Оценка эффективности для неопределенных операций
ai |
|
|
п |
|
|
Ца,) | ||
"i |
П2 |
|
"к | |||||
а\ |
кп |
кп |
|
|
|
| ||
а2 |
к2х |
к22 |
|
|
к2 к |
| ||
ат |
|
km2 |
|
|
ктк |
|
Условия оценки эффективности систем для неопределенных операций можно представить в виде табл. 4.3, в которой обозначены:
а. - вектор управляемых параметров, определяющий
свойства системы (г = 1, ... , т); rij - вектор неуправляемых .параметров, определяющий
состояние обстановки (J = I, ... , к); ку - значение эффективности системы at для состояния
обстановки Пр K{at) - эффективность системы ai.
Каждая строка таблицы содержит значения эффективности одной системы для всех состояний обстановки rij, а каждый столбец - значения эффективности для всех систем а{ при одном и том же состоянии обстановки. В случае задания состояний обстановки одним параметром матрица эффективности может быть представлена диаграммой (рис. 4.4).
В неопределенной операции могут быть известны множество состояний обстановки и эффективность систем для каждой из них, но нет данных, с какой вероятностью может появиться то или иное состояние.
В зависимости от характера неопределенности операции могут делиться на игровые и статистически неопределенные. В игровых операциях неопределенность вносит своими сознательными действиями противник. Для исследования игровых операций используется теория игр. Условия статистически неопределенных операций зависят от объективной действительности, называемой природой.
Рис. 4.4. Диаграмма эффективности систем а. для условий
Природа рассматривается как незаинтересованная, безразличная к операции сторона (она пассивна по отношению к лицу, принимающему решение). Такие операции могут исследоваться с применением теории статистических решений.
Если операция, проводимая системой, уникальна, то для разрешения неопределенности при оценке систем используются субъективные предпочтения ЛПР. По этой причине единого критерия оценки эффективности для неопределенных операций не существует. Разработаны лишь общие требования к критериям и процедурам оценки и выбора оптимальных систем. Основными требованиями являются:
оптимальное решение не должно меняться с перестановкой строк и столбцов матрицы эффективности;
оптимальное решение не должно меняться при добавлении тождественной строки или тождественного столбца к матрице эффективности;
оптимальное решение не должно меняться от добавления постоянного числа к значению каждого элемента матрицы эффективности;
оптимальное решение не должно становиться неоптимальным, а неоптимальное оптимальным в случае добавления новых систем, среди которых нет ни одной более эффективной системы;
4)оптимальное решение не должно становиться неоптимальным, а неоптимальное оптимальным в случае добавления новых систем, среди которых нет ни одной более эффективной системы
5) если системы at и а. оптимальны, то вероятностная смесь этих систем тоже должна быть оптимальна.
В зависимости от характера предпочтений ЛПР наиболее часто в неопределенных операциях используются критерии:
среднего выигрыша;
Лапласа;
осторожного наблюдателя (Вальда);
максимакса;
пессимизма-оптимизма (Гурвица);
минимального риска (Сэвиджа).
МОДУЛЬ 5- ОСНОВЫ УПРАВЛЕНИЯ
Лекция 13- Аксиомы по теории управления. Принцип необходимого разнообразия Эшби
Для управления необходимо выполнение ряда естественных условий, которые сформулируем в виде аксиом.
Аксиома 1. Наличие наблюдаемости объекта управления. В теории управления ОУ считается наблюдаемым в состоянии z(t) на множестве моментов времени Т, при входном воздействии л:(/) и отсутствии возмущений, если уравнение наблюдения динамической системы, представленное в виде
yV) m z\t)],
где y*(t) - некоторая реализация выходного процесса, доступная для регистрации, имеет единственное решение
z*(t) = z(t) е Z .
Если это утверждение справедливо для любого z(t) е Z, то объект считается полностью наблюдаемым.
Это выражение означает, что определение любого из состояний ОУ (т.е. его наблюдаемость) реализуется только в том случае, если по результатам измерения выходных переменных у *(t) при известных значениях входных переменных х(() может быть получена оценка z *(t) любой из переменных состояния z(t).
Такая задача в теории систем известна как задача наблюдения. В организационно-технических системах управления эта задача реализуется функцией контроля текущего состояния ОУ и воздействий внешней среды. Без этой информации управление или невозможно, или неэффективно.
Аксиома 2. Наличие управляемости - способности ОУ переходить в пространстве состояний Z из текущего состояния в требуемое под воздействиями управляющей системы. Под этим можно понимать перемещение в физическом пространстве, изменение скорости и направления движения в пространстве состояний, изменение структуры или свойств ОУ. Если состояние ОУ не меняется, то понятие управления теряет смысл.
Аксиома 3. Наличие цели управления. Под целью управления понимают набор значений количественных или качественных характеристик, определяющих требуемое состояние ОУ.
Если цель неизвестна, управление не имеет смысла, а изменение состояний превращается в бесцельное блуждание. Цель отображается точкой, в которую надо перевести систему из существующего состояния, или траекторией перевода ОУ в требуемое состояние в виде, например, аддитивной свертки
п
max F— Еад
/=1
с ограничениями типа Ъ1У1<с,
/=1
где yi - i-я характеристика;
af - важность (вес) i-й характеристики;
Ь., - расход ресурсов на поддержание i-й характеристики в требуемом состоянии;
с - общее количество ресурсов.
