Методология и примеры выполнения курсовой работы по системам принятия решений и базам данных

Введение. Как три разные дисциплины складываются в один сильный проект

Представьте архитектора, который для постройки современного здания использует три разных материала: прочный бетон для фундамента, легкое стекло для фасадов и теплое дерево для интерьера. По отдельности это просто материалы, но вместе они создают единое, функциональное и красивое сооружение. Ваша курсовая работа — это точно такое же здание, где в качестве строительных блоков выступают системы поддержки принятия решений (СППР), методы оптимизации и технологии баз данных (БД).

Многие студенты испытывают страх перед подобными комплексными проектами, ища в сети отдельные, разрозненные примеры. Эта статья — не сборник задач, а единый маршрут. Мы проведем вас за руку от постановки проблемы до работающего прототипа, показав, как эти три, на первый взгляд разные, дисциплины сплетаются в мощную и логичную IT-систему. Вы увидите, что сложность здесь — это не препятствие, а возможность создать действительно целостный и впечатляющий проект.

Общая архитектура курсовой работы, или Как правильно оформить исследование

Прежде чем погружаться в практические задания, важно выстроить «каркас» нашего проекта — его академическую структуру. Безупречное оформление гарантирует, что ваше исследование будет воспринято серьезно и оценено по достоинству. Стандартная структура курсовой работы, объемом 30-50 страниц, выглядит следующим образом:

1. Титульный лист: Ваше «лицо», оформляется строго по методическим указаниям вашего вуза.
2. Содержание: Автоматически собираемый «навигатор» по работе с указанием страниц.
3. Введение: Ключевой раздел, где вы должны четко сформулировать актуальность темы, определить цель (чего вы хотите достичь) и задачи (конкретные шаги для достижения цели).
4. Основная часть: Обычно делится на теоретическую и практическую главы. В нашем случае практическая часть будет состоять из трех заданий, которые мы детально разберем.
5. Заключение: Здесь вы подводите итоги, делаете выводы по каждой задаче и даете оценку проделанной работе в целом.
6. Список литературы: Перечень всех использованных источников.
7. Приложения: Сюда выносятся громоздкие материалы, не перегружающие основной текст: большие таблицы, схемы (например, ERD-диаграмма базы данных) или скриншоты.

Именно три практических задания, которые мы рассмотрим далее, станут «сердцем» вашей основной части, демонстрируя реальное применение теории.

Задание 1. Проектируем систему поддержки принятия решений для диагностики заболеваний

Представим типичную сложную ситуацию: врач должен поставить диагноз ребенку на основе нескольких симптомов, которые могут соответствовать разным болезням. Как систематизировать этот процесс и снизить риск ошибки? Здесь на помощь приходят Системы Поддержки Принятия Решений (СППР) или, в английской аббревиатуре, DSS (Decision Support Systems). Это компьютерные системы, которые помогают человеку делать обоснованный выбор в сложных условиях.

Существуют разные типы СППР, но для нашей задачи идеально подходит модель на основе знаний. Мы создадим экспертную систему, которая будет работать по заданным правилам.

Наша задача: разработать прототип СППР для предварительной диагностики распространенных детских болезней (грипп, ОРВИ, ангина).

Для этого нам нужно определить три ключевых компонента:

• Альтернативы: Возможные диагнозы (болезни).
• Критерии: Наблюдаемые симптомы (температура, кашель, боль в горле и т.д.).
• Веса: «Важность» или степень проявления каждого симптома для конкретной болезни, которую мы определим экспертным путем.

Эти компоненты лягут в основу логической модели, которую мы реализуем с помощью дерева решений.

