560 likes | 779 Views
Các hệ thống thông minh Intelligence systems. Chương 5: Hệ trợ giúp ra quyết định (Các mô hình trong DSS). Chuyên ngành Các hệ thống thông tin và tri thức khoa CNTT-ĐHSP HN- 2010. 1. Vì sao mô hình là công cụ hữu hiệu trong DSS ?. Cung cấp thông tin quan sát được từ thế giới thực
E N D
Cáchệthốngthông minhIntelligence systems Chương 5: Hệ trợ giúp ra quyết định (Các mô hình trong DSS) Chuyên ngành Các hệ thống thông tin và tri thức khoa CNTT-ĐHSP HN- 2010 1
Vìsaomôhìnhlàcôngcụhữuhiệutrong DSS? Cung cấp thông tin quan sát được từ thế giới thực Đề xuấtưu điểm
Basic types of system models • Graphical model, • narrative model, • physical model, • Mathematical model, • symbolic or information-based model. • (3 loại đầu thường không tham gia DSS, có thể dùng để mô tả nhưng không tham gia với tư cách là một bộ phận) 3
Information-based Model Các phần tử dữ liệu có thể là bất cứ kiểu dữ liệu nào mà máy tính và chương trình của máy tính liên quan đến (boolean, xâu, số…) Kết hợp chặt chẽ với các thủ tục, các công thức để thao tác trên các phần tử dữ liệu. Những thủ tục hay công thức suy dẫn ra những giá trị dữ liệu mới từ những giá trị dữ liệu đã có trong mô hình và giá trị dữ liệu từ bên ngoài đưa vào. Các giá trị từ bên ngoài có thể đến từ người dùng, từ CSDL, từ các thiết bị như các sản phẩm thám sát của hệ thống hay từ các quan hệ giao tiếp giữa các tổ chức
Mộtđặcđiểmquantrọngcủahầuhếtcácmôhình mô hình vẫn còn hợp lệ khi dữ liệu thay đổi cho phép chúng ta thay đổi một hay một số biến (variables) và xem xét tác động/ hiệu ứng của sự thay đổi đó Dự báo điều gì sẽ xảy ra (trên thực tế) với một lựa chọn nào đó của chúng ta
System versus Process Models:What are we modeling? Mô hình hóa hệ thống mà chúng ta nghiên cứu? Mô hình tiến trình mà con người tuân theo trong việc ra quyết định về hệ thống? Process model (prescriptive model) có thể là normative và cũng có thể là descriptive. có những mặt mạnh yếu khác nhau và được ứng dụng vào những lĩnh vực khác nhau trong DSS
Mathematical models Là một tập con quan trọng của các mô hình hệ thống. Một mô hình toán mô tả quan hệ giữa các phần tử của hệ thống, được mô hình hóa trong dạng một phương trình. Ví dụ một mô hình toán quen thuộc e = mc2
Static versus Dynamic models:Cause and effect over time Static models: chỉ ra giá trị mà các thuộc tính của hệ thống có thể nhận khi hệ thống ở trạng thái cân bằng. Dynamic models: theo sự thay đổi qua thời gian, sự thay đổi đó là kết quả do các hoạt động của hệ thống mang lại. VD: mô hình về sự giao động Tĩnh: cho thấy treo theo phương thẳng đứng và không chuyển động Động: cho thấy đang đu đưa qua lại, thấy tần suất, biên độ và tốc độ giảm dần
Static model mô hình hóa một hệ thống tĩnh (static system) hay một hệ thống động (dynamic system). Hệ thống tĩnh là hệ thống trong đó yếu tố trôi đi của thời gian không tham dự nói cho người ra quyết định, làm thế nào mà hệ thống sẽ trở nên ổn định kể cả khi nó không chỉ ra làm thế nào để đạt được điểm ổn định đó thường cung cấp kết quả trong thời gian ngắn hơn so với mô hình động, cho phép người ra quyết định xem xét nhiều lựa chọn trong một lượng thời gian cho phép.
