книги / Математические и инструментальные методы комплексного оценивания сложных объектов в условиях неопределённости
..pdfа |
|
б |
|
|
|
|
|
|
в |
г |
Рис. 1.11. Проекции функций свёртки на область определения: а – F1; б – F2; в – F4, г – F5, при использовании аддитивно-мультипликативного подхода к операциям пересечения (1.4) и объединения (1.6) над нечёткими множествами
В случае Ф-нечёткого комплексного оценивания предлагается использовать следующий алгоритмический приём.
Для каждого элемента матрицы определяется два вектора значений функций принадлежности: первый определяется как набор значений с максимальным значением функции принадлежности этого элемента, второй – с минимальным.
Первый вектор определяется следующим образом: выбираются максимальные значения функций принадлежностей из доверительных интервалов, соответствующих агрегируемым строке r и столбцу c, а также минимальные значения в соседних элементах, образованных строками r + 1, r – 1 и столб-
цами c + 1, c – 1:
r , c ,1 min(r 1;4) ,1 max r 1;1 , |
1 min(c 1;4) ,1 max c 1;1 . |
(1.15) |
21
Второй вектор определяется наоборот: выбираются минимальные значения функций принадлежностей из доверительных интервалов, соответствующих агрегируемым строке r и столбцу c, а также минимальные значения в соседних элементах, образованных строками r + 1, r – 1 и столбцами c + 1, c – 1, вычтенные из единицы:
r , c ,1 min(r 1;4) ,1 max r 1;1 , 1 min(c 1;4) ,1 max c 1;1 . |
(1.16) |
После выполнения для каждого вектора значений функций принадлежности операции пересечения останется одно значение доверия этому элементу, соответствующее максимальной степени доверия и минимальной.
Обозначим результат пересечения первого вектора (1.15) как rc , второго вектора (1.16) как rc . Так удастся получить две нечётких переменных, соответствующих элементу mrc : mrc mrc / rc , mrc mrc / rc . Поскольку их носителем является сам элемент mrc , то для него мы получим пару значений функций принадлежности, что можно представить как Ф-нечёткую переменную:
|
|
|
|
|
|
mrc |
|
mrc |
|
/ rc ; rc . |
|
|
|
|
|
(1.17) |
|||
Непрерывные ММКО в качестве процедуры Р используют функции ин- |
|||||||||||||||||||
терполяции FI. Первая функция |
|
|
интерполяции FIММ была предложена |
||||||||||||||||
А.М. Анохиным, В.Б. Гусевым и В.В. Павельевым в работе [32]: |
|
||||||||||||||||||
|
j |
|
j |
j |
|
|
2 |
j |
j |
, |
2 |
, |
|
||||||
v |
|
3 |
1 |
|
6 |
|
5 |
|
|
5 |
3 |
|
|
1 |
|
(1.18) |
|||
j |
|
j |
j |
|
|
j |
j |
, |
|
, |
|||||||||
|
|
|
|
|
|
||||||||||||||
|
|
|
1 |
|
4 |
3 |
|
2 |
6 |
4 |
|
1 |
|
2 |
|
|
|||
|
3 |
|
|
|
|
|
|
||||||||||||
где введены следующие обозначения: 1 |
и 2 – остатки от деления значений |
||||||||||||||||||
критериев Xr и Xс на единицу соответственно: |
|
|
|
|
|
|
|||||||||||||
|
|
|
X |
r |
, X |
r |
1, r , |
|
|
|
|
|
|
||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
2 |
X |
|
, X |
c |
1,c ; |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
c |
|
|
|
|
|
|
|
|
|
j3 – элемент матрицы свёртки, номер строки которого определён целой частью значения критерия Xr, а номер столбца – целой частью значения критерия Xс,
22
j3 mr X r c X c ;
j4 – элемент матрицы свёртки, номер строки которого определён целой частью значения критерия 26 Xr + 1, а номер столбца – целой частью значения критерия Xс;
j4 mr min Xr 1; r c Xc ;
j5 – элемент матрицы свёртки, номер строки которого определён целой частью значения критерия Xr, а номер столбца – целой частью значения критерия Xс + 1,
j5 mr X r c min Xc 1; c ;
j6 – элемент матрицы свёртки, номер строки которого определён целой частью значения критерия Xr + 1, а номер столбца – целой частью значения критерия Xс + 1,
j6 mr = min X r 1; r c min Xc 1; c .
