Про оптимізацію класичну та системну
The disadvantages of the theory of classic optimization are considered in comparison with the theory of system optimization. Pictures of optimization are specified.
Збережено в:
| Дата: | 2008 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2008
|
| Онлайн доступ: | https://journal.iasa.kpi.ua/article/view/108561 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
| Завантажити файл: |  |
Репозитарії
System research and information technologies| _version_ | 1866302063459172352 |
|---|---|
| author | Yatskevich, V. V. |
| author_facet | Yatskevich, V. V. |
| author_sort | Yatskevich, V. V. |
| baseUrl_str | http://journal.iasa.kpi.ua/oai |
| collection | OJS |
| datestamp_date | 2018-04-11T11:14:25Z |
| description | The disadvantages of the theory of classic optimization are considered in comparison with the theory of system optimization. Pictures of optimization are specified. |
| first_indexed | 2025-07-17T10:22:50Z |
| format | Article |
| fulltext |
© В.В. Яцкевич, 2008
Системні дослідження та інформаційні технології, 2008, № 4 111
TIДC
МЕТОДИ ОПТИМІЗАЦІЇ, ОПТИМАЛЬНЕ
УПРАВЛІННЯ І ТЕОРІЯ ІГОР
УДК 001.57:62-52
ОБ ОПТИМИЗАЦИИ КЛАССИЧЕСКОЙ И СИСТЕМНОЙ
В.В. ЯЦКЕВИЧ
Рассматриваются недостатки теории классической оптимизации. Проводится
ее анализ в сравнении с теорией системной оптимизации. Уточняются пред-
ставления об оптимизации.
Вся наша деятельность в значительной степени состоит из актов, которые
обозначаются терминами «выбор» и «принятие решения». Эти термины не
являются синонимами. Первый выражает формальный аспект, второй —
содержательный. В частном случае акт выбора может быть осуществлен
случайным образом без привлечения сознания. Принятие решения — тоже
выбор, но осознанный, подчиненный цели и учитывающий перспективу.
Именно этот аспект выбора представляет наибольший интерес, поскольку с
ним связывается представление о рациональном поведении. Здесь решается
некоторая проблема, и выбираемые точки принято называть альтернатива-
ми. Обобщенным результатом выбора (или принятия решения) является
преодоление (снятие) некоторой неопределенности.
Классический подход к решению проблемы выбора имеет в своей ос-
нове предположение о существовании «наилучшего решения» в экстре-
мальном значении. В строгом смысле данный подход имеет принципиально
неустранимое противоречие, состоящее в следующем. С одной стороны, мы
не можем не выбирать, причем без предположения о существовании наи-
лучшего варианта процесс выбора лишен смысла. Но с другой — есть осно-
вания полагать, что наилучший выбор невозможен в принципе [1, 2].
В реальности данное противоречие преодолевается волевым актом субъекта,
принимающего решение.
В зависимости от условий выбор может быть случайным, обоснован-
ным или рациональным. В любом случае его результат состоит в снятии не-
определенности. Выбор случайный, если он не подчинен какой-либо цели
или соответствующая цель состоит только в снятии неопределенности. Вы-
бор обоснованный (осмысленный, допустимый), если он подчинен содержа-
тельной цели. Последняя задается критерием или совокупностью критериев,
отражающих отношение к жизненно важным факторам. В этом случае он
называется «принятие решения». Выбор рациональный, если он представля-
ет собой компромисс в условиях противоречий. Очевидно, рациональный
выбор будет и обоснованным.
В.В. Яцкевич
ISSN 1681–6048 System Research & Information Technologies, 2008, № 4 112
С формальной точки зрения выбор осуществляется механизмом безраз-
лично какой природы, отчужденно извлекающим точку из некоторого мно-
жества, не зная критериев. Всякий такой акт формально можно представить,
используя аксиому выбора.
Далее покажем, что всякая проблема выбора связана с неопределенно-
стью, которая априори не может быть устранена до конца. В кибернетике
выбор трактуется как снятие неопределенности посредством получения ин-
формации. До выбора состояние характеризуется полной мерой неопреде-
ленности. После выбора возникает состояние полной определенности.
