- •Системный анализ и моделирование процессов в техносфере
- •1.1. Понятие системы. Базовые категории систем
- •1.2. Классификация систем
- •1.3. Общее представление о системном анализе
- •1.4. Принципы системного анализа
- •2.1. Этапы анализа и синтеза
- •2.2. Понятие о структурном анализе
- •2.3. Методы декомпозиции
- •2.4. Требования, предъявляемые к декомпозиции
- •2.5. Алгоритм декомпозиции
- •2.5. Программно-целевой подход к решению системных задач
- •1. Область применения и этапы программно-целевого подхода
- •2. Дерево целей
- •3.1. Агрегирование системы и эмерджентность
- •3.2. Виды связей в системе
- •Связи взаимодействия (координации):
- •Связи преобразования:
- •3.3. Виды агрегирования
- •4.1. Общие свойства процесса принятия решений
- •4.2. Участники процесса принятия решения
- •4.3. Схема ппр
- •4.4. Формулирование проблемы
- •4.5. Определение целей
- •4.6. Генерирование альтернатив
- •4.7. Формирование критериев
- •4.8. Физиология принятия решений
- •4.9. Виды и особенности задач принятия решений
- •4.10. Формализация принятия решений
- •Лекция 5. Информационное обеспечение ппр
- •5.1. Понятие информации
- •5.2. Информационная структура процесса принятия решений
- •6.1. Особенности группового выбора
- •6.2. Экспертные методы выбора
- •6.3. Методы типа мозговой атаки или коллективной генерации идей
- •6.4. Методы типа сценариев
- •6.5. Методы типа «Делфи»
- •6.6. Методы типа дерева целей
- •6.7. Морфологические методы
- •7.1 Основные положения теории управления
- •7.2 Аксиомы теории управления
- •7.3 Модели основных функций организационно-технического управления
- •7.4 Описание функций управления
- •Лекция 8. Понятие и классификация моделей
- •8.1 Понятие модели, моделирования
- •8.2 Познавательные и прагматические модели
- •8.3 Статические и динамические модели
- •8.4 Классификация моделей по способу воплощения
- •8.5 Место математического моделирования в системных исследованиях
- •8.6 Типы и виды математических моделей
- •8.7 Процесс построения математической модели
- •8.8 Структура моделирования происшествий в техносфере
- •9.1 Конфликт ‒ предмет рассмотрения теории игр
- •9.2 Понятие игры. Классификация игр. Формальное представление игр
- •9.3 Определение бескоалиционной игры
- •9.4 Приемлемые ситуации и ситуации равновесия
- •9.5 Примеры игровых задач
- •10.1 Граф и его виды
- •10.2 Задача о кратчайшем пути
- •10.3 Задача о максимальном потоке
- •11.1 Поверхность отклика
- •11.2 Этапы планирования эксперимента
- •11.3 Обработка и анализ результатов моделирования
- •12.1 Полный факторный эксперимент
- •12.2 Дробный факторный эксперимент
- •12.3 Метод наименьших квадратов
- •13.1 Основная цель кластерного анализа
- •13.2 Объединение (древовидная кластеризация)
- •13.3 Двувходовое объединение
- •13.4 Метод k средних
- •13.5 Алгоритм нечеткой кластеризации
- •14.1 Понятие когнитивного моделирования
- •14.2 Подсистема представления субъективной информации
- •14.3 Подсистема извлечения предпочтений эксперта
- •14.4 Подсистема обработки
- •14.5 Подсистема представления результатов моделирования
- •14.6 Подсистема поддержки аналитической деятельности эксперта
- •14.7 Моделирование бизнес процессов на основе bpmn-диаграмм
- •14.8 Метод анализа иерархий (маи): введение
- •14.9 Основные принципы маи
- •1. Принцип идентичности и декомпозиции
- •2. Принцип дискриминации и сравнительных суждений
- •3. Принцип синтеза
- •14.10 Общая оценка маи как метода принятия решений
- •15.1 Общий ход решения задачи на основе метода конечных элементов
- •15.2 Сети одномерных конечных элементов
- •15.3 Виды конечных элементов
- •16.1 Основные понятия
- •16.2 Приближенное решение оду при заданных начальных условиях
- •16.3 Метод Эйлера и его модификации
- •16.4 Метод Рунге-Кутта
- •16.5 Приближенное решение ду n-го порядка при заданных начальных условиях
- •16.6 Приближенное решение ду при заданных граничных условиях (краевых задач)
- •16.6.1 Метод начальных параметров
- •16.6.2 Редукция к задаче Коши для линейного ду второго порядка
- •17.1 Основные понятия
- •17.2 Типы элементов
- •17.3 Источники энергии и преобразователи. Аналоги топологических уравнений
- •17.4 Метод получения топологических уравнений
- •18.1 Свойства задач принятия решения со многими критериями
- •18.2. Формирование множества критериев
- •18.3 Методология решения многокритериальных задач
- •18.4 Технологии отыскания эффективных решений
- •18.5 Методы принятия решения при нескольких критериях
5.2. Информационная структура процесса принятия решений
Информацию принято характеризировать с количественной и качественной стороны. Количество информации определяется как мера уменьшения неопределенности некоторой ситуации вследствие того, что становится известным исход другой ситуации.
