Задача Генерация возможных альтернатив
Работа добавлена на сайт bukvasha.net: 2015-10-29Поможем написать учебную работу
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
от 25%
договор
Введение
1. Генерация возможных альтернатив
2. Задача оценки альтернатив
3. Заключение
1.
Генерация возможных альтернатив
Задача принятия решений возникает, когда присутствует несколько вариантов альтернатив для достижения заданного или желаемого результата.
При генерации параметрических альтернатив возникает две возможности: использовать абсолютно все найденные альтернативы или же только те, которые наиболее близки к проблеме. То есть при генерации альтернатив стоит выбор: использовать или нет альтернативу. Это решает именно человек по выдаваемым системой параметрам, соответствующим той или иной альтернативе.
При этом требуется выбрать наилучшую в определенном смысле альтернативу.
Общую постановку задачи принятия решений, понимаемой обычно как задачу выбора из некоторого множества, можно сформулировать следующим образом. Пусть X – множество альтернатив, Y – множество последствий (исходов, результатов). Предполагается существование причинной связи между выбором некоторой альтернативы xiÎX и наступлением соответствующего исхода yjÎY. Кроме того, предполагается наличие механизма оценки качества такого выбора – обычно оценивается качество исхода. Требуется выбрать наилучшую альтернативу, для которой соответствующий исход имеет наилучшую оценку качества.
Нетрудно видеть, что в приведенной постановке задачи складывается из двух частных задач: задачи формирования начального множества X альтернатив и задачи выбора наилучшей альтернативы.
"Лица, принимающее решение часто не осознают важности составления списка альтернатив. Совершенно очевидно, что, в конечном счете, может быть выбрана не самая лучшая альтернатива из числа рассматриваемых. В этом смысле качество выбора ограничено качеством альтернатив. Исчерпывающий список имеющихся альтернатив оказывает большую помощь при принятии решений. Принятие решений есть выбор одной из альтернатив, и составление их списка является неотъемлемой частью этого процесса. В некотором смысле составление списка альтернатив совершенно аналогично определению задачи при инженерном анализе. Когда альтернативы неопределенны, список их неполон или даже непродуман, принять решение невозможно. Однако если альтернативы четко перечислены, задача больше не является неосязаемой. Теперь мы уже имеем совершенно конкретную задачу выбора одной из перечисленных альтернатив. Составление списка альтернатив перед принятием решений в основном является творческим этапом. Здесь с успехом можно применять многое методы получения новых полезных идей".
В книге указывается, что генерацию возможных альтернатив можно реализовать посредством:
а) программной реализации аналитических моделей,
б) с использованием экспертных систем,
в) генерации сценариев путем комбинации различных операций, заданных ЛПР (лицом, принимающим решение) или взятых из базы данных,
г) и, наконец, используя подход, получивший название ситуационного управления.
В цитируемой работе отмечено, что генерации решений можно подразделить на:
· неожиданные, принципиально новые, новаторские решения, которые пока компьютер делать не в состоянии;
· решения, основывающиеся на типовых сценариях, по аналогии, на основе комбинации известных частных решений; генерация таких решений доступна вычислительной машине.
Решение проблемы генерации альтернатив предлагается делать, на основе разновидности экспертного подхода, известной как техника когнитивных карт.
Напомним, что когнитивная карта (карта познания) – это вид математической модели, представленной в виде графа и позволяющей описывать субъективное восприятие человеком или группой людей какого-либо сложного объекта, проблемы или функционирования системы. Когнитивная карта предназначена для выявления структуры причинных связей между элементами системы, сложного объекта, составляющими проблемы и т.п. и оценки последствий, происходящих под влиянием воздействия на эти элементы или изменения характера связей.
Сама методика построения и анализа когнитивных карт в рассмотрена как будто бы подробно, но самый главный, как представляется этап ее – выявление основных факторов, влияющих на решение проблемы – остается "за кадром", предполагается, по умолчанию, что он реализуется ЛПР, экспертом, или группой экспертов.
В этой связи более разработанным представляется подход, изложенный в монографии и представляющий собой следующую группу алгоритмов.
