5732

МИНОБРНАУКИ РОССИИ

Федеральное государственное бюджетное образовательное учреждение высшего образования

«Нижегородский государственный архитектурно-строительный университет»

Прокопенко Н.Ю.

СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

Учебно-методическое пособие по подготовке к лекциям, практическим занятиям

(включая рекомендации по организации самостоятельной работы),

по выполнению курсовой работы

для обучающихся по дисциплине «Системы поддержки принятия решений» по направлению подготовки 09.03.03 Прикладная информатика направленность (профиль) Прикладная информатика в экономике

Нижний Новгород

2022

УДК 004.9

Прокопенко Н.Ю. / Системы поддержки принятия решений: учебно-методическое пособие / Н.Ю. Прокопенко; Нижегородский государственный архитектурно-строительный университет – Нижний Новгород: ННГАСУ, 2022. – 17 с.– Текст: электронный.

В настоящем учебно-методическом пособии по дисциплине «Системы поддержки принятия решений» даются конкретные рекомендации учащимся для освоения как основного, так и дополнительного материала дисциплины и тем самым способствующие достижению целей, обозначенных в учебной программе дисциплины. Цель учебно-методического пособия — это помощь в усвоении лекций, в подготовке к практическим занятиям, а также в написании курсовой работы.

Учебно-методическое пособие предназначено для обучающихся в ННГАСУ по дисциплине «Системы поддержки принятия решений» по направлению подготовки 09.03.03 Прикладная информатика, направленность (профиль) Прикладная информатика в экономике.

© Н.Ю. Прокопенко, 2022

© ННГАСУ, 2022

2

1. Общие положения

. 1.1 Цели изучения дисциплины и результаты обучения

Основной целью освоения учебной дисциплины «Системы поддержки принятия решений» является достижение результатов обучения, предусмотренных установленным в ОПОП индикато-

рами достижения компетенций. В процессе освоения дисциплины студент должен Знать:

современные методы принятия решений;

методы формального компьютерного анализа решения сложных проблем;

основные модели Data Mining (искусственные нейронные сети, деревья решений, логисти-

ческая регрессия, кластеризация);

компьютерные систем поддержки принятия решений для решения управленческих задач

(Deductor Studio Academic и АП Loginom).

Уметь:

использовать принципы системного подхода для описания предметной области и проблем-

ных ситуаций;

использовать методы искусственного интеллекта;

использовать экспертные системы, работать с конкретной ИИС (на примере АП Deductor и

АП Loginom).

Владеть:

навыками постановки и спецификации реальных прикладных задач с целью их решения с использованием методов искусственного интеллекта;

практическими навыками работы с системой поддержки принятия управленческих решений

(СППР) Deductor Studio Academic и АП Loginom.

. 1.2 Содержание дисциплины

Материал дисциплины сгруппирован по следующим разделам:

1. Классификация и общая характеристика СППР.

История возникновения СППР, структура, принципы построения и функционирования,

классификация СППР. Применение систем принятия решений в телекоммуникациях, торговле,

банковском деле, страховании и других предметных областях. Пакеты программ по поддержке принятия решений.

2.Экспертные системы Назначение и основные особенности экспертных систем (ЭС). Архитектура ЭС.

Режимы функционирования и классификация ЭС. Основные этапы разработки ЭС.

Представление знаний в СППР. Отличие знаний от данных. Декларативная и процедурная форма представления знаний. Логическая модель знаний. Семантические сети. Фреймовые и про-

дукционные модели знаний.

3.Интеллектуальные и адаптивные информационные системы.

Тенденции развития ИИС. Классификация и общая характеристика ИИС. Самообучающие-

ся и адаптивные информационные системы. ИИС на нейронных сетях. Классификация нейронных сетей. Архитектура нейронных сетей. Алгоритмы обучения нейронных сетей. Алгоритм обратного распространения ошибки. Персептрон. Многослойные нейронные сети. Нейронные сети Кохоне-

на. Самоорганизующаяся карта Кохонена. Модели Data Mining (деревья решений, ассоциативные правила, логистическая регрессия).

