In this paper, we considers a special class of precedent-type decision-making problems, which often arise in weakly formalised subject areas. To solve such problems, as a rule, heuristic algorithms are used, which cannot be strictly justified. It is shown that this class of problems can be reduced to a standard problem of pattern recognition with learning. Instead of heuristic algorithms, this allows to use multilevel models that make it possible to improve the accuracy of the solution, and in some cases to justify its correctness. An analysis of different variants for constructing multilevel models is given. A multilevel algorithm for the decision-making problem based on the structuring of information is proposed.

Рассматривается специальный класс задач принятия решений прецедентного типа, которые часто возникают в слабо формализованных предметных областях. Для решения таких задач, как правило, применяются эвристические алгоритмы, которые не могут быть строго обоснованы. Показано, что данный класс задач сводится к стандартной задаче распознавания образов с обучением. Это позволяет вместо эвристических алгоритмов использовать многоуровневые модели, которые дают возможность повысить точность решения, а в некоторых случаях обосновать его правильность. Приведен анализ различных вариантов построения многоуровневых моделей. Предложен многоуровневый алгоритм для задачи принятия решений, основанный на структурировании информации.