ПРИНЦИП НЕОПРЕДЕЛЕННОСТИ И ЕГО ОБОБЩЕНИЕ
В реальности всякая неопределеность — это, прежде всего, неопределен-
ность отношения, а в частности, состояния или значения. С точки зрения
принятия решения это дает о себе знать как недостаток информации. В этих
условиях акт выбора обоснованно не может быть осуществлен. И напро-
тив — завершение выбора является последним моментом преодоления не-
определенности, источником которой чаще всего бывают те или иные объ-
ективные условия. Перечислим вкратце наиболее известные из них.
Случай 1. Неопределенность Гейзенберга. Утверждается, что всегда
существует неопределенность относительно парных параметров электрона
(или иной микрочастицы), выражаемая соотношениями
txFtEpx ∆∆=∆∆=∆∆ ,
где x∆ — неточность по координате; p∆ — по импульсу; E∆ — по энер-
гии; t∆ — по времени; F — сила; h — наименьшее значение величины
действия (константа Макса Планка). Интерпретацию данного соотношения
можно найти во многих работах по физике. Для настоящего исследования
система «электрон» представляет собой случай отсутствия оптимального
состояния в классическом смысле. Вариационные принципы здесь не рабо-
тают, в связи с чем уместно вспомнить высказывание Л.Д. Ландау: «В тео-
рии сильных взаимодействий принцип Гамильтона мертв, и его нужно по-
хоронить с почестями, учтя исторические заслуги». Имеющаяся здесь
неопределенность (как и в описываемых ниже случаях) состоит в безраз-
личном взаимном отношении величин, находящихся в отношении взаимной
дополнительности. Т.е. с соблюдением условия записанной формулы они
могут принимать абсолютно независимые значения. При этом связанный с
ними качественный результат будет оставаться одним и тем же.
Важно подчеркнуть, что приведенная выше формула относится к усло-
виям микромира только в том случае, если сила F достаточно мала. В мак-
ромире эти соотношения выполняются и подавно, поскольку постоянная h
весьма мала, т. е. эти формулы верны во всех пространственно-временных
масштабах.
Здесь и далее произведения составляют взаимно дополнительные вели-
чины.
Случай 2. Предположим, что передается некоторое сообщение по ка-
налу связи, представляющему собой упругую среду. Известно, что возму-
Об оптимизации классической и системной
Системні дослідження та інформаційні технології, 2008, № 4 113
щение упругой среды описывается уравнением в частных производных ги-
перболического типа. Решением этого уравнения являются ряды гармоник,
бесконечные по пространству, частоте и по времени. Иными словами, со-
общение на приемном конце канала связи бесконечно во времени и имеет
бесконечный частотный спектр. В связи с этим
∞=∆∆ Tω ,
где ω∆ — ширина частотного спектра; T∆ — отрезок времени. В теории
информации доказывается, что для сообщения фиксированной длины эти
сомножители находятся во взаимно обратной зависимости, которая на языке
математики выражается теоремой Котельникова. По крайней мере, один из
сомножителей равен бесконечности. Таким образом, имеем соотношение,
аналогичное соотношению Гейзенберга,
CT >∆∆ω .
Здесь C константа, зависящая от длины сообщения.
На основе теоремы Котельникова можно показать, что рассматривае-
мые соотношения аналогичны соотношениям приведенного выше принци-
па: если один из сомножителей имеет конечное значение, то другой обяза-
тельно бесконечен.
Случай 3. Рассмотрим оптимизацию гладкой унимодальной функции с
помощью итеративной процедуры, работающей по следующей схеме. Нахо-
дясь в некоторой точке пространства на расстоянии x∆ до точки экстрему-
ма, она производит исследование с целью определения направления движе-
ния и поэтому вырабатывает информацию I∆ , зависящую от x∆ . Затем
совершается очередной шаг, длина которого изменяется в зависимости от
номера итерации. Тогда
)0(;)(lim →∆∞=∆∆∆ xxIx ,
поскольку приближаясь к точке экстремума, объем вычислений (а значит, и
количество необходимой информации) экспоненциально возрастает. В виде
итерационного процесса это можно записать так:
CiIix >∆∆ ,
где i — номер шага; C — произвольное число больше нуля. Для любого
его значения существует такой номер шага, после которого будет выпол-
няться соотношение, аналогичное соотношению Гейзенберга.