Выражение (1.18) эквивалентно нечёткому ММКО, использующему максиминный подход (1.9)–(1.14) G, M ,Q, PMM . Выражение (1.18) даёт те
же поверхности, которые показаны на рис. 1.8.
Вторая функция интерполяции FIАМ была определена в аналогичной записи, но таким образом, чтобы получить случай, эквивалентный нечёткому ММКО с аддитивно-мультипликативным подходом [66]:
v j3 1 j4 j3 2 j5 j3 1 2 j6 j3 j5 j4 . |
(1.19) |
Выражение (1.19) даёт те же поверхности, которые показаны на рис. 1.10, и соответствующие проекции (см. рис. 1.11).
Обе функции (1.18) и (1.19) непрерывны и монотонны. Это значит, что для сколь угодно малой 0 справедливо следующее:
v X r , X c v X r , X c и v X r , X c v X r , X c .
26 Здесь и в выражениях, определяющих j5 и j6 , используется операция минимума между целой частью критерия Xr 1 или X c 1 и максимальным значением использу-
емого критерия на области определения r или c соответственно, так как размерность матрицы r c.
23
§2. ОБОБЩЕНИЕ МЕХАНИЗМОВ КОМПЛЕКСНОГО ОЦЕНИВАНИЯ
В 2014 г. удалось показать, что на классе треугольных нечётких множеств (рис. 2.1), функция принадлежности которых представляет собой ку- сочно-линейную функцию, с равными по модулю единице тангенсами угла наклона прямых (данное условие эквивалентно используемому В.А. Харитоновым и А.А. Белых допущению) процедура нечёткого комплексного оценивания при использовании максиминного подхода 27 к теоретико-множествен- ным операциям над нечёткими множествами эквивалентна непрерывной модели комплексного оценивания, предложенной А.М. Анохиным, В.Б. Гусевым и В.В. Павельевым28.
Рис. 2.1. Эквивалентная модель представления аргумента свёртки или самой свёртки в виде нечёткого множества, функция принадлежности которого представлена
двумя ненулевыми значениями и удовлетворяет требованиям равенства их суммы единице
Действительное значение можно представить в виде нечёткого числа, используя следующее правило:
X |
|
j |
j |
, j |
|
|
|
|
|
|
|
1, 2, ... , X |
|
, |
(2.1) |
где функция принадлежности j принимает следующие значения:
|
|
0 |
для всех |
j 1, 2, ..., |
|
|
|
\ X |
, X 1 ; |
||||||||||||||
j |
X |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
j X |
|
1 |
|
X |
для |
j |
|
X |
|
; |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
j X 1 |
|
X для |
j |
|
X |
|
1. |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
27См. §1, выражения (1.9) – (1.14).
28См. §1, выражение (1.18).
24
В то же время нечёткое число (2.1) после дефазификации согласно (1.8) представимо в виде X X , X . Поэтому операции (1.8) и (2.1) обеспе-
чивают однозначное соответствие между нечёткими и действительными значениями.
На XII Всероссийском совещании по проблемам управления был представлен аддитивно-мультипликативный подход к операциям над нечёткими множествами применительно к процедуре нечёткого комплексного оценивания 29 [64]. Представление результатов нечёткого комплексного оценивания в виде действительных значений дало непрерывную, монотонную и кусочногладкую функцию свёртки 30. Аддитивно-мультипликативный подход эквивалентен методу комплексного оценивания при наличии распределения вероятностей частных критериев, предложенному В.Н. Бурковым и Д.А. Новиковым [16].
В том же 2014 г. предложена функция интерполяции матрицы 31 свёртки [66], которая непрерывную модель комплексного оценивания делает эквивалентной процедуре нечёткого комплексного оценивания с использованием аддитивно-мультипликативного подхода к теоретико-множественным операциям над нечёткими множествами 32 на классе треугольных нечётких множеств, функция принадлежности которых представляет собой кусочно-ли- нейную функцию, с равными по модулю единице тангенсами угла наклона прямых.
Классификация матричных механизмов комплексного оценивания (с указанием авторов и времени опубликования) приведена в табл. 2.1.
