شکل۲-۴٫ یک ماتریس مقایسهایی دوبهدو
در این ماتریس، نشاندهنده نتیجه مقایسه دوبهدوی عناصر و با توجه به عنصر X میباشد. معیار سطر i ام بهتر از معیار ستون j ام است اگر مقدار عنصر (i,j) بیشتر از یک باشد، در غیر اینصورت معیار ستون j ام بهتر است از معیار سطر i ام. در این صورت واضح است که یعنی عناصر قطری این ماتریس برابر است با ۱ و . در این روش برای سنجشهای غیرکمی، یک مقیاس از ۱ تا ۹ برای مقایسه دوبهدوی دو عنصر، در نظر گرفته می شود [۱۱]، که ۱ نشاندهنده یکسان بودن اهمیت دو عنصر و ۹ نشاندهنده اهمیت مطلق یک عنصر بر دیگری است.
مقدار ویژهی[۳۳] اصلی ماتریس محاسبه شده و بردار ویژه[۳۴]ی ماتریس مقایسه متناظر با آن مقدار ویژه، اهمیت نسبی معیارهای مقایسهشده گوناگون را بدست خواهد داد. عناصر بردار ویژهی نرمال، به عنوان وزن نسبت به معیار یا زیرمعیار و درجه نسبت به راهحلها در نظر گرفته میشوند.
سپس سازگاری[۳۵] ماتریسهای مقایسه از طریق یک نرخ سازگاری پیگیری می شود. یک نرخ سازگاری برابر با ۰٫۱ یا کمتر نشاندهنده یک سطح سازگاری قابل پذیرش است که در ماتریسهای مقایسه، کدگذاری می شود و ماتریسهای متناظر با آن، سازگار نامیده میشوند.
درجه هر راهحل در اوزان زیرمعیار، ضرب و برای بدست آوردن درجه های محلی برای هر زیرمعیار، با یکدیگر جمع می شود. این درجه های محلی سپس در اوزان معیار، ضرب و برای بدست آوردن درجه های سراسری با یکدیگر جمع می شود.
به طورکلی، روند سلسله مراتبی تحلیلی برای هر راهحل، تعدادی مقادیر وزنی بر اساس اهمیت آن راهحل نسبت به سایر راهحلها، برطبق یک معیار یکسان، تولید می کند. این مدل، ساختار موثری را فراهم میسازد که در آن تصمیمهای مختلف و مفاهیم مربوط به آنها بررسی و به صورت عددی مقایسه میگردند. این روش به کاربر کمک می کند که یک تصویر صحیح و متوازن از ریسکها و پاداشهایی که میتوانند در نتیجه یک انتخاب مشخص حاصل شوند، تشکیل دهد. از جمله دیگر مزیتهای مدل روند سلسله مراتبی تحلیلی، تقارن[۳۶] ذاتی آن است که آن را برای یک پیادهسازی با شیوه برنامهنویسی شئگرا مناسب میسازد: بلوکهای مدل میتوانند هنگام محاوره با فرد تصمیمگیرنده، مدیریت و اصلاح شده و پس از آن به انجام وظایف خود بپرازند.
از جمله سیستمهایی که از این روش جهت رفع ناسازگاری استفاده مینماید، سیستم تصمیمهمیار هوشمندی است که به عنوان یک دستیار هوشمند جهت اخذ تصمیمات تجاری طراحی شده و شرح آن در مرجع [۱۲]، ارائه شده است.
در مرجع [۱۳]، یک مدل تغییریافته از روند سلسله مراتبی تحلیلی به منظور استخراج اولویتهای نسبی موجود در حالتهای ممکن در یک مدل گراف، ارائه شده است.
شکل ۲-۵، یک مقایسه ساده بین نسخه تغییر داده شده و روش روند سلسله مراتبی تحلیلی استاندارد را نشان میدهد.
شکل۲-۵٫ (الف)روند سلسله مراتبی تحلیلی استاندارد، (ب) نسخه تغییر داده شده روند سلسله مراتبی تحلیلی.
ساختار نسخه تغییر داده شده روند سلسله مراتبی تحلیلی، به صورت مشخصتر در شکل۲-۶ ارائه شده است.
