наименее широкого из входящих в совокупность интервалов, - "интервала-моды" - Im = [Dl(m), Dr(m)] длины M = Dr(m) - Dl(m), и для наиболее широкого ("базового") интервала совокупности Ib = [Dl(b), Dr(b)] длины B = Dr(b) - Dl(b), заведомо включающего, по мнению эксперта, "истинное", неизвестное значение параметра. Все "промежуточные" (между Im и Ib) интервалы Il, такие что Im ... Il ... Ib, также входят в указанную совокупность. Предполагается, что знания квалифицированного эксперта должны позволить ему даже в ситуации со столь высокой неопределенностью подойти к выбору Im и Ib достаточно обоснованно, а не ограничиться, например, выбором Ib = (-, ). Последнее не может не означать полного незнания, и такой эксперт вряд ли компетентен в анализируемой им предметной области.

Расположим все возможные отдельные интервалы заданной таким образом экспертом их совокупности на плоскости (Y = h, X = D) друг над другом, от большего (по длине) Ib к меньшему Im, так чтобы левые границы промежуточных интервалов лежали на левой [Dl(b), Dl(m)], а правые на правой [Dr(m), Dr(b)] боковой стороне соответствующей криволинейной трапеции. Нормируем высоту h этой трапеции на единицу, при этом базовый интервал совокупности отвечает h = 0, а интервал-мода h = 1. Полученную конструкцию назовем "полиинтервальной" экспертной оценкой возможных значений исходного параметра. При таком задании полиинтервальных оценок соответствующая система интервалов оказывается системой интервалов, вложенных друг в друга. В общем случае это не обязательно. Итак, полинтервальные оценки этого типа определяются не только заданием базового интервала и интервала-моды, но и видом левой и правой границ соответствующей криволинейной трапеции. В простейшем случае эти границы прямолинейны. Отметим, что возможность варьирования границ полинтервальных оценок и задания меры уверенности в реализации границ того или иного типа предоставляет эксперту дополнительную возможность отобразить свои знания об анализируемом исходном параметре.

Похожие статьи




Полиинтервальные оценки исходных данных - Метод представления знаний в интеллектуальных системах поддержки экспертных решений

Предыдущая | Следующая