Случай 4. Предположим, что в Парето-множестве заданы две точки,
расстояние между которыми x∆ . Предстоит совершить обоснованный вы-
бор одной из этих точек. Чтобы это было возможно, необходимо получить
объем информации I∆ . Поскольку по условию обе точки находятся в Паре-
то-множестве, то ∞=∆I , что позволяет записать соотношение неопреде-
ленности, аналогичное соотношению Гейзенберга,
.CIx >∆∆
В.В. Яцкевич
ISSN 1681–6048 System Research & Information Technologies, 2008, № 4 114
Более детально эти условия рассмотрены в работах [1, 2].
Естественные науки могут представить нашему вниманию бесчислен-
ное множество случаев принципиально неустранимой неопределенности.
Например, в биологии каждый поддающийся измерению параметр имеет
интервал допустимости, который является интервалом неопределенности и
безразличия. Внутри этого интервала любое изменение параметра не приво-
дит ни к каким последствиям. В любой момент времени параметр имеет
конкретное значение, но нельзя сказать, что внутри интервала был осущест-
влен обоснованный выбор, обусловленный какой-либо необходимостью.
Никаких экстремумов биология не знает, поскольку они не определяют ка-
кого-либо существенного отношения.
Об интервалах безразличия пишет Н. Винер в книге «Кибернетика», а
также У.Росс Эшби в книге «Конструирование мозга».
Обобщая рассмотренные случаи, можно сделать следующие выводы: 1)
объективная и принципиально неустранимая неопределенность существует
не только в микромире (как утверждает принцип Гейзенберга), но и в любом
масштабе, в любом измерении; 2) по этой причине выбор «наилучшим обра-
зом» не может быть осуществлен в принципе. Классический подход к реше-
нию проблемы выбора в строгом смысле не имеет основаня.
О НЕДОСТАТКАХ КЛАССИЧЕСКОЙ ОПТИМИЗАЦИИ
С практической точки зрения имеет смысл обоснованный выбор (а не «наи-
лучший»), т. е. выбор, отражающий корректно сформулированную цель
(существенное отношение). С учетом рассмотренных выше положений цель
не может быть выражена корректно, если в ее определении содержится ка-
кая-либо экстремизация, поскольку последняя порождает неопределенность.
Существенное отношение может состоять в экстремизации только для слу-
чая простейших механических систем.
Таким образом, классическая оптимизация как методология принятия
решения представляется весьма слабым и ненадежным средством. Ниже
приводится краткий перечень некоторых ее недостатков, которые традици-
онно считаются несущественными.
1. Нетрудно видеть, что экстремум существует лишь как абстракция,
как результат специфических условий, которые оптимизаторы предполага-
ют без всяких оснований. Исчерпывающе данный вопрос решается теоре-
мой Вейерштрасса, утверждающей, что непрерывная функция на компакте
имеет максимальное и минимальное значения. Если же эти условия не вы-
полняются, то в общем случае о существовании минимума или максимума
ничего сказать нельзя. Например, устойчивые структуры в микромире под-
чиняются совершенно иным условиям оптимальности. Любой организм яв-
ляется образцом рациональности, но не оптимальности в классическом
смысле. То же можно сказать и об экономике. Всякий измеримый параметр
реальной системы имеет интервал допустимости, который является интер-
валом безразличия и неопределенности. Т. е. классического экстремума да-
же для не очень сложных систем не существует.
Об оптимизации классической и системной
Системні дослідження та інформаційні технології, 2008, № 4 115
2. Всякое экстремальное значение случайно, поскольку оно не преду-
смотрено постановкой задачи, не содержится в цели. В связи с этим, опти-
мизируя в классическом смысле, мы получаем случайный результат, что
противоречит представлению о целесообразной деятельности. Всякая ре-
альная потребность конкретна. Максимальное же может быть меньше этой
потребности, а минимальное — больше. Иными словами, классический под-
ход в сущности ничего не гарантирует. Если он и имеет положительный эф-
фект, то лишь в локальной области. В глобальном плане он всегда чреват
неожиданностью и даже катастрофой. Поэтому постановку задачи оптими-
зации в классическом варианте нельзя считать корректной.
