Определение оптимальной интеллектуальной системы принятия решения в условиях конфликта между преподавателем и учеником

Новым направлением принятия решений в условиях конфликта между преподавателем и ученика являются интеллектуальные системы, который позволяют принимать решения формировать управления на основе использования знаний.

Научный анализ исследований показывает, что интеллектуальная система контроля знаний и воспитания школьников является эффективным инструментом воспитания учеников и промежуточного или итогового контроля знаний только в том случае, если она будет: содержать информационную модель предметной области, релевантную предметным знаниям организатора контроля знаний в период проведения контроля; содержать адаптивную и управляемую преподавателем процедуру выявления знаний, анализа их глубины и качества с последующей реконструкцией на этой основе информационной модели обучаемого и обладать возможностью учитывать неполные или не совсем точные ответы; выводить итоговую оценку знаний обучаемого по результатам сопоставления эталонной модели, содержащейся в интеллектуальных системах с реконструированной моделью, построенной по ответам обучаемых.

Построение такой интеллектуальной системы требует применения принципиально иных подходов к представлению и комплексной обработке знаний. Сформулируем основные принципы построения интеллектуальной системы нового поколения, основанные на методах и моделях, развиваемых в рамках теории интеллектуальных систем и инженерии знаний. Эти принципы определяют концепцию интеллектуального тестирования, более адекватную представлениям преподавателя о требуемой организации процесса контроля и оценивания знаний и позволяющую реализовать неформализованные ранее педагогические приемы и методики.

Исследование операции [2] проводится всегда с точки зрения одного ученика, а в рассматриваемом случае это проводится с позиции интеллектуальной системы принятия решения и управления (для определенности примем, что в конфликте – это преподавательА и ученикВ). Будем считать, что эффект достижения цели определяется векторными показателем = (Wa, Wb) и критерием К = (КА, КВ), связанные с целями поведения сторон. При этом в зависимости от получения информации о целях действия преподавателя предполагается, что идентификация целей позволяет интеллектуальной системе определять критерии и показатели, используемые преподавателем и учеником для идентификации показателей и критериев сторон.

Формирование модели условий конфликтного взаимодействия оптимизируемой системы с другими системами основывается в простейшем случае с позиции теории игр как конфликт между преподавателем и учеником (А, В). При этом конфликт рассматривается как операция, в которой преподаватель и ученик имеют различные цели и реализуют свою деятельность и выбирают свои стратегии в соответствии со своими целями рис. 1.[1].

Отыскание экстремума критерия или точек равновесия в игровых задачах, а также соответствующих им характеристик, для построения интеллектуальной системы принятия решений и управления в условиях конфликта основывается на современной теории игр в тех случаях, когда удается формализовать все элементы и факторы конфликта. Для формализации задач интеллектуальной обработки информации могут быть использованы методы информационной математики.

Проиллюстрируем проведенный анализ постановки задачи определения оптимальной интеллектуальной системы принятия решения и управле-

31

32

где управление реализуется в виде весовых функций в зависимости от стратегий преподавателя и ученика (В - максимизирует дисперсию ошибки, а А-минимизирует ошибку слежения).

В этом случае дисперсии для принятой весовой функции записываются в следующем виде, учитывающем стратегии преподавателя и ученика

D1IJ= αi (αiβ-20J +1)-2,

D2 = αi β 0J (αi+ β 0J ) .

Интеллектуальная подсистема ученик - В, наблюдая с помощью своих информационных и физических за преподавателем А, определяет его действия и формирует свою стратегию движения в каждой конкретной ситуации. Возникает задача ситуационного управления движением, когда решения и управления должны осуществляться в соответствие с той ситуацией, которая складывается в текущий момент конфликта.

Одной из сложных задач в этом случае является задача определения типа антагонизма между преподавателем и учеником и определения целей действия систем, выяснения их интересов. В практике конфликтных ситуаций о действиях другой стороны или преподавателя, как правило, используется информация, получаемая через информационные сообщения, телекоммуникационные сети и путем сбора различными способами конфиденциальной информации. При реализации интеллектуальной экспертной системы используются эксперты и их оценки, но и возможен аналитический подход к решению идентификации намерений и цели противоположной стороны на основе анализа конфликта. Если реализуется интеллектуальная подсистема на основе ситуационного управления, то возможна декомпозиция общей задачи на две части, когда интеллектуальная подсистема идентифицирует конкретную ситуацию, а управление в конкретной ситуации формируется на основе решения задач для определения неопределенных стратегий, или неопределенных параметров противодействующей стороны. Вместе с тем интеллектуальная подсистема должна определять тип модели взаимодействия в конфликте. Возникает вопрос, как это может реализовать интеллектуальная подсистема. Существует ли такая возможность?

Покажем возможность оценки действий противника на основе обработки информации по решению задачи с помощью теории игр. Для этого проанализируем результаты принятия решения при реализации матричной антагонистической игры. Вначале рассмотрим влияние конфликта на управление на примере единичной ситуации, когда время управленияТ фиксировано и единственное, а затем рассмотрим условную модель ситуационного управления на основе сценария, в котором достижение цели обеспечивается несколькими ситуациями управлениями в разные моменты времени Tν.