Алгоритм 1. Формирование начального множества альтернатив с помощью экспертного оценивания. В данном случае привлекаются N экспертов, действующих независимо друг от друга. Каждому эксперту предлагается составить свой список альтернатив Xj. Полученные множества альтернатив объединяются, образуя, таким образом, начальное множество альтернатив:
Алгоритм 2. Формирование начального множества альтернатив с помощью модели. Здесь предполагается, что непосредственное порождение множества X с помощью экспертов невозможно, но известен регулярный способ (модель) порождения любой альтернативы xi. Например, пусть заданы правила построения возможных расписаний авиарейсов, в то же время число всех вариантов расписаний настолько велико, что их совместный анализ эксперту провести не удается. Параметры модели заранее не известны, но могут быть найдены экспертами.
Алгоритм 2 реализуется следующей последовательностью шагов:
1) с помощью экспертизы определить числовые параметры модели;
2) используя модель, найти множество возможных альтернатив xi;
3) сформировать множество X = {xi}.
Алгоритм 3. Морфологический анализ. Морфологический метод предполагает представление каждой альтернативы в виде составных частей (компонент). Под компонентами понимаются части, на которые условно разделена альтернатива. Компонентами могут быть как некоторые измеряемые параметры, так и отдельные структурные части альтернативы. Например, в задаче выбора комплекса технических средств для создания автоматизированной системы управления альтернативу можно представить с помощью следующих компонент: тип ЭВМ, число периферийных устройств, системное устройство ввода, системное устройство вывода, математическое обеспечение.
Пусть множество возможных вариантов i-й компоненты обозначено через Хi = {хi1, хi2, ..., хiki}. Тогда множество альтернатив представимо в виде
X = Х1 ´ X2 ´ ... ´ Хn. (2)
Такое представление задает конкретную модель порождения возможных альтернатив.
Алгоритм 4. Формирование начального множества альтернатив для иерархических систем. Путь альтернативы разбиты на части, иерархически связанные межу собой. Например, допустимый план развития отрасли основан на допустимых планах предприятий, а планы предприятий – на планах цехов. Для формирования X предлагается использовать иерархическую экспертизу, которая представляет собой последовательность экспертиз, где каждая экспертиза использует результаты предыдущих.
Предлагается два способа проведения иерархической экспертизы. Первый заключается в проведении экспертизы снизу вверх. Сначала проводят экспертизы на самом низком уровне иерархии. Их результаты служат исходными данными для проведения экспертиз на следующем уровне и т.д. Применительно к планированию это означает, что сначала определяют допустимые планы цехов, на их основе формируют допустимые планы предприятий и затем планы развития отрасли.
Второй способ заключается в проведении экспертизы сверху вниз. Здесь результаты экспертизы более высокого уровня служат ограничениями при определении допустимых альтернатив более низкого уровня. Применительно к планированию сначала определяют допустимые планы развития отрасли, затем допустимые планы предприятий и допустимые планы цехов. Допустимыми для предприятия будут только такие планы, которые обеспечивают допустимость планов отрасли.
Алгоритм 5. Формирование бесконечного начального множества альтернатив. Пусть альтернативы являются точками из Еm. Тогда множества возможных допустимых альтернатив образуют некоторые области в Еm. Формирование начального множества альтернатив сводится к определению границ этих областей. Отметим, что данный алгоритм применим, только в случае, если альтернативы можно каким-то образом характеризовать количественно.
2. Анализ возможных подходов к решению поставленной проблемы. Детальное изучение рассмотренных источников позволяет установить следующее:
1) альтернативы могут быть как простыми (атомарными, неразложимыми), предполагающие только один этап управляющего действия, так и сложными, многоэтапными (или многоступенчатыми) – типа сценариев, состоящими из последовательности элементарных (атомарных) действий или этапов;
2) из предыдущего пункта следует, что для формирования начального множества альтернатив необходимо сформировать начальное множество элементарных действий, которое может, как совпадать, так и не совпадать – в случае альтернатив-сценариев – с множеством элементарных действий;
3) множество элементарных действий может быть сформировано с помощью следующих подходов:
- экспертного с индивидуальной (независимой) работой экспертов,
- экспертного с коллективной работой экспертов,
- с использованием имеющихся (электронных) хранилищ данных или баз знаний,
- с использованием литературных источников.
4) при наличии полученного каким-либо способом множества элементарных действий начальное множество альтернатив может быть сформировано:
- экспертным путем с индивидуальной (независимой) работой экспертов,
- с использованием морфологического подхода.