Аксиома 4. Свобода выбора - возможность выбора управляющих воздействий (решений) из некоторого множества допустимых альтернатив. Чем меньше это множество, тем менее эффективно управление, так как в условиях ограничений оптимальные решения часто остаются за пределами области адекватности. Если имеется единственная альтернатива, то управление не требуется. Если решения не влияют на изменение состояния ОУ, то управления не существует.
Аксиома 5. Наличие критерия эффективности управления. Обобщенным критерием эффективности управления считается степень достижения цели функционирования системы.
Кроме степени достижения цели качество управления можно оценивать по частным критериям: степени соответствия управляющих воздействий требуемым состояниям ОУ, качеству принимаемых решений, точности управления. Для оценки систем управления военного назначения вводятся требования к управлению по показателям устойчивости, непрерывности (длительности цикла управления), оперативности и скрытности.
Аксиома 6. Наличие ресурсов (материальных, финансовых, трудовых и т.д.), обеспечивающих реализацию принятых решений. Отсутствие ресурсов равносильно отсутствию свободы выбора. Управление без ресурсов невозможно.
Принцип необходимого разнообразия Эшби
Из аксиом управления следует, что управление заключается в ограничении разнообразия состояний управляемого объекта. Это означает, что энтропия объекта управления должна быть равна нулю Н( Y) = 0. Иными словами, неопределенность относительно состояний объекта управления в управляющей системе должна полностью отсутствовать и объект управления должен находиться в строго определенном состоянии с вероятностью, равной единице.
Если управляемый объект характеризуется одним показателем качества У и может находиться в п состояниях У\>У2> — >У1п
с вероятностями р(у[), р(у12)> — > Р(Уп) > т0 сообщение Y о том, в
каком из состояний находится объект в системе с полной информацией, будет содержать количество информации, равное его энтропии
mY) = -ip(y'i)log2p(y'i). i=i
Для оценки состояний объекта, характеризуемого т показателями качества у i, требуется провести суммирование и по j, j - 1,2,..., т.
Энтропия H(Y) является мерой первоначальной неопределенности состояния объекта управления. Чем больше число различных состояний объекта и чем меньше отличаются друг от друга их вероятности, тем больше энтропия объекта управления. При п равновероятных состояниях р{ = 1 /п значение энтропии максимально: ЩУ)^ = logyi.
С получением сведений об объекте управления неопределенность его состояния для управляющей системы уменьшается. Количество взаимной информации в сообщениях, предназначенных для уточнения состояния (уменьшения энтропии) объекта управления, определяют как разность:
I(Y, Y') = H(Y)~ H(Y/Y'), где Я( Y/Y')- условная энтропия объекта после получения сообщения У.
Если полученное сообщение полностью характеризует состояние объекта, то оно полностью снимает неопределенность (Н (Y/Y') = 0) и несет количество информации, равное #(У).
Из теории информации также известно, что количество информации обладает двумя важными свойствами: положительностью и симметричностью. Первое свойство свидетельствует о том, что количество информации всегда больше или равно нулю (7> 0). Согласно второму свойству количество взаимной информации 1(А, В), которое содержит принятое сообщение о посланном, равно количеству взаимной информации 1(В, А), которое содержит посланное сообщение о принятом
1(А, В) = 1(В, А).
Указанные характеристики информации позволяют провести анализ управляющих воздействий относительно их соответствия состояниям управляемого объекта. Иначе, определить пределы управления.
Пусть существует система с управлением, в которой решается задача стабилизации - поддержание заданного состояния при случайных воздействиях внешней среды. Система описывается множеством возможных состояний объекта управления Y = , / = 1, 2, ... , п, и множеством возможных управляющих воздействий X = {Xj},j =1,2,..., т.
Для определения пределов управления рассмотрим три возможных варианта:
Отсутствие управления.
Идеальное управление (управление с полной информацией).
Реальное управление (управление с неполной информацией).
Отсутствие управления. Если управление отсутствует, то управляемый объект может принимать любое из состояний Y и характеризуется максимальной энтропией
Я(У) =- Х>(л)1о82 Р(уд = я(У)тах.
1=1
Идеальное управление. Если управление идеальное, управляемый объект будет все время находиться в заданном состоянии с вероятностью, равной единице, и поэтому энтропия управляемого объекта равна нулю.
Проиллюстрируем это утверждение. Пусть для заданной системы при условии воздействий X вероятность первого состояния
п
р(У\) = 1, а вероятности остальных состояний Следо-
/=2
вательно,
#( Y/X) = ) • log2 р( Ух)} + {£ Piyt) ■ log2 P(yt)} =
1=2
= -{1 • log21} + {0 • £ log2 ply,)} = - {1 • 0} + {0} = 0.
/=2
3. Реальное управление. При управлении в реальных условиях имеют место отклонения состояния управляемого объекта относительно заданного. Это определяется тем, что управляющая система в общем случае подвержена внешним воздействиям, не обладает полной информацией о состоянии среды N и объекта управления Y(N'<z N иУ с У). Это приводит к тому, что управляющие воздействия не полностью соответствуют требуемым воздействиям. В этом случае можно сделать вывод, что энтропия объекта управления в реальных условиях может изменяться в пределах
0 < #(Y/X) < H(Y)max.