Influence power
Actions
(States)
Options
Preference ranking
شکل۲-۶٫ ساختار نسخه تغییر داده شده روند سلسله مراتبی تحلیلی
سطح رتبه بندی اولویت[۳۷] شامل تمامی تصمیمگیرندگانی است که در مدل رفع ناسازگاری در نظر گرفته میشوند. برخلاف روند سلسله مراتبی تحلیلی استاندارد که تنها دارای یک هدف است، این سطح، این نکته را مشخص میسازد که اهداف به منظور پیبردن به رتبه بندیهای اولویتها برای تمامی تصمیمگیرندگان میباشند. سپس بررسیها از نقطهنظر هر تصمیمگیرنده به طور جداگانه صورت خواهد گرفت. سطح قدرت تأثیر[۳۸]، قدرت تأثیر تصمیمگیرندگان گوناگون را بر روی موقعیت کلی از دیدگاه هر تصمیمگیرنده تعیین میسازد. سطح انتخاب[۳۹]، تمامی انتخابهای تحت کنترل هر تصمیمگیرنده را لیست می کند. در این سطح، اوزان اولویتهای تمامی انتخابها بدست می آید. همچنین، مقایسهها میتوانند به علت پیچیدگی و یا بزرگی مجدداً به یک مدل زیر سلسله مراتب[۴۰] شکسته شوند. سطح اقدامات/حالات[۴۱] دنبالهایی از نمایه[۴۲]های اقدامات که با ترکیباتی از صفر و یک در مقابل انتخابها مشخص شده اند را نمایش میدهد. در این ترکیبات، صفر، تعیینکننده آن است که انتخاب متناظر با آن برگزیده نشده و یک، تعیینکننده آن است که انتخاب متناظر با آن برگزیده شده است. درجهبندی اولویت کل با ضرب اوزان اولویتهای انتخابها در وضعیت اقدامات، بدست می آید.
در سیستم مطرح شده در مرجع [۱۳]، پس از استخراج اولویتهای نسبی تمامی تصمیمگیرندگان، این اولویتها به یک مدل گراف داده شده است.
فصل سوم
سیستمهای تصمیمهمیار هوشمند
سیستمهای تصمیمهمیار هوشمند
مقدمه
بسیاری از تصمیمگیرندگان با محیطهایی سرشار از استرس، به شدت رقابتی، با گام سریع و انبوه از اطلاعات مواجه هستند. ترکیب اینترنت که دسترسی سریع به منابع را فراهم میسازد و پیشرفت تکنیکهای مختلف هوش مصنوعی، امکان حمایت از روند اخذ تصمیم در شرایط پرمخاطره و غیرقطعی را فراهم میسازد. این حمایتها و کمکها، دارای پتانسیلی جهت بهبود تصمیم گیری از طریق ارائه راهحلهایی که بهتر از راهحلهایی است که بتنهایی توسط انسان گرفته می شود، میباشند. این کمکها در قالب سیستمهایی در زمینه های گوناگون از تشخیص پزشکی تا کنترل ترافیک تا برنامه های کاربردی مهندسی در دسترس هستند. این سیستمها به طور کلی سیستمهای تصمیمهمیار هوشمند نامیده میشوند و با فراهم نمودن امکاناتی از قبیل ارائه اطلاعاتی درست بموقع[۴۳]، پردازش بلادرنگ، پردازش تراکنشهای رویخط[۴۴]، اطلاعات یکپارچه و به طور کلی بهروز، سبب توسعه و ارتقاء سیستمهای تصمیمهمیار قدیمی شده اند [۱۴].
در این فصل، ابتدا در رابطه با ویژگیهای یک سیستم تصمیمهمیار هوشمند و تفاوتهای این سیستمها با سیستمهای تصمیمهمیار توضیحاتی ارائه میگردد و در ادامه مولفههای مختلفی که برای این نوع سیستمها در بررسیهای گوناگون در نظر گرفته شده، شرح داده می شود.
