Петров К. Э.-д-р техн. наук, профессор, заведующий кафедрой информационных управляющих систем, Харьковский национальный университет радиоэлектроники, Харьков, Украина. Дейнеко А. А.-канд. техн. наук, доцент кафедры искусственного интеллекта, Харьковский национальный университет радиоэлектроники, Харьков, Украина. Чалая О. В.-канд. экон. наук, доцент, профессор кафедры информационных управляющих систем, Харьковский национальный университет радиоэлектроники, Харьков, Украина. Панферова И. Ю.-канд. техн. наук, доцент, профессор кафедры информационных управляющих систем, Харьковский национальный университет радиоэлектроники, Харьков, Украина. АННОТАЦИЯ Актуальность. Решена актуальная задача построения математической модели коллективного многокритериального экспертного оценивания альтернатив, которая является составной частью проблемы автоматизации интеллектуального процесса принятия решений. Цель работы состоит в разработке метода определения относительных коллективных многокритериальных оценок альтернатив и их последующего ранжирования на основе информации о личных предпочтениях экспертов. Объектом исследования является процесс анализа и принятия решений в условиях многокритериальности. Предметом исследования являются методы структурной и параметрической идентификации моделей многокритериального оценивания альтернатив. Метод. В работе предлагается подход к построению модели коллективного многокритериального оценивания альтернатив на основе информации об установленных экспертами отношений частичного порядка на множестве имеющихся альтернатив. Предложен метод структурной и параметрической идентификации модели многокритериального оценивания, основанный на идеях теории компараторной идентификации. Показано, что решение задачи выбора структуры модели оптимальной сложности целесообразно проводить в классе полинома Колмогорова-Габора. Для нахождения параметров модели оценивания предлагается использовать способ, который базируется на вычислении чебышевской точки. Показано, что в этом случае задачу параметрической идентификации модели можно привести к стандартной задаче линейного программирования. Полученные на основе синтезированной математической модели скалярные коллективные многокритериальные оценки альтернатив позволяют сравнивать их между собой по «качеству» и, таким образом, выделить «наилучшую» из них или проводить их ранжирование. Результаты. Разработан подход к построению математической модели коллективного многокритериального экспертного оценивания, на основе которой можно определять групповые обобщенные оценки альтернатив, а также проводить их ранжирование. Приведены результаты имитационного моделирования, которые демонстрируют практическую реализуемость и эффективность предложенного подхода. Выводы. Существенным преимуществом подхода является возможность использования только нечисловой информации о предпочтениях экспертов. Это позволяет частично решить проблему субъективизма суждений экспертов в ходе принятия решений и снизить затраты на проведение коллективного экспертного оценивания альтернатив. Синтезированна...

Retroactive analysis of scientific and technical progress reveals that all previous stages were linked with attempts to enhance the physical power of man and develop new construction materials. In this sense, the present stage of scientific and technical progress is unique. The advent of computers has provided us, for the first time in human history, with a tool for enhancing our intellectual powers. This is attributable to the implementation of all the relatively complex intellectual functions by computers. The process began with the implementation of algorithmic computational procedures, and is rapidly developing toward computerization of progressively more complex intellectual processes: situation recognition, semantic analysis of information, acquisition of new knowledge, decision making, etc. On the whole, this is the artificial intelligence problem. The central topic of this problem is the construction of a system of formal models of human intelligent activity. PHENOMENOLOGICAL MODEL OF HUMAN INTELLIGENT ACTIVITYSubstantively, a general model of intelligent activity can be described as follows. An individual endowed with a sensory system creates an individual information image of a certain situation in the context of the environment and then analyzes the information to construct his behavior in the context of broad understanding. This may lead to manifestation of activity in any form, logical deduction, acquisition of new knowledge, etc. We denote by @ the set of external stimuli on the human sensory system in a specific situation, and by Ji its information image for individual i. Then J~(t) = ~'i [o (t -r), t].(1)Here t is the current time, ,t, i is the individual information mapping operator, r is the delay associated with the inertial propertie ~ of the sensory system. The individual behavior is described by the equationwhere 1-[ i is the individual behavior operator. It is useful to distinguish between two models: the model of reflex (unconscious) behavior, which involves execution of rigid algorithms similar to automatic control, such as stabilization of the body center of mass when walking, and the model of active (conscious) behavior, based on intelligent processing of information. In what follows, we only consider models of the second type. The transition to formal models requires identification of the operators q/i and H i. IDENTIFICATION PROBLEMThe synthesis of formal models involves solution of two problems: structural identification, i.e., determination of the form of the operator that establishes the relationship between input and output, and parametric, or qualitative, identification.

The authors consider the problem of determining the values of collective expert evaluation of alternative decisions on the basis of models whose structure is described by fragments of the Kolmogorov-Gabor polynomial. The approach is proposed that allows us to formalize the uncertainly of the definition of model parameters of multifactor evaluation based on fuzzy intervals; to define collective fuzzy estimates of alternatives and use them to range the alternatives in accordance with the decomposition of fuzzy intervals at the a-levels.Keywords: collective expert estimate, utility function, multifactor estimate of an alternative, Kolmogorov-Gabor polynomial, ranking of fuzzy intervals.

A method is proposed for comparative structural-parametric identification of a model of individual multifactor estimation. An experimental solution to this problem is obtained using evolutionary methods.

An approach to constructing mathematical models of individual multicriterial estimation was proposed based on information about the ordering relations established by the expert for a set of alternatives. Structural identification of the estimation model using the additive utility function of alternatives was performed within axiomatics of the multi-attribute utility theory (MAUT). A method of parametric identification of the model based on the ideas of the theory of comparative identification has been developed. To determine the model parameters, it was proposed to use the midpoint method that has resulted in the possibility of obtaining a uniform stable solution of the problem. It was shown that in this case, the problem of parametric identification of the estimation model can be reduced to a standard linear programming problem. The scalar multicriterial estimates of alternatives obtained on the basis of the synthesized mathematical model make it possible to compare them among themselves according to the degree of efficiency and, thus, choose "the best" or rank them. A significant advantage of the proposed approach is the ability to use only non-numerical information about the decisions already made by experts to solve the problem of identifying the model parameters. This enables partial reduction of the degree of expert’s subjective influence on the outcome of decision-making and reduces the cost of the expert estimation process. A method of verification of the estimation model based on the principles of cross-validation has been developed. The results of computer modeling were presented. They confirmed the effectiveness of using the proposed method of parametric model identification to solve problems related to automation of the process of intelligent decision making.