Бережная_Матметоды моделирования эк cистем
.pdfПроцесс установления рыночных отношений в нашей стране порождает различные виды рисковых ситуаций, более того, в рабо те предприятий риск становится необходимым и обязательным его компонентом.
Чтобы проиллюстрировать различие между ситуациями, когда приходится принимать решения в условиях риска или в условиях неопределенности, рассмотрим задачу оптимального выбора ассор тимента выпускаемой продукции.
Вусловиях риска доход Cj от реализации единицы продукции j не является фиксированной величиной. Напротив, это случайная величина, точное числовое значение которой не известно, но опи сывается с помощью функции распределения Дсу). Часть дохода cjXp определяемая продукцией у, также случайная величина, если даже значение переменной Хр определяющей уровень выпуска про дукции/, задано.
Вусловиях неопределенности функция распределения fj{c) не известна. В действительности неопределенность не означает пол ного отсутствия информации о задаче. Например, известно, что Cj может принимать пять значений, но неизвестны вероятности этих значений. Эта ситуация рассматривается как принятие решений в условиях неопределенности.
Таким образом, с точки зрения полноты исходных данных оп ределенность и неопределенность представляют два крайних слу чая, а риск определяет промежуточную ситуацию, в которой при ходится принимать решение.
Степень неинформированности данных определяет, каким об разом задача формализуется и решается.
При решении задач в условиях неопределенности внешней сре ды наиболее часто возникают две ситуации. При первой ситуации сама система препятствует принятию решений, например задача составления графика выпуска на работу подвижного состава, зани мающегося перевозкой сельхозпродукции, в зависимости от того, будет дождь или нет. В этой задаче природа будет восприниматься как «доброжелательный» противник.
Во второй ситуации возможно наличие конкуренции, когда два (или более) участника находятся в конфликте и каждый стремится как можно больше выиграть у другого (других). Эта ситуация отли чается от обычных процессов принятия решений в условиях нео пределенности тем, что лицу, принимающему решение, противо стоит мыслящий противник. Теория, в которой рассматриваются задачи принятия решений в условиях неопределенности при нали чии противника («доброжелательного» или мыслящего), известна как теория игр.
310
9.2. Принятие решений в условиях полной определенности
Математические модели исследуемых явлений или процессов могут быть заданы в виде таблиц, элементами которых являются значения частных критериев эффективности функционирования системы, вычисленные для каждой из сравниваемых стратегий при строго заданных внешних условиях. Для рассматриваемых условий принятие решений может производиться:
•по одному критерию;
•по нескольким критериям.
Пример 9.1. Одной из фирм требуется выбрать оптимальную стратегию по обеспечению нового производства оборудованием. С помощью экспериментальных наблюдений были определены зна чения частных критериев функционирования соответствующего оборудования {аф, выпускаемого тремя заводами-изготовителями. Рассмотрим данные для выбора оптимальной стратегии в условиях полной определенности (табл. 9.1).
|
|
|
|
|
|
Таблица 9.1 |
||
Варианты |
Частные критерии эффективности оборудования* |
|||||||
оборудования |
производи |
стоимость, |
энергоем |
надежность, |
||||
(стратегии, |
||||||||
тельность, |
д. е. |
|
кость. |
У- е. |
||||
решения) |
|
|||||||
д. е. |
|
|
у. е. |
|
|
|
||
Оборудование |
|
|
|
|
|
|
|
|
завода 1, |
а\х = 5 |
а,2 = 7 |
«13 = |
5 |
«14 = |
6 |
||
^1 |
||||||||
Оборудование |
|
|
|
|
|
|
|
|
завода 2, |
ац = 3 |
«22 = |
4 |
«23 = |
7 |
«24 = |
3 |
|
^2 |
||||||||
Оборудование |
|
|
|
|
|
|
|
|
завода 3, |
«31 = 4 |
Д32 = |
6 |
«33 = |
2 |
«34 = |
4 |
|
^3 |
* Значения частных критериев дань[ в условных единицах.
На основе экспертных оценок были также определены веса ча стных критериев Xpj =1,4:
Xj = 0,4; ^2 = 0,2; Л3 = 0,1; Л4 = 0,3.
Очевидно, выбор оптимальной стратегии (варианта оборудова ния) по одному критерию в данной задаче не вызывает затрудне-
311
НИИ. Например, если оценивать оборудование по надежности, то лучшим является оборудование завода 1 (стратегия Xj).
Выбор оптимального решения по комплексу нескольких крите риев (в нашем примере ~ по четырем критериям) является задачей многокритериальной.
