Статья содержит аналитический обзор методов формализации процессов принятия решений в социальных системах. Рассматривается понятие нечеткой семантической сети, представленной в виде нечеткого ориентированного социального графа. Рассмотренная модель применяется в тех случаях, когда необходимо определить принадлежность текущей ситуации к тому или иному классу ситуаций или же для некоторой желаемой ситуации найти ближайшую из множества реально имеющихся в базе данных. Предложена модель поиска оптимальных решений с использованием нечеткой семантической сети, основанная на определении степени принадлежности текущей ситуации к тому или иному классу эталонных ситуаций на основе степени нечеткого сходства. Под нечетким сходством понимается отношение нечеткого включения, обладающее свойством транзитивности. Значение оценки релевантности (степени нечеткого сходства) вычисляется с помощью метода минимального значения.
This paper is a state-of-the art review of the formal methods of decision-making processes in social systems. We consider the concept of a fuzzy semantic network represented by a fuzzy directed social graph. This model is applied when it is necessary to define a membership of a current situation to this or that class of situations, or to find the nearest situation from the set of situations available in a database. We suggest a model to search for optimal decisions using fuzzy semantic network based on the definition of membership degree of a current situation to this or that class of reference situations on the basis of degree of fuzzy similarity. Under the fuzzy similarity we assume the relation of fuzzy inclusion in possession of transitivity property. The value of relevance score (degree of fuzzy similarity) is computed based on the method of minimal value.
1. Берштейн Л.С., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных интеллектуальных системах : монография. - Ростов/Д : Изд-во РГУ, 1999. – 268 с.
2. Карелин В.П., Целых А.Н. Модели принятия решений в чрезвычайных экологических ситуациях при нечетких исходных данных // Материалы Всероссийской научно-технической конференции «Мониторинг и прогнозирование чрезвычайных ситуаций». – СПб., 1998.
3. Кофман А. Введение в теорию нечетких множеств / пер. с фр. – М. : Радио и связь, 1982.
4. Ларичев О.И. Анализ процессов принятия человеком решений при альтернативах, имеющих оценки по многим критериям : обзор // Автоматика и телемеханика. – 1981. – № 8. – С. 131-141.
5. Представление и использование знаний / пер. с яп.; под ред. Х. Уэно, М. Исидзука. – М. : Мир, 1989. – 220 с.
6. Реброва М.П. Автоматическая классификация в системах обработки информации. Поиск документов. – М. : Радио и связь, 1983. – 92 с.
7. Целых А.Н., Целых А.А., Котов Э.М. Методы интеллектуального анализа данных в системах принятия решений. – Таганрог : Изд-во ЮФУ, 2013. – 129 с.
8. Lucarella D., Morara R. FIRST: Fuzzy Information Retrieval System // Structural Engineering International. – 1991. – Vol. 17. – № 2.