Достоинства и недостатки приведенных вариантов:
1) экспертные подходы, особенно при коллективной работе экспертов, как представляется, могут быть весьма продуктивными в смысле формирования максимально полного начального множества альтернатив, и это – их достоинство, но, в то же время, ограничением данных подходов может служить трудность в подборе компетентных экспертов и сложность автоматизации в проведении экспертизы;
2) использование литературных источников – процесс, не являющийся автоматизированным и достаточно медленный (продолжительный по времени); генерировать новые идеи (альтернативы) этот подход вряд ли позволит, поэтому сфера его применения – сравнительно несложные прикладные задачи;
3) комбинация использования электронных хранилищ данных и морфологического анализа, скорее всего, обеспечит формирование достаточно полного начального множества альтернатив, и в то же время поддается полной автоматизации.
2. Задача оценки альтернатив
Согласно парадигме "рациональных решений" осознанный выбор решения должен производиться только на основе сравнения по предпочтительности результатов, которые обеспечивает в операции та или иная из альтернатив. В этой связи весьма важными оказываются взаимосвязанные задачи оценки альтернатив и моделирования предпочтений ЛПР. Понятно также, что предпочтения ЛПР в отношении ценности альтернатив должны выявляться не абстрактно, а только для конкретных значений соответствующих им результатов в рассматриваемой операции. При этом задача получения результатов для оценки альтернатив имеет как бы первостепенное значение.
Итак, задача оценки альтернатив имеет главной целью получение для каждой альтернативы значений связанных с ней результатов, характеризующих интенсивность существен-в ных свойств исходов операции. Эту задачу, в принципе, нецелесообразно и не следует решать в отрыве от задачи формирования исходного множества альтернатив. В то же время из методических соображений задачу оценки альтернатив целесообразно рассматривать как самостоятельную, поскольку только так можно выявить ее особенности.
Основным средством получения новой информации для принятия решений в отношении крупномасштабных проблем все же следует считать моделирование.
Часто представители старой школы управленцев, а также люди, не слишком искушенные в вопросах моделирования, под словами "модель", "моделирование" склонны понимать лишь математические модели и процесс их создания. На самом деле, при рассмотрении этих понятий в непосредственной связи с основными задачами управления легко понять, что это далеко не так. Важно сразу получить правильные ответы на два наиболее часто поступающих и весьма характерных вопроса типа: "Для чего управленцу нужна модель?", а также "Какие и для исполнения каких функций управления следует использовать модели?"
Факторы, определяющие эффективность решений: объективные ("качество", "условия", "способы") и субъективные ("рассудительность", "инициатива", "характер", "опыт"). Предметы моделирования при разработке решений также не слишком многочисленны, если учесть особенности целей управления. Так как главной задачей управления все же является управление людьми, то ЛПР постоянно приходится что-то этим людям объяснять, чему-то их учить, как-то формировать их умения и навыки и т. п. В ходе постановок задач исполнителям, обучения подчиненных, при осуществлении контрольных функций, ЛПР очень часто приходится в упрощенном виде объяснять, воспроизводить, имитировать или форму какого-то объекта либо явления, или содержание. В зависимости от конкретной ситуации, а также для придания своим действиям большей выразительности, ЛПР может образы формы и содержания объекта представлять как в статике, так и в динамике.
Для имитации формы объекта хорошо подходят механические образы (копии, макеты и т. п.), графические ("видеомодели"), вербальные и звуковые образы ("аудиомодели"). А чтобы адекватно воспроизвести содержание объекта, помимо уже перечисленных средств ЛПР может прибегнуть или к специально построенным "мыслительным технологиям" (например, прибегнуть к фантазиям и эвристикам в ходе "мозгового штурма"), или использовать математические символы и операции над ними, т. е. построить математическую модель. Если же существо управляемого или изучаемого процесса, явления определяется тем, какие конкретно действия предпримут какие-то определенные субъекты операции, то ЛПР целесообразно назначить специальных людей выполнять в упрощенном виде главные из реальных функций тех субъектов, существенно упростить исследуемую ситуацию с сохранением ее главных черт и воспроизвести моделирование в специальной динамической форме, так называемой игровой модели. Понятно, что динамические модели предмета более информативны, даже если это касается воспроизведения его формы. Например, анимация местности с изменяющимся масштабом изображения от "птичьего полета" до "взгляда с высоты муравья" дает более выразительный образ местности, чем ее статический макет.
