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 члена к 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.