Теоретические аспекты применения эволюционных методов и генетических алгоритмов.

Основные понятия генетических алгоритмов. Назначение и структура генетических алгоритмов.

Математическая модель генетического алгоритма. Классический генетический алгоритм: инициа-

лизация, оценивание, остановка, селекция, скрещивание, мутация, создание популяции, выбор наилучшей хромосомы.

. 1.3 Вспомогательная литература для изучения дисциплины

Для освоения дисциплины обучающийся может использовать печатные и электронные из-

дания и методические материалы, имеющиеся в библиотеке ННГАСУ и/или размещённые в элек-

тронных библиотечных системах (ЭБС), предоставляющих право использования изданий на осно-

вании договорных отношений с университетом, а также иные общедоступные ресурсы сети «Ин-

тернет».

Печатные и электронные издания

1. Гитман, М. Б.. Экспертные системы поддержки принятия коллективных решений : учеб-

ное пособие. / Гитман, М. Б., Столбов, В. Ю. ; М. Б. Гитман, В. Ю. Столбов. – Пермь : Пермский национальный исследовательский политехнический университет, 2017. – 38 с. – URL: URL:

5

http://www.iprbookshop.ru/105450.html. – ISBN ISBN 978-5-398-01790-8.

2. Перфильев Д. А.. Интеллектуальные Системы поддержки принятия решений : Учебное пособие. / Перфильев Д. А., Раевич К. В., Пятаева А. В. ; Д. А. Перфильев, К. В. Раевич, А. В. Пя-

таева. – Красноярск : Сибирский федеральный университет, 2018. – 136 с. – URL: URL: http://www.iprbookshop.ru/84359.html. – ISBN ISBN 978-5-7638-4011-7.

Методические материалы по дисциплине

1. Прокопенко Наталья Юрьевна. Системы поддержки принятия решений : учеб.-метод. по-

собие по подгот. к лекциям, практ. занятиям (включая рекомендации по орг. самостоят. работы)

для обучающихся по дисциплине "Системы поддержки принятия решений" по направлению под-

гот. 09.03.03 Приклад. информатика, профиль Приклад. информатика в экономике. / Прокопенко Наталья Юрьевна ; Нижегор. гос. архит.-строит. ун-т. – Нижний Новгород : ННГАСУ, 2016. – 1 CD ROM. – URL: URL: http://catalog.nngasu.ru/MarcWeb2/.

2. Прокопенко Наталья Юрьевна. Анализ данных : учеб.-метод. пособие по подгот. к лекци-

ям, практ. занятиям (включая рекомендации по организации самостоят. работы) для обучающихся по дисциплине "Анализ данных" по направлению подгот. 09.03.04 Программная инженерия, про-

филь 09.03.04 Разработка программно-информ. систем. / Прокопенко Наталья Юрьевна ; Нижегор.

гос. архит.-строит. ун-т. – Нижний Новгород : ННГАСУ, 2018. – 1 CD ROM. – URL: URL: http://catalog.nngasu.ru/MarcWeb2/.

2. Методические указания по подготовке к лекциям

. 2.1 Общие рекомендации по работе на лекциях

Лекция является главным звеном дидактического цикла обучения. Ее цель – формирование основы для последующего усвоения учебного материала. В ходе лекции преподаватель в устной форме, а также с помощью презентаций передает обучаемым знания по основным, фундаменталь-

ным вопросам изучаемой дисциплины.

Назначение лекции состоит в том, чтобы доходчиво изложить основные положения изуча-

емой дисциплины, ориентировать на наиболее важные вопросы учебной дисциплины и оказать помощь в овладении необходимых знаний и применения их на практике.