3. Никакая реальная потребность не выражается отношением экстре-
мальности.
4. Наличие какой-либо неограниченности (экстремизации) в постанов-
ке цели делает ее неопределенной. При этом исчезают ориентация на цель и
естественное представление о конечном результате.
5. Классический подход исключает противоречия, а значит, и самое
существенное. Поэтому его нельзя считать адекватным действительности,
что может привести к результатам, не совместимым с исходными представ-
лениями и ожидаемыми результатами.
6. Понятие «оптимальное решение» в классическом смысле для случая
многих критериев определения не имеет. А поэтому остается без определе-
ния и термин «многокритериальная оптимизация». Парето-условие пред-
ставляет собой абстракцию, которая не всегда совместима с поиском ком-
промисса. На практике часто приходится искать решение за пределами
Парето-множества.
Подход к проблеме оптимального выбора, названный В.М. Глушковым
«системная оптимизация», свободен от всех этих недостатков [3].
ПРИНЦИП ВНЕШНЕГО ДОПОЛНЕНИЯ
В формальном аспекте принятое решение означает преодоление неопреде-
ленности. Практически, если для принятия решения имеющейся информа-
ции недостаточно, то вводят дополнительные условия, которых нет в исход-
ной постановке задачи. Наиболее часто они имеют форму «дополнительных
условий» или «дополнительных ограничений». При этом некоторая неопре-
деленность остается всегда, но, как правило, ее область составляют несуще-
ственные значения тех или иных факторов. Этот искусственный прием на-
зывается «внешнее дополнение».
Рассмотрим пример.
Задача: некоторое множество одинаковых палочек (допустим, спичек)
расположено «солнышком», т. е. радиально, на одинаковом расстоянии от
центра и на одинаковом угловом расстоянии друг от друга. Требуется пере-
считать их. Компьютер решить эту задачу не в состоянии, так как проблема
«буриданова осла» для него неразрешима. В то же время любой ребенок,
едва научившийся считать, справляется с ней без малейших затруднений.
Являясь субъектом воли, он произвольным актом «разрывает круг», разру-
шает симметрию и тем самым кладет ограничение рефлексии (которая бес-
конечна), а далее все просто.
В.В. Яцкевич
ISSN 1681–6048 System Research & Information Technologies, 2008, № 4 116
Соответствующее обобщение известно как «принцип внешнего допол-
нения», который ввел Д. Габор. Систематически этот принцип начал приме-
няться в теории эвристической самоорганизации А.Г. Ивахненко и в темати-
ке «принятие решений в условиях неопределенности».
Внешнее дополнение может принимать различные формы. Часто оно
представляет собой гипотезу, предположение или иную дополнительную
информацию. Его источником в общем случае является внешняя система
(обобщенно — «среда»), не имеющая отношения с данной системой, тре-
бующей принятия решения. Практически его источником может быть субъ-
ект, решающий данную проблему. Его волевой акт, как правило, состоит в
том, что он, выражая предпочтение, расставляет акценты, благодаря чему
возникает упорядоченность альтернатив и наиболее существенные из них
оказываются на первом месте. Иными словами, он формулирует такие необ-
ходимые и достаточные дополнительные (по отношению к проблеме) усло-
вия, в свете которых неопределенность остается лишь в сфере несуществен-
ного. В результате этого проблема выбора переводится из класса
неразрешимых в класс тривиальных.
Подчеркнем, что внешнее дополнение не может быть синтезировано
(или выведено) на основе только данных, содержащихся внутри системы.
Оно имеет все свойства аксиомы или эвристики, не имеет основания и ниот-
куда не следует. По существу оно является тем же самым дополнением, о
котором идет речь в теореме Курта Геделя о неполноте.
Например, проблема генерации случайных чисел из бесконечного ин-
тервала не может быть решена в принципе. Но проблема генерации из за-
данного интервала чисел имеет бесчисленное множество решений. Здесь
внешнее дополнение имеет форму ограничения.