Один из подходов к решению многокритериальных задач уп равления связан с процедурой образования обобщенной функции /} ((3/1; ац', а^у, ...; a^^j), монотонно зависящей от критериев а^; Л/2>
Д/з; •••; ^in- Данная процедура называется процедурой (методом) свер тывания критериев. Существует несколько методов свертывания, например:
•метод аддитивной оптимизации;
•метод многоцелевой оптимизации и др.
Рассмотрим подробнее метод аддитивной оптимизации.
Пусть
Fi(ay)=^Xj'ay. (9.1)
Здесь выражение (9.1) определяет аддитивный критерий опти мальности. Величины Л/ являются весовыми коэффициентами, ко торые определяют в количественной форме степень предпочтения у-го критерия по сравнению с другими критериями. Другими сло вами, коэффициенты Xj определяют важность у-го критерия опти мальности. При этом более важному критерию приписывается больший вес, а общая важность всех критериев равна единице, т. е.
ЕЛу=1, Л>0, J = ut. |
(9.2) |
Обобщенная функция цели (9.1) может быть использована для
свертывания частных критериев оптимальности, если:
•частные (локальные) критерии количественно соизмеримы по важности, т. е. каждому из них можно поставить в соответствие не которое число Хр которое численно характеризует его важность по отношению к другим критериям;
•частные критерии являются однородными (имеют одинако вую размерность; в нашем примере критерии «стоимость оборудо вания» и «производительность оборудования» в условных денеж ных единицах будут однородными).
В этом случае для решения задачи многокритериальной опти мизации оказывается справедливым применение аддитивного кри терия оптимальности.
Допустим, в примере 9.1 необходимо выбрать оптимальный ва риант оборудования по двум однородным локальным критериям:
•производительность (д. е.);
•стоимость оборудования (д. е.).
312
На основе экспертных оценок были определены весовые коэф фициенты этих двух частных критериев: Л^ = 0,667, А,2 = 0,333. Вы числим аддитивный критерий оптимальности для трех вариантов:
F^ia^j) = Л1 ^11 + ^2 «12 = 0,667 • 5 + 0,333 • 7 = 5,666; ^2(«2у) = ^1 «21 + ^2 «22 = 0>667 • 3 + 0,333 • 4 = 3,333; ^з(«3/) = '^i «31 + ^2 «32 = 0.667 • 4 + 0,333 • 6 = 4,666.
Очевидно, первый вариант оборудования по двум частным сто имостным критериям будет оптимальным, так как F^^^^ — Fi(aiJ) = = 5,666. В примере 9.1 четыре локальных критерия не однородны, т.е. имеют различные единицы измерения. В этом случае требуется нормализация критериев. Под нормализацией критериев понимает ся такая последовательность процедур, с помощью которой все критерии приводятся к единому, безразмерному масштабу измере ния. К настоящему времени разработано большое количество схем нормализации. Рассмотрим некоторые из них.
Определим максимум и минимум каждого локального крите рия, т. е.
aj'^ = max ay, / = |
l,w; |
(9.3) |
aj" = min a^p / = |
l,m. |
(9.4) |
Выделим группу критериев a^j =1,^, которые максимизируют ся при решении задачи, и группу критериев aj,J = ^ + \,п, которые минимизируются при решении задачи.
Тогда в соответствии с принципом максимальной эффективно сти нормализованные критерии определяются из следующих соот ношений:
|
л |
"4' |
J=U; |
|
|
||
|
ау=1 |
"и |
у=-^ + 1,« |
|
+ ' |
||
|
|
«У |
|
или |
А |
ау -a-j |
|
% = - Т — Г ' У=1'^; |
|||
|
ау- |
« у - « 7 |
|
|
4 -а у |
= ^ + 1, п. |
|
|
'•"4 -аУ |
|
(9.5)
(9.6)
(9.7)
(9.8)
313
Оптимальным будет тот вариант (стратегия), который обеспе чивает максимальное значение функции цели:
Fi=i^j-aij, |
i = T^, |
(9.9) |
В соответствии с принципом минимальной потери нормализо ванные критерии определяются из соотношений
% = 1 — Т ' |
^' = ^'^' |
||
|
|
^У |
|
|
""iJ |
У = ^ + Ь« |
|
^ij=—> |
|||
|
аJ |
|
|
или |
+ |
^ |
|
^ij^^i |
Г» |
> = U; |
|
|
aJ |
-aj |
|
an-a |
|
J = i + ln. |
|
aij=-{—^, |
|
||
aj |
-aj |
|
(9.10)
(9.11)
(9.12)
(9.13)
При этом оптимальным будет тот вариант (стратегия), который обеспечивает минимальное значение функции цели (9.9).