ویژگیهای سیستمهای تصمیمهمیار هوشمند
سیستمهای تصمیمهمیار هوشمند با آمیختن تکنیکهایی برای فراهم ساختن رفتارهای هوشمند و بکارگیری قدرت کامپیوترهای مدرن به منظور حمایت و ارتقاء تصمیم گیری، سیستمهای تصمیمهمیار را بهبود بخشیدهاند [۱۲].
این سیستمها میتوانند به سرعت و با کامیابی به داده و اطلاعات جدید بدون مداخلهی انسان پاسخ داده و به موقعیتهای پیچیده و گیجکننده رسیدگی کنند. یادگیری از تجربه گذشته، اعمال دانش به منظور درک محیط، شناسایی اهمیت نسبی عناصر مختلف موجود در تصمیم، افزودن دانش افراد خبره در زمینه خاص تصمیم از جمله دیگر قابلیت های این نوع سیستمها میباشد. در شکل ۳-۱ یک ساختار تئوری برای یک سیستم تصمیمهمیار هوشمند ارائه شده است [۱۶].
شکل۳-۱٫ یک ساختار تئوری برای یک سیستم تصمیمهمیار هوشمند
در این ساختار، حافظه و قدرت محاسباتی به منظور دستیابی و تحلیل حجم انبوهی از داده، و تکنیکهای هوش مصنوعی به منظور تولید رفتار هوشمندانه در موقعیتهای پیچیده تصمیم گیری، مورد نیاز میباشند.
علاوه بر هوشمندانه عمل کردن، یک سیستم تصمیمهمیار هوشمند باید قادر باشد که در یک محیط با سایرین ارتباط برقرار کند، اشتباهات را شناسایی و تصحیح نموده و از تواناییهای دیگران سود برد. بنابراین “هوشمندی” و تأثیرگذاری می تواند یک ویژگی ضروری برای تمامی عواملی باشد که در یک مسئله به شیوهایی نسبتاً هماهنگ با یکدیگر کار می کنند. با در ذهن داشتن این پیشزمینه، میتوان ویژگیهای یک سیستم تصمیمهمیار هوشمند را به صورت زیر عنوان نمود:
همکاری[۴۵]: سیستم بتواند با سایر پایگاه داده ها و نیز با کاربران انسانی (کاربرانی که باید با سیستم کار کنند) بخوبی کار کند و این امکان را برای آنها فراهم سازد که بجای آنکه تنها از یک راهحل بهینه آگاه گردند، به مشاهده و اکتشاف فضای گزینه های ممکن به شیوهایی مشخص بپردازند.
تشخیص رویداد و تغییر: سیستم بتواند تغییرات و رویدادهای مهم را شناسایی و به صورت موثری با آنها ارتباط برقرار کند.
کمک به بازنمایی[۴۶]: سیستم بتواند اطلاعات را به شیوهایی قانع کننده، آگاهی بخش و انسانگونه ارائه نماید.
تشخیص خطا و بازیابی: سیستم به بررسی خطاهای منطقی که عموماً، افراد آنها را مرتکب میشوند، بپردازد. همچنین، سیستم، اطلاعاتی از محدودیتهای خود داشته باشد و موقعیتهایی را که ممکن است به طور کامل نتواند از عهده آنها بر آید، بررسی نماید.
بدست آوردن اطلاعات از داده: سیستم بتواند با بهره گرفتن از تکنیکهای الگوریتمیک هوشمند، داده را پردازش و اطلاعات تولید نماید. بدین مفهوم که علاوه بر استخراج اطلاعات از حجم بسیاری از داده، ابزارهایی را برای رسیدگی به مجموعههای کوچکی از داده و یا سایر منابع کوچکی که ممکن است شامل اشتباه و یا خطا باشند، فراهم نماید.
توانایی پیشگویی: سیستم بتواند تأثیر اقدامات را در کارایی آتی پیشگویی نماید. بدین معنا که علاوه بر پیش بینی حالت محیطی بعدی، تغییر در حالات، که توسط تصمیمات مختلف صورت میگیرد را نیز پیش بینی نماید.