Vídụ Mô hình hóa thu lệ phí cầu đường: Qua một khoảng thời gian, số lượng xe đến trạm thu phí phải bằng lượng xe rời khỏi đó). Nếu chúng ta có công thức thích hợp liên quan đến những yếu tố đó, chúng ta có thể tính được: trung bình lượng xe (line) không cần theo tiến triển thực sự của những phương tiện cụ thể làm thế nào để dòng (line) xếp trả thu phí lớn lên và co bớt thời gian lại.
Dynamic model Phản ánh trong một mô hình động chỉ có thể là một hệ thống động: giá trị dữ liệu thay đổi theo thời gian. Phân biệt giữa mô hình tĩnh và động có thể làm ta nhầm lẫn, do một tập các mô hình tĩnh có thể xuất hiện để thể hiện một lượng thay đổi theo thời gian. Phân tích ví dụ để phân biệt
Continuous models versus Discrete-Event models Đều mô hình hóa các hệ thống động: bắt chước hành vi của một hệ thống động trên thực tế cho phép kiểm soát những hành vi này qua những quan sát như vậy nghiên cứu tối ưu hóa hệ thống.
Continuous models versus Discrete-Event models Continuous – system simulation models: mô tả một tiến trình vật lý hay kinh tế, trong đó các con số mô tả hệ thống biến đổi một cách liên tiếp (tiếp diễn). VD Discrete-Event models: liên quan đến hệ thống mà trong đó các sự kiện cụ thể xuất hiện tại một thời điểm xác định và thay đổi trạng thái của hệ thống một cách tức thời, từ giá trị này sang giá trị khác. VD
Cácmôhìnhmôphỏngsựkiệnrờirạc Thuật ngữ mô phỏng, mô hình và (kết hợp với nhau) mô hình mô phỏng có khi được dùng thay nhau. Mô hình là sự mô tả hệ thống, thông thường trong dạng chương trình (máy tính). Gọi mô hình mô phỏng khi muốn làm rõ hơn rằng không đề cập đến loại gì của mô hình hoặc một sử dụng khác nào đó của mô hình. Mô phỏng làtiến trình của việc sử dụng mô hình để nghiên cứu hệ thống. Mô phỏng không thể tồn tại thiếu một mô hình thích hợp.
Cácmôhìnhmôphỏngsựkiệnrờirạc chúng ta thường biết mỗi thành phần của hệ thống có hành vi như thế nào, nhưng không có khả năng đánh giá (ước tính) tác động của những tương tác giữa chúng lên hành vi hay toàn bộ hệ thống. mô hình hoá các hành vi được mong đợi và tương tác của các thành phần của chúng qua thời gian dự báo hành vi của một hệ thống kinh doanh
Kháiniệmmôphỏngsựkiệnrờirạc Mô hình biểu diễn trạng thái của hệ thống bằng giá trị của phần tử dữ liệu (các biến) trong máy tính. Giá trị của những biến này thay đổi khi có các sự kiện xuất hiện trong hệ thống. Nếu chúng ta biết bao lâu các loại sự kiện khác nhau xuất hiện, thì chúng ta có thể biết khi nào các biến thay đổi và thay đổi ra sao. Sự thay đổi giá trị của các biến cho thấy điều xảy ra với hệ thống trong thế giới thực.
Kháiniệmmôphỏngsựkiệnrờirạc Hầu hết các mô phỏng sự kiện rời rạc là stochastic (rgẫu nhiên) hoặc là xác suất, bởi chúng ta thường biết hành vi (có tính bền vững) của một tiến trình đã cho nhưng chúng ta không dự đoán được một cách chính xác hành vi trong tương lai của bất cứ một thể hiện nào của tiến trình này.
Kháiniệmmôphỏngsựkiệnrờirạc Khái niệm hàng đợi các sự kiện tương lai (future events queue): danh sách các sự kiện được lên lịch xuất hiện trong hệ thống cùng với thời điểm xuất hiện của chúng. Xử lý các sự kiện và lên lịch cho sự kiện mới nằm trong một vòng lặp. Chạy một mô phỏng: đặt một sự kiện vào hàng đợi các sự kiện tương lai, lấy chúng ra để xử lý khi đến lượt- cập nhật cho các giá trị của các biến đồng thời ghi lại những gì xảy ra để phân tích tương lai.
CácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạcCácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạc Xácđịnhmụctiêucủamôhình: chúngtacốgắngraquyếtđịnhgì? Chúngtaphảitốiưuhóagì hay phảitìmgìđểraquyếtđịnh? Nhữngthông tin nàomôhìnhphảiđưarađểtacóđượcđiềumuốnbiết?
CácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạcCácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạc Địnhnghĩahệthống: Cáigìcótrongnóvàcáigìkhông? Nhữnggìlàthànhphần (bộphận) củanó? Nếuhệthốngphụthuộcvàocácthamsố-đượcgọilàcácbiếnđiềukhiển (controllable variables), cầnphảiđặctảchúnglàgì?
CácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạcCácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạc Định nghĩa trạng thái của hệ thống: một tập các biến trạng thái hoặc các biến không có khả năng điều khiển (uncontrollable variables) Chọn các biến trạng thái làm đơn giản thực tế Hiếu được mục đích của mô hình là rất cần thiết để xác định một tập các biến trạng thái phù hợp Các biến không điều khiển được là những đặc trưng của hệ thống, thay đổi theo các hoạt động của hệ thống
CácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạcCácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạc Xácđịnhcácsựkiệncóthểthayđổitrạngtháicủahệthốngvàxácđịnhtácđộngcủamỗisựkiệntrênmỗibiếntrạngthái. exogenous events (sựkiệnngoạisinh): Sựxuấthiệncủachúngkhôngbịtácđộngbởitrạngtháicủahệthống, mặcdùchúngtácđộngđếntrạngtháicủahệthống endogenous events (sựkiệnnộisinh): Sựxuấthiệncủachúngcóthểphụthuộcvàotrạngtháicủahệthống.
CácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạcCácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạc Chọn đơn vị thời gian mà mô phỏng sử dụng Thang chia thời gian chính xác phụ thuộc vào tỉ lệ (ước lượng) tại đó tiến trình trở nên được mô hình hóa cho các xuất hiện và là mục tiêu của nghiên cứu. Các hệ thống máy tính, các gói phần mềm mô phỏng và các ngôn ngữ lập trình đều có thể làm việc với đơn vị thời gian rất nhỏ chọn đơn vị thời gian chủ yếu là thuận tiện cho người sử dụng.
CácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạcCácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạc Xác định (theo thống kê) ước lượng tại đó mỗi sự kiện xuất hiện: Xác định thời điểm sự kiện xuất hiện trong mối liên quan đến những sự kiện xảy ra trước đó. Cách tiếp cận này xác định khoảng thời gian của mỗi bước trong chuỗi hành động mô hình hóa một tiến trình phức tạp bằng cách kết hợp các mô hình với một số tiến trình
CácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạcCácbướcthiếtkếmộtmôhìnhmôphỏngsựkiệnrờirạc Xác định những thống kê muốn đạt được từ mô phỏng, dữ liệu cần có để đạt được những thống kê đó. Xác định trạng thái khởi đầu của hệ thống.
Môhìnhmôphỏngsựkiệnrờirạc Các chương trình mô phỏng có thể viết trong ngôn ngữ vạn năng như C hay Pascal. Hầu hết các mô phỏng chuyên nghiệp trong kinh doanh sử dụng: GPSS, SLAM hay Simscript Tiếp cận mang tính thỏa hiệp: đóng gói GAP cho FORTRAN, C và C++ có các gói C++SIM, SIM++ và CSIM18.
Môhìnhmôphỏngsựkiệnrờirạc Một lần chạy mô phỏng sẽ cho biết hành vi của hệ thống (được mô phỏng) ra sao đối với một lựa chọn cụ thể cho các biến điều khiển và 1 bộ các tham số. Lặp lại các tiến trình đối với mỗi lựa chọn của một bộ biến điều khiển cho ta đánh giá được tác động của sự thay đổi các biến điều khiển và giúp ta chọn được bộ tốt nhất.
Bàitập: Môhìnhmôphỏngsựkiệnrờirạc Một ví dụ: Barbershop Phân tích các bước thiết kế mô hình mô phỏng sự kiện rời rạc: cần mở bao nhiêu quầy thu tiền trong siêu thị?
