Проблемы интеллектуализации систем управления виртуальным предприятием
Рассматриваются проблемы интеллектуализации системы управления виртуальным предприятием, возможность применения математических методов и информационных технологий для процессов принятия решений. Предложены модели, в которых качество решения оценивается в условиях компромиссов....
Збережено в:
| Дата: | 2009 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України
2009
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/7626 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Проблемы интеллектуализации систем управления виртуальным предприятием / Л.А. Тимашова // Кибернетика и вычисл. техника. — 2009. — Вип. 156. — С. 28-39. — Бібліогр.: 3 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859806835166412800 |
|---|---|
| author | Тимашова, Л.А. |
| author_facet | Тимашова, Л.А. |
| citation_txt | Проблемы интеллектуализации систем управления виртуальным предприятием / Л.А. Тимашова // Кибернетика и вычисл. техника. — 2009. — Вип. 156. — С. 28-39. — Бібліогр.: 3 назв. — рос. |
| collection | DSpace DC |
| description | Рассматриваются проблемы интеллектуализации системы управления виртуальным предприятием, возможность применения математических методов и информационных технологий для процессов принятия решений. Предложены модели, в которых качество решения оценивается в условиях компромиссов.
|
| first_indexed | 2025-12-07T15:16:50Z |
| format | Article |
| fulltext |
28
Эрãатичесêие системы óправления
УДК 519.21:681.142
Л.А. Тимашова
ПРОБЛЕМЫ ИНТЕЛЛЕКТУАЛИЗАЦИИ СИСТЕМ
УПРАВЛЕНИЯ ВИРТУАЛЬНЫМ ПРЕДПРИЯТИЕМ
Рассматриваются проблемы интеллектуализации системы управления
виртуальным предприятием, возможность применения математических методов и ин-
формационных технологий для процессов принятия решений. Предложены модели, в ко-
торых качество решения оценивается в условиях компромиссов.
Актуальность проблемы
Повышение эффективности систем управления предприятий возможно в
условиях достижения ими определенного уровня интеллектуализации. Гло-
бализация экономических отношений все активнее меняет характер конку-
ренции, позиции и расстановку сил. Устойчивость и доходность бизнеса оп-
ределяется теперь скоростью реакции на изменения предпочтений конечно-
го потребителя, что создает определенные сложности для управления. Осо-
бенно серьезным является принципиальное изменение ситуаций с управле-
нием, когда меняется не только внешняя среда, но и сами системы, взаимо-
действующие в этой среде. Для таких ситуаций проблема принятия решений
в силу их неопределенности и разноплановости особенно сложна. Сущест-
вует набор альтернатив, из которых окончательное решение принимает че-
ловек, и если не имеется в компьютере его знаний о путях выбора, автома-
тизировать этот процесс и тем более предсказать, какой из вариантов ока-
жется лучшим по прошествии определенного времени, невозможно. Неоп-
ределенность резко возрастает, когда случаются непредсказуемые события,
такие как изменения в правилах организации партнеров-участников или са-
мих партнеров, условий распределения прибыли, условий заключения кон-
трактов, поставок или спроса на продукцию, сбоев ресурсов, задержек, от-
казов и т.п. Отсутствие четких алгоритмов решения и больших объемов
проводимых расчетов затрудняет процессы оперативного управления не-
предсказуемой, изменчивой сетью отдельных людей внутри и за пределами
границ, которые раньше определяли «предприятие». Найти подходы, удов-
летворяющие этим условиям, возможно с помощью интеллектуальных тех-
нологий [1, 2]. Есть надежда, что интеллектуализация, комплексы программ-
ных, логико-математических, лингвистических средств, а также средств, ос-
нованных на базах знаний, помогут автоматизировать процесс принятия ре-
шений человеком. Эта работа может быть передана на исполнение автома-
тизированным технологиям, что ускорит процесс принятия решения и пре-
вратит его в конкурентное преимущество.