Качество управления может определяться количеством взаимной информации 1(Х, У) в управляющих воздействиях X относительно состояний управляемого объекта Y, вычисляемой как разность между безусловной и условной энтропией
H(Y)m^-H( YIX) = I(X, У), (4.1)
что соответствует уменьшению энтропии управляемого объекта на величину, равную полученной информации.
С другой стороны, количество взаимной информации I(X, Y) в управляющих воздействиях X относительно состояний управляемого объекта Y может быть выражено как разность энтропии управляющей системы ЩХ) и условной энтропии управляющей системы после получения сообщения о состоянии управляемого объекта #(А7У):
I(X, Y) = Я(X) - H(X/Y). (4.2)
Подставив выражение (4.2) в правую часть выражения (4.1), получим
Я(У)тах - Я( Y/X) = Н(Х) - H(X/Y). (4.3)
После переноса Я( У)тах из левой части выражения (4.3) в правую часть и замены знаков получим
Я( Y/X) = Я( У)тах - Н(Х) + Я(Л7У
Выражение (4.4), определяющее предельные возможности управления, показывает, что для повышения качества управления, т.е. уменьшения энтропии Н (Y/X), необходимо:
уменьшать разнообразие состояний управляемого объекта Я(Г);
увеличивать разнообразие управляющих воздействий Н(Х), приближая его к разнообразию состояний управляемого объекта Я( Г);
уменьшать неоднозначность управляющих воздействий относительно состояний объекта управления Я(Л7У), что возможно при наличии полной информации об управляемом объекте и внешней среде.
Иными словами, нужно стремиться к тому, чтобы на каждое возможное состояние управляемого объекта имелось свое управляющее воздействие, чтобы существовала возможность использования управляющих воздействий в зависимости от состояния и чтобы всякий раз обеспечивался выбор того воздействия, которое соответствует состоянию объекта управления. Выражение (4.4) отражает фундаментальный принцип кибернетики, известный как принцип необходимого разнообразия (принцип У. Росса Эшби) и формулируемый кратко так: «Разнообразие управляющей системы должно быть не меньше разнообразия объекта управления».
Согласно данному принципу с увеличением сложности объекта управления сложность управляющей системы должна увеличиваться. При управлении нужно располагать возможно более точной и полной информацией об управляемом объекте и внешней среде.
Из этого принципа следует, что энтропию объекта управления (многообразие состояний регулируемых переменных) можно понизить до желаемого уровня (что и является целью регулирования), только увеличив энтропию управляющей системы (многообразие регулирующих переменных) по меньшей мере до соответствующего минимума.
Принцип утверждает, что производительность любого физического устройства как регулятора не превышает его производительности как канала связи.
К сожалению, условная энтропия #( Y/X) не может считаться исчерпывающей характеристикой качества управления даже в теоретическом плане. Дело в том, что значение энтропии зависит
лишь от распределения вероятностей, но не от самих значений случайной величины. Между тем довольно часто более важны сами значения случайных отклонений, а не их вероятности. Кроме того, возможности управления ограничиваются и некоторыми другими факторами, например временем обработки информации в управляющем объекте и передачи ее по каналам прямой и обратной связи.
Лекция 14-Типовые постановки задач системного анализа
Во второй половине XX в. при решении практических задач стали находить широкое применение математические методы. Они стали использоваться при перспективном и текущем планировании научно-исследовательских работ, проектировании различных объектов, управлении технологическими и производственными процессами, прогнозировании развития социальных и производственных систем, оптимизации маршрутов перевозки грузов. Особенно часто к математическим методам прибегают при решении задач оптимизации функционирования производственных систем, при распределении материальных и трудовых ресурсов и страховых запасов, при выборе местоположения предприятий, исследовании и оценке безопасности функционирования объектов повышенного риска. Постановки перечисленных задач носят оптимизационный характер, где в качестве критериев эффективности применяются различные целевые функции. Как уже было отмечено, особенностью постановок задач системного анализа является то обстоятельство, что наряду со строгим математическим аппаратом применяются эвристические методы, основанные на интуиции исследователя, его опыте в решении задач подобного типа. Рассмотрим некоторые постановки задач, являющиеся типовыми задачами системных исследований.
Задачи распределения ресурсов
Задачи распределения ресурсов возникают, когда существует определенный набор работ или операций, которые необходимо выполнить, а имеющихся в наличии ресурсов для выполнения каждой из них наилучшим образом не хватает. Способы распределения ограниченных ресурсов при выполнении различных операций в системе управления могут быть различными. Для того чтобы решить задачу распределения ресурсов, необходимо сформулировать некоторую систему предпочтений или решающее правило. Такое правило принятия решений по определению объема ресурсов, которые целесообразно выделить для каждого процесса, обычно разрабатывается с учетом оптимизации некоторой целевой функции при ограничениях на объем имеющихся ресурсов и временные характеристики.
В зависимости от условий задачи распределения ресурсов делятся на три класса.
Заданы и работы, и ресурсы. Требуется распределить ресурсы между работами таким образом, чтобы максимизировать некоторую меру эффективности (скажем, прибыль) или минимизировать ожидаемые затраты (издержки производства). Например, предприятию установлено производственное задание в рамках оговоренного срока. Известны мощности предприятия. При изготовлении продукции изделия проходят обработку на разных станках. Естественным является ограничение - одновременно на одном станке может обрабатываться только одна единица продукции. Мощности предприятия ограниченны и не позволяют для каждого изделия использовать наилучшую технологию. Требуется выбрать такие способы производства для каждой единицы продукции, чтобы выполнить задание с минимальными затратами.