Static simulation models (Reading more)
Cácmôhìnhtoánvàtốiưuhóa Queuing Models Markop Process Models Simulation, Queuing Theory, and Markov Process Compared Optimization
Queuing Models Mô phỏng là nghiên cứu hệ thống từng bước thông qua các hoạt động của nó. Với kiểu thống kê, từ một lượng mẫu đủ lớn các hoạt động, có thể suy dẫn ra kết luận. Trong khi đó, mô hình hàng đợi đạt được thống kê các hành vi hệ thống một cách trực tiếp không cần theo những sự kiện riêng lẻ. Những mô hình này đơn giản ở chỗ lý thuyết hàng đợi yêu cầu chấp nhận, nó xác định hành vi bình thường của hệ thống nhanh hơn mô phỏng.
Queuing Models Là mô hình tĩnh cho hệ thống động: mô tả trạng thái vững bền trong đó một hệ thống ổn định chứ không phải là mô tả hành vi của hệ thống từng phút từng phút ra sao. Mô tả hành vi hệ thống bằng các công thức. Những công thức đó có thể được đánh giá cho một tập bất kỳ các biến hệ thống (biến điều khiển) ta mong muốn, chứ không phải là các số được tính toán cho một tập các tham số và phải tính toán lại từ đầu đối với mỗi tập (tham số) bất kỳ khác.
Queuing Models: cáckháiniệmcơbản Các trạng thái có thể có của hệ thống nghiên cứu hệ thống; các biến và tổ hợp có thể của chúng trạng thái của hệ thống. Tỉ lệ (rate) mà tại đó mỗi trạng thái thay đổi thành trạng thái khác được xác định như một hàm của tỉ lệ (rate) các giao dịch đến bên trong hệ thống và thời gian phục vụ của tiến trình hệ thống. (state transition rates)
Queuing Models: cáckháiniệmcơbản Nếu hệ thống ở trạng thái cân bằng (steady state): mỗi trạng thái average transition rate into = average transition rate out of (Các phương trình biểu diễn điều đó). Giải các phương trình để tìm được các xác suất trạng thái. những thống kê khác cần quan tâm (như thời gian trung bình mà khách hàng phải chờ hay độ dài trung bình của hàng đợi,…)
Queuing Models Là mô hình tĩnh cho hệ thống động: mô tả trạng thái vững bền trong một hệ thống ổn định chứ không phải là mô tả hành vi của hệ thống từng phút từng phút ra sao. Mô tả hành vi hệ thống bằng các công thức. Những công thức đó có thể được đánh giá cho một tập bất kỳ các biến hệ thống (biến điều khiển) ta mong muốn, chứ không phải là các số được tính toán đối với một tập các tham số và phải tính toán lại từ đầu đối với mỗi tập (tham số) bất kỳ khác.
Queuing Models: Vídụ Xét tòa nhà với việc đặt phone cho mỗi tầng. Một người nào đó muốn gọi phone và khi tìm thấy một phone rỗi, họ sẽ gọi. Một số người khi thấy phone bận, họ sẽ chờ cho đến khi phone trở thành rỗi. Một số người khi thấy phone bận và có người khác đang chờ thì họ sẽ đến tầng khác
Queuing Models: Vídụ Giả sử thời gian trung bình cho mỗi cuộc gọi là 5 phút. Nếu một cuộc đàm thoại được thực hiện sẽ có 20% khả năng nó kết thúc trong phút tiếp theo chuyển từ Busy(2) sang Idle (1) : 0.2/phút nhưng chỉ nếu hệ thống đã bắt đầu hoặc không có một chuyển đổi nào khác có thể xuất hiện nữa. Bởi thế, nói chung rate của chuyển đổi này là 0.2 P2.
Queuing Models: Vídụ Tương tự 3 2 xuất hiện trong rate trung bình là 02P3 Giả sử rate trung bình của khách đến gọi điện thoại (giữa các khoảng đến) là 10 phút rate đến là 0.1 khách/phút, có nghĩa là cơ hội có một khách xuất hiện ở phút tiếp theo là 10%. Ta có 12 xuất hiện trong rate trung bình là 0.1P1 và 23 là 0.1P2.