Представленных в табл. 2.1 способов формализации информации, обладающей той или иной степенью неопределённости, о состоянии частного параметра (свойства) достаточно для описания всевозможных ситуаций, например, интервальные оценки как способ формализации может соответствовать не только приборам с погрешностью, но и субъективной оценке человека.
Аббревиатуры, использованные в табл. 2.1, имеют следующие значе-
ния:
ММНКО – матричный механизм нечёткого комплексного оценивания; НММКО – непрерывный матричный механизм комплексного оценива-
ния.
29См. §1, выражения (1.4), (1.6), (1.8).
30См. §1, рис. 1.10.
31См. §1, выражение (1.19).
32См. §1, выражения (1.4), (1.6), (1.8).
25
|
|
|
|
|
|
Т а б л и ц а 2 . 1 |
||
|
Обобщение матричных механизмов комплексного оценивания |
|
||||||
Основание |
|
|
Источники неопределённости |
|
|
|||
классификации |
|
|
|
|
|
Имеющиеся данные |
|
|
и методы комплекс- |
|
Квалификация пользователей МКО |
|
|
|
|||
|
|
объективного контроля |
||||||
ного оценивания |
|
|
|
|
||||
|
|
|
|
|
|
|
||
Источник |
Молодой |
Специалист |
Эксперт |
Группа |
Приборы |
Статистика |
Точные |
|
информации |
специалист |
экспертов |
с погрешностью |
приборы |
||||
|
|
|
||||||
|
Ф-нечёткие / |
|
Нечёткие множеПроцедуры активной |
|
|
Точные или |
||
Способ |
Нечёткие |
ства с ограниче- |
экспертизы, в том |
Интервальные |
Распределение |
|||
мягкие |
приближённые |
|||||||
формализации |
множества |
нием на функции |
числе нечёткой ак- |
оценки |
вероятностей |
|||
множества |
оценки |
|||||||
|
|
принадлежности |
тивной экспертизы |
|
|
|||
|
|
|
|
|
|
|||
|
|
G, M , Q, P , DF G, M , Q, P , DF |
|
|
|
|
||
|
|
MM |
MM |
|
|
|
|
|
ММНКО |
|
Новиков Д.А. |
Харитонов В.А. |
|
|
|
|
|
|
|
и др., 2002 |
и др., 2007 |
|
|
|
|
|
ММ |
|
|
|
|
G, M , Q, FIMM |
|
G, M , Q, FIMM |
|
НММКО |
|
|
|
|
Анохин А.М., |
|
Анохин А.М., |
|
|
|
|
|
Павельев В.В., |
|
Павельев В.В., |
||
|
|
|
|
|
|
|||
|
|
|
|
|
Гусев В.Б., 2003 |
|
Гусев В.Б., 2003 |
|
|
|
|
|
G, M , Q, P , DF |
|
G, M , Q, P , DF |
|
|
|
G, M , Q, P , DF G, M , Q, P , DF G, M , Q, P , DF |
AM |
|
AM |
|
|||
|
|
|
|
|
||||
|
AM |
AM |
AM |
Алексеев А.О., |
|
G, M , Q, PP |
|
|
ММНКО |
Алексеев А.О., |
Алексеев А.О. |
Алексеев А.О. |
|
|
|||
Коргин Н.А. 2015, |
|
Бурков В.Н., Но- |
|
|||||
|
2016 |
и др., 2011, 2014 |
и др., 2014 |
|
|
|||
|
2016, 2018 |
|
виков Д.А., 1997 |
|
||||
АМ |
|
|
|
|
|
|||
|
|
|
|
|
|
|
||
|
|
|
|
|
G, M , Q, FIAM |
|
G, M , Q, FIAM |
|
НММКО |
|
|
|
|
Алексеев А.О. |
|
Алексеев А.О. |
|
|
|
|
|
|
и др., 2015 |
|
и др., 2015 |
Аббревиатура ММ образована от словосочетания максиминный подход и обозначает соответствующий класс матричных механизмов комплексного оценивания, аббревиатура АМ образована от словосочетания аддитивно- мультипликативный подход.
Альтернативные подходы к теоретико-множественным операциям исследовались в работе [68], где было показано, что они не обеспечивают нужных свойств МКО (непрерывность, монотонность и гладкость функции свёртки на кусочно-заданных интервалах). Поэтому в предложенной классификации рассмотрено только два класса механизмов, удовлетворяющих данным свойствам.