Заданы только наличные ресурсы. Требуется определить, какой состав работ можно выполнить с учетом этих ресурсов, чтобы обеспечить максимум некоторой меры эффективности. Приведем пример. Имеется предприятие с определенными производственными мощностями. Требуется произвести планирование ассортимента и объема выпуска продукции, которые позволили бы максимизировать доход предприятия.
Заданы только работы. Необходимо определить, какие ресурсы требуются для того, чтобы минимизировать суммарные издержки. Например, составлено расписание движения автобусов пригородного и междугороднего сообщения на летний период времени. Требуется определить необходимое количество водителей, кондукторов, контролеров и прочего обслуживающего персонала, чтобы выполнить план перевозок с минимальными эксплуатационными затратами.
Рассмотрим более детально две постановки задач, в которых возникает необходимость распределения ресурсов. Задачи в той постановке, в которой они будут сформулированы, решаются при проектировании технических объектов, в том числе автоматизированных систем обработки информации и управления.
Первая задача - задача составления титульного списка.
На начальном этапе разработки автоматизированной системы обработки информации и управления встает проблема выбора комплекса задач, подлежащих автоматизации. В техническое задание на систему включают как задачи с известными алгоритмами решения, так и задачи, требующие выполнения специальных исследований, проведения научных разработок. Известно, что проектирование и ввод системы в эксплуатацию осуществляются поэтапно. На первом этапе автоматизации в перечень задач, подлежащих автоматизации, включаются только те задачи, которые имеют алгоритмы для решения. Проблемные задачи должны составлять самостоятельную группу. В проектную разработку их включают только после четкой постановки и определения методов решения и оценки эффективности. Эти задачи подлежат автоматизации на последующих этапах, возможно, уже после ввода системы в эксплуатацию. Так формулируется перечень задач, решаемых на первом этапе автоматизации.
После составления перечня задач, включаемых в первый этап разработки, необходимо оценить требуемый состав ресурсов на их разработку и требуемое время для их внедрения. Если для разработки и внедрения задач первого этапа имеется достаточное количество ресурсов, и время, требуемое на их разработку, не превышает заданного срока ввода первой очереди в эксплуатацию, то занимаются распределением ресурсов по задачам, подлежащим автоматизации. Если же время, требуемое на разработку задач, превышает заданный срок ввода первой очереди в эксплуатацию, возникает проблема составления титульного списка, т. е. возникает необходимость ограничения перечня задач, автоматизируемых на первом этапе. Проблема выбора комплекса задач нз сформированного перечня в условиях дефицита времени и ресурсов на разработку всего перечня задач, выполняемых на первом этапе автоматизации, называется задачей составления титульного списка. Таким образом, формулировка задачи будет выглядеть так: требуется сформировать перечень задач, подлежащих автоматизации (титульный список), с учетом имеющихся материальных, временных, трудовых и прочих ресурсов. Данная задача относится ко второму классу задач, когда заданы ресурсы и необходимо сформировать состав работ.
Рассмотрим вторую задачу, возникающую при проектировании систем, - задачу определения оптимальной очередности разработки.
Задача определения оптимальной очередности разработки встает перед проектировщиками на следующем этапе проектирования после составления титульного списка задач, подлежащих автоматизации. Суть задачи состоит в распределении ресурсов, выделяемых на разработку системы, между задачами и упорядочении процесса разработки задач во времени. При определении очередности разработки необходимо учитывать одно важное обстоятельство, а именно, зависимость задач друг от друга, т. е. тот факт, что для некоторых задач не может начаться разработка, пока не закончено проектирование задач, от результатов внедрения которых они зависят. Иными словами, необходимо учитывать ситуации, когда задачи связаны между собой, например, по информации, т. е. выходная информация одних задач является входной для других. В качестве модели разработки такого рода проектов используется сетевая модель комплекса операций, так как сетевые модели позволяют отразить взаимосвязи операций проекта. Формализованная постановка данной задачи будет выглядеть следующим образом: необходимо оптимизировать некоторый функционал при выполнении ограничений на потребление ресурсов, выделенных на разработку проекта в размере, не превышающем заданного объема в заданном временном интервале. В качестве оптимизируемого функционала чаще всего используются экономические критерии. Задача в такой постановке относится к первому классу задач.
Задачи управления запасами
Одной из сфер практической деятельности, в которой успешно применяются методы системного анализа, является сфера управления запасами. Система управления запасами представляет особый интерес для системного аналитика. Это объясняется, во-первых, сложностью задач, которые приходится решать в этой сфере управления, а во-вторых, общностью постановки задачи, которая находит применение в системах различного типа, например, производственных системах, предприятиях торговли и сбыта, при обосновании количества запасных изделий и т. п. Первые системы управления запасами были разработаны применительно к обоснованию необходимой потребности в запасных частях предприятий крупных компаний. Задачи управления запасами обладают одной особенностью - с увеличением запасов увеличиваются расходы, связанные с их хранением, но уменьшаются потери от возможного их дефицита. Следовательно, одна из задач управления запасами заключается в минимизации суммы ожидаемых затрат, связанных с хранением запасов, и потерь, обусловленных их отсутствием в случае необходимости.
