ПРЕДИКАТНИЙ АНАЛІЗ ДАНИХ ДЛЯ ПОБУДОВИ СИСТЕМИ ВИБОРУ ОПТИМАЛЬНОГО МІСЦЯ ВІДПОЧИНКУ У ВИГЛЯДІ ЛОГІЧНОЇ МЕРЕЖІ

Автор(и)

DOI:

https://doi.org/10.32782/IT/2025-1-4

Ключові слова:

предметна область, декомпозиція, алгебра скінченних предикатів, математична модель, логічна мережа, бінарне відношення, дводольний граф.

Анотація

Актуальність. Стрімкий розвиток інформаційних технологій суттєво збільшує обсяги даних, що необхідно опрацьовувати. Тому важливою є розрабка та застосування нових математичних методів аналізу даних довільної природи. Саме цьому для системного аналізу даних обрано мову скінченних предикатів, що дозволяє проводити декомпозицію багатомісцевих відношень. Мета. З одного боку предикатний аналіз дає змогу формалізувати як цифрову, так і природномовну інформацію. З іншого відповідна декомпозиція багатовимірного відношення у вигляді композиції бінарних відношень дозволить прискорити процес обробки інформації при пошуці оптимального розв’язку за рахунок паралельної обробки бінарних відношень, що відповідають вузлам логічної мережі. Метою роботи є дослідження та декомпозиція предметної області для побудови математичної моделі у вигляді логічної мережі. Методологія. Методика побудови логічної мережі шляхом розбиття складних багатомісцевих предикатів на комбінацію простіших бінарних предикатів дозволяє побудувати інформаційну систему, що насправді розв’язує задачі на тільки аналізу, але й синтезу та порівняння. Це забезпечується застосуванням лінійних логічних перетворень на кожному кроці роботи мережі. Наукова новизна. Детальний системний аналіз конкретної предметної області дає змогу побудувати математичну модель конкретної задачі вибору. Таким чином, складну система вибору місця відпочинку було представлено у вигляді логічної моделі, що складається з композиції дев’яти бінарних предикатів. У статті вони подані у вигляді дводольних графів і відповідних формул. Побудована математична модель містить предикат, що залежить від десяти змінних, і є основою для ефективного аналізу та порівняння варіантів. Висновки. Практичне значення роботи полягає у аналізі предметної області шляхом декомпозиції даних при побудові математичної моделі для логічної мережі, що дозволяє спростити відношення «багато до багатьох» до «один до одного», і сприяє швидшій обробці інформації. У підсумку, побудована логічна мережа допомагає ефективно знаходити оптимальний вид відпочинку для клієнта на основі заданих параметрів, а також вирішувати задачі аналізу, синтезу та порівняння.

Посилання

Вдовиченко І. Н., Хоцкіна В. Б. Інтелектуальні системи: навч. посіб. Запоріжжя : ЗНУ, 2021. 224 с.

New Information Technologies, Simulation and Automation / за ред. І. І. Мельника. Львів : ЛНУ, 2022. 310 с.

Менькова К. І., Зозульов О. В. Структурно-логічна схема бізнес-моделі підприємства як інструмент аналізу та оцінки стійкості. Економічний вісник НТУУ «КПІ». 2020. № 1(17). С. 330–339.

Сидоренко О. В., Гречко В. В. Логічна модель формування сукупності показників оцінки функціонування національної економіки. Таврійський науковий вісник. Серія: Економіка. 2024. № 21. С. 28–34.

Урбанський М. В. Формування структурно-логічної моделі вдосконалення стратегічного управління. Проблеми і перспективи економіки та управління. 2024. № 3(39). С. 50–58.

Вечірська І. Д., Гончаров І. Е., Хамітов Т. М. Побудова логічної мережі для діагностики та управління надзвичайними ситуаціями. Біоніка інтелекту. 2015. № 2 (85). С. 41–51.

Ляшик В., Шубін І. Метод логічних мереж для моделювання систем адаптивного тестування знань. Сучасний стан наукових досліджень та технологій в промисловості. 2023. № 4 (26). С. 45–57.

Vechirska I., Vechirska A. Construction of a mathematical model for finding a dance studio in the form of a logical network using finite predicate algebra. Computer Systems and Information Technologies. 2024. № 4. С. 6–14.

Козирєв А. Д., Шубін І. Ю. Метод лінійно-логічних операторів та логічних рівнянь у завданнях видобування інформації. Сучасний стан наукових досліджень та технологій в промисловості. 2024. № 1(27). С. 81–95. DOI: https://doi.org/10.30837/ITSSI.2024.27.081

Shubin I., Kozyriev A., Liashik V., Chetverykov G. Methods of adaptive knowledge testing based on the theory of logical networks. CEUR Workshop Proceedings. 2021. P. 1184–1193.

##submission.downloads##

Опубліковано

2025-04-30