Несмотря на то, что в работе [32] говорится о многомерных объектах, которые в данной работе определяются как точно заданные, т.е. авторы не рассматривали задачу комплексного оценивания при интервальных оценках частных параметров, предложенный ими метод всё же может применяться при интервальной неопределённости и занимает два места в системе классификации.
Метод G, M ,Q, PP был предложен ещё в 1997 г., однако эквивалент-
ность матричным механизмам нечёткого комплексного оценивания и непрерывным механизмам комплексного оценивания была показана лишь в 2014 г. на семинаре по теории управления организационными системами в ИПУ РАН.
Применимость метода G, M ,Q, PАМ в случае Ф-нечётких или мягких
множеств обсуждалась на семинарах по теории управления организационными системами ИПУ РАН и Пермского научно-образовательного центра проблем управления на базе ПНИПУ в 2014 г.
Субъективные оценки экспертов могут высказываться с разной степенью модальности. Под разной степенью модальности подразумевается, что лица, привлечённые к оцениванию свойств, в зависимости от их квалификации могут высказать различные суждения (табл. 2.2).
Т а б л и ц а 2 . 2
Соответствие исходных данных уровню неопределённости и предлагаемому способу описания сложного объекта
Количественные оценки |
|
Качественные оценки |
|
|
|||||
(объективные входные данные (ОВ)) |
|
(субъективные входные данные (СВ)) |
|||||||
|
|
|
|
|
|
|
|
|
|
Источник |
|
Неопределён- |
|
Код |
Источник |
|
Неопределён- |
|
Код |
|
|
|
|
||||||
данных |
|
ность |
|
данных |
|
ность |
|
||
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
Данных объективного |
|
Высокая |
|
– |
Молодой |
|
Условно |
|
СВ1 |
контроля нет |
|
|
|
|
специалист |
|
высокая |
|
|
|
|
|
|
|
|
|
|
|
|
Оценка измерений |
|
Средняя |
|
ОВ1 |
Специалист |
|
Условно |
|
СВ2 |
с погрешностью |
|
или низкая |
|
|
|
|
средняя |
|
|
(интервальная |
|
|
|
|
|
|
|
|
|
оценка) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
27 |
О к о н ч а н и е т а б л . 2 . 2
Количественные оценки |
|
Качественные оценки |
|
|||
(объективные входные данные (ОВ)) |
|
(субъективные входные данные (СВ)) |
||||
|
|
|
|
|
|
|
Источник |
Неопределён- |
|
Код |
Источник |
Неопределён- |
Код |
данных |
ность |
|
данных |
ность |
||
|
|
|
||||
|
|
|
|
|
|
|
Распределение |
Средняя |
|
ОВ2 |
Эксперт |
Условно |
СВ3 |
вероятностей |
или низкая |
|
|
|
низкая |
|
|
|
|
|
|
|
|
Точная оценка |
Очень |
|
ОВ3 |
Группа |
Очень |
СВ4 |
измерений |
низкая |
|
|
экспертов |
низкая или |
|
с минимальной |
или отсутствует |
|
|
|
отсутствует |
|
погрешностью |
|
|
|
|
|
|
|
|
|
|
|
|
|
Примечание: разделение степени неопределённости субъективных оценок по уровню квалификации на категории «молодой специалист», «специалист» и «эксперт» условно.
Рассмотрим, как описываются свойства сложного объекта при различных исходных данных:
СВ1 – свойства сложного объекта описываются с помощью Ф-нечётких переменных:
о tq , xn , xn X (xn ) / X ( xn ) ; X ( xn ) , tq Tq / Tq ; Tq ,
где q 1, q , q – число качественно-описываемых свойств объекта; n 1, n , n – число количественно-измеримых свойств объекта.
СВ2 – свойства сложного объекта описываются с помощью нечётких переменных:
о tq , xn , xn X (xn ) / X ( xn ) , tq Tq / Tq .
СВ3 – свойства сложного объекта описываются с помощью нечётких переменных, имеющих ограничения на функцию принадлежности: равенство единице суммы значений функций принадлежности и равенство нулю значений функций принадлежности неиспользуемых категорий (термов):
о tq , xn , xn X (xn ) / X ( xn ) , X X ( xn ) 1, tq Tq / Tq , T Tq 1;
X ( xn ) 0; X (xn ) ( X N ) \ X ; X 1 ;
Tq 0; Tq (T ) \ t; t 1 .
