Система інтелектуальної підтримки прийняття рішень для автоматизації розподілених технологічних процесів - Автореферат

Система інтелектуальної підтримки прийняття рішень для автоматизації розподілених технологічних процесівТому тема дисертаційної роботи є актуальною, оскільки вона присвячена розробленню математичних моделей класифікаційного керування, методів оцінки функціональної ефективності та оптимізації просторово-часових параметрів функціонування СППР, що навчаються в режимі ФКА за умов апріорної невизначеності, а так само інформаційного, алгоритмічного та програмного забезпечення проектування, впровадження та супроводження таких систем для автоматизації керованих технологічних процесів у різних галузях соціально-економічної сфери українського суспільства. Суть запропонованого в дисертаційній роботі інформаційно-екстремального методу аналізу і синтезу інтелектуальної СППР полягає в цілеспрямованій трансформації на етапі навчання в режимі ФКА апріорного нечіткого розбиття простору ознак на класи розпізнавання в чітке розбиття еквівалентності за умов апріорної невизначеності, інформаційних і ресурсних обмежень, що дозволило побудувати безпомилковий за навчальною вибіркою класифікатор. Тематика дисертаційної роботи повязана з дослідженнями, проведеними у Сумському державному університеті на кафедрі інформатики відповідно до плану науково-дослідних робіт за держбюджетним темами «Математичні моделі, алгоритми та засоби інформаційної технології аналізу та синтезу інтелектуальних систем» (ДР №0105U002825), «Математичне моделювання та оцінка функціональної ефективності адаптивної системи керування дистанційним навчанням» (ДР №0106U001930) та науково-технічною темою «Розробка методології використання інтелектуальної системи керування, що навчається, у виробництві мінеральних добрив» при виконанні договорів про науково-технічне співробітництво між Сумським державним університетом і ВАТ «Сумихімпром» від 10.06.2002 р. і 18.04.2008 р. Мета дисертаційної роботи полягає в розробленні науково-методологічних основ інформаційно-екстремального методу аналізу і синтезу СППР, що навчається в режимі ФКА за умов невизначеності, інформаційних і ресурсних обмежень, і відповідних засобів інформаційної технології для проектування зазначених систем з підвищеною функціональною ефективністю.У відповідності до поставленої мети у дисертації сформульовано такі завдання: · формування вхідного математичного опису СППР; Методи дослідження концептуальних і теоретичних основ роботи базуються на принципах та методах системного аналізу з метою побудови адекватних реальним процесам математичних моделей; методах інформаційно-екстремальної інтелектуальної технології (ІЕІТ) аналізу та синтезу інтелектуальних СППР; теорії нечітких множин для опису нечіткого розбиття простору ознак розпізнавання на класи; методах теорії ймовірностей і математичної статистики для оцінки випадкових величин і перевірки статистичних гіпотез; методах та характеристиках теорії інформації для оцінки функціональної ефективності АСУ, що навчається.Показано, що перспективними для подолання основного недоліку відомих методів автоматичної класифікації, який полягає в ігноруванні перетину функціональних станів АСК, є методи аналізу і синтезу здатних навчатися СППР у рамках розробленої колективом науково-дослідної лабораторії інтелектуальних систем Сумського державного університету під керівництвом професора Довбиша А.С. інформаційно-екстремальної інтелектуальної технології (ІЕІТ), що ґрунтується на максимізації інформаційної спроможності системи шляхом введення в процесі навчання системи додаткових інформаційних обмежень. Нехай функціональний стан СППР характеризує базовий клас - найбільш бажаний функціональний стан технологічного процесу, для якого в режимі моніторингу сформовано багатовимірну навчальну матрицю типу «процес-властивість» , , де N, n - кількість ознак, що контролюються і векторів-реалізацій функціонального стану технологічного процесу (далі клас розпізнавання) відповідно. Треба в процесі функціонування СППР при зміні під впливом неконтрольованих факторів її функціональних станів сформувати асоціативну навчальну матрицю , яка характеризується статистичною стійкістю та статистичною однорідністю, і побудувати оптимальне чітке розбиття простору ознак на асоційовані класи за умови: , де - інформаційний критерій функціональної ефективності (КФЕ) навчання СППР розпізнавати реалізації класу ; - потужність відкритого алфавіту класів розпізнавання . У роботі вхідний математичний опис СППР, що навчається в режимі ФКА, подано у вигляді структури: DB=, (1) де G - множина факторів, що впливають на функціонування СППР; T - множина моментів часу зняття інформації; ? - простір ознак; Z - простір можливих функціональних станів АСК; Y - навчальна матриця ; Ф: G?T???Z®Y-оператор формування вибіркової множини Y на вході СППР; X: G?T??®Z - оператор формування нових функціональних станів.

Основний зміст роботи