Пример 9.2.
Используя данные примера 9.1, определите оптимальную стра тегию выбора оборудования из трех возможных (т = 3) с учетом четырех локальных критериев (л = 4).
Решение
1. Определим max и min каждого локального критерия:
+ |
с |
+ п |
+ п |
+ /Г |
Oi |
= 5; ^2 |
~ 7; а^ |
= 7; ^4 |
~ 6. |
2.При решении задачи максимизируются первый (производи тельность) и четвертый (надежность) критерии, а минимизируют ся второй (стоимость оборудования) и третий (энергоемкость) кри терии.
3.Исходя из принципа максимизации эффективности, норма лизуем критерии:
314
«1
fl2i=-7 = 7 = ^'^'
«31=—----0,8, «1 ^
«4
at 6
А ^24 _ 3 _ х ;..
« 2 4 = - — - 7 - 0 , 5 ,
«4 ^
«34 _ 4 _ 2
«/2=1—7-
«2
«12=1 |
--1---0, |
|
«2 |
а22=1-:221^1_4^з.
flj |
7 7' |
аз2=1 - ^^=1 _ б^1 aj 7 ?•
315
л |
_1 |
"/3. |
|
а , 3 - 1 — - • |
|
||
|
|
а з |
|
;? |
- 1 |
^ - 1 |
1 - 1 . |
« 2 3 = 1 - ^ = 1 - 1 = 0;
;; _1 |
«33 _ , |
2 |
5 |
«33 - 1 |
- - 1 |
- |
- - - |
|
«3 |
' |
' |
4. Определим обобщенную функцию цели по каждому варианту: /•, = Л] fli, + Л2 Й12 + A3 ai3 + А4 «14 =
= 0,4-1 + 0,20+0,Ьу+ 0,3-1 = 0,729;
Г2 = ^1 ^21 "^ ^^2 ^22 "^ ^3 ^23 "^ ^4 ^24 ^
= 0,4.0,6 + 0,2.| + 0,Ь0 + 0,30,5«0,476;
^3 == ^1 ^31 + ^2 ^32 "^ ^3 ^33 "^ ^^4 ^34 =
= 0,4.0,8 + 0,2-~ + 0,1 . | + 0,3.|«0,603.
Оптимальным является первый вариант оборудования, так как f = /г, = о 729
^ max |
^ 1 |
yj,f^y- |
Рассмотренный подход к решению многокритериальных задач зачастую применяется при решении экономических задач, связан ных с оценкой качества промышленной продукции и оценкой уров ня технического совершенства технических устройств и систем по нескольким показателям.
Другим возможным методом решения многокритериальных за дач является метод последовательных уступок. Вначале критерии ранжируются и нумеруются в порядке убывания важности. Абсо лютное значение коэффициентов важности Xj на этом этапе не иг рает никакой роли. Оптимизируется первый по важности критерий fli и определяется его экстремальное значение ai. Затем назначает-
316
ся величина допустимого отклонения критерия от оптимального значения (уступка) Aaj и ищется экстремальное значение второго по важности критерия ^2» при условии, что отклонение первого от оптимального значения не превзойдет величины уступки. Затем назначается уступка для второго критерия, и задача оптимизирует ся по третьему критерию и т. д. Таким образом, многокритериаль ная задача оптимизации заменяется последовательностью однокритериальных задач. Решение каждой предыдущей задачи использу ется при решении последующих для формирования дополнитель ных условий, состоящих в ограничении на величину уступки.
9.3. Принятие решений в условиях риска
Основными критериями оценки принимаемых решений в усло виях риска являются:
•ожидаемое значение результата;
•ожидаемое значение результата в сочетании с минимизацией его дисперсии;
•известный предельный уровень результата;
•наиболее вероятное событие (исход) в будущем.
