Введение. 
Принятие субоптимальных решений в интеллектуальных системах, основанных на тестовых методах распознавания образов

Рассматриваемая в настоящей статье задача возникает при оптимизации принятия решений в интеллектуальных системах, ориентированных на применение в разных проблемных и междисциплинарных областях. Далее будем рассматривать интеллектуальные системы, основанные на тестовых методах распознавания образов. Поскольку процедура принятия решений является довольно сложной, то её разбивают на последовательно выполняющиеся этапы [Янковская, 2001a]. В публикации [Янковская, 2001a] предложено 9 этапов, основными из которых являются следующие:

• 1. Анализ данных и знаний на непротиворечивость и репрезентативность.
• 2. Выявление различного рода закономерностей.
• 3. Выбор оптимального подмножества тестов, используемых при принятии решений.
• 4. Построение множества решающих правил, реализующих множества способов распознавания, число которых равно числу используемых тестов.
• 5. Принятие решений по каждому тесту на основе выявленных закономерностей, принятие итогового решения на множестве способов распознавания и подходов, обоснование принимаемых решений.

Отметим, что 2-й этап, являющийся наиболее трудоёмким, разбивается на ряд подэтапов. В статье [Янковская, 2000] в число закономерностей включены диагностические тесты (ДТ) и ряд подмножеств признаков с определёнными свойствами, которые используются при построении ДТ. Также к числу закономерностей относятся весовые коэффициенты признаков, вычисляемые на основе различных подходов.

Одним из самых важных и трудоёмких этапов является 3-й этап — выбор оптимального подмножества тестов, используемых при принятии решений. Основные критерии выбора были сформулированы в [Янковская, 2009a], а алгоритмы выбора изложены в статьях [Янковская, 2009b], [Yankovskaya et al., 2007], [Колесникова и др., 2009].

Обычно эти этапы и подэтапы выполняются последовательно независимо друг от друга. На каждом из них выбирается оптимальное в определённом смысле промежуточное решение и при этом, как правило, не учитывается связь между этапами. Естественно, что при оптимизации решения в рамках каждого этапа (подэтапа) без учёта требований, предъявляемых к конечному результату — принятию решения — решение в целом может быть далеко от оптимального. Таким образом, задача заключается в том, чтобы на более ранних этапах при построении интеллектуальной системы, учесть требования, предъявляемые на конечном этапе — принятии итогового решения, а именно, требование устойчивости к ошибкам измерения (занесения) значений характеристических признаков; минимального количества признаков, используемых при принятии решений; максимального суммарного веса признаков, участвующих в принятии решений и вычисленного на основе различных подходов, минимальной стоимости и минимального ущерба (риска) при принятии решений и др.

Отметим, что минимизация ущерба (риска) и устойчивость к ошибкам измерения наиболее важны при построении эко-гео-биомедицинских и медицинских интеллектуальных систем, особенно в случае наличия чрезвычайных ситуаций. интеллектуальный тестовый междисциплинарный Учёт различных требований при принятии решений приводит к необходимости трансформации этих требований на более ранние этапы построения интеллектуальной системы, а разнообразие требований приводит к необходимости конвергенции нескольких наук. Под конвергенцией понимается взаимопроникновение нескольких наук.

Учёт сразу несколько требований («убить сразу двух зайцев») приводит к необходимости применения согласованного совмещения совокупности следующих предметов (нескольких наук): распознавание образов, дискретная математика, искусственный интеллект, надежность, теория автоматов, мягкие вычисления, теория вероятности и математической статистики, теория полезности.

Содержащийся в заголовке статьи термин «субоптимальные решения» применяется в том смысле, что нет гарантии получения оптимального решения по ряду требований, предъявляемых к конечному результату.

В данной работе приводятся основные понятия и определения; матричная модель представления данных и знаний; критерии, предъявляемые к принятию решений; предлагается конвергенция наук и научных направлений при принятии решений и трансформация требований, предъявляемых к конечному результату, на более ранние этапы, а также излагаются основы принятия субоптимальных решений.