6

При подготовке к лекционным занятиям студенты должны ознакомиться с презентаций,

предлагаемой преподавателем, отметить непонятные термины и положения, подготовить вопросы с целью уточнения правильности понимания. Рекомендуется приходить на лекцию подготовлен-

ным, так как в этом случае лекция может быть проведена в интерактивном режиме, что способ-

ствует повышению эффективности лекционных занятий.

. 2.2 Общие рекомендации при работе с конспектом лекций

В ходе лекционных занятий необходимо вести конспектирование учебного материала. Кон-

спект помогает внимательно слушать, лучше запоминать в процессе осмысленного записывания,

обеспечивает наличие опорных материалов при подготовке к семинару, зачету, экзамену.

Полезно оставить в рабочих конспектах поля, на которых делать пометки из рекомендован-

ной литературы, дополняющие материал прослушанной лекции, а также подчеркивающие особую важность тех или иных теоретических положений.

В случае неясности по тем или иным вопросам необходимо задавать преподавателю уточ-

няющие вопросы. Следует ясно понимать, что отсутствие вопросов без обсуждения означает в большинстве случаев неусвоенность материала дисциплины.

. 2.3 Контрольные вопросы

1.Определите понятие «Система поддержки принятия решений».

2.Типы СППР. Архитектура СППР.

3.Основные компоненты СППР. Какие подсистемы входят в Системы поддержки принятия решений?

4.Как можно классифицировать систему поддержки принятия решений?

5.Функции систем поддержки принятия решений в оценке существующих и гипотетических ситуаций, в которых функционирует предприятие.

6.Какие Системы поддержки принятия решений позволяют модифицировать решения систе-

мы, опирающиеся на большие объемы данных из разных источников?

7.Какие бывают архитектуры систем поддержки принятия решений?

8.Принципы загрузки, верификации и очистки данных.

9.Понятие качества данных. Основные причины низкого качества данных в СППР.

10.Методы и средства повышения качества исходных данных.

11.Охарактеризуйте возможные условия, в которых менеджеру приходится принимать реше-

7

ния: определенность, риск, неопределенность.

12.В чем проявляется неопределенность при принятии экономических решений?

13.Почему автоматизация процесса разработки и принятия решения может повысить его эф-

фективность?

14.Любой ли процесс принятия решения можно полностью автоматизировать?

15.Каковы преимущества и недостатки автоматизации процесса разработки, принятия и реа-

лизации управленческого решения?

16.Дайте определения KDD и Data Mining.

17.Какие существуют алгоритмы Data Mining.

18.Data Mining: задача кластеризации. Методы кластерного анализа. (метод k -средних).

19.Data Mining: описание модели Карта Кохонена.

20.Экспертные системы. Их отличия от других ИИС. Структура ЭС.

21.Классификации экспертных систем. Информационные технологии ЭС.

22.Информация, данные, знания. Свойства знаний. Классификация знаний.

23.Модели представления знаний. Классификация моделей представления знаний. Формаль-

ные логические модели.

24.Продукционная модель знаний. Механизмы логического вывода в продукционной модели.

25.Представление знаний в виде семантической сети. Вывод на семантических сетях.

26.Фреймовые модели знаний. Организация логического вывода во фреймовой модели.

3.Методические указания по подготовке к практическим занятиям

. 3.1 Общие рекомендации по подготовке к практическим занятиям

В ходе подготовки к практическим занятиям необходимо изучать основную литературу,

знакомиться с дополнительной литературой, а также с новыми публикациями в периодических из-

даниях: журналах, газетах и т.д. При этом необходимо учесть рекомендации преподавателя и тре-

бования учебной программы.

В соответствии с этими рекомендациями и подготовкой полезно дорабатывать свои кон-

спекты лекции, делая в нем соответствующие записи из литературы, рекомендованной преподава-

телем и предусмотренной учебной программой. Целесообразно также подготовить тезисы для возможного выступлений по всем учебным вопросам, выносимым на занятие.