В задачах принятия решений в условиях неопределенности (или риска)
обычно выдвигается предположение относительно закона распределения
величины, о которой нет информации. Например, может рассматриваться
неопределенность относительно потерь, зависящих от принимаемого реше-
ния Uu∈ и от параметра Qq∈ , значение которого заранее не известно.
Моментов неопределенности здесь несколько. Зависимость потерь от при-
нимаемого решения и параметра обычно выражается в виде некоторой
функции ),( quL , которая конструируется с существенным произволом.
Множество значений параметра Q обычно достоверно не известно, как не
известна и функция распределения вероятности на нем. Тогда среднюю ве-
личину потерь, часто выражаемую интегралом
∫=
Q
dqpquLuz )(),()( ,
нужно минимизировать путем выбора решения
)(inf uz
Uu ∈
.
Таким образом, в конечном итоге неопределенность в значительной
степени сохраняется. Роль внешнего дополнения здесь выполняют конкрет-
ные предположения и конкретные функциональные зависимости, которые
принципиально не могут быть строго обоснованы. Они постулируются, яв-
Об оптимизации классической и системной
Системні дослідження та інформаційні технології, 2008, № 4 117
ляются эвристиками. Содержательным результатом данного подхода явля-
ется модель, процедура, позволяющая осуществить принятие решения в
принципе.
Иными словами, прежде чем выбирать что-либо, необходимо коррект-
но сформулировать цель и выразить желание. Именно об этом писали
Н. Винер и В.М. Глушков [3].
ПРИНЯТИЕ РЕШЕНИЙ НА ОСНОВЕ СИСТЕМНОЙ ОПТИМИЗАЦИИ
С позиций системной оптимизации оптимальное решение — это решение,
удовлетворяющее наперед заданным условиям. В частности, если эти усло-
вия содержат экстремизацию, то имеет место классический подход.
Определяя концепцию новой методологии принятия решения,
В.М. Глушков исходит из того, что решаемая проблема порождена практи-
ческой деятельностью и имеет целевую установку. Предполагается также,
что последняя учитывает множество факторов, т. е. является многокритери-
альной. Иными словами, осуществляется выбор (принятие решения) с неко-
торой целью, отражающей конечный список факторов. К числу таких про-
блем относятся задачи проектирования, планирования, управления
ресурсами, глобализации.
Начальный этап этой методологии заключается в составлении множе-
ства всевозможных фактороф F , имеющих значение для жизнедеятельно-
сти, и затем — списка (подмножества) FF ⊂∗ наиболее важных из них,
определяющих собой L существенных отношений. Далее необходимо каж-
дое из них выразить формально в виде функционального критерия
,,...,2,1),( Llxfy ll ==
который каждому решению Xx∈ ставит в соответствие числовое значение.
Тогда совокупность критериальных значений образует вектор
),,...,,( 21 Lyyyy =
где L — количество критериев в списке.
«Процесс решения начинается с того, что в заданном [критериями]
пространстве … выбирается некоторая точка — желательное решение зада-
чи» [3, с. 89]. Иначе говоря, эта точка
),,,( **
2
*
1
*
Lyyyy …=
является желаемым образом. Фиксация «желательного решения» представ-
ляет собой формальную постановку цели. Такому образу должен быть по-
ставлен в соответствие прообраз в пространстве инструментальных пере-
менных
Xxxxx N ∈= ),,,( **
2
*
1
* … .
На этом постановку задачи системной оптимизации в первом прибли-
жении можно считать завершенной, посколку в дальнейшем все описанные
выше условия могут быть изменены или дополнены. В этом смысле поста-
В.В. Яцкевич
ISSN 1681–6048 System Research & Information Technologies, 2008, № 4 118
новка задачи является открытой. Заметим, что фиксация «желательного ре-
шения» исключает экстремизацию.
Нетрудно видеть, что данная формулировка является предельно
жесткой. Цель оптимизации здесь состоит в том, чтобы выбрать такое
«желательное решение» *y , для которого в пространстве инструменталь-
ных переменных существовало бы решение *x , обеспечивающее строгое
равенство ** )( ll yxf = для всех значений индекса Ll ,...,2,1= . Именно в
этом смысле употреблен термин «жесткая формулировка».
