|
DOI: 10.14489/vkit.2019.08.pp.022-031
Подвесовский А. Г., Титарев Д. В., Исаев Р. А.
НЕЧЕТКИЕ КОГНИТИВНЫЕ МОДЕЛИ В ЗАДАЧАХ АНАЛИЗА И ПЛАНИРОВАНИЯ ПРОГРАММНЫХ ПРОЕКТОВ
(с. 22-31)
Аннотация. Предложена нечеткая когнитивная модель программного проекта как развитие системной модели «Пирамида программного проекта». Дано описание процесса построения и исследования нечеткой когнитивной карты, соответствующей одной из граней пирамиды программного проекта. Для построенной нечеткой когнитивной карты выполнены структурно-целевой и сценарный этапы анализа с использованием авторских моделей импульсного процесса.
Ключевые слова: когнитивное моделирование; нечеткая когнитивная карта; управление программными проектами; пирамида программного проекта; импульсный процесс.
Podvesovskii A. G., Titarev D. V., Isaev R. A.
FUZZY COGNITIVE MODELS IN SOFTWARE PROJECTS ANALYSIS AND PLANNING
(pp. 22-31)
Abstract. One of the current issues of modern software engineering is the problem of developing formal models of software projects. One of such models is the Software Project Pyramid. On the one hand, this model generalizes various types of existing software project system models, and on the other hand, it creates a methodological basis for building system, structural and mathematical models for various aspects of a software project description. The paper discusses a software project cognitive model corresponding to one of the faces of the pyramid and proposes its development as part of the application of the fuzzy cognitive modeling methodology. First, transition from a signed graph to a fuzzy cognitive map is described, which involves the original model restructuring (clarifying a set of concepts and a set of cause-and-effect relations between them), followed by the identification of its parameters (determining influence intensity between the concepts). Next, capabilities of structure and target and scenario analyses of the constructed fuzzy cognitive model are demonstrated. Within the framework of the structure and target analysis, system indicators of the cognitive map are calculated. On this basis, a subset of factors is detected that have the most significant influence on the software project and thus determine the control points in order to improve the efficiency of project management. In the course of the scenario analysis, the state dynamics of the target concepts is investigated under various control actions in the context of the authors’ pulse process model. Determination of the most effective control actions is the result of the scenario analysis. At the same time, special attention is paid to the result sensitivity analysis, as well as to the posterior quality estimate of the pulse process models used.The obtained simulation results are in good agreement with the theoretical foundations of the software project management, as well as with the expert vision of the corresponding managerial decisions.
Keywords: Cognitive modeling; Fuzzy cognitive map; Software project management; Software project pyramid; Pulse process.
А. Г. Подвесовский, Д. В. Титарев, Р. А. Исаев (Брянский государственный технический университет, Брянск, Россия) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
A. G. Podvesovskii, D. V. Titarev, R. A. Isaev (Bryansk State Technical University, Bryansk, Russia) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
1. Гвоздев В. Е., Ильясов Б. Г. Пирамида программного проекта // Программная инженерия. 2011. № 1. С. 16 – 24.
2. Авдеева З. К., Коврига С. В., Макаренко Д. И. Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями) // Управление большими системами. 2007. Вып. 16. С. 26 – 39.
3. Применение нечетких когнитивных моделей в автоматизации проектирования технологической оснастки / Д. И. Копелиович и др. // Вестник компьютерных и информационных технологий. 2018. № 3. С. 20 – 35. doi:10.14489/vkit.2018.03.pp.020-035
4. Isaev R. A., Podvesovskii A. G. Generalized Model of Pulse Process for Dynamic Analysis of Sylov’s Fuzzy Cognitive Maps // CEUR Workshop Proc. of the Mathematical Modeling Session at the Inter. Conf. Information Technology and Nanotechnology (MM-ITNT’2017). 2017. V. 1904. P. 57 – 63.
5. Коростелев Д. А., Лагерев Д. Г., Подвесовский А. Г. Система поддержки принятия решений на основе нечетких когнитивных моделей «ИГЛА» // XI Нац. конф. по искусственному интеллекту с междунар. участием (КИИ-2008): тр. конф.: в 3-х т. Т. 3. М., 2008. С. 329 – 336.
6. Исаев Р. А. Модифицированный метод парных сравнений для экспертной оценки параметров нечеткой когнитивной модели // Современные информационные технологии и ИТ-образование. 2016. Т. 12, № 2. С. 35 – 42.
7. Саати Т. Принятие решений при зависимостях и обратных связях: Аналитические сети: пер. с англ. / науч. ред. А. В. Андрейчиков, О. Н. Андрейчикова. М.: Изд-во ЛКИ, 2008. 360 с.