Основная проблема, возникающая при решении задачи управления запасами, состоите создании эффективной и надежной системы управления. Общая система управления запасами представляет собой три уровня решения данной задачи.
Первый уровень предусматривает обработку, ведение учета и хранение информации о запасах. Основные сведения, необходимые для успешного функционирования системы управления запасами, - это информация об уровне имеющихся запасов и запасов, которые будут созданы за счет размещения заказов, а также о заделе по заказам потребителя, если такие заказы имеются. Учет информации относительно любой имеющейся в запасах продукции включает в себя такие показатели как ее стоимость, единица измерения, источник получения, время упреждения и т. п. На первый взгляд количество различных данных о производимых или необходимых операциях невелико, однако в условиях функционирования крупных промышленных предприятий объем поступающей информации оказывается существенным. Значительно повысить эффективность обработки и хранения информации удается путем автоматизации процесса обработки данных.
Второй уровень рассматриваемой системы предполагает разработку правил принятия решения, на основе которых устанавливаются срок и размер заказа, необходимого для пополнения запасов. Каждое правило принятия решений является частной задачей оптимизации управления запасами. Задачи, которые приходится решать пользователю в практических условиях, могут отличаться по своему характеру, так как конкретные системы имеют различные параметры. Поэтому системному аналитику необходимо знать условия, при которых одно правило принятия решений оказывается предпочтительнее другого. С формальной точки зрения эти решения являются оптимальными, тем не менее, для успешного применения необходимо учитывать мнение соответствующих сотрудников органов управления, имеющих опыт работы и соответствующую квалификацию в данном вопросе. Следует иметь в виду, что при разработке правил принятия решений более важным является соответствующий учет реальной обстановки, чем достижение максимального показателя эффективности функционирования системы.
Третий уровень системы позволяет на основе разработанных правил принятия решений построить модель системы управления запасами и в соответствии с этой моделью определить стратегию функционирования системы на длительную перспективу. Организация контроля за работой системы дает возможность органам управления осуществлять управление системой в целом, а не запасами конкретной продукции и в случае необходимости вмешиваться в работу системы. Правила принятия решений по восстановлению уровня первоначального запаса и сохранению уровня резервного запаса разрабатываются с помощью методов прогнозирования. Точность прогноза определяется уровнем отклонения результатов прогноза от фактических данных. Каждое правило принятия решений содержит, по крайней мере, одну управляющую переменную, значение которой обычно задается органами управления. Это делается с целью обеспечения возможности оказывать влияние на перераспределение материальных ресурсов между затратами, связанными с запасами, и эксплуатационными затратами. Для ряда систем актуальными являются вопросы разработки правил принятия решений по созданию запасов в условиях наличия ограничений на ресурсы.
Таким образом, можно сделать вывод, что задача управления запасами есть комплексная задача, составными частями которой являются ведение информационной базы, построение моделей управления запасами, оптимизация объема создаваемого запаса и времени его пополнения и прочие вопросы.
Математическое программирование
Методы математического программирования представляют собой класс моделей, применяемых для формализации задач планирования целенаправленной деятельности, предусматривающих распределение ограниченного количества ресурсов разных видов. Подобного рода задачи решаются в различных отраслях деятельности: в экономике, при разработке проектов, составлении расписаний, планировании военных операций и т.п. Модели математического программирования относятся к категории детерминированных моделей. Термин программирование в применении к рассматриваемому типу задач понимается как поиск наилучших планов (от английского слова programming - составление плана, программы действий). Когда говорят о задачах математического программирования, имеют в виду задачи, цель которых состоит в повышении эффективности промышленных, транспортных систем, систем управления деятельностью учебных, проектных, научных организаций.
Математическое программирование подразделяется на линейное, целочисленное, нелинейное, динамическое программирование. Рассмотрим некоторые постановки задач, методы и алгоритмы их решения
Математические постановки задач, приводящие к моделям линейного программирования
Задачи линейного программирования относятся к категории оптимизационных. Они находят широкое применение в различных областях практической деятельности: при организации работы транспортных систем, в управлении промышленными предприятиями, при составлении проектов сложных систем. Многие распространенные классы задач системного анализа, в частности, задачи оптимального планирования, распределения различных ресурсов, управления запасами, ка лендарного планирования, межотраслевого баланса укладываются в рамки моделей линейного программирования. Несмотря на различные области приложения данные задачи имеют единую постановку: найти значения переменных х,, х2,..., хп, доставляющие оптимум заданной линейной формы z = с,.х,+ cjc2+...+ с хя при выполнении системы ограничений, представляющих собой также линейные формы.
Рассмотрим примеры конкретных постановок задач, формализация которых приводит к моделям линейного программирования. Вначале рассмотрим задачу определения оптимального ассортимента. Имеется р видов ресурсов в количествах bl,b2,...,bj,...,bpnq видов изделий.
Задана матрица A = |atf|, где ац характеризует нормы расхода г'-го ресурса на единицуу-го изделия (/-1, 2,..., q). Эффективность выпуска единицы j-го изделия характеризуется показателем Cj, удовлетворяющим условию линейности. Требуется определить план выпуска изделий (оптимальный ассортимент), при котором суммарный показатель эффективности принимает наибольшее значение. Обозначим количество единиц j-vo изделия, выпускаемых предприятием, через xJt тогда математическая модель задачи будет иметь следующий вид:
определить максимум линейной формы maxz = ХСЛ
j
при ограничениях на ресурсы <b„ i = 1, 2,..., р.
j
Кроме указанных ограничений по ресурсам в модель могут быть введены дополнительные ограничения на планируемый выпуск продукции х. > Хр, условия комплектности изделий и т.п.
