Аннотация:
Современные системы поддержки принятия решений (СППР) характеризуются обработкой больших объемов информации в условиях неопределенности, что требует применения эффективных методов и моделей, использующих различные интеллектуальные технологии параллельной обработки информации. В статье предлагаются гибридные модели принятия решений (МПР), представленные как на основе нейронной сети (НС), так и в виде правил нечеткого вывода, обучение и адаптация которых осуществляются на высопроизводительных системах с использованием иммунных моделей в зависимости от изменения характеристик окружающей среды и свойств объекта принятия решений (ОПР). Процесс обучения и адаптации НС состоит в настройке и коррекции параметров сети, а также числа нейронов в скрытых слоях и связей между ними. Процесс обучения и адаптации моделей нечеткого вывода (МНВ) состоит в настройке формы и параметров функций принадлежности, а также параметров и структуры модели (числа правил вывода).