Критерий ожидаемого значения используется в случаях, когда требуется определить экстремальное значение (max или min) ре зультативного показателя (прибыль, расходы, экономические поте ри и т. д.). Применение этого критерия рассмотрим на конкретном примере, связанном с постановкой задачи проведения ремонтнопрофилактических воздействий автомобилей. Оптимальное коли чество ремонтных воздействий, определенное минимизацией сум марных затрат на заданной наработке L^ с учетом рисков пропуска отказов и выполнения лишних ТО, приравнивается к количеству ТО на указанном пробеге. Модель данной задачи является моделью вероятностного спроса на ремонты с мгновенным восстановлени ем. Здесь минимизируются суммарные издержки за пробег L^, ко торые определяются затратами на плановый ремонт S^, профилак тику SjQ и незапланированный аварийный ремонт S^, рассматри ваемый как штраф за пропуск отказа:
^ = ^р + ^TD + ^ш -^ ™п. |
(9.14) |
Составляющие суммарных затрат формулы (9.14) зависят от ко личества ремонтно-профилактических операций за наработку Z^, определяемых по формуле
/1 = А . , |
(9.15) |
где LOT — наработка до отказа.
317
Наработка до отказа — величина случайная, определяемая плот ностью распределения Д/^от), L^^ < L^. В силу случайности L^j, ве личина п также будет случайной с плотностью распределения
^w^vl-4^] (9.16)
Используя Дл) как весовую функцию и выражая составляющие суммарных затрат через соответствующие стоимости из (9.14), по лучим
Лр |
оо |
|
^ = Ср«р + J Сто(«р -n)f(n)dn |
+1 C^(n-njf(n)dn-^mm, |
(9.17) |
где С, — средняя стоимость предупредительного (планового) ремонта; Сто ~ средняя стоимость профилактики (или убыток от недоиспользо
вания ресурса замененных при ТО деталей); Сц, - ущерб (штраф) от пропуска отказа (или стоимость устранения
аварийного отказа). Очевидно, Сщ > CJQ,
Интеграл (9.16) в пределах [О, п^] соответствует риску выполне ния лишних ТО (избыточность затрат на ТО), а интеграл в преде лах [Alp, оо] - риску пропуска аварийных отказов (избыточность за трат на ТР по потребности). Из уравнения (9.17) находим опти мальное количество ремонтов п^ на пробеге L^ (обычно L^ — про бег до КР). Далее, заменяя необходимые ремонты обслуживаниями, при которых выполняется комплекс операций по предупреждению отказов, включая предупредительные замены деталей, получим
^то ~ ^к/ ^р |
(9.18) |
Пример 9.3. Определить оптимальную периодичность ТО (у. е.) при 1^ = 200 тыс. км, Сщ = 69, Ср = 24, C^Q = 15, если наработки до отказа имеют нормальное распределение с параметрами LQJ = = 20 тыс. км и а^ = 5 тыс. км.
/Кт) = - |
1 |
-г |
\2 |
ехр -0,5 |
(9.19) |
||
^1 |
л/2я |
|
|
Решение
Выполнив преобразование распределения (9.19) по формуле (9.15), получим (п > 1):
318
(и |
'ОТ |
Яп). tp-ol л/2л exp -0,5 |
(9.20) |
После подстановки выражения (9.20) в (9.17) получим задачу оптимизации, для решения которой воспользуемся математичес ким пакетом EUREKA.
Решая задачу, получим оптимальную периодичность LJQ ~ ^^'^ тыс. км при Лр = 13,08, которая обеспечивает минимальные сум марные издержки S.
Критерий ожидаемого значения позволяет получить достовер ные оценки в случае, когда одно и то же решение приходится при нимать достаточно большое число раз, так как замена математиче ского ожидания выборочными данными правомерна лишь при большом объеме выборки.
Если необходимость в принятии решения встречается редко, то выборочное значение может значительно отличаться от математи ческого ожидания, а применение критерия ожидаемых значений может приводить к ошибочным результатам. В таких случаях реко мендуется применять критерий ожидаемого значения в сочетании с минимизацией его дисперсии, что приближает выборочное значение к математическому ожиданию. Критерий принимает следующий вид:
\M{X)^K^D{X)~^mm
где X — случайная величина (например, суммарные издержки); D(X) — дисперсия этой величины;
К— заданная постоянная.
Постоянную К иногда интерпретируют как уровень несклонно сти к риску Считается, что К определяет «степень важности» дис персии D{X) по отношению к М(Х). Например, предприниматель, особенно остро реагирующий на большие отрицательные отклоне ния прибыли вниз от М(Х), может выбрать iST много больше едини цы. Это придает больший вес дисперсии и приводит к решению, уменьшающему большие потери прибыли.
Критерий предельного уровня не позволяет получить оптималь ное решение, найти максимум прибыли и минимум расходов. Этот критерий дает возможность определить приемлемый (допустимый) способ действий. Например, транспортная фирма распродает авто мобили, бывшие в эксплуатации. По каждой модели автомобиля определенного возраста определяется лимитная цена, т. е. мини-
319