procyberВестник кибернетикиProceedings in Cybernetics1999-7604Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры «Сургутский государственный университет»10.34822/1999-7604-2020-1-61-68procyber-278Research ArticleСтатьиАЛГОРИТМЫ ПОДГОТОВКИ ДАННЫХ К ПАРАМЕТРИЧЕСКОМУ СИНТЕЗУ ПРИ ПРЕДВАРИТЕЛЬНОМ ПРОЕКТИРОВАНИИ ТЕХНИЧЕСКИХ ОБЪЕКТОВ НА ОСНОВЕ ОБРАБОТКИ ЭКСПЕРТНОЙ ИНФОРМАЦИИALGORITHMS OF DATA PREPARATION FOR PARAMETRIC SYNTHESIS IN PRELIMINARY DESIGN OF THE TECHNICAL OBJECTS BASED ON EXPERT INFORMATION PROCESSINGВересниковГ. С.VeresnikovG. S.

E-mail: veresnikov@mail.ru

E-mail: veresnikov@mail.ru

Институт проблем управления им. В. А. Трапезникова Российской академии наук, Москва, РоссияРоссияV. A. Trapeznikov Institute of Control Sciences of Russian Academy of Sciences, Moscow, RussiaRussian Federation20200705202001 (37)6168Copyright © Вересников Г.С., 20202020Вересников Г.С.Veresnikov G.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestcyber.ru/jour/article/view/278

В статье рассмотрены вопросы подготовки экспертных данных к параметрическому синтезу при предварительном проектировании технических объектов в условиях неопределенности параметров. В рамках теории неопределенности Б. Лю разработаны алгоритмы формирования критических вариантов функций распределения неопределенности, отражающих достижение «наилучших» и «наихудших» для лица, принимающего решения (далее –ЛПР), числовых характеристик функций, зависящих от неопределенных параметров. Предложено выполнять формирование функций распределения неопределенности, обеспечивающих компромисс между мнениями экспертов, в два этапа, включающих группировку неопределенных величин, являющихся отражением мнений отдельных экспертов, и формирование компромиссных функций распределения неопределенности для каждой выделенной группы экспертов. Разработан алгоритм кластеризации неопределенных величин на фиксированное количество классов, который основан на методе k-средних (k-means). Предложен интерактивный алгоритм группировки неопределенных величин. В рамках этого алгоритма неопределенные величины выступают в качестве узлов графа, а пороговое значение, задаваемое ЛПР, и расстояние между неопределенными величинами определяют наличие или отсутствие связи между этими узлами. Посредством использования предложенных алгоритмов обработки экспертных данных формируются функции распределения неопределенности, которые являются входной информацией для алгоритмов вычисления числовых характеристикфункций, зависящих от недетерминированных параметров.

The article describes the issues of preparation of the expert information for parametric synthesis at the preliminary design of the technical objects under uncertain parameters. Within B. Liu’s uncertainty theory, the algorithms for generating critical variants of the uncertainty distribution functions reflecting the achievement of the “best” and “worst” for a decision-maker (DM) of the numerical characteristics of functions that depend on the uncertain parameters are developed. It is proposed to carry out the formation of uncertainty distribution functions providing a compromise between the expert views, in two stages including the grouping of uncertain values reflecting the views of some experts, and establishment of the compromise functions of uncertainty distribution  for each selected expert group. The algorithm of uncertain values clustering on the fixed number of classes based on the k-means method is developed. An interactive algorithm of uncertain values grouping is suggested. In terms of this algorithm, uncertain values act as graph nodes, whereas the threshold value determined by DM and the distance between uncertain values define the presence or absence of connection between these nodes. Using the proposed expert information processing algorithms, the uncertainty distribution functions are formed, which are the input to algorithms for calculating the numerical characteristics of functions that depend on non-deterministic parameters.

эпистемическая неопределенностьоптимизационная модельнеопределенный параметрпараметрический синтез.epistemic uncertaintyoptimization modeluncertain parameterparametric synthesis.ReferencesDer Kiureghian A. Aleatory or epistemic? Does it matter? // Special Workshop on Risk Acceptance and Risk Communication, Stanford University, 2007. 13 p.Der Kiureghian A. Aleatory or epistemic? Does it matter? // Special Workshop on Risk Acceptance and Risk Communication, Stanford University, 2007. 13 p.Liu B. Uncertainty Theory. 4th edition. Berlin : Springer-Verlag, 2015. 487 p.Liu B. Uncertainty Theory. 4th edition. Berlin : Springer-Verlag, 2015. 487 p.Liu B. Theory and Practice of Uncertain Programming. 3rd ed. Berlin : Springer-Verlag, 2009. 201 p.Liu B. Theory and Practice of Uncertain Programming. 3rd ed. Berlin : Springer-Verlag, 2009. 201 p.Jinwu G. Delphi Method for Estimating Uncertainty Distributions // Proceedings of the First International Conference on Uncertainty Theory, Urumchi, China. 2010. P. 291–297.Jinwu G. Delphi Method for Estimating Uncertainty Distributions // Proceedings of the First International Conference on Uncertainty Theory, Urumchi, China. 2010. P. 291–297.Haiying G., Xiaosheng W. Delphi Method for Estimating Membership Function of Uncertain Set // Journal of Uncertainty Analysis and Applications. 2016. Vol. 4 (3). DOI https://doi.org/10.1186/s40467-016-0044-1Haiying G., Xiaosheng W. Delphi Method for Estimating Membership Function of Uncertain Set // Journal of Uncertainty Analysis and Applications. 2016. Vol. 4 (3). DOI https://doi.org/10.1186/s40467-016-0044-1Архипова М. Ю., Сиротин В. П., Мхитарян В. С., Дуброва Т. А., Миронкина Ю. Н. Анализ данных. 1-ое изд. М. : Юрайт, 2016. 490 с.Архипова М. Ю., Сиротин В. П., Мхитарян В. С., Дуброва Т. А., Миронкина Ю. Н. Анализ данных. 1-ое изд. М. : Юрайт, 2016. 490 с.Veresnikov G. S., Pankova L. A., Pronina V. A. Models of Uncertain-random Programming // Advances in Systems Science and Applications. 2019. Vol. 19, No. 2. P. 8–22.Veresnikov G. S., Pankova L. A., Pronina V. A. Models of Uncertain-random Programming // Advances in Systems Science and Applications. 2019. Vol. 19, No. 2. P. 8–22.Veresnikov G. S., Pankova L. A., Pronina V. A. Preliminary Design with the Epistemic Uncertainty of Parameters // Advances in Systems Science and Applications. 2018. Vol. 18, No. 3. P. 154–164.Veresnikov G. S., Pankova L. A., Pronina V. A. Preliminary Design with the Epistemic Uncertainty of Parameters // Advances in Systems Science and Applications. 2018. Vol. 18, No. 3. P. 154–164.

The authors declare that there are no conflicts of interest present.