ОНТОЛОГИЧЕСКИЙ ПОДХОД К СОЗДАНИЮ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

ONTOLOGICAL APPROACH TO CREATION OF DECISION-MAKING SUPPORT SYSTEMS

Aleksey Manaskin

student of Military Telecommunication Academy,

Russia, St. Petersburg

Aleksey Brunilin

post-graduate student of Military Telecommunication Academy,

Russia, St. Petersburg

Igor Saenko

ph.D., professor of Military Telecommunication Academy,

Russia, St. Petersburg

АННОТАЦИЯ

В статье рассматривается возможность использования онтологий в интеллектуальных системах поддержки принятия решений (СППР) для повышения обоснованности принимаемых решений. Дается краткий обзор способов построения СППР с использованием онтологий. Приводится сравнительный анализ эффективности СППР различного типа.

ABSTRACT

The paper considers the possibility of use of ontologies in the intellectual decision making support systems (DMSS) in order to increase a validity of made decisions. The brief review of methods for creation of DMSS with use of ontologies is given. The comparative efficiency analysis of different DMSS types is provided.

Ключевые слова: система управления, система поддержки принятия решений, онтология.

Keywords: control system, decision-making support system, ontology.

Обоснованность принимаемых решений в системе управления в значительной степени зависит от компетенции и объема знаний, которыми располагает лицо, принимающее решение (ЛПР). Однако рациональность принимаемого решения зависит не только от компетенции ЛПР, но и от многих других факторов. Оценка обоснованности вариантов решений, выработанных подчиненными, является сложной задачей руководителя любого уровня. Это обусловливает необходимость построения систем поддержки принятия решений (СППР), которые предназначены для обеспечения ЛПР информацией, требуемой для обоснованного принятия решения.

Интеллектуальные СППР используют различные средства работы со знаниями, в том числе онтологии, которые можно рассматривать как компоненты базы знаний. Эффективность функционирования интеллектуальных СППР во многом зависит от полноты и непротиворечивости знаний, а также от свойств модели представления знаний в базе знаний. Возможности онтологии интегрировать различные виды знаний, а также большое множество алгоритмических и программных средств работы с ними определяет целесообразность ее использования в качестве основного средства работы с базами знаний [2].

Не менее важное значение для построения СППР имеют ее гибкость и простота реализации. Для построения онтологий в СППР представляется целесообразным использовать методологию «концептуальных карт» [4]. В этом случае в структуре онтологической модели выделяются: онтология верхнего уровня, онтология предметной области и прикладные онтологии. Онтология верхнего уровня описывает основные правила построения и функционирования предметной области. Онтология предметной области описывает основные концепты в этой области. Прикладные онтологии реализуются для выполнения частных (специальных) задач. Они принадлежат к типу предметно-ориентированных онтологий и онтологий, ориентированных на задачу.

Использование прикладных онтологий на базе более общей онтологии предметной области, позволяет обеспечивать СППР необходимую гибкость в решении новых прикладных задач.

Выбор языка спецификации онтологий (Ontology specification language) определяется её прикладным назначением [1]. Существуют следующие традиционные языки спецификации онтологий: Ontolingua, CycL, языки, основанные на дескриптивных логиках (LOOM), языки, основанные на фреймах (OKBC, OCML, Flogic). Более поздние языки разработаны на основе современных Web- стандартов. К ним относят XOL, SHOE или UPML, RDFS, DAML, OIL, OWL.

Различие между языками описания онтологий заключается в их выразительных возможностях и в возможностях реализуемого для этих языков механизма логического вывода. Для большинства прикладных онтологий достаточно простого языка описания словарей RDFS. Для более сложных онтологий верхнего уровня необходимо использовать языки описания, ориентированные на математическую логику [1].

Техническая реализация предлагаемой интеллектуальной СППР должна реализовываться на технологии «клиент–сервер» с развертыванием дополнительных серверов и установкой клиентских приложений на автоматизированные рабочие места (АРМ). Сервера отвечают за совместное использование онтологической базы знаний и решение базовых задач по работе с онтологической моделью (редактирование и пополнение онтологии), метаданными (формирование семантических метаданных – аннотирование, хранение базы знаний) и информационными ресурсами (поиск, категоризацию, навигация по метаданным). В системах управления иерархического типа целесообразно использование отдельных серверов для разных звеньев управления. В таком случае центральные сервера хранят всю онтологическую модель, в то время как сервера нижележащих уровней иерархии – только онтологии необходимых предметных областей [3]. Такая архитектура в совокупности с применением механизмов многоуровневой синхронизации обеспечивает высокую степень автономности прикладных онтологий, повышая устойчивость СППР в целом.

Клиентские программы, устанавливаемые на АРМ ДЛ, исполняются в двух основных вариантах: «толстый клиент» и «тонкий клиент».

Реализация в виде «толстый клиент» представляет собой набор приложений, интегрированных единым программным интерфейсом, который позволяет обрабатывать необходимые данные в контексте онтологии.

«Тонкий клиент» подразумевает работу с онтологией через стандартный web-браузер, имеющий набор заранее установленных настроек [3].

Ожидаемый практический эффект использования интеллектуальных СППР представлен на рисунке 1, на котором отображена зависимость качества принимаемого решения от затраченного времени в случаях ручной обработки информации, использования обычных СППР и интеллектуальных СППР. Видно, что для достижения требуемого качества решения K_треб в случае использования интеллектуальных СППР требуется минимальное время (t₁) по сравнению с обычными СППР (t₂) и ручной обработкой информации (t₃).

Рисунок 1. Зависимость качества принятия решения от типа СППР

Вместе с тем следует заметить, что эффективность работы СППР существенно зависит также от полноты и качества входных данных. Она начинает снижаться в случаях решения слабоструктурированных или неструктурированных задач. В таких случаях эффективность интеллектуальных СППР, реализованных при помощи онтологического подхода, существенно возрастает за счет возможностей онтологии получения неявных знаний [2].

Ограниченность времени на принятие решения часто является одним из основных факторов, непосредственно влияющим на его качество. Использование СППР позволит ЛПР выполнить задачу в установленное время и, при наличии временного запаса, совершенствовать его качество до уровня К_ожид..

Таким образом, использование интеллектуальных СППР, реализованных на основе онтологического подхода, позволяет ожидать существенного повышения эффективности работы лиц, принимающих решения. Однако следует учитывать зависимость качества работы любой СППР от успешности её реализации, полноты и качества вводимых данных.

Список литературы:

1. Бездушный А.Н., Гаврилова Э.А., Серебряков В.А., Шкотин А.В. Место онтологий в единой интегрированной системе РАН. – URL: http://www.olap.ru/home.asp?artId=2362 (Дата обращения: 15.09.2016).
2. Брунилин А.А., Куваев В.О., Саенко И.Б. Онтологический подход к организации информационного взаимодействия разнородных автоматизированных систем специального назначения // T-Comm: Телекоммуникации и транспорт. – 2015. – Т. 9, № 2. – С. 69–73.
3. Ефименко И.В., Хорошевский В.Ф. Онтологическое моделирование экономики предприятий и отраслей современной России: Часть 3. Российские исследования и разработки в области онтологического инжиниринга и бизнес-онтологий: препринт WP7/2011/08 (ч. 3). – М.: Изд. дом Высшей школы экономики, 2011. – 68 с.
4. Ивлев А.А., Артеменко В.Б. Онтология военных технологий. – URL: http://www.milresource.ru/Ontol.html (Дата обращения: 15.09.2016).