در شکل ۳-۲، مولفههایی که به طور کلی در یک سیستم تصمیمهمیار هوشمند وجود دارد، نشان داده شده است [۱۲]:
شکل۳-۲٫ مولفههای کلی یک سیستم تصمیمهمیار هوشمند
در هر سیستم تصمیمهمیار هوشمند، یک و یا ترکیبی از هر یک از تکنیکهای هوش مصنوعی که به عنوان تکنولوژیهای حمایتکننده در شکل ۳-۲ معرفی شده اند، بکار برده می شود.
در ادامه برای کاربرد هر یک از این تکنیکها، سیستمی به عنوان نمونه شرح داده می شود.
معرفی چند سیستم تصمیمهمیار هوشمند با ساختارهای متفاوت
استفاده از الگوریتمهای تکاملی در ساختار IDSS
از جمله سیستمهای تصمیمهمیار هوشمندی که در ساختار خود از الگوریتمهای تکاملی استفاده نموده، سیستمی است که به منظور حل یک مسئله با توزیع دادهی واقعی برای یک شرکت بزرگ سازندهی ماشین، طراحی و پیادهسازی شده است [۱۷]. این سیستم، جریانهای داده[۴۷] را در یک محیط پویا، شناسایی، و با بهره گرفتن از ماژولهای بهینهسازی یک تصمیم نزدیک به بهینه را ارائه میدهد. همچنین این سیستم شامل ماژولهای خودآموز به منظور بهبود پیشنهادات آتی نیز میباشد. این سیستم که ساختار آن در شکل ۳-۳ نشان داده شده، برای شرکتهای مختلف امکان نظارت بر جریانهای تجاری، نمو و انطباق سریع به هنگام تغییر موقعیتها و اخذ تصمیمات هوشمند براساس اطلاعات ناکامل و غیرقطعی را فراهم میسازد.
در ابتدا داده های اولیه مورد نیاز سیستم وارد می شود و پس از بارگذاری و پردازش فایلهای ورودی، روند بهینهسازی به صورت خودکار آغاز و پس از اتمام این روند یک راهحل پیشنهادی توسط سیستم ارائه میگردد. این راهحل، پس از اینکه نتایج آن توسط یک مأمور بررسی و احتمالاً تنظیمات کوچکی بر روی آن انجام داده شد، توسط سیستم پیادهسازی میگردد.
در سیستم پیادهسازی شده، تنها در کمتر از یک درصد موارد، پیشنهاد مطرح شده به صورت دستی تغییر مییابد و این تغییرات عموماً متناظر است با اقدامات دقیقهی آخر مبتنی بر اطلاعات جدید. پس از آنکه روند بررسی به پایان رسید، فایلهای خروجی آماده میباشد.
شکل۳-۳٫ ساختاری برای یک سیستم تصمیمهمیار هوشمند. ماژولهای پیشگویی، بهینهسازی و انطباق، اطلاعات مورد نیاز فاصل کاربر، پایگاه داده و ماژول گزارش را در اختیار آنها قرار می دهند.
وظیفهی ماژول بهینهسازی، ارائه بهترین راهحل از میان تمامی راه حلهای ممکن با توجه به شرایط فعلی مسئله میباشد و از آنجا که این پیشنهاد مبتنی بر یک پیش بینی است، بین ماژولهای پیشگویی و بهینهسازی یک ارتباط قوی وجود دارد. بدین صورت که، واحد بهینهسازی یک راهحل ممکن را تولید می کند که ورودی ماژول پیشگویی میباشد، سپس واحد بهینهسازی از خروجیهای بدست آمده از ماژول پیشگویی برای ارزیابی راهحل ورودی استفاده مینماید. پیادهسازی ماژول بهینهسازی می تواند با بهره گرفتن از الگوریتمهای پردازش تکاملی صورت گیرد. اگرچه سیستمهای نرمافزاری هوشمند به یک ماژول پیشگویی و یک بهینهساز نیاز دارند ولی این واحدها بتنهایی برای محیطهای امروزی که به سرعت تغییر مییابند، کافی نیستند. ماژول پیشگویی باید دارای قابلیت انطباق و یادگیری از تغییرات محیطی را داشته باشد، زیرا یک پیش بینی درست با توجه به شرایط فعلی ممکن است برای شرایط آینده