Задача линейного программирования
Постановка задачи линейного программирования. Задачи линейного программирования (ЗЛП) - простейший тип оптимизационных задач.
При записи задачи линейного программирования в стандартной или канонической форме число линейно независимых уравнений, как правило, меньше числа переменных (на практике всегда т<п, где т - число уравнений). Отметим некоторые свойства, касающиеся системы ограничений:
уравнения линейно независимы, если ни одно из них не может быть получено из остальных путем алгебраических преобразований, т.е. никакие из них не являются следствием остальных;
если число независимых уравнений больше числа переменных, то такая система не имеет решения и называется несовместимой;
если число независимых уравнений равно числу переменных, то такая система имеет единственное решение, которое либо оптимально, если все компоненты положительны, либо недопустимо, если хотя бы одна из компонент отрицательна;
если удается найти множество неотрицательных значений Х= (дг,, jc2,. .., jcn), которое является решением системы т линейных уравнений с п+т неизвестными, то такое решение называют базисным, а ненулевые переменные - базисными переменными.
Пример задачи линейного программирования. Рассмотрим двухмерную задачу линейного программирования.
Пусть требуется найти максимум линейной формы
maxF(x,,x2) = max(x, +lx2)
при условии
х, +х2 <120,
0< jc, <100,
0< х2< 75.
Изобразим область, описываемую совокупностью ограничений на плоскости jct ох2 (рис. 10.1). Переменные*, их2 неотрицательные, поэтому множество точек (дг,, дс2), являющихся возможными решениями задачи, находятся в I квадранте. Заменим знак в дс, + х2 <, 120 на знак равенства, получим уравнение прямой: дс, +дс2 = 120. Эта прямая делит плоскость на две полуплоскости. Все точки одной полуплоскости удовлетворяют неравенству дг, + х2 > 120, другой - неравенству дг, + х2 < 120.
Построив аналогичные прямые дг, =100 и дс2 = 75, получим многоугольник, множество точек которого (*,, х2) удовлетворяет всем неравенствам системы ограничений. Этот многоугольник и представляет собой область допустимых решений D.
Из множества точек (*,, дс2) многоугольника необходимо выбрать такую, в которой функция F(xt, дс2) = (дс, + 2дс2) принимает максимальное
Рис.
10.1. Геометрическая интерпретация задачи
линейного программирования
значение. Для некоторого фиксированного значения F* линейная функция F*(x}, х2) = (х, + 2х2) представляет собой прямую линию. Задаваясь различными значениями F\ получим семейство параллельных прямых. Увеличение значений линейной функции соответствует перемещению прямой параллельно самой себе вверх. Следовательно, как видно из рис. 10.1, максимальное значение целевой функции на допустимом множестве точек соответствует прямой, проходящей через точку z пересечения прямых х, + х2 = 120 и х2 = 75.
Решив эту систему, получим х, = 45. Тогда максимальное значение функции F = тах(х, + 2х2) = 195.
Постановки задач, приводящие к моделям теории массового обслуживания
Модели теории массового обслуживания находят применение при решении задач системного анализа в случае, когда исследуемые величины имеют случайный характер. К числу таких задач относятся задачи управления запасами при случайном спросе, задачи организации работы предприятий торговли, связи, бытовою и медицинского обслуживания, организации технического обслуживания предприятий, вопросы снабжения запасными частями и механизмами и т.п.
Рассмотрим основные понятия теории массового обслуживания. Каждая система массового обслуживания (СМО) состоит из некоторого числа обслуживающих объектов, называемых каналами обслуживания. Всякая СМО предназначена для обслуживания определенного потока заявок, поступающих в случайные моменты времени. Обслуживание заявки продолжается какое-то, в общем случае, случайное время, после чего канал освобождается и готов к приему следующей заявки. Случайный характер потока заявок и времен обслуживания приводит к тому, что в некоторые моменты времени на входе в СМО может образоваться очередь, в другие периоды времени каналы могут работать с недогрузкой или вообще простаивать.
Процесс работы СМО представляет собой случайный процесс с дискретными состояниями и непрерывным временем. Состояния системы массового обслуживания меняются скачком в моменты реализации событий (поступление новой или окончание обслуживания заявки, момента, когда заявка, которой надоело ждать, покидает очередь).
Задача теории массового обслуживания состоит в построении моделей, связывающих заданные условия работы СМО с интересующими показателями эффективности системы, описывающими ее способность справляться с потоком заявок. В качестве показателей могут применяться следующие: среднее число заявок, обслуживаемых в единицу времени; среднее число занятых каналов; среднее число заявок в очереди; среднее время ожидания обслуживания; вероятность того, что число заявок в очереди превысит некоторое число и т.д.
Во многих задачах теории массового обслуживания для определения необходимого показателя эффективности достаточно знать распределение входящего потока, дисциплину очереди (например, случайный выбор, обслуживание в порядке поступления или с приоритетом) и распределение времени обслуживания. В других задачах нужно иметь дополнительную информацию. Например, в случае отказов в обслуживании нужно определить вероятность того, что поступившее требование получит отказ сразу после прибытия или через некоторое время, т.е. покинет очередь до или после присоединения к ней.