При подготовке к практическим занятиям можно также подготовить краткие конспекты по

8

вопросам темы. Очень эффективным приемом является составление схем и презентаций.

Готовясь к докладу или реферативному сообщению, желательно обращаться за методиче-

ской помощью к преподавателю. Составить план-конспект своего выступления. Продумать при-

меры с целью обеспечения тесной связи изучаемой теории с реальной жизнью. Своевременное и качественное выполнение самостоятельной работы базируется на соблюдении настоящих реко-

мендаций и изучении рекомендованной литературы. Студент может дополнить список использо-

ванной литературы современными источниками, не представленными в списке рекомендованной литературы, и в дальнейшем использовать собственные подготовленные учебные материалы при написании курсовых и дипломных работ.

. 3.2 Примеры задач для практических занятий

1. Используя методические материалы практических занятий, провести аудит данных и сложный профайлинг данных, написав соответствующий сценарий в Loginom. Заполнить предла-

гаемую форму отчета.

Исходные данные: файлы e070_produce.txt и e070_sales.txt содержат соответственно, спра-

вочник цен на товары (Цена поставки) и чеки продаж за определенный период времени (Дата продажи, Товар, Код, Количество, Сумма, Скидка).

Дополнительно известны следующие бизнес-правила:

1). Розничная цена=(Сумма+Скидка)/Количество.

2). Постоянным покупателям предоставляются следующие скидки: 2%, 3%, 5%, 10%, 20%.

Скидка в %= (скидка/(Сумма+Скидка))∙100%

2. Построение модели отклика получателей рассылки на активных и неактивных при по-

мощи алгоритма построения дерева решений.

Торговая компания, осуществляющая продажу товаров, располагает информацией о своих клиентах и их покупках. Компания провела рекламную рассылку 13 504 клиентам и получила от-

клик в 14,5 % случаев. Необходимо построить модели отклика и проанализировать результаты,

чтобы предложить способы минимизации издержек на новые почтовые рассылки.

3. Найти хромосому с максимальным количеством единиц.

Допустим, что хромосомы состоят из 12 генов, а популяция насчитывает 8 хромосом. По-

нятно, что наилучшей будет хромосома, состоящая из 12 единиц.

Используя простой генетический алгоритм Холланда, найти максимум функции f(x) =

9

2x2+1 для х = 0,…,31.

4.Для предметной области Медицина, сформировать базу знаний, соответствующую сле-

дующим требованиям:

включить не менее 12 правил, из которых не менее 7 – сложные правила;

для описания правил использовать, не менее 8 переменных;

число циклов просмотра правил для прямой цепочки рассуждений должно составлять не менее

3;

для обратной цепочки рассуждений должны быть логически выведены не менее 4 переменных,

прежде чем будет определена переменная вывода;

пару последовательных правил.

.4. Методические указания по организации самостоятельной работы

. 4.1 Общие рекомендации для самостоятельной работы

Самостоятельная работа студентов является основным способом овладения учебным мате-

риалом в свободное от обязательных учебных занятий время.

Целями самостоятельной работы студентов являются:

-систематизация и закрепление полученных теоретических знаний и умений студентов;

-углубление и расширение теоретических знаний;

-формирование умений использовать нормативную, правовую, справочную документацию

испециальную литературу;

-развитие познавательных способностей и активности студентов:

-формирования самостоятельности мышления, способностей к саморазвитию, самосовер-

шенствованию и самореализации.

Запланированная в учебном плане самостоятельная работа студента рассматривается как связанная либо с конкретной темой изучаемой дисциплины, либо с подготовкой к курсовой, ди-

пломной работе, а также к защите ВКР. В данном разделе рассматривается только самостоятель-

ная работа первого вида.

Самостоятельная работа выполняется в два этапа: планирование и реализация.

Планирование самостоятельной работы включает:

-уяснение задания на самостоятельную работу;

-подбор рекомендованной литературы;

10