Швед, А. В.Давиденко, Є. О.Горбань, Г. В.Shved, A. V.Davydenko, Ye. O.Horban, H. V.2025-12-082025-12-082024https://eir.zp.edu.ua/handle/123456789/25405Швед А. В. Інтелектуальна підтримка процесів пошуку та вилучення прецедентів у CBR-підході / А. В. Швед, Є. О. Давиденко, Г. В. Горбань // Радіоелектроніка, інформатика, управління. – 2024. – № 3 (70). – C. 107-118.UK: Актуальність. Ситуаційний підхід ґрунтується на використанні моделей та методів прийняття рішень у реальному часі у міру виникнення проблем відповідно до поточної ситуації. Ефективним інструментом реалізації концепцій ситуаційного підходу є метод міркувань за прецедентами. Міркування на основі прецедентів дозволяє вирішувати нові проблеми, використовуючи знання про минулі проблеми та накопичений досвід їх вирішення. Оскільки прототипи (прецеденти), що описують сценарій вирішення певної проблемної ситуації, зберігаються у бібліотеці прецедентів, їх пошук та вилучення безпосередньо визначають час відгуку системи. В цих умовах виникає необхідність пошуку шляхів вирішення актуальної науково-практичної проблеми спрямованої на оптимізацію процесу пошуку та вилучення прецедентів. Об’єктом дослідження є процеси подання та вилучення прецедентів із бібліотеки прецедентів. Метою роботи є удосконалення процедури пошуку в CBR-підході за рахунок звуження допустимої для вирішення поточної цільової ситуації множини прецедентів, та виключення із подальшого аналізу таких прецедентів, що не відповідають заданому переліку параметрів поточної ситуації. Метод. Методика дослідження ґрунтується на застосуванні методів теорії грубих множин для вдосконалення процедури пошуку рішень на основі міркувань за прецедентами, що покладена в основу CBR-підходу. Запропонована в роботі двоетапна процедура звуження вихідної множини прецедентів передбачає попередню фільтрацію прецедентів, значення параметрів яких належать заданим околицям відповідних параметрів цільової ситуації на першому етапі, та додаткове звуження отриманої підмножини прецедентів методами теорії грубих множин на другому етапі. Визначення R-нижньої та R-верхньої апроксимацій заданої цільової множини прецедентів у рамках нотації теорії грубих множин дозволяє розділяти (сегментувати) вихідну, доступну для вирішення поточної проблеми множину прецедентів на три підгрупи (сегменти). Пошук прототипів рішень може бути здійснено серед виділеної підмножини прецедентів, які із точністю можуть бути класифіковані як такі, що належать заданій цільовій множині; які з деякою часткою ймовірності можуть бути віднесені до заданої цільової множини, або в рамках об’єднання цих двох підмножин. Третя підмножина містить прецеденти, які безумовно не належать заданій цільовій множині і можуть бути виключені із подальшого розгляду. Результати. Розглянуті питання подання та виведення знань на основі прецедентів. Вдосконалено процедуру пошуку прецедентів в БПр з метою зменшення часу відгуку системи, необхідного на пошук найбільш близького до поточної ситуації рішення, за рахунок звуження вихідної множини прецедентів для подальшого пошуку. Висновки. Дістав подальшого розвитку метод міркувань за прецедентами на основі математичного апарату теорії грубих множин. Запропонований підхід, на відміну від класичного CBR-підходу, дозволяє моделювати невизначеність щодо приналежності / неприналежності прецеденту заданій цільовій множині, вилучати із подальшого розгляду прецеденти, що їй не відповідають. EN: Context. The situational approach is based on the real-time decision-making methods for solving current problem situation. An effective tool for implementing the concept of a situational approach is an experience-based technique that widely known as сase-based reasoning approach. Reasoning by precedents allows solving new (latest) problems using knowledge and accumulated experience of previously solved problems. Since cases (precedents) describing a scenario for solving a certain problem situation are stored in the case library, their search and retrieval directly determine the system response time. In these conditions, there is a need to find ways of solving an actual scientific and practical problem aimed at optimizing case searching and extracting processes. The object of the paper is the processes of searching and extracting of cases from the case library. Objective. The purpose of the article is to improve the process of cases searching in CBR approach by narrowing down the set of cases permissible for solving the current target situation, and excluding from further analysis such cases that do not correspond to the given set of parameters of the target situation. Method. The research methodology is based on the application of rough set theory methods to improve the decision-making procedure based on reasoning by precedents. The proposed two-stage procedure for narrowing the initial set of cases involves preliminary filtering of precedents whose parameter values belong to the given neighborhoods of the corresponding parameters of the target situation at the first stage, and additional narrowing of the obtained subset of cases by the methods of rough set theory at the second stage. The determination of the R-lower and R-upper approximations of a given target set of cases within the notation of rough set theory allows dividing (segmenting) the original set of cases available for solving the current problem stored in case library into three subgroups (segments). The search for prototype solutions can be performed among a selected subset of cases that can be accurately classified as belonging to a given target set; which with some degree of probability can be attributed to the given target set, or within the framework of the union of these two subsets. The third subset contains cases that definitely do not belong to the given target set and can be excluded from further consideration. Results. The problem of presentation and derivation of knowledge based on precedents has been considered. The procedure for searching for precedents in case library has been improved in order to reduce the system response time required to find the solution closest to the current problem situation by narrowing the initial set of cases. Conclusions. The case-based reasoning approach is received the further development by segmenting cases in terms of their belonging to a given target set of precedents uses methods of the rough set theory, then the search for cases is carried out within a given segment. The proposed approach, in contrast to the classic CBR framework, uses additional knowledge derived from obtained case segment; allows modeling the uncertainty regarding the belonging / non-belonging of a case to a given target set; removing from further consideration cases that do not correspond to a given target setukтеорія грубих множин, метод міркувань за прецедентами, бібліотека прецедентів, цільова множина, апроксимація цільової множиниsituational management systems, rough set theory, case-based reasoning, case library, lower and upper approximation of the target setArticle