С теоретической точки зрения очереди можно рассматривать как потоки, проходящие через систему пунктов обслуживания, соединенных последовательно или параллельно. На поток оказывают влияние различные факторы; они могут замедлять его, приводить к насыщению и т.д. При изучении систем массового обслуживания ключевыми характеристиками являются такие, как интенсивность входного потока требований и интенсивность обслуживания. В более общем случае могут использоваться распределение длительности интервалов времени между моментами поступления заявок на обслуживание и распределение длительности обслуживания.
Для всякой системы массового обслуживания (СМО) характерна структура, которая определяется составом элементов и связями между ними. Основными элементами системы являются
входящий поток требований,
каналы обслуживания,
очередь требований,
выходящий поток требований. Рассмотрим некоторые понятия теории массового обслуживания более подробно. Одно из исходных - понятие входящего потока требований, который представляет собой совокупность требований, поступающих в систему и нуждающихся в обслуживании. В начальный момент времени в системе может находиться некоторое число требований. Следующее требование поступает через случайное время, которое имеет определенный закон распределения. Случайны также длительности между моментами поступления последовательных требований. Промежутки между поступлениями требований во многих прикладных задачах можно считать взаимно независимыми. Однако существуют примеры, когда это предположение не выполняется. Скажем, при движении потока транспорта через перекресток интервалы между прохождением очередных машин будут зависимыми событиями.
В систему массового обслуживания требования могут поступать из конечной или бесконечной совокупности, которая может состоять из различных категорий требований. Требования каждой из категорий могут поступать с различным распределением, по одиночке или в составе группы, и занимать место в очереди в установившемся порядке. Распределение входящего потока требований может зависеть от распределения выходящего потока. Например, в больницу пациенты принимаются только при наличии освободившихся мест.
Каждой из СМО свойственна определенная организация. По составу СМО разделяют на одноканальные и многоканальные. Многоканальные системы могут состоять из каналов одинаковой и разной производительности (пропускной способности). СМО классифицируются по времени пребывания требования в системе до начала обслуживания. Выделяют каналы с неограниченным временем ожидания, каналы с отказами и каналы смешанного типа. В системах с неограниченным временем ожидания очередная заявка, застав все обслуживающие каналы занятыми, становится в очередь и дожидается до тех пор, пока один из обслуживающих каналов не освободится. В системах с отказами всякое вновь поступившее требование, застав все приборы занятыми, покидает систему. В системах смешанного типа поступившее требование, застав все приборы занятыми, становится в очередь. Но в ней оно может находиться ограниченное время, после истечения которого, не дождавшись обслуживания, требование покидает систему.
В системах с ожиданием используются следующие дисциплины обслуживания:
первым пришел - первым обслужился (данная дисциплина находит
наиболее широкое применение и обозначается как FIFO - используется аббревиатура английского названия first input - first output); дисциплина обслуживания по приоритетам;
случайный выбор обслуживания.
При обслуживании по приоритетам в случае поступления в систему требования с более высоким приоритетом обслуживание остальных требований может прерываться либо оно может быть завершено. В редких случаях встречается дисциплина обслуживания «последним пришел - первым обслужился».
СМО классифицируют по порядку занятия свободных каналов вновь поступившими требованиями, а именно:
каналы подключаются в строгом порядке, определяемом приоритетом использования;
каналы обслуживают поступившие требования в порядке освобождения;
каналы занимаются в случайном порядке.
Лекция 15-Выбор и принятие решений
Характеристика задач принятия решений
Теория принятия решений представляет собой набор понятий и систематических методов, позволяющих всесторонне анализировать проблемы выбора и принятия решений, в том числе в условиях неопределенности. Цель теории - совершенствование процесса принятия решений.
Реализация выбора и принятия решений является одной из завершающих процедур системного анализа. За данной процедурой следует внедрение результатов системных исследований. В процессе принятия решения реализуется цель системного анализа, которая была сформулирована на соответствующих этапах проведения исследований: «Выбор является действием, придающим всей деятельности целенаправленность. Именно выбор реализует подчиненность всей деятельности определенной цели или совокупности целей» [1]. Таким образом, принятие решений является обязательным, центральным этапом системных исследований. Перед реализацией процесса выбора считаются выполненными два крайне важных этапа или процедуры системных исследований - определение целей системного анализа, для достижения которых собственно и осуществляется выбор, и генерирование альтернатив, т.е. порождение множества альтернатив, на котором предстоит осуществить выбор. В этом случае принятие решений можно рассматривать как операцию над множеством альтернатив, в результате выполнения которой множество сужается до подмножества выбранных альтернатив. В идеальной ситуации подмножество должно состоять из одной альтернативы. Эта ситуация желательна, но не всегда реализуема. Итак, при выполнении процесса принятия решений осуществляется анализ альтернативных способов действия, приводящих к достижению заданных целей. Важным обстоятельством является также наличие критериев, с помощью которых осуществляется сравнение вариантов достижения целей. Задание критериев или мер эффективности позволяет определить степень, с которой заданные цели могут быть достигнуты с помощью различных способов действия. Для каждого способа действия возможные исходы описываются в единицах принятых мер эффективности.