Queuing Models: Vídụ Theo nguyên lý hàng đợi, có các phương trình cân bằng sau: Đối với trạng thái 1: 0.2P2 = 0.1P1 Đối với trạng thái 2: 0.1P1 + 0.2P3= 0.1P2 + 0.2P2 (hay 0.1P1 + 0.2P3= 0.3P2) Đối với trạng thái 3: 0.1P2 = 0.2P3 3 phương trình với 3 ẩn số Pi , phụ thuộc tuyến tính (cái thứ nhất và thứ 3)
Queuing Models: Vídụ Trong lý thuyết hàng đợi: một hệ thống có n trạng thái, luôn có n phương trình cân bằng trong Pi, tương đương với n-1 phương trình độc lập tuyến tính. Do đó cần n phương trình độc lập tuyến tính để tìm n ẩn, ở đây từ sự kiện hệ thống luôn là một trong 3 trạng thái ta sẽ có thêm phương trình P1+P2+P3 = 1
Queuing Models: Vídụ Giải các phương trình nói trên, ta có được phát biểu xác suất cho mỗi trạng thái: P1=4/7, P2=2/7, P3=1/7. Những con số đó có nghĩa gì?
Queuing Models: Vídụ P1=4/7, phone sẽ idle trong 4/7 thời gian, ngược lại nó bận trong (P2+P3) = 3/7 thời gian. Điều này dự báo tiền thu được từ dịch vụ này. Dựa vào đó có thể quyết định có nên đầu tư không.
Queuing Models: Vídụ Nếu cứ 10 phút có một khách hàng xuất hiện và họ rời khỏi sau 5 phút, ta thấy phone bận 1/2 thời gian. Việc sử dụng ở mức thấp hơn phải là do khách hàng nhìn thấy hàng chờ và bỏ đi. Từ tỉ lệ sử dụng của 3/7 là 6/7, điều ta mong muốn , chúng ta biết rằng 1/7 của khách hàng tiềm ẩn nào đến đâu đó nữa. Thông tin đó giúp quyết định có nên lắp thêm 1 phone bên cạnh phone đã có hay không.
Queuing Models: Vídụ Một người nào đó đang chờ 1/7 thời gian, khoảng 8.5 phút ngoài giờ hay trong mỗi giờ của ngày làm việc. Điều này đưa ra ý tưởng đặt máy bán nước giải khát bên cạnh phone.
Queuing Models: Vídụ Trung bình khách không bỏ đi ngay, chờ 1 phút 40 giây để dùng phone (không qua toán học mà đơn giản là nằm trong bất cứ cuốn sách nào về lý thuyết hàng đợi và nhiều phép toán phân tích). Người quản lý có thể dùng thông tin về thời gian trung bình khách đợi để cung cấp mức dịch vụ thỏa đáng.
Queuing Models: Vídụ Giải pháp tổng quát: Người ra quyết định thường muốn biết ảnh hưởng của xác suất đến, thời gian phục vụ. Có những câu hỏi đại loại như: “ Điều gì xảy ra nếu trung bình mỗi đàm thoại diễn ra trong 4 phút hay 6 phút? Điều gì xảy ra nếu chúng ta bỏ đi một trong 5 phone để tăng tỉ lệ khách đến cho những phone còn lại?”
Queuing Models: Vídụ Để nghiên cứu một số lựa chọn, ta biểu diễn các xác suất chuyển đổi trạng thái bằng các ký hiệu đại số. λ: thời gian đến, μ: thời gian phục vụ, ρ = λ / μ (utilization ratio). Khi đó ta có: μP2 = λP1 λ P1 + μP3= (μ + λ) P2 λP2=μP3
Queuing Models: Vídụ Dùng thuật ngữ ρ = λ / μ (utilization ratio), hệ phương trình trên trở thành: P2 = ρ P1 ρ P1 + P3= (1 + ρ) P2 ρ P2=P3 Suy ra: P1 = 1/ (1+ ρ + ρ2) P2 = ρ / (1+ ρ + ρ2) P3 = ρ2 / (1+ ρ + ρ2)