Среди различных областей применения математических методов и ин-
формационных технологий область принятия решения с точки зрения ин-
теллектуальной деятельности является крайне важной. Назовем принятием
© Л.А. Тимашова, 2009
ISSN 0452-9910. Кибернетика и вычисл. техника. 2009. Вып. 156
29
решений особый вид человеческой деятельности, состоящий в выборе одно-
го из нескольких вариантов решений. Каждый, кто сталкивался с этой про-
блемой, знает, как много моральных и физических сил она требует. Такой
выбор, особенно при принятии деловых решений, должен основываться на
методах, способных оценивать с единых позиций желаемые цели и имею-
щиеся ресурсы. Существуют общие черты и характеристики поведения лю-
дей при принятии ими разноплановых решений (экономических, производ-
ственных, финансовых, социальных, технических), и эта общность поведе-
ния и требований к их поведению делает возможным создание единых ме-
тодологических подходов к их решению
Общим для задач принятия решений служит сам характер рассматри-
ваемых задач человеком, когда решение по выбору лучшего варианта при-
нимается в условиях вариантности решений и множественности критериев
оценки последствий этих решений. Как уже говорилось, для таких ситуаций
характерно то, что лицо, принимающее решение (ЛПР), находится в ситуа-
ции, когда последствия принимаемых решений, заранее неизвестны.
Таким образом, возникает некоторая неопределенность, которую при при-
нятии решений необходимо уметь устранять. Эта неопределенность харак-
терна природе компромиссов между критериями и оценками, которые с ни-
ми связаны. Как показала практика, формализовать эту неопределенность с
помощью классических математических расчетов не удается в силу сложно-
сти и неоднозначности возникающей проблемы. Источником информации
для оценки варианта решения и выбора из них наилучшего, являются люди,
принимающие решения и несущие за них ответственность, а вариантом уст-
ранения неопределенности могут быть предпочтения ЛПР. Такая субъек-
тивная информация — единственно возможная основа объединения процес-
сов принятия решений в единую модель, которая позволит оценивать те или
иные варианты последствий принятых решений. Таким образом, речь идет о
создании таких моделей и поддерживающих их технологий, которые учиты-
вают особенности поведения человека, следовательно, могут быть отнесены
к разряду интеллектуальных. Проблемы разработки интеллектуальных тех-
нологий были бы проще, если бы существовала возможность адекватного
представления поведения ЛПР в виде совокупности математических зави-
симостей. Однако поведение зависит от характеристик задачи, от умения
отражать их в кратковременной памяти человека, от впечатлений, возни-
кающих в ходе решения задачи, а это сложно учесть математическими зави-
симостями. Разумным, по нашему мнению, было бы использование опыта,
знаний и интуиции человека в моделях принятия решений. База знаний со-
держит фактические объективные данные о той или иной предметной облас-
ти и включает правила и опыт ЛПР. Основной задачей здесь будет сопос-
тавление каждой предметной ситуации рекомендуемым вариантам решений,
где есть ситуация и соответствующий ему вариант решения. Различные сис-
темы принятия решений отличаются способом организации и предметным
наполнением баз знаний. Например, база знаний для решения задач выбора
оптимального партнера, база знаний для решения задачи эффективного рас-
пределения прибыли между партнерами, база знаний для задач построения
30
расписаний в случае решения задачи календарного планирования; база зна-
ний для управления финансовыми ресурсами для случая решения задач ана-
лиза финансовых ситуаций и планирования финансовой деятельности; база
знаний для управления логистикой, т.е. управления ресурсами предприятий,
в случае планирования закупок, выбора лучших поставщиков и покупателей
продукции и т.д. В таких случаях база знаний должна быть организована в
рамках системы поддержки принятия решений, может быть построена са-
мим ЛПР в ходе анализа конкретной предметной ситуации, включая описа-
ние ситуаций выбора и решающее правило, принадлежащее ЛПР. Решающее
правило отражает предпочтения экспертов, более знакомых с данной кон-
кретной областью деятельности, чем ЛПР.