При разработке моделей, в ходе процесса моделирования очень важно учесть, на каком уровне иерархии управления действует пользователь. Это очень важно, если учесть, что на каждом из таких уровней свои функции, задачи, традиции, представления о "входной" и "выходной" информации. Обязательно нужно учитывать управленческий статус пользователя. Но сколько уровней рассмотреть? Оказывается, вполне достаточно рассматривать всего лишь четыре концептуальных уровня иерархии управления. В табл. 1. отображены основные типы моделей, которые целесообразно рекомендовать управленцам различного концептуального статуса. Реально на практике уровню "исполнителя" соответствует управленец категории до мелкой фирмы, уровню "администратор" — до среднего и крупного предприятия (фирмы), "руководитель основного звена отрасли" — концептуально моделирует управленца до уровня отделов и управлений министерства, а "высшее руководство" — это уровень министерства и выше.
Таблица 1.
Типы моделей, рекомендуемые управленцам различного статуса
Концептуальный уровень иерархии управления | Главные функции на концептуальном уровне иерархии управления | Рекомендуемые для использования тины моделей |
1 | 2 | 3 |
"Исполнитель" | Исполнение точно поставленных задач, детальных указаний; минимум свободы принятия решений (только в части нюансов технологии исполнения задания) | Информационно-справочные системы, оптимизационные модели, тренажеры |
"Администратор" | Руководство группой исполнителей или небольшими отделами организации, принятие решений о тактике действий, выбор способа распределения небольших объемов активных ресурсов | Информационно-справочные системы, расчетные модели, дидактические (обучающие) и развивающие модели |
"Руководитель звена отрасли" | Руководство крупной организацией, определение подробной тактики действий и элементов стратегии поведения, участие в разработке решений по стратегическим вопросам | Когнитивные и демонстрационные модели |
"Высшее руководство" | Определение политики и выбор стратегии | Концептуальные и когнитивные модели |
Техническая разработка модели проводится по общей схеме разработки решения на операцию. Начинается все с определения цели и задач моделирования. Разумеется, что это прерогатива ЛПР. Цель определяет назначения модели, задает общий характер входной и выходной информации. При этом понятно, что выходная информация по характеристикам точности, надежности и достоверности не может быть лучше входной. Что касается других показателей качества выходной информации, например полноты, содержательности, выразительности и др., то здесь связь не столь однозначна. После этого цель декомпозируют, превращая ее в набор обозримых и понятных задач моделирования. Каждая из этих задач отражает определенный элемент достижения цели с привязкой к временным и ресурсным фрагментам ее достижения, к объектам приложения усилий и исполнителям.
Затраты на разработку модели, ценность полученных результатов моделирования во многом определяются совершенством приемов разработки и использования моделей. Возможно, что главная причина, почему модели еще недостаточно используются руководителями, которые просто обязаны их применять в силу своего статуса, заключается в том, что эти ЛПР их опасаются или не понимают. Сегодня уже пора принять как аксиому, что ЛПР, для которых предназначены модели, просто обязаны принимать участие в постановке задачи и установлении главных требований по их качеству. Можно с уверенностью сказать: когда это имеет место, само применение моделей и эффект от их использования увеличиваются не менее чем вдвое.
На начальном этапе процесса моделирования используют математические модели наибольшей степени обобщения факторов, учитывающих лишь самые заметные закономерности — так называемые концептуальные модели (это самый "мелкий масштаб" исследования). Затем уточняют объект и предмет исследования и дополняют модель, внося в нее большее число факторов и измеряя их характеристики в шкалах промежуточной степени совершенства ("средний масштаб"). Наконец, когда пользователь настолько определился в объекте и предмете моделирования, что выделил конкретный элемент из реальной действительности и решил, какие именно закономерности воспроизвести во всех деталях, проводят детальное моделирование (самый "крупный масштаб" исследования) с использованием наиболее совершенных, количественных шкал. На завершающих этапах моделирования, предшествующих моменту принятия решений, целесообразно применять оптимизационные математические модели для поиска наилучших решений и игровые модели (например, учения, деловые беседы и игры, семинары, конференции, исследовательские игры и т. п.). Из-за значительных временных и организационных затрат делать это целесообразно или для проверки отдельных теоретических выводов и рекомендаций, или для отработки элементов будущего решения.