Практическая реализация СППР в Excel через дерево решений

Теоретическая модель готова, пора воплотить ее в жизнь с помощью самого доступного инструмента — Microsoft Excel. Этот процесс демонстрирует ваше понимание методов многокритериального принятия решений (MCDM) и экспертных систем на основе правил. Вот пошаговый алгоритм:

1. Формирование базы знаний. Создайте в Excel таблицу «Симптомы-Болезни». По строкам расположите симптомы (критерии), а по столбцам — болезни (альтернативы). В ячейках на пересечении проставьте весовые коэффициенты — например, от 0 до 3, где 0 — симптом не характерен, а 3 — ярко выраженный признак болезни.
2. Построение логического дерева. Это ядро нашей системы. В отдельной ячейке с помощью вложенных функций ЕСЛИ (IF) прописывается логика. Например: =ЕСЛИ(И(Температура="Высокая"; Кашель="Сильный"); "Подозрение на Грипп"; ЕСЛИ(...)). Эта формула будет анализировать введенные пользователем симптомы и выдавать итоговый результат — наиболее вероятный диагноз.
3. Визуализация (опционально). Чтобы сделать модель нагляднее, можно использовать стандартные фигуры Excel («Прямоугольник», «Овал») и соединительные линии для графического изображения дерева решений. Это особенно полезно для презентации работы.
4. Тестирование. Создайте простой интерфейс, где можно выбрать из выпадающих списков значения для каждого симптома. Система должна автоматически, на основе логики из шага 2, выводить в итоговой ячейке результат. Проверьте несколько комбинаций, чтобы убедиться в корректной работе модели.

Таким образом, мы получаем простой, но работающий прототип СППР, созданный без сложного программирования.

Задание 2. Оптимизация логистики, или Как решить транспортную задачу

Мы научились принимать решения, теперь научимся их оптимизировать. Встречайте классическую задачу линейного программирования — транспортную задачу. Ее суть предельно проста и жизненна. Представим, что у нас есть несколько складов (поставщики), на каждом из которых хранится ограниченное количество товара. Также у нас есть несколько магазинов (потребители) с известным спросом. Стоимость перевозки единицы товара с каждого склада в каждый магазин известна.

Цель: составить такой план перевозок, чтобы полностью удовлетворить спрос всех магазинов, не превысив запасы на складах, и при этом добиться минимальной общей стоимости логистики.

Для решения любой задачи оптимизации нам нужно четко сформулировать ее математическую модель, состоящую из трех элементов:

• Переменные решения: Это искомые величины. В нашем случае — количество товара, которое нужно перевезти с каждого склада (например, Склад 1) в каждый магазин (например, Магазин А).
• Целевая функция: Математическое выражение, которое мы стремимся минимизировать (или максимизировать). Здесь это сумма произведений объемов перевозок на их стоимость.
• Ограничения: Условия, которые должны строго соблюдаться. Для нашей задачи их два типа: 1) Суммарный вывоз с каждого склада не должен превышать его запасы. 2) Суммарный ввоз в каждый магазин должен полностью покрывать его спрос.

Пошаговое решение транспортной задачи с «Поиском решения» в Excel

Математическая модель готова. Решать ее вручную — крайне трудоемкая задача. К счастью, в Excel встроен мощный инструмент, который сделает это за нас — надстройка «Поиск решения» (Solver). Она использует для вычислений такие алгоритмы, как симплекс-метод, идеально подходящий для задач линейного программирования.

Вот как применить его на практике:

1. Подготовка данных на листе. Создайте три таблицы. Первая — таблица тарифов, где указана стоимость перевозки между каждой парой «склад-магазин». Вторая — таблица с искомыми переменными (планом перевозок), пока заполненная нулями. Третья — таблицы с данными по ограничениям (запасы на складах и потребности магазинов). Также создайте ячейку для целевой функции, в которую введите формулу для расчета общих затрат (используя функцию СУММПРОИЗВ).
2. Активация надстройки. Если «Поиск решения» не отображается на вкладке «Данные», его нужно включить через «Файл» -> «Параметры» -> «Надстройки» -> «Надстройки Excel».
3. Настройка параметров «Поиска решения». В открывшемся диалоговом окне нужно указать:
   • Оптимизировать целевую функцию: Ссылка на ячейку с формулой общих затрат. Установить переключатель в положение «Минимум».
   • Изменяя ячейки переменных: Диапазон ячеек, где будет рассчитан оптимальный план перевозок.
   • В соответствии с ограничениями: Последовательно добавьте все ограничения из нашей модели: объем вывоза со складов, объем поставок в магазины и условие, что объемы перевозок не могут быть отрицательными.
4. Запуск и анализ. Нажмите кнопку «Найти решение». Если модель составлена корректно, Excel заполнит таблицу плана перевозок оптимальными значениями, которые минимизируют общие затраты на логистику.