Таким образом, задачи принятия решений имеют следующую характер-
ную особенность: модель, описывающая множество допустимых решений,
объективна, но качество решения оценивается по многим критериям. Для
выбора наилучшего варианта решения необходим компромисс между оцен-
ками по различным критериям. В условиях задачи отсутствует информация,
позволяющая найти такой компромисс. Следовательно, он не может быть
определен на основе объективных расчетов. Важно подчеркнуть специфиче-
ский характер тех проблем, где качество решения необходимо оценивать по
нескольким критериям. Мало сказать о том, что в них существует неопреде-
ленность. Неопределенность присуща и многим задачам исследования опе-
раций, где строятся статистические модели. Стохастический характер ряда
процессов в исследуемой проблеме заставляет нас использовать не детер-
минированные, а вероятностные модели. Но сама по себе эта особенность
описания никак не отражается на общем подходе исследования операции,
лишь задачи оптимизации имеют при этом свои специфические особенно-
сти. Как справедливо отмечает Н.Н. Моисеев, стохастические задачи «... мы
не относим к числу задач, содержащих неопределенные факторы ...». При
появлении многих критериев неопределенность в выборе наилучшего реше-
ния имеет следующие особенности: задача имеет уникальный [1], новый ха-
рактер — нет статистических данных, позволяющих обосновать соотноше-
ния между различными критериями; на момент принятия решений принципи-
ально отсутствует информация, позволяющая объективно оценить возмож-
ные последствия выбора того или иного варианта решения. Эти принципи-
альные отличия стремились подчеркнуть авторы различных классификаций
проблем принятия решений. Так, в известной классификации, предложенной
в [3], выделяются так называемые структурированные и слабоструктуриро-
ванные проблемы: структурированные, или количественно сформулирован-
ные проблемы — те, в которых существенные зависимости выяснены на-
столько хорошо, что могут быть выражены в числах или символах, полу-
чающих в конце концов численные оценки; слабоструктурированные, или
смешанные проблемы — те, которые содержат как качественные, так и ко-
личественные элементы, причем качественные, малоизвестные и неопределен-
ные стороны проблем имеют тенденцию доминировать.
Типичные проблемы исследования операций хорошо структурирован-
ны. Иначе обстоит дело в многокритериальных задачах. Здесь часть инфор-
31
мации, необходимой для полного и однозначного определения требований к
решению, принципиально отсутствует. Исследователь часто может опреде-
лить основные переменные, установить связи между ними, т.е. построить
модель, адекватно отражающую ситуацию. Но зависимости между крите-
риями вообще не могут быть определены на основе объективной информации,
имеющейся в распоряжении исследователя. Такие проблемы и являются сла-
боструктурированными, здесь недостаток объективной информации прин-
ципиально неустраним на момент принятия решения. Более того, существу-
ют проблемы, в которых опытный исследователь, работая вместе с руково-
дителем, может лишь определить перечень основных параметров, но коли-
чественные связи между ними определить нельзя (нет необходимой инфор-
мации). Иногда ясно лишь, что изменение параметра в определенных преде-
лах тем или иным способом сказывается на решении. В таких случаях
структура, понимаемая как совокупность связей между параметрами, неоп-
ределенна и неструктурированна. Но поскольку решение все же должно
быть принято, то недостаток информации, необходимой для выбора наи-
лучшего варианта решения, нужно восполнить. Он может быть выполнен
лишь на основе опыта и интуиции или на основе собранных знаний. Следо-
вательно, существует класс проблем, для которых недостаток объективной
информации принципиально неустраним. Необходимы специальные средст-
ва анализа таких проблем. Модель принятия решений при многих критериях
принципиально отличается от традиционных моделей исследования опера-
ций способами ее построения. Важнейшей задачей аналитика (специалиста
по проблемам принятия решений) является изучение системы предпочтений
ЛПР и построение решающих правил, отражающих эти предпочтения. Ко-
нечно, аналитик не может обойтись без изучения объективных параметров
модели, без изучения организации, к которой принадлежит ЛПР, внешней
среды.
Модели согласования решений с использованием
обобщенного критерия оптимальности
Постановка задачи. Многокритериальная задача оптимального выбора
партнеров для виртуального предприятия с использованием обобщенного
критерия оптимальности формулируется следующим образом. Задан вектор
линейных критериев
)),(...,),(...,),(()( 1 xfxfxfxF i µ= (1)
где ,...)( 2211 n
i
n
iii
i xcxcxcxcxf +++== причем )(xfi при ),...,2,1( mi = мак-
симизируется, а при )...,,2,1( µ++= mmi минимизируется на множестве до-
пустимых решений, заданных ограничениями
),...,,2,1(,0;)()( npxBxAxG p =≥≤= (2)
где А — матрица размерностей ;n×µ В — r-мерный вектор; x — n-мерный
вектор.
