Составители:
Рубрика:
3
Введение
Под интеллектуальными (интеллект – от лат. Intellectus – ум, рас"
судок, разум) методами подразумеваются такие способы решения за"
дач, в основе которых лежат алгоритмы и действия, в большей или
меньшей степени связанные с интеллектуальной деятельностью че"
ловека, его эволюцией, повседневным поведением. Термин «интел"
лектуальные» в области компьютерных технологий можно считать
устоявшимся, и сочетание «интеллектуальные информационные тех"
нологии» не режет слух и воспринимается специалистами достаточ"
но однозначно. Тем не менее окончательного решения, что же может
быть отнесено к этой сфере, еще нет, и каждый, занимающихся та"
кой проблемой, решает ее по"своему.
В данном учебном пособии класс интеллектуальных технологий
(ИТ) включает следующие направления:
– искусственные нейронные сети (ИНС);
– генетические алгоритмы (ГА);
– нечеткая логика (НЛ).
Кратко охарактеризуем каждое направление и укажем задачи ме"
неджмента, которые могут решаться с использованием этих мето"
дов.
Искусственные нейронные сети состоят из отдельных вычисли"
тельных элементов (формальных нейронов), которые в определен"
ной степени подобны биологическим нейронам мозга человека. Ха"
рактерная особенность ИНС заключается в том, что процесс програм"
мирования традиционного пути решения задач заменяется здесь про"
цедурой обучения сетей. Метод обучения ИНС является одним из
главных классификационных признаков сетей. Способы объедине"
ния нейронов в сеть, количество слоев нейронов, наличие или отсут"
ствие обратных связей определяют архитектуру ИНС. В области ме"
неджмента к проблемам, которые могут быть решены с помощью
ИНС, относятся задачи классификации и ранжирования предприя"
тий, фирм, построения рейтингов банков, прогнозирования объема
продаж и изменения обменного курса валют.
Генетические алгоритмы представляют собой алгоритмы поиска
оптимальных решений, построенные на принципах естественного
отбора и генетики. Любое возможное решение изображается в виде
строки (хромосомы) фиксированной длины, к популяции которых
применяются традиционные генетические операторы: селекция, скре"
щивание, мутация. Селекция направляет генетический поиск в пер"
спективные районы пространства решений, скрещивание выполня"
