С.А. Сакулин1

1 МГТУ им. Н.Э. Баумана (Москва, Россия)
1 sakulin@bmstu.ru

Постановка проблемы. Во многих задачах принятия многокритериальных решений предполагается, что лицу, принимающему решения, предъявляется граница Парето в той или иной форме для анализа и выбора решений. Для облегчения восприятия этой границы применяются различные подходы к ее визуализации. Эти подходы имеют ограничения, связанные с недостаточным использованием возможностей человека. Поэтому проблема расширения существующих подходов к визуализации границы Парето актуальна. Одно из направлений ее решения – применение трехмерной когнитивной графики.

Цель. Расширение человеко-машинного взаимодействия в области принятия решений с использованием границы Парето, состоящее в разработке подхода к визуализации границы Парето на основе применения трехмерной когнитивной графики. Это обеспечит лицу, принимающему решения, возможность видеть интуитивно ясную картину влияния изменений значения одного критерия на значения других критериев при перемещении по границе Парето. Благодаря такому видению лицо, принимающее решения, сможет интерактивно исключить из рассмотрения нежелательные с его точки зрения комбинации значений критериев, оставив в качестве результата выбранные значения, находящиеся на границе Парето.

Результаты. Сравнительная оценка формальных свойств когнитивного образа, применяемого в предложенном подходе к визуализации границы Парето, показывает преимущества данного подхода по сравнению с существующими визуализациями границы Парето.

Практическая значимость. Результаты исследования могут быть использованы при проектировании систем поддержки принятия решений.

Сакулин С.А. Визуализация многомерной границы Парето с применением трехмерной когнитивной графики // Информационно-измерительные и управляющие системы. 2025. Т. 23. № 1. С. 5−14. DOI: https://doi.org/10.18127/j20700814-202501-01

1. Горячкин Б.С., Харлашкин А.И. Автоматизированная система эффективного взаимодействия человеческой и машинной компоненты на основе актуализированной классификации типов ошибок человека-оператора // Динамика сложных систем-XXI век. 2019. Т. 13. № 5. С. 19–29.
2. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Изд-во МГТУ им. Н.Э. Баумана. 2014. 446 с.
3. Гапанюк Ю.Е. и др. Использование метаграфового подхода в концептуальном моделировании // Динамика сложных систем-XXI век. 2020. Т. 14. № 2. С. 54–62.
4. Степанян И.В. и др. Алгоритмы оптимизации интеллектуального труда методами визуализации информации с помощью когнитивной семантической графики // Нейрокомпьютеры: разработка, применение. 2014. Т. 7. С. 53–59.
5. Гриняк В.М., Иваненко Ю.С., Девятисильный А.С. Визуализация параметров траектории безопасного движения судна // Информационно-измерительные и управляющие системы. 2016. Т. 14. № 8. С. 52–60.
6. Губанов А.А. и др. Метод формирования программы работы целевой аппаратуры космического аппарата с использованием визуализации // Нейрокомпьютеры: разработка, применение. 2015. № 2. С. 35–42.
7. Силаев Ю.В. Технология автоматизированной системы визуализации трехмерных моделей результатов анализа и моделирования динамических процессов в режиме реального времени // Нейрокомпьютеры: разработка, применение. 2009. № 2. С. 79–84.
8. Колушов В.В., Савельев А.В. Самоорганизационная клеточная нейровизуализация и информационное конструирование «виртуально-живых» объектов // Нейрокомпьютеры: разработка, применение. 2014. № 4. С. 31–32.
9. Колушов В.В., Савельев А.В. Спайк-коллективное нейрокомпьютерное визуализационное конструирование сверхсложных нейронных систем // Нейрокомпьютеры: разработка, применение. 2013. № 8. С. 060–065.
10. Чельцов Н.В. и др. Нейросетевая обработка массива целей при радиолокационном сканировании // Нейрокомпьютеры: разработка, применение. 2021. Т. 23. № 6. С. 32–47.
11. Колушов В.В., Савельев А.В. Новые 3D-информационные технологии в анимационном «оживлении» клеточной биоткани на основе коммуникативной социо-имитационной методологии // Нейрокомпьютеры: разработка, применение. 2012. № 8. С. 18–26.
12. Пролетарский А.В., Березкин Д.В., Терехов В.И. Выявление информационных угроз безопасности РФ, прогнозирование их последствий и выработка предложений по их предотвращению // Динамика сложных систем-XXI век. 2017. Т. 11. № 4. С. 22–31.
13. Власов А.И., Журавлева Л.В., Казаков В.В. Анализ средств разработки визуальных BPMN-моделей сложных систем // Динамика сложных систем-XXI век. 2020. Т. 14. № 1. С. 5.
14. Горячкин Б.С., Мышенков К.С., Харлашкин А.И. Анализ методов концептуального проектирования автоматизированных информационных систем // Динамика сложных систем-XXI век. 2020. Т. 14. № 3. С. 23–34.
15. Белоус В.В., Грошев С.В., Карпенко А.П., Остроушко В.А. Методы визуализации фронта Парето в задаче многокрите­риальной оптимизации. Обзор / XX Байкальская Всерос. конф. «Информационные и математические технологии в науке и управлении» (Иркутск-Байкал, Россия, 29 июня – 7 июля 2015 г.). Ч. 1. Иркутск: ИСЭМ СО РАН. 2015. С. 22–29.
16. Лотов А.В. и др. Компьютер и поиск компромисса. Метод достижимых целей. 1997.
17. Белоус В.В., Грошев С.В., Карпенко А.П. ВЕБ-ориентированная среда визуализации многомерного фронта Парето // Информационные и математические технологии в науке и управлении. 2017. № 1 (5). С. 94–101.
18. Грошев С.В., Карпенко А.П., Остроушко В.А. Комбинированный метод визуализации фронта Парето в задаче многокритериальной оптимизации, основанный на диагональном пересчете гиперпространства // Машиностроение и компьютерные технологии. 2016. № 8. С. 150–164.
19. Нелюбин А.П. и др. Использование визуализации при решении задач многокритериального выбора // Научная визуали­зация. 2017. Т. 9. № 5. С. 59.
20. Карпов А.А., Юсупов Р.М. Многомодальные интерфейсы человеко-машинного взаимодействия // Вестник Российской академии наук. 2018. Т. 88. № 2. С. 146–155.
21. Скрибцов П.В. Задача трехмерной визуализации и основные проблемные вопросы ее решения // Нейрокомпьютеры: разработка, применение. 2006. № 11-12. С. 62–62.
22. Ногин В.Д. Принятие решений в многокритериальной среде. Количественный подход. М.: ФизМатЛит. 2002. 175 с.
23. Сакулин С.А. Визуализация операторов агрегирования с применением трехмерной когнитивной графики // Вестник компьютерных и информационных технологий. 2022. Т. 19. № 3. C. 15–22. DOI 10.14489/vkit. 2022.03.pp.015-022
24. Морган К.Т. и др. Инженерная психология в применении к проектированию оборудования / Пер. с англ.; под ред. Б.Ф. Ло­мова. М.: Машиностроение. 1971.
25. Миллер Д. и др. Магическое число семь плюс или минус два. О некоторых пределах нашей способности перерабатывать информацию // Инженерная психология. М.: Прогресс. 1964. С. 192–225.
26. Емельянова Ю.Г., Фраленко В.П., Хачумов В.М. Методы комплексного оценивания когнитивных графических образов // Программные системы: теория и приложения. 2018. Т. 9. № 3 (38). С. 49–63.