Требуется определить такой вектор ,0x который дает оптимум одно-
временно всем критериям вектора F. Однако практически такого 0x не су-
32
ществует, поэтому задача сводится к нахождению такого варианта, который
может не являться оптимальным ни для одной функции цели, но оказывает-
ся наиболее приемлемым для каждой составляющей вектора F, т.е. нахож-
дению компромиссного решения .kx
Методы, основанные на принятии решений экспертами. При разра-
ботке методов задач принятия решений наиболее эффективны методы,
в которых принятие решения в основных точках осуществляет эксперт. Ал-
горитм решения этих задач состоит из аналитических частей, за каждой из
которых следует предъявление промежуточных результатов эксперту, при-
нимающему решение. Далее используется новая информация, полученная от
эксперта, и происходит очередной просчет (решение) задачи с новыми дан-
ными. Эксперт, используя свои профессиональные знания, опыт и интуи-
цию, эффективно принимает решение на основании «интегрированных» ре-
зультатов, полученных на компьютере.
Существует несколько методов решения такой задачи. Главное их отли-
чие — различные способы построения обобщенных критериев. Вне зависи-
мости от достоинств и недостатков различных методов построения обоб-
щенных критериев следует отметить, что их применение не играет основной
роли при выборе того или иного варианта, а является способом получения
вспомогательной информации. Это связано с трудностью формализации
процесса выбора рационального решения, так как на практике шкалы раз-
личных критериев имеют субъективный характер и в связи с этим превос-
ходство одной комбинации оценок над другой в ряде случаев может проти-
воречить опыту и интуиции специалиста, определяющего эти критерии.
Все это указывает на то, что рассматриваемая проблема не носит чисто
математический или чисто экономический характер, а содержит также пси-
хологические аспекты, которые связаны с интеллектуальными возможно-
стями субъекта, рассматривающего эту проблему, и это надо учитывать при
разработке методов решения многокритериальных задач оптимизации. По-
этому в этих методах должны использоваться интеллектуальные компонен-
ты. Эти методы должны предоставлять на определенных этапах решения
возможность вмешательства эксперта и после внесения экспертом опреде-
ленных изменений продолжать вычисления дальше. Решения задачи состоит
из аналитических частей, за каждой из которых следует предъявление экс-
перту результатов решения и использование для следующей итерации новой
информации, получаемой от эксперта.
Анализ определенного набора существующих методов принятия ре-
шений при многих критериях показывает, что выбор компромиссного
решения основан на введении обобщенного критерия, объединяющего раз-
личные функции цели, и что в каждом случае тем или иным способом ис-
пользуется дополнительная информация, получаемая от ЛПР или от интел-
лектуальной компоненты (ИК). Этапы выполнения формальных математи-
ческих операций с применением обобщенных критериев чередуются с эта-
пами диалогов с ЛПР. Цель таких «человеко-машинных» процедур — сде-
33
лать результаты работы в области достаточно трудной для формализации
более реалистичными, учитывающими и использующими опыт специали-
стов в данной области.
Требования к обобщенному критерию оптимальности,
вид критерия, постановка задачи, алгоритм решения
При решении многокритериальной задачи оптимизации к обобщенному
критерию оптимальности предъявляются определенные требования:
1) позволять сравнивать функции цели разной размерности;
2) учитывать одновременно требования максимума и минимума раз-
ных );(xfi
3) учитывать предпочтения между ),(xfi определяемые по важности
свойств исследуемой системы;
4) учитывать различие в порядках величин значений );(xfi
5) давать решение, принадлежащее множеству эффективных решений;
6) позволять организовывать «человеко-машинную» процедуру выбора
окончательного решения компоненты, «встроенной» в решение задачи.
В качестве такого критерия выберем следующий критерий:
,
(max)
)(
(min)
)(
)( 0
0
1 1
0
0
ii
ii
m
i mi
i
ii
ii
i
ff
fxf
ff
xff
xW
−
−
ρ+
−
−
ρ= ∑ ∑
=
µ
+=
(3)
где iρ — безразмерные весовые коэффициенты, учитывающие предпочте-
ние между функциями цели множества f; (max)if — максимальное значе-
ние минимизируемого критерия; (min)if — минимальное значение макси-
мизируемого критерия; 0
if — оптимальное значение i-го критерия, дости-
гаемого при 0
ix на множестве ограничений (2).
Если область (2) не ограничена, то (min)if и (max)if выбираются в ви-
де приемлемых как угодно малого и большого значения каждого критерия
соответственно.