Качество информации характеризуется такими свойствами, как:
точность,
полнота,
достоверность (надежность),
однозначность,
согласованность и т.п.
К сожалению, в сложных больших системах приходится сталкиваться с ситуацией, когда имеющаяся информация инедостаточна либо неточна (недостоверна).
В этом случае говорят о ее неполноте или нечеткости. Таким образом, понятие информации оказывается тесно связанным с понятиями энтропия, разнообразние, ограничения.
Энтропия определяется как мера неопределенности случайной ситуации, т.е. энтропия и количество инфорации являются взаимодополнительными понятиями. Винер выразил это следующими словами: «Как количество информации в системе есть мера организованности системы, точно так же энтропия – мера дезорганизованности системы. Одно равно другому, взятому с обратным знаком». Двойственность этиих понятий можно проиллюстрировать рис. 3.
Рис. 3. Информация противодействует тенденциям системы к дезорганизации и возрастанию энтропии
Будем оценивать информацию с точки зрения ее количества, которое обозначим как I и неопределенности (энтропии), которую будем обозначать как E.
Принимаемое решение характеризуется числом параметров n и шириной интервала lj, в котором может меняться каждый параметр (j=1, 2, …, n). Введем понятие количества альтернатив в каждом интервале (от него зависит свобода выбора):
где δj – точность решения по j-му параметру.
Так, в нашем примере с переходом автомагистрали выбор пешехода характеризуется двумя параметрами (n=2):
скорость движения;
направление движения.
Очевидно, что скорость может меняться примерно от 0 до 10 км/час, т.е. l1=[0, 10]. Будем считать, что в этом интервале у пешехода четыре альтернативы (N1=4): стоять на месте, переходить дорогу очень медленно, в нормальном ритме, бегом. При этом δ1=3 км/час.
Энтропия принимаемого решения определяется по формуле:
где – вероятность, что j-й параметр при нашем выборе попадет в интервал kj из отрезка lj.
Для случая равномерного распределения вероятности предыдущая формула упрощается и принимает вид:
Чем шире исходный интервал lj, тем неопределенность больше. Зависимость энтропии от количества информации имеет вид (рис. 4):
Iп – пороговый объем информации;
Iпр – информация, необходимая для ПР;
dI = Iпр – Iп – приращение информации
Рис. 4. Связь энтропии и информации при ПР
При практическом отсутствии информации, когда I<Iп (Iп – пороговый объем информации) решение принимать не имеет смысла – сделать правильный выбор невозможно. Начиная с некоторого объема информации Iпр, дальнейшее затягивание с ПР особого смысла не имеет, т.к. надеяться на существенное снижение неопределенности не приходится. Из рис. 3 также можно сделать вывод, что приращение информации dI = Iпр – Iп особенно эффективно на начальных этапах снижения неопределенности.
Анализируя сказанное, можно сформулировать так называемый принцип минимальной заблаговременности, который целесообразно использовать в некоторых ситуациях: оттягивание решения целесообразно до момента, за которым собственно ППР теряет смысл.
На этом принципе основано поведение не очень уверенного в своих силах абитуриента, подающего документы для поступления в университет. Только в последней день работы приемной комиссии он определяется с выбором специальности, тщательно анализируя любую информацию, которая хотя бы незначительно указывает на специальности с наименьшим конкурсом.
Литература:
1. Попов Г.В. Выбор решений и безопасность: Учеб. пособие / Иван. гос. энерг. ун-т. – Иваново. 2003. – 92 с.
Лекция 6. Неформальные методы принятия решений