Примем, что преподаватель и ученик могут реализовать по две стратегии, т.е. конфликт описывается матрицей размерности 2х2, где (β201 = 1, β202= 2) значение стратегий ученик -В и (α1 = 1, α2 = 2) значение стратегий препо- даватель-А. В этом случае при принятых исходных данных матрицы выигрышей можно записать в следующем виде:

• при анализе системы по дисперсии D2

в чистых стратегиях, но цены преподавателя и ученика у них разные. Интересным результатом анализа дисперсий ошибок анализируемой системы является то, что гарантированная суммарная ошибка системы (равна 0,48) меньше гарантированной ошибки, получаемой только при учете нормальной составляющей ошибки (равной 0,5). Понятно, что полученное уменьшение дисперсии суммарной ошибки в результате отказа от стратегии α1, которая ведет к увеличению дисперсии нормальной составляющей ошибки. Это также связано с тем, что дисперсии ошибок от изменения сигнала помехи существенно меньше при α2 влияют на дисперсию D1. По этой причине , если преподаватель - А будет выбирать свою стратегию из условия увеличения дисперсии помехи, то он может быть наказан ученик - В, который в этом случае может реализовать свою стратегию β201 = 1 (провести адаптивное управление) благодаря этого получить дополнительный выигрыш, который будет равен 0,344, т.е. меньше гарантированного выигрыша на 0,135 (уменьшает дисперсию на 28.5%). Таким образом интеллектуальная подсистема на основе полу-

34 чения оценок интенсивности шума сможет определить, какой стратегии придерживается преподаватель -А при противодействии ученику -В. Логика рассуждений интеллектуальной подсистемы может быть продолжена в том направлении, если ученик -В откажется от использования гарантированных оценок, а будет применять критерии: минимаксного сожаления Сэвиджа, пессимизма-оптимизма Гурвица, «недостаточного основания» Бернулли [3].

Рассмотрим теперь случай, когда для достижения цели управления необходимо выполнения нескольких операций по слежению, согласно определенному сценарию (рис. 2), в котором последовательно реализуются три ситуации со временем управления Т1=1, Т2=2, Т3 =3 а также показано начало работы системы и достижение цели в случае успешного выполнения все планируемых операций.

Одним из интересных предложений по развитию интеллектуальной подсистемы для оценки степени антагонизма между преподавателем и учеником и соответственно между интеллектуальными системами в условиях конфликта стало использование теории биматричных игр.

Подсистему интеллектуального управления, подсистему принятия решения и подсистемы базового управления, которая организовывала воздействия на объект управления, функционирующий в условиях конфликта.

В основу построения интеллектуальных систем управления положены исследования, выполненные Н. И. Андреевым, который создал теорию статистически оптимальных систем управления и провел оптимизацию адаптивных систем и системам с решающими устройствами. Им первым было предложена декомпозиция сложных динамических систем на базовый или основной контур управления и подсистему решающего устройства, включая и решения на основе теории игр. По аналогии с работами Н. И. Андреева пред-

35

ложена декомпозиция интеллектуальных систем принятия решения и управления на три взаимосвязанные подсистемы: интеллектуальную, принятия решения и базового управления. Можно при этом заметить, что объединение интеллектуальных подсистем с системами управления в методическом плане является более сложной и приближенной задачей, так как приходится объединять систему слабо формализуемых экспертных и человеческих знаний и формализованные системы управления. Вместе с тем современное развитие интеллектуальных систем убеждает в том, что надежды слияния искусственного интеллекта и систем управления можно ожидать в ближайшее время, что подтверждается большим объемом публикаций крупных ученых в этой области.

Таким образом, теоретическая и практическая значимость, недостаточная разработанность методологии и методики компьютерных технологий воспитании и контроля знаний учеников с помощью информационной системы при достаточно развитой базе явилось причиной выбора проблемы исследования, которая заключается в поиске и реализации основ для построения системы, которая позволяла бы создавать независимые интеллектуализации информационные системы управления.

Выводы:

  1. Предложен подход к построению моделей конфликта между преподавателем и ученика, положены абстрактные множественные модели, которые находят применение в теории управления и в интеллектуальных системах.
  2. Предлагаются объединения части разделов теории игр и искусственного интеллекта с теорией управления.

 

ЛИТЕРАТУРА

  1. Моисеев Н. Н. Математические задачи системного анализа. – М.: Наука, 1981.
  2. Кини З. Л., Ральф Х. Принятие решений при многих критериях: предпочтения и замещения. – М.: Радио и связь, 1981.
  3. Андреев Н. И. Корреляционная теория статистически оптимальных систем. - М.: Наука, 1966.
  4. Яковлев А. И. Определение статистически оптимальных систем по последовательно применяемым критериям точности. - М–: АН СССР, Автоматика и телемеханика, №11, 1987.
  5. Андреев Н. И. Теория статистических оптимальных систем управления- М.: Наука, 1980.
Год: 2015
Город: Костанай