8. Исаев Р. А., Подвесовский А. Г. Оценка согласованности суждений эксперта при построении функции принадлежности нечеткого множества методом множеств уровня // Современные информационные технологии и ИТ-образование. 2017. Т. 13, № 3. С. 9 – 15.
9. Yager R. R. Level Sets for Membership Evaluation of Fuzzy Subset // Fuzzy Sets and Possibility Theory: Recent Developments (R. R. Yager, ed.). Pergamon, NewYork, 1982. P. 90 – 97.
10. Подвесовский А. Г., Исаев Р. А. Метафоры визуализации нечетких когнитивных карт // Научная визуализация. 2018. Т. 10, № 4. С. 13 – 29.
11. Подвесовский А. Г., Лагерев Д. Г., Коростелев Д. А. Применение нечетких когнитивных моделей для формирования множества альтернатив в задачах принятия решений // Вестник Брянского государственного технического университета. 2009. № 4(24). С. 77 – 84.
12. Робертс Ф. С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам: пер. с англ. М.: Наука, 1986. 496 с.
1. Gvozdev V. E., Il'yasov B. G. (2011). Pyramid of the software project. Programmnaya inzheneriya, (1), pp. 16 – 24. [in Russian language]
2. Avdeeva Z. K., Kovriga S. V., Makarenko D. I. (2007). Cognitive modeling for solving problems of weakly structured systems (situations). Upravlenie bol'shimi sistemami, 16, pp. 26 – 39. [in Russian language]
3. Kopeliovich D. I. et al. (2018). The use of fuzzy cognitive models in the automation of design tooling. Vestnik komp'yuternyh i informatsionnyh tekhnologiy, (3), pp. 20 – 35. [in Russian language] doi:10.14489/ vkit.2018.03.pp.020-035
4. Isaev R. A., Podvesovskii A. G. (2017). Generalized Model of Pulse Process for Dynamic Analysis of Sylov’s Fuzzy Cognitive Maps. CEUR Workshop Proceedings of the Mathematical Modeling Session at the International Conference Information Technology and Nanotechnology (MM-ITNT’2017), Vol. 1904, pp. 57 – 63.
5. Korostelev D. A., Lagerev D. G., Podvesovskiy A. G. (2008). Decision support system based on fuzzy cognitive models of “NEEDLE”. XI National Conference on Artificial Intelligence with International Participation (CII-2008): Proceedings of the Conference: in 3 volumes. Vol. 3, pp. 329 – 336. Moscow. [I Russian language]
6. Isaev R. A. (2016). Modified pairwise comparison method for expert estimation of fuzzy cognitive model parameters. Sovremennye informatsionnye tekhnologii i IT-obrazovanie, 12(2), pp. 35 – 42. [in Russian language]
7. Saati T. (2008). Decision making with dependencies and feedbacks: Analytical networks. Moscow: Izdatel'stvo LKI. [in Russian language]
8. Isaev R. A., Podvesovskiy A. G. (2017). Assessment of the consistency of expert judgments when constructing the membership function of a fuzzy set using the level set method. Sovremennye informatsionnye tekhnologii i IT-obrazovanie, 13(3), pp. 9 – 15. [in Russian language]
9. Yager R. R. (Ed.) (1982). Level Sets for Membership Eva¬luation of Fuzzy Subset. Fuzzy Sets and Possibility Theory: Recent Developments, pp. 90 – 97. Pergamon, NewYork.
10. Podvesovskiy A. G., Isaev R. A. (2018). Metaphors of Fuzzy Cognitive Maps. Nauchnaya vizualizatsiya, 10(4), pp. 13 – 29. [in ussian language]
11. Podvesovskiy A. G., Lagerev D. G., Korostelev D. A. (2009). The use of fuzzy cognitive models for the formation of a variety of alternatives in decision-making tasks. Vestnik Bryanskogo gosudarstvennogo tekhnicheskogo universiteta, 24(4), pp. 77 – 84. [in Russian language]
12. Roberts F. S. (1986). Discrete mathematical models with applications to social, biological and environmental problems. Moscow: Nauka. [in Russian language]
Статью можно приобрести в электронном виде (PDF формат).
Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.
После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.
Для заказа скопируйте doi статьи:
10.14489/vkit.2019.08.pp.022-031
и заполните форму
Отправляя форму вы даете согласие на обработку персональных данных.
.
This article is available in electronic format (PDF).
The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.
After depositing your payment on our bank account we send you file of the article by e-mail.
To order articles please copy the article doi:
10.14489/vkit.2019.08.pp.022-031
and fill out the form
.
|
Archive
Разработка концепции и создание сайта - ООО «Издательский дом «СПЕКТР»