Менее жесткая постановка задачи предусматривает задание цели опти-
мизации в виде некоторой окрестности «желательного решения»
),( * rySS = , т. е. в виде множества точек, «близких» к указанному образу,
где 0>r — некоторый радиус. Обозначим XSxyxX ⊆∈= })(:{* множе-
ство точек в пространстве независимых переменных, которое в данном слу-
чае выступает в качестве области допустимости. Поскольку она может из-
меняться в процессе решения задачи или быть пустой, будем называть ее
областью условной допустимости.
Если *X не пусто, то все критерии (требования), оставаясь чуждыми
по отношению друг к другу, являются удовлетворенными, а задача оптими-
зации решенной. Но центральная проблема состоит в том, что не для всяко-
го *y существует прообраз, все критерии не всегда могут быть удовлетворе-
ны одновременно. Наиболее часто область *X бывает пустой, а критерии
находятся в отношении противоречия, взаимодействуют друг с другом, об-
разуя сложные системы в зависимости от вектора *y . Именно этим опреде-
лен термин «системная оптимизация».
«… допустимая область … может меняться в процессе оптимизации»
[3, с. 89]. Тогда, варьируя величиной радиуса 0>r или переходя к другой
точке *y , можно добиться выполнения условия *Xx∈ . Если ограничение
на длину радиуса не задано, то, очевидно, такое условие практически всегда
достижимо.
Еще менее жесткая постановка задачи предписывает трактовать вектор
*y как предельно допустимые значения для всего списка критериев
*)( ll yxf ≤ ; Ll ,...,2,1= .
Цель синтеза может быть задана также в виде отрезков допустимости
по каждому критерию.
Вероятно, могут быть предложены и другие варианты постановки зада-
чи оптимизации в системном смысле.
Обобщенный алгоритм решения этой проблемы состоит в переборе
«желательных решений». Соответствующая процедура может быть только
человеко-машинной, поскольку только человек знает, что такое «желатель-
ное решение». Он должен выражать свое желание, последовательно, предла-
Об оптимизации классической и системной
Системні дослідження та інформаційні технології, 2008, № 4 119
гая векторы ,),...2(*),1(* yy а компьютер должен вычислять значение пре-
дикатного отношения )*( Xxx ∈∃ . Этот процесс необходимо продолжать
до тех пор, пока не появится соответствующий прообраз. Остановом являет-
ся только значение ДА заданного предикатного отношения. Здесь может
быть предложено множество различных конкретных процедур, методов,
стратегий.
Таким образом, в системной оптимизации оптимальное решение — это
решение, удовлетворяющее заданному условию или системе заданных
условий
.})(:{* XSxyxx ⊆∈∈
Оптимизация — это процесс синтеза такого решения.
Методология системной оптимизации гарантирует получение обосно-
ванного решения, поскольку оно выбирается с учетом поставленной цели.
Каждый акт вмешательства человека в процесс оптимизации, в сущности,
представляет собой реализацию принципа внешнего дополнения.
Перечислим кратко основные отличия системной оптимизации от клас-
сического подхода. Формально два рассматриваемых подхода можно выра-
зить следующим образом:
классическая оптимизация: );(max)/(minextr)( Xxxf ∈→
системная оптимизация: 0);()()( >∈→ rXx,r*ySxf ,
где *y — точка в пространстве значений критериев, «желаемый образ»,
центр окрестности. Т.е. в соответствии с концепцией системной оптимиза-
ции выбор этой точки является последним моментом постановки задачи.
При классическом подходе центральной проблемой является решение
экстремальной задачи, формулировка которой никаких затруднений не вы-
зывает. В подходе, называемом «системная оптимизация», все наоборот.
Здесь центральная проблема — выбор цели и ее формулировка, т.е. вы-
бор существенных отношений и представление их в формализованном виде.
В классическом случае постановка задачи и ее решение четко распада-
ются на два этапа. Поставленная задача представляет собой замкнутую сис-
тему. В неклассическом случае такое разделение невозможно. Исходная по-
становка задачи является открытой системой. В процессе ее решения могут
изменяться любые первоначально заданные условия [3]. И в этом состоит
реализация принципа внешнего дополнения.
В рамках классической оптимизации для случая многих критериев
нельзя сказать, что такое оптимальное решение. Соответствующее понятие
не определено. В системной оптимизации такой проблемы не существует:
оптимальное решение — это решение, являющееся прообразом, выбранного
образа.
