Устойчивой тенденцией развития современных процессов, протекающих в сфере человеческой деятельности (социальной, экономической, биотехнической, медицинской, технологической), становится усложнение задач, которые приходится решать на различных уровнях управления. Это связано с ростом объемов разнородной информации, необходимой для обоснованного принятия решений, и с сокращением времени, имеющегося для принятия решений. При этом возрастает доля трудноформализуемых по разным причинам задач. Причем основными причинами трудной формализуемости являются сложность процессов, происходящих в системе, относительно которой принимается решение, трудности формализации цели и неопределенность влияния среды на ситуацию, в которой приходится принимать решение.
Процессы принятия решения лежат в основе любой целенаправленной деятельности. В технике они предшествуют разработке технологии создания новых устройств, выбору управляющих воздействий сложными агрегатами или системами. В социальной сфере – используются для организации функционирования и развития социальных процессов. В медицине – постановке диагноза и выбору метода лечения, в экономике – обеспечивают оптимальное функционирование и взаимодействие производственных и хозяйственных организаций.
Для повышения качества принимаемых решений в этих условиях все шире применяются интеллектуальные решающие системы (СППР), на которые перекладываются не только процедуры информационного обеспечения, но и процедуры непосредственной подготовки (а иногда и принятия) решений различных задач.
В настоящее время для поддержки решений трудноформализуемых задач используются различные интеллектуальные системы, среди которых можно выделить: системы поддержки принятия решений (СППР), экспертные системы (ЭС) и системы ситуационного управления (ССУ) [1]. Однако не все трудноформализуемые задачи могут быть решены с помощью таких систем, в основном, из-за "незнаний" ими основных закономерностей предметной области [2]. Это наиболее сложные задачи, такие, например, как управление сложными техническими системами в условиях неопределенности; прогнозирование состояния сложной системы (не обязательно технической); диагностика причин неправильного функционирования сложной системы и др.
Расширить область применения СППР можно путем решения задачи приближенной формализации исследуемых систем и критериев с точностью, достаточной для получения, разумеется, не оптимальных, но удовлетворительных с практической точки зрения решений, которые здесь будем называть рациональными. Для этого интеллектуальная система должна: иметь более сложную структуру (как минимум, она должна содержать подсистему моделирования для создания формальных моделей предметной области; базу знаний предметной области для формирования гипотез, используемых при решении задач моделирования и поиска решений), иметь более мощное и гибкое математическое обеспечение.
Оптимальные (эффективные) решения позволяют достигать цели при минимальных затратах трудовых, материальных и сырьевых ресурсов. Поэтому решение – чаще всего математический объект, основным свойством которого является то, что он доставляет экстремум вектору Q функций или функционалов, отражающему заданный принцип оптимальности.
Задачу принятия решений можно представить парой <U, P>, где U – множество вариантов, P – цель решения или принцип оптимальности. Каждому варианту решения u соответствует значение вектора Q, определенного на множестве значений целевых переменных y исследуемой системы S, т.е. переменных, значения которых учитываются при решении задачи так, что каждой альтернативе uÎU можно сопоставить точку Q(y,u) ={q1(y,u), …, qs(y,u)} в критериальном пространстве. Отсюда следует, что качество решения существенно зависти от определенности исследуемой системы, т.е. от степени знания процессов, определяющих ее поведение.
Появившиеся в последнее время интеллектуальные решающие системы, использующие модели предметной области для поиска решений, получили название интегрированных систем поддержки принятия решений (ИСППР). Известные такие системы содержат в базе знаний модели, отражающие основные закономерности исследуемой системы, с жестко заданной структурой, т.е. система должна быть априорно формализована.
Однако специфика решения трудноформализуемых задач указанного класса требует, чтобы проектируемая компьютерная система базировалась не на моделях заранее заданной жесткой структуры, а на моделях с настраиваемой структурой. Это сделает систему гибкой, достаточно универсальной, и кроме того, оставит за пользователем свободу участия в процедуре синтеза моделей в соответствии с собственной логикой рассуждений, в которой отражаются его накопленный опыт, интуиция, предпочтения. В то же время система будет достаточно строгой, потому что использует некоторые конкретные правила анализа и синтеза моделей.
В дисциплине рассматривается именно такой подход к проблеме создания ИСППР сложных трудноформализуемых задач. Здесь под ИСППР мы будем понимать интеллектуальную решающую систему, включающую подсистему моделирования (для приближенной формализации задач) и обладающую расширенным составом базы знаний и достаточно мощным математическим обеспечением, позволяющим использовать не только приближенные закономерности процессов, но и накопленный опыт решения задач данного класса для снижения неопределенности.
Применение в качестве элементов знаний приближенных математических моделей дает возможность использовать не только эвристические, но и математические процедуры поиска решений, обеспечивающие наибольшую эффективность. Это основное достоинство интегрированной системы.