Методы принятия управленческих решений

Интеллектуальные методы и средства принятия управленческих... 227 рядков) 1 . Другой подход к проблемам оптимизации интеллектуальных систем и их обучения связан с разработкой комбинированных техно- логий нечетких нейросетевых структур 2 . Результаты поисковых исследований по развитию интегрирован- ных технологий обработки знаний имеют большую актуальность для решения задач проектирования систем интеллектуального управления с учетом противоречивости предъявляемых к ним требований 3 . Совре- менные специализированные программно-инструментальные средства позволяют не только подробно промоделировать создаваемую систему управления, но и оценить эффективность принятых проектных реше- ний при различных вариантах их реализации на основе той или иной интеллектуальной технологии. В частности, пакет прикладных про- грамм WinFACT (Windows Fuzzy аnd Control Tools) обеспечивает воз- можность перехода к нейросетевому варианту реализации синтезируе- мой с его помощью модели нечеткого управления 4 . Весьма важно подчеркнуть, что эти же подходы оказываются весьма эффективными не только на стратегическом и тактическом уровнях ие- рархии управления, но и на исполнительном. Иными словами, устрой- ства управления, построенные на технологии обработки знаний — ин- теллектуальные регуляторы — способны обеспечить существенно луч- шие характеристики управления по сравнению с известными. Под- тверждением тому, в частности, являются многочисленные экспери- менты, проведенные на стенде «Интеллектуальный привод», разрабо- танном в МИРЭА (рис. 5.9). Такой стенд позволяет проводить: • исследование характеристик традиционных, адаптивных, нечет- ких, с ассоциативной памятью и нейросетевых приводов на мате- 1 Прикладные нечеткие системы / Под ред. T. Тэрано, К. Асаи, М. Сугэно. — М.: Мир, 1993; Zhang L. et al. On rule checking and learning in an acupuncture diagnosis fuzzy expert system by genetic algorithm // Proc. Fourth IEEE International Conference on Fuzzy Systems (FUZZ-IEEE’95). — Yokohama, 1995. 2 Buckley J. J., Reilly K. D., Penmetcha K. V. Backpropagation and genetic algorithms for training fuzzy neural nets // Genetic Algorithms and Soft Computing / Eds F. Herrera, J. Verdegay. — Physica Verlag, 1996; Perneel C. et al. Optimization of fuzzy expert systems using genetic algorithms and neural networks // IEEE Transactions on Fuzzy Systems. — 1995. — V. 3, 13. 3 Associative Neural Memories: Theory and Implementation / Ed. M. H. Hassoun. — N. Y.: Oxford University Press, 1993; Xue H. Applications of Genetic Algorithms in Optimization of Fuzzy-Associative Memory Based Controllers. Ph. D. thesis, University of New Mexico, CAD Laboratory for Intelligent and Robotic Systems, Department of EECEy, 1994. 4 Kahlert J. Programmsystem WinFACT. VDE-Workshop «Regelungstechnische Programmpa­ kete f ü r IBM PC», Dusseldorf, 1993.