28
СВ4 – свойства сложного объекта оцениваются группой экспертов 33 с помощью процедур активной экспертизы, в том числе нечёткой и интервальной.
ОВ1 – свойства сложного объекта описываются с помощью интерваль-
ных оценок:
o xi , xi ,
где i 1, , i , i – число количественно-измеримых факторов, описываемых
интервально.
ОВ2 – свойства сложного объекта описываются с помощью распределения вероятностей:
o P xp ,
где p 1, ..., p , p – число количественно-измеримых факторов, носящих
случайный характер.
ОВ3 – свойства сложного объекта описываются с помощью точных или приближённых оценок:
o xn .
|
В общем случае состояние сложного объекта описывается вектором |
||||||||||||||||||||
|
|
q n i |
|
p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
o |
t |
|
|
|
, q 1, q , |
n 1, |
n |
|
i |
|
p |
, i 1, K,i |
, p 1, |
, p . |
Стоит отметить, что и количественные показатели также могут быть оценены экспертами, например в случаях, когда средства объективного контроля недоступны, т.е. способы ввода класса СВ применимы не только к качественным показателям, но и количественным. При этом объективно оценить качественные свойства не представляется возможным (табл. 2.3).
|
|
Т а б л и ц а 2 . 3 |
|
Соотношение свойств сложных объектов и способов их оценки |
|||
|
|
|
|
Свойства сложного объекта |
Способ оценки частных свойств |
||
|
|
||
Объективно |
Субъективно |
||
|
|||
|
|
|
|
Количественные xn |
ОВ1, ОВ2, ОВ3 |
СВ1, СВ2, СВ3, СВ4 |
|
|
|
|
|
Качественные tq |
– |
СВ1, СВ2, СВ3, СВ4 |
|
|
|
|
33 В этом случае степень неопределённости результата активной экспертизы будет определяться по участнику, обладающему наихудшей неопределённостью.
29
§3. ПРИМЕРЫ КОМПЛЕКСНОГО ОЦЕНИВАНИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЁННОСТИ
Рассмотрим несколько примеров комплексного оценивания, принимая следующие условия:
–будем рассматривать свёртку двух критериев 34;
–первый по счёту критерий соответствует вертикальной оси координат, следующий – горизонтальной (рис. 3.1);
|
|
|
|
|
Критерий 1 |
|
|
|
|
|
|
|
m44 |
m43 |
m42 |
m41 |
4 |
|
|
|
|
|
|
|
m34 |
m33 |
m32 |
m31 |
3 |
|
|
|
|
|
|
|
m24 |
m23 |
m22 |
m21 |
2 |
|
|
|
|
|
|
|
m14 |
m13 |
m12 |
m11 |
1 |
|
|
|
|
|
|
Критерий 2 4 |
3 |
2 |
1 |
|
Рис. 3.1. Матрица свёртки размерностью 4×4
–будем рассматривать квадратные 35 матрицы свёртки;
–будем рассматривать матрицы свёртки размерностью 36 4×4;
–начало координат расположено в нижнем правом углу 37 матрицы.
34Примеры 3.1–3.8.
35Как правило, для комплексного оценивания используются матрицы свёртки, числа строк и столбцов которых равны (|r| = |с|), но это не является обязательным условием, в общем случае матрица может быть любой размерности, т.е. матрица может быть размерностью r×с; |r| – число градаций одного критерия, |с| – другого.
36Ранее уже отмечалось, что размерность матриц свёртки определяется конкретными условиями прикладной задачи. Рассмотрим размерность 4×4, так как она является одной из самых часто используемых. Этому есть логическое объяснение, поскольку дискретные значения шкалы удобно интерпретировать: 1 – «плохо», 2 – «удовлетворительно», 3 – «хорошо» и 4 – «отлично», а в непрерывном случае образуется три интервала: [1,2) – область малых, [2,3) – средних и [3,4] – больших значений критериев и комплексного показателя.
37Такая ориентация используется для единообразного отображения системы координат при построении трёхмерной поверхности свёртки путём интерполяции матрицы (см. рис. 1.4 – 1.10), хотя надо признать, что исторически ориентация матриц начиналась
сверхнего левого угла, и с точки зрения программирования ориентация с верхнего левого угла была бы удобнее.
30