صحیح نباشد. این سازگاری، با اندکی تغییر و اصلاح رابطه آموخته شده میان ورودی و خروجی (به مقدار نیاز) صورت میگیرد. این تغییرات ممکن است هر ثانیه، دقیقه، ساعت، روز، هفته و یا ماه، برحسب اینکه شرایط محیط با چه سرعتی تغییر مییابد، مورد نیاز باشد. برخی از روشهای پیش بینی کلاسیک، برای حل این نوع از مسائل بر استفاه از داده های اخیر تأکید دارند. یک شیوه ایدهآل می تواند فرکانس بروزرسانی خود را با اندازه گیری پیوستهی خطاهای پیش بینی خود و تنظیم پارامترهای خود بر طبق آن، تعیین نماید. بنابراین، سیستم انطباق، سرعت تطبیق خود را نیز وفق میدهد. ماژول انطباق، ورودی ها و خروجیهای اخیر را دریافت و از این داده ها برای ساخت و آموزش ماژول پیشگویی استفاده مینماید. این ساختار علاوه بر ماژولهای پیشگویی، بهینهسازی و انطباق که اساس و بنیاد راهحل سازگار پیشنهادی را تشکیل می دهند، شامل یک فاصل کاربر گرافیکی به منظور برآورده ساختن نیازهای اولیه کاربر، یک پایگاه داده به منظور ذخیرهی اطلاعات و یک ماژول گزارش به منظور دستیابی ساده و آسان به اطلاعات، نیز میباشد.
این ساختار می تواند از تصمیمات هوشمند در بسیاری از زمینه ها از شناسایی تقلب تا مسیریابی تا مدیریت سهام بکار رود. در اغلب موارد، مشخصهها و ویژگیهای یک مسئله، قابل تفکیک به پیش بینی، بهینهسازی و انطباق است و از آنجا که طراحی و ساخت دو ماژول اول می تواند مستقلاً صورت گیرد و سپس با مسئله مورد بررسی وفق یابد، این سیستم در بسیاری از زمینه ها به صورت گستردهایی قابل کاربرد میباشد.
استفاده از عامل هوشمند در ساختار IDSS
شیوه های اولیه گنجاندن هوش مصنوعی در سیستمهای تصمیمهمیار، بر فراهم نمودن یک دستیار ماهر جهت فرمولبندی استراتژی و نیز استفاده از یک مولفهی سیستمی خبره به منظور یاری رساندن به کاربر در حین مرحله شناسایی مسئله از روند تصمیم گیری تمرکز داشتند [۱۸]. عاملهای هوشمند، سیستمهایی نرمافزاری هستند که در محیطهای پویا، پیچیده و مجازی ساکن شده و شرایط این محیطها را به صورت خودکار، درک و بر اساس آن عمل مینمایند. هدف این عاملها، تحقق بخشیدن به مجموعهایی از اهداف و یا وظایفی است که به منظور انجام آنها طراحی شده اند. همچنین این عاملها به عنوان مکانیزمی جهت کمک به کاربران کامپیوتر در مواجهه با حجم زیاد کار و اطلاعات نیز در نظر گرفته میشوند. تکنولوژی عامل می تواند از طریق پالایش و بازیابی اطلاعات به منظور یاری رساندن به انواع کاربران نهایی مورد استفاده قرار گیرد. عاملها قادرند با درک نیازهای کاربران و وفق دادن فاصل سیستم نرمافزاری، محاوره و فعل و انفعال انسان با کامپیوتر در انجام یک وظیفه را موثرتر نماید.
از جمله سیستمهای تصمیمهمیار هوشمندی که در ساختار خود از یک عامل هوشمند استفاده نموده، یک سیستم نرمافزاری مبتنی بر زبان با محوریت کاربر با نام MicroDEMON است که به منظور یاری رساندن به تصمیمگیرندگان حوزه های مختلف تجاری طراحی شده است [۱۲]. عامل هوشمند موجود در این سیستم، در واقع یک سیستم تولید و مدیریت محاوره است که در قالب یک فاصل شهودی و ساده در استفاده[۴۸] پیادهسازی شده است.
[یکشنبه 1400-08-02] [ 08:35:00 ق.ظ ]
|