Этот пример наглядно демонстрирует применение методов оптимизации для решения реальных бизнес-задач.

Задание 3. Создаем базу данных «Рецепты» в Access от модели до отчетов

Мы подошли к фундаменту любой информационной системы — правильной организации хранения данных. Хаотично разбросанные данные бесполезны. Наша задача — спроектировать и реализовать реляционную базу данных (БД) в Microsoft Access для каталога рецептов.

Процесс создания БД — это не просто рисование таблиц. Он всегда начинается с проектирования.

1. Проектирование: модель «сущность-связь» (ERD). Прежде всего, нужно нарисовать на бумаге или в специальном редакторе ER-диаграмму. Мы выделяем ключевые сущности нашего проекта. Для БД «Рецепты» это будут:
   • Рецепты (название рецепта, инструкция, категория)
   • Ингредиенты (название ингредиента)
   • Категории (например, «Супы», «Десерты», «Выпечка»)

   Поскольку один рецепт может включать много ингредиентов, а один ингредиент может использоваться во многих рецептах, между ними возникает связь «многие-ко-многим». Она реализуется через промежуточную таблицу, например, СоставРецепта, которая будет хранить пары «ID рецепта — ID ингредиента» и количество.

2. Создание таблиц в Access. На основе ERD мы создаем таблицы. Для каждой таблицы определяем поля (столбцы) и их типы. Например, для таблицы Рецепты поле «НазваниеРецепта» будет иметь тип Текстовый, а поле «ID_Рецепта» — тип Счетчик (автоинкрементный первичный ключ).
3. Установка связей. В Access, в режиме «Схема данных», мы визуально соединяем таблицы, «перетаскивая» первичные ключи (уникальные идентификаторы, как ID_Рецепта) на соответствующие им внешние ключи в других таблицах. Это обеспечивает целостность данных.
4. Создание запросов. Запросы — это главный инструмент для извлечения информации из БД. С помощью конструктора запросов можно легко создавать сложные выборки. Примеры запросов:
   

   Найти все рецепты из категории «Выпечка».
   Показать все рецепты, в составе которых есть «Курица».
   Посчитать количество рецептов в каждой категории.

5. Разработка форм и отчетов. Чтобы с базой было удобно работать, создаются формы — пользовательские окна для удобного ввода и просмотра данных (например, форма для добавления нового рецепта с ингредиентами). Для вывода информации на печать или в виде итогового документа используются отчеты. Например, можно создать отчет «Карточка рецепта», который будет красиво и структурированно выводить всю информацию по выбранному блюду.

Пройдя эти пять шагов, вы не просто создадите набор таблиц, а построите полноценную, логически связанную и функциональную базу данных.

Заключение. Как синтезировать результаты и подготовиться к защите

Поздравляем! Мы не просто решили три изолированные задачи. Мы прошли полный цикл создания комплексного IT-решения: от анализа и поддержки принятия решений (Задание 1) через оптимизацию ключевых процессов (Задание 2) к созданию надежного фундамента для хранения данных (Задание 3). Этот синтез и есть главная ценность вашей курсовой работы.

При написании заключения для вашего проекта обязательно обобщите результаты каждого этапа и подчеркните их взаимосвязь. Покажите, как СППР может использовать данные из БД, а результаты оптимизационной задачи могут стать основой для принятия стратегических решений. Не забудьте аккуратно оформить список литературы и вынести все вспомогательные материалы (ERD-диаграмму, большие таблицы с расчетами) в приложения.

Теперь, когда у вас есть структура, понимание и три готовых практических блока, самое главное — грамотно все скомпоновать, оформить и соблюсти сроки сдачи. Успешной защиты!

Список использованной литературы

1. Информатика. Методические указания по курсовому проектированию, 2010г СЗТУ