Лекции по "Информационные системы в экономике"

   ИЛИ

   ставки Центрального банка будут в пределах 12%  (условие Е) ct(Е) = 0,5 

   ИЛИ  

   объем экспорта возрастет более чем на 5% (условие G)  ct(G) = 0,6 

   ТО индекс цен возрастет не менее чем на 3%. (заключение В)  ct(В) = 0,3, ct(правила 2) = 0,3.

   Эти правила объединяются в дерево, представленное на рисунке ниже.

   

   Знания  такого рода представляются графически, а также как рассчитывается коэффициент определенности заключения.

   Условимся заключение, получаемое с помощью правила, изображать сверху, а условия - снизу.

   Число рядом с условием указывает на его определенность, а число рядом  с линией - на определенность самого правила.

   Условий в правиле может быть несколько, которые связанны между собой союзами И или ИЛИ.

   Например

   ЕСЛИ  А и В и С, ТО Е,

   ЕСЛИ  А или В или  С, ТО Е.

   Графически  эти правила изображаются так, как  это показано на рисунке

   

   Сплошная  или пунктирная дуга указывает на вид объединения условий: союзом И или союзом ИЛИ соответственно.

   Число, находящееся рядом с дугой (сплошной или пунктирной), указывает на определенность правила, а число рядом с условиями  и заключениями - на определенность условий и заключений.

   Лицо, принимающее решение, условиям (А, В, С), а также правилу присваивает  коэффициент определенности от 0 до 1.

   С помощью специальных формул рассчитывается коэффициент определенности для  заключения.

   Для простого правила, содержащего лишь одно условие, например, ЕСЛИ Е, ТО С, коэффициент  определенности для заключения С  рассчитывается так:

   ct(C) = ct(E) · ct(правила)

   где ct(C) - коэффициент определенности заключения С;

   ct(E) - коэффициент определенности условия Е;

   сt(правила) - коэффициент определенности правила.     
 
 

   66. Фреймы в решении  экономических задач

   Кратко  рассказать Вопрос 63

   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.

   Рассмотрим  пример фрейма «Руководитель».

   Реквизиты, указывающие характеристики объекта, называются слотами.

      

   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».

   Во  фрейме «Руководитель» указаны процедуры 1, 2, 3, 4 активизируются при изменении  значений слотов.

   Слот  «Заработная плата» связан с фреймом  «Зарплата», который активизируется с помощью процедуры 4. Она включается при изменения слота «Заработная плата». Процедура 4 включается при изменении значения слота «Заработная плата», после включается процедура 5, так изменился слот «Почасовая заработная плата».   
 

   67. Дерево целей в  решении экономических  задач

   Кратко  рассказать Вопрос 63

   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.

   Например, уровень достижения цели “Увеличить рентабельность предприятия” можно измерить показателем “Рентабельность” в числовом диапазоне от 0 до 1.

   Цель  “Увеличить рентабельность предприятия с 0,3 до 0,5” в дереве целей указывается именно таким образом.

   Дерево  целей можно продолжить, если указать  из чего состоят выручка и затраты. Это позволит рассчитать управляющие воздействия более детального характера (см. раздел 8.4). Представление знаний в виде дерева целей возможно, если известна цель управления и формулы, согласно которым можно рассчитать уровень достижения каждой из подцелей.

   Рассказать  про обратный вывод.

   Далее смотреть у Одинцова.   
 

   68. Нечеткие множества  в решении экономических  задач

   В процессе создания моделей баз знаний специалисты сталкиваются с проблемой отражения и использования нечеткой, то есть неопределенной информации.

   Представление таких знаний “как высокий человек”, “добросовестный поставщик”, “надежный  партнер” и т.д., потребовали нового взгляда на методы их формализации.

   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.

   Степень принадлежности элементов множества  Е множеству А можно однозначно представить как:

   

   На  рисунке иллюстрируется четкая (однозначная) принадлежность элементов одного множества  другому.

   

   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

   Для нашего случая функция принадлежности, записывается следующим образом:

   

   Если  функцию принадлежности применить  для четких множеств (см. рис. 5.33), то можно получить следующее:

   

   Как правило, функции принадлежности иллюстрируются графически. На рисунке представлено субъективное понимание возраста с помощью функций принадлежности и графиков.

   

   На  рис. 5.35 представлено субъективное понимание понятия «низкие процентные ставки».

   

   Для того чтобы функцию принадлежности можно было использовать в практических расчетах, вводятся операции пересечения и объединения нечетких множеств.

   Операция  пересечения нечетких множеств соответствует  нахождению минимума значений их функций принадлежности:

   

   Операция  объединения соответствует максимуму значений их функций принадлежности, то есть:

   

.

   Пример  применения нечетких множеств

   В ходе управления финансами очень часто возникает задача борьбы с неопределенностью, сопровождающей финансовые решения. Неопределенность эта двоякая:

   а) текущее состояние финансовой системы не может быть распознано с необходимой точностью;

   б) будущие показатели финансовой системы и ее внешнего окружения неизвестны вполне точно.

   Нечеткие  множества в этом смысле могут выступать как инструмент моделирования неопределенности, который базируется на известной мыслительной способности человека оперировать качественными категории и оформлять свои логические выводы также в качественной форме.

   Если качество некоторого объекта может быть выражено некоторой иерархией количественных и/или качественных признаков, причем известно, как одни факторы доминируют над другими в пределах одного уровня иерархии, то оказывается возможным оценить комплексное качество объекта на основе того же для отдельных свойств иерархии.

   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.