Чтобы достичь высокой эффективности процесса моделирования при столь широком охвате участников, важно обеспечить высокую интерпретируемость результатов моделирования и хода основных его этапов. Поскольку методы, используемые в аппарате ЛПР высшего концептуального уровня иерархии, в частности в аппарате Министерства финансов РФ или Министерства экономического развития и торговли РФ, как правило, просты и "старомодны", самое важное — умело довести до участников процесса моделирования его суть и основные цели. Модель должна быть оформлена в виде обозримых и понятных функциональных блоков (в пространстве, времени, в задачах). При построении основных блоков математической модели, особенно блоков ввода-вывода информации, обязательно следует учитывать уровень специальной подготовленности и статус основных пользователей. Это позволит разработчикам правильно оценить возможную реакцию пользователей. Излишне сложная модель может быть воспринята пользователями как угроза их авторитету и отвергнута ими. Вот почему для построения эффективной модели лицам, принимающим решения, и специалистам по теории принятия решений и моделированию рекомендуется работать вместе, взаимно увязывая потребности каждой стороны.
Но как быть, если даже на вопрос о приближенных исходных данных для моделирования пользователи реагируют болезненно, высказываясь приблизительно так:"... но у нас ведь нет таких данных...?" или "... кто же нам даст эти данные...?" и т. п. Здесь разработчик модели должен проявить твердость и не жалеть времени на доказательство невозможности изменить существующее положение дел иным способом, как только добыть требуемую информацию. Разработчик должен убедить ЛПР в том, что тезис об "отсутствии соответствующих данных" попросту означает, что раньше решения принимались без должного обоснования. Кроме того, научный опыт принятия решений свидетельствует о том, что если решении фигурируют данные даже на уровне догадок, .сраженные в качественных или промежуточных шкалах, то это все равно существенно лучше, чем если бы требуемые данные вовсе не учитывали.
Пользователей нередко занимает проблема доказательства адекватности, "правдивости" модели. Но на самом деле его интересует, главным образом, справедливость тех выводов и рекомендаций, к которым он придет на основе результатов моделирования. Таким образом, на самом деле управленцев волнует не справедливость самой структуры модели, а ее функциональная полезность. Такого процесса, как "испытание" правильности модели, не существует. Вместо этого разработчик в ходе создания модели должен провести серию проверок с целью укрепить свое доверие к модели. На этом основании мы рекомендуем каждому ЛПР мысленно разделить все используемые им модели на "объяснимые" и «полезные». Первые – это те, которые удовлетворяют всем необходимым для моделирования теориям, допущениям, ограничениям, и их адекватность подтверждена на практике.
Следовательно, в отношении таких моделей незачем отвечать на вопросы об их научной обоснованности и точности. Второй класс моделей — это те модели, которые менее строго, формально обоснованы, однако ЛПР имело возможность не раз убедиться в полезности использования на практике результатов моделирования на них. В любом случае ясно, что только практика может ответить на вопрос, адекватна модель или нет. Следовательно, если оценка фактической эффективности, полученная после проведения операции, показывает, что использование результатов моделирования оказалось полезным, то рекомендуем ЛПР считать такую модель адекватной целям и задачам моделирования и больше не терзаться вопросами "теоретической обоснованности и точности". Лучше уделить больше внимания вопросам представления информации по результатам моделирования. В этой задаче большую пользу может оказать изучение эффективных технологий и приемов, изложенных в специальной литературе.
Заключение.
Изложенное позволяет сделать следующий общий вывод: наиболее перспективным для формирования начального множества альтернатив является комбинированный подход, сочетающий в себе использование хранилищ данных (знаний) по какой-либо конкретной предметной области и морфологический анализ вариантов. Для реализации такого подхода необходимо:
а) развернуть работы по созданию соответствующих хранилищ данных (знаний);
б) разработать программное обеспечение для автоматизации процесса генерации альтернатив (с использованием атомарных действий из хранилищ данных и морфологического анализа и синтеза вариантов).