Вы здесь

Моделювання інтелектуальної системи маркетингового управління підприємством

Автор: 
Кафтанников Олексій Юрійович
Тип работы: 
Дис. канд. наук
Год: 
2007
Артикул:
3407U000274
99 грн
(320 руб)
Добавить в корзину

Содержимое

РАЗДЕЛ 2
МОДЕЛИРОВАНИЕ ГИБКОГО УПРАВЛЕНИЯ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ
2.1. Логические уравнения в выборе ассоциативных зависимостей
Эволюция информационных систем прошла следующие этапы: централизованные системы
(различного рода кустовые, региональные центры, системы Госснаба, Госплана и
т.д.), распределенные базы данных (БД), клиент-серверные БД, системы INTRANET и
наконец INTERNET. В процессе эволюции образуются все более сложные системы,
которые никто целенаправленно не создавал. Характерно, что последняя система
функционирует на грани хаоса, но тем не менее миллионы пользователей ежеминутно
работают в данной системе. Она продолжает развиваться по некоторым законам.
Общая картина эволюции информационных систем представлена на рис.2.1.
Рис.2.1. Процесс эволюции информационных систем
Развитие современных систем постепенно происходит в направлении
интеллектуализации [42,99,106,118], как наиболее эффективном с точки зрения
адаптации к внешней и внутренней среде и кооперативному взаимодействию.
Интеллектуальные организации характеризуются процессами интенсивной циркуляции
и переработки знаний, преобразованием интеллектуальных ресурсов в продукты и
услуги, обеспечивающие их выживание и конкурентоспособность.
Укрупненная схема интеллектуальной системы показана на рис.2.2. Здесь П={П1,
П2,…,Пn} – множество пользователей. Диалоговый процессор является структурной
единицей интеллектуального интерфейса ввода – вывода. Он обеспечивает заданный
сценарий диалога в зависимости от степени подготовки пользователей и
интеллектуальности системы и содержит набор сценариев диалога, меню диалога,
генераторы случайного и направленного поиска, блоки перебора.
Рис.2.2. Концептуальная схема интеллектуальной системы
Пользователь во взаимодействии с диалоговым процессором на основании
блочно-иерархического подхода и принципов декомпозиции производит разбиение
заданной задачи большой размерности на совокупность функциональных подзадач
меньшей размерности. Планировщик осуществляет поиск информации. Совместно с
экспертной системой он преобразует данные, полученные от диалогового
процессора. В зависимости от значений внутренних, внешних и управляющих
переменных, конструктивных ограничений, заданных режимов работы выбирается
множество альтернативных путей решения проблемы. Управляющий блок монитора
осуществляет выбор, редактирование, настройку и стыковку отдельных программных
модулей, определяются типы и форматы всех данных, формируется рабочий комплекс
программ. Координатор совместно с блоком знаний БЗ и блоком эволюционной
адаптации через планировщик осуществляет реализацию процедур поиска для
нахождения множества решений и выбор некоторого подмножества эффективных
решений среди имеющихся. В отличие от стандартных функций базы данных БД
основной целью базы знаний является создание упорядоченной системы знаний на
основе данных и нечетких неупорядоченных знаний.
Разработка систем искусственного интеллекта, реализующих механизмы нечеткой
логики имеет широкое применение в задачах управления экономикой [26, 68]. К ним
относятся: экспертные системы, нейросети, гомеостатические системы и др.
Значительный потенциал в использовании систем искусственного интеллекта имеет
маркетинговое исследование рынка. Это позволяет компаниям более эффективно
разрабатывать корпоративные маркетинговые стратегии по работе с клиентами, что
приведет в перспективе к расширению клиентской сети, усовершенствованию работы
компании с каждой группой клиентов и, следовательно, повышению потребительской
ценности предоставляемых услуг.
В процессе получения новых знаний широко используются причинно-следственные
связи, логический вывод, различного рода абстракции, аналогии и ассоциации.
Стремление к повышению эффективности извлечения знаний из баз и хранилищ
данных привело к новым концептуальным технологиям OLAP и Data Mining [16].
Знания позволяют описывать новые связи между свойствами изучаемых объектов и
предсказывать значения одних признаков на основе логической взаимосвязи их с
другими признаками.
В структуре логических уравнений [53], прежде всего, выделяют так называемый
булевый базис фунций, состоящий из одноместных отношений, двуместных и
многоместных отношений типа: конъюнкция (), дизъюнкция (), импликация (),
эквивалентность () и др.
Широкое применение функций логического выбора решений нашли в построении
ассоциативных зависимостей в маркетинге [62]: стимулирование продаж,
сегментация потребителей, поведение потребителей, анализ каналов сбыта,
оптимизация ассортимента продукции, эффективные коммуникации и распределение
продукции и др.
Определение 1. Ассоциативное правило, построенное на основе одноместных
логических отношений простого базиса называется простым ассоциативным
правилом.
Определение 2. Ассоциативное правило, построенное на основе n – местных
логических функций F(x1,x2,…, xn) называется сложным ассоциативным правилом.
Примером сложного ассоциативного правила может быть:
«если V(x1,x2,…, xn) L(x1,x2,…, xn) Q(x1,x2,…, xn)…. то R(x1,x2,…, xn)».
Здесь применена ассоциативная структура типа «если (условие) ,…., то
(следствие)».
Практическое значение имеют ассоциативные правила, построенные для объектов
иерархической структуры. Рассмотрение иерархической структуры объектов
управления дает более гибкий ассоциативный анализ и получение дополнительных
знаний. Также расширению анализа способствует рассмотрение дополнительных
атрибутов, как правило, в количественном виде: цена, количество, рыночный
сегмент и т.д.
Определение 3. Ассоциативное правило, построенное на основе