Таким образом, для того чтобы приступить к решению задач выбора, необходимо сформировать и детально проанализировать преследуемые системными аналитиками цели, задать исходное множество альтернатив, из которых требуется выбрать наиболее предпочтительные, а также определить критерии оценки и сравнения любых альтернатив. Но даже при выполнении всех перечисленных условий проблема выбора не тривиальна и допускает существенно различающиеся подходы к своему решению. Сложность решения задач выбора обусловлена их особенностями. Рассмотрим их.
Многоцелевой характер задач системного анализа. При проведении системных исследований приходится стремиться к достижению различных частных целей. В общем случае цели могут быть противоречивы. Продвижение по пути достижения одной цели может приводить к ухудшению результатов по другим. В такой ситуации лицо, принимающее решение, неизбежно оказывается перед необходимостью выбора между противоречивыми целями.
Воздействие фактора времени. Все важные последствия принятого решения сразу не проявляются и нельзя указать конкретный момент времени, когда можно наблюдать то или иное последствие.
Наличие неформализуемых понятий. Такие понятия как добрая воля, престиж, политические действия и тому подобные часто имеют место при проведении системных исследований, в особенности при анализе социотехнических систем. Эти понятия являются неформализуе- мыми понятиями, которые существенно усложняют задачу принятия решений.
Неопределенность. Маловероятно, что в момент принятия решения, т.е. выбора альтернативного действия, будут досконально известны последствия каждой из альтернатив.
Возможность получения информации. Часто можно организовать работу по сбору информации об объекте исследования, которая может помочь в решении задачи выбора альтернативного способа действия. Однако следует учитывать, что собираемая информация всегда требует затрат средств и времени и к тому же она практически всегда обладает ограниченной достоверностью.
Динамические аспекты процесса принятия решений. После того, как некоторое решение выработано и выбрана альтернатива, может оказаться, что задача не исчерпана до конца, и потребуется принять очередное решение через определенное время. Принятое решение может способствовать одним и препятствовать другим решениям, которые будут приниматься в будущем. Важно распознать заранее такие динамические проблемы и увидеть, какие возможности могут открыться в будущем благодаря тому или иному решению.
Влияние решений на структурные звенья объекта системных исследований. Некоторая выбранная альтернатива может повлиять на работу различных структурных элементов объекта системных исследований, например коллектива исполнителей того или иного подразделения. Принятое решение может затруднять работу одних и способствовать работе других коллективов исполнителей.
Коллективное принятие решений. Часто ответственность за выбор альтернативы несет не отдельное лицо, а группа исполнителей. Фактически для определенного круга задач нельзя четко разграничить функции и ответственность лиц, принимающих решение по некоторому кругу вопросов.
Сформулированные особенности задач принятия решений позволяют подойти к их классификации. В основу классификации задач принятия решений положены следующие принципы: число лиц, принимающих решение; вид показателя эффективности; уровень определенности информации, на основании которой принимается решение; зависимость элементов модели проблемной ситуации от времени.
По признаку числа лиц, принимающих решение, различают задачи индивидуального, принимаемого одним лицом, и группового принятия решений, когда решения принимаются коллективным органом. При групповом выборе решений определяющую роль играет проблема согласования индивидуальных предпочтений членов группы. Главной задачей на этом этапе является объединение предпочтений отдельных лиц в единое мнение. Степень согласованности целей при многостороннем выборе может варьироваться от полного совпадения интересов сторон {кооперативный выбор) до их противоположности (выбор в конфликтной ситуации). Возможны также промежуточные случаи, например компромиссный выбор, коалиционный выбор, выбор в условиях нарастающего конфликта и т.д. Решение задачи объединения предпочтений отдельных лиц в единое мнение можно достичь в рамках теории экспертного оценивания.
В зависимости от вида используемого показателя эффективности задачи принятия решений подразделяются на однокритериальные и многокритериальные. Задачи с одним критерием называются скалярными, многокритериальные задачи - задачами с векторным критерием эффективности. Следует иметь в виду, что в задачах с несколькими критериями эффективности различные цели могут противоречить друг другу. Также необходимо учитывать, что критерии могут иметь как количественный, так и качественный характер.
По признаку степени определенности информации о проблемной ситуации различают задачи принятия решений с полностью заданной исходной информацией, требуемой для решения проблемы, и задачи в условиях наличия неопределенности. Задачи принятия решений в условиях определенности называются детерминированными задачами. Они характеризуются наличием полной и достоверной информации о проблемной ситуации, критериях эффективности, ограничениях и последствиях, реализующихся в процессе принятия того или иного решения.
Задачи принятия решений в условиях неопределенности характеризуются наличием стохастической и нестохастической неопределенности.
Характерная особенность задач принятия решений в условиях неопределенности заключается в том, что исход операции зависит как от стратегии, выбираемой лицом, принимающим решения, так и от неопределенных факторов, не известных лицу, принимающему решения в момент его выработки.
По признаку зависимости элементов модели проблемной ситуации от времени различают статические и динамические задачи. Элементы модели в динамических задачах зависят от функций времени, описывающих поведение динамических объектов, и тем самым значительно усложняют процедуры выработки решений.
Режим выбора может быть однократным (разовым) или повторяющимся, допускающим обучение на опыте.
Различные сочетания перечисленных вариантов и приводят к многообразным задачам выбора, которые изучены не в одинаковой степени. В зависимости от типа задач принятия решений используют различные методы выработки решения. Рассмотрим некоторые методы и подходы к решению задач выбора и принятия решений.
|
2*
Сбор данных о функционировании системы