ЗАКЛЮЧЕНИЕ
Неопределенность микромира и неопределенность, с которой мы имеем
дело в условиях практической деятельности, — это одна и та же неопреде-
В.В. Яцкевич
ISSN 1681–6048 System Research & Information Technologies, 2008, № 4 120
ленность. Выбор «наилучшим образом» не может быть осуществлен прин-
ципиально.
Постановка задачи в виде конкретных требований в соответствии с
системной оптимизацией В.М. Глушкова является корректной. Она позволя-
ет оставлять в области неопределенности лишь несущественное, второсте-
пенное. Только в рамках системной оптимизации возникает вопрос о том,
что существенно, а что не существенно. Т. е., все факторы, от которых зави-
сит принятие решения, должны быть разделены на две группы — сущест-
венные и несущественные. Существенные экстремизировать нельзя. А с не-
существенными можно делать все, что угодно.
Оптимизация по В.М. Глушкову в сущности представляет собой мето-
дологию разрешения противоречия.
Если речь идет о проблеме принятия решения высокого уровня важно-
сти и ответственности, то соответствующая постановка задачи оптимизации
должна содержать описание цели в виде предикатных отношений.
Оптимизируя по В.М. Глушкову, принимающий решение субъект ведет
себя как рациональное существо, как существо рационального действия.
ЛИТЕРАТУРА
1. Моисеенко В.В., Яцкевич В.В. Информационная неопределенность и пробле-
ма оптимального выбора // Кибернетика и системный анализ. — 1998. —
№ 4. — C. 152–158.
2. Яцкевич В.В. Проблема «меж росту» та системна оптимізація // Економіка
України. — 2006.— № 3. — C. 4–12.
3. Глушков В.М. О системной оптимизации // Кибернетика. — 1980. — № 5. —
С. 89–90.
Поступила 27.03.2006
|
| id | journaliasakpiua-article-108561 |
| institution | System research and information technologies |
| keywords_txt_mv | keywords |
| language | Russian |
| last_indexed | 2025-07-17T10:22:50Z |
| publishDate | 2008 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| resource_txt_mv | journaliasakpiua/9f/0a7de2be76b7b4574a0b15af88e8609f.pdf |
| spelling | journaliasakpiua-article-1085612018-04-11T11:14:25Z On classic and system optimization Об оптимизации классической и системной Про оптимізацію класичну та системну Yatskevich, V. V. The disadvantages of the theory of classic optimization are considered in comparison with the theory of system optimization. Pictures of optimization are specified. Рассматриваются недостатки теории классической оптимизации. Проводится ее анализ в сравнении с теорией системной оптимизации. Уточняются представления об оптимизации. Розглядаються недоліки теорії класичної оптимізації. Проводиться її аналіз у порівнянні з теорією системної оптимізації. Уточнюються уявлення про оптимізацію. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2008-12-15 Article Article application/pdf https://journal.iasa.kpi.ua/article/view/108561 System research and information technologies; No. 4 (2008); 111-120 Системные исследования и информационные технологии; № 4 (2008); 111-120 Системні дослідження та інформаційні технології; № 4 (2008); 111-120 2308-8893 1681-6048 ru https://journal.iasa.kpi.ua/article/view/108561/103505 Copyright (c) 2021 System research and information technologies |
| spellingShingle | Yatskevich, V. V. Про оптимізацію класичну та системну |
| title | Про оптимізацію класичну та системну |
| title_alt | On classic and system optimization Об оптимизации классической и системной |
| title_full | Про оптимізацію класичну та системну |
| title_fullStr | Про оптимізацію класичну та системну |
| title_full_unstemmed | Про оптимізацію класичну та системну |
| title_short | Про оптимізацію класичну та системну |
| title_sort | про оптимізацію класичну та системну |
| url | https://journal.iasa.kpi.ua/article/view/108561 |
| work_keys_str_mv | AT yatskevichvv onclassicandsystemoptimization AT yatskevichvv oboptimizaciiklassičeskojisistemnoj AT yatskevichvv prooptimízacíûklasičnutasistemnu |