Как видно из выражения (3), каждое слагаемое представляет линейное
преобразование целевой функции каждого из критериев, все слагаемые ми-
нимизируются, имеют одинаковую размерность и порядок. Следовательно,
решение задачи
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−
−
ρ+
−
−
ρ= ∑ ∑
=
µ
+=
0
0
1 1
0
0
(max)
)(
(min)
)(
min)(min
ii
ii
m
i mi
i
ii
i
i
ff
fxf
ff
xff
xW (4)
с учетом ограничений (2) и
1......1 =ρ++ρ++ρ µi (5)
дает эффективную точку для вектора критериев ).(xF
Таким образом, критерий (3) удовлетворяет первым пяти требованиям,
предъявляемым к обобщенному критерию. Удовлетворение шестому требо-
34
ванию подтверждается построением самого алгоритма решения многокри-
териальной задачи методом выбора искомого решения с использованием
«человеко-машинной» процедуры — принятие экспертом на некотором эта-
пе определенного решения.
Обозначение данных. В алгоритме решения задачи используются сле-
дующие обозначения данных для решения задачи:
1) вектор критериев )),(),...,(),...,(()( 1 xfxfxfxF i µ= где == xcxf i
i )(
n
i
n
ii xcxcxc +++= ...2211 ,...,,...,,1( µ= mi причем )(xfi при )...,,2,1( mi =
максимизируется, а при )...,,2,1( µ++= mmi минимизируется на множестве
допустимых решений, заданных ограничениями;
2) вектор-функция ограничений на j-й итерации )(xG j ;
3) вектор весов критериев ),...,,...,,( 1 µρρρ=ρ i 1......1 =ρ++ρ++ρ µi ;
4) максимальное значение минимизируемого критерия (max);if
5) минимальное значение максимизируемого критерия (min);if
6) оптимальное значение i-го критерия ,0
if который достигается при
0
ix на множестве ограничений;
7) ∇ отмечает блоки (места), в которых выбор решения или изменение
параметров осуществляется с помощью ЛПР или ИК, встроенной в алго-
ритм.
Входные данные:
1) функции критериев всех задач, входящих в многокритериальную за-
дачу, — это конкретные выражения функций ),(...,),(...,),(1 xfxfxf i µ где
,...)( 2211 n
i
n
iii
i xcxcxcxcxf +++== ),...,,,...,1( µ= mi причем )(xfi при
)...,,2,1( mi = максимизируется, а при )...,,2,1( µ++= mmi минимизируется
на множестве допустимых решений, заданных ограничениями. Из этих
функций составляется вектор критериев Y;
2) все функции ограничений для всех задач, входящих в многокритери-
альную задачу, представлены в виде )(xG j — вектор-функции ограничений
на j-й итерации
;0,)(1 ≥== xBAxxG (6)
3) вектор весов критериев ),,...,...,,( 1 µρρρ=ρ i при этом ......1 +ρ++ρ i
1... =ρ+ µ .
Алгоритм решения задачи.
Блок 1. Формирование вектора критериев. Производится в определен-
ной форме запись конкретных функций ).(...,),(...,),(1 xfxfxf i µ
Блок 2. ∇ С помощью экспертов провести оценку значимости критери-
ев и присвоить им веса ρi.
Блок 3. Создание (формирование) счетчика номеров итераций. При ра-
боте этого блока в «Счетчик j» добавляется единица. На экране должно быть
«окно», показывающее номер текущей итерации.
35
Блок 4. Формирование вектора исходных ограничений )(1 xG (так как
это первая итерация), а также вектора расширенных ограничений при поис-
ке компромиссного решения. Дополнительные ограничения поступают из
блоков 40, 41 в процессе решения.
Блок 5. Вызов стандартной программы — решение задачи линейного
программирования. Вычисляется вектор Х, оптимизирующий критерий )(xfi
при ограничениях ),(1 xG т.е. j фиксировано и показывает номер итерации.
Блок 6. На основании полученного вектора вычисляется оптимальное
значение i-го критерия 0
if на j-й итерации. В начале решения 1=j .
Блок 7. Запоминание и накапливание всех оптимальных значение 0
if
всех критериев.
Блок 8. Проверка условия. Если еще не найдены все оптимальные зна-
чения всех µ критериев, то переход на блок 5, т.е. вычисляются все оптиму-
мы остальных критериев и накапливаются в блоке 7. Если все критерии
найдены (вычислены), то переход на блок 9.
Блок 9. Формирование общего вектора Z. Из полученных по всем
критериям оптимумов образуется вектор ),(max...,),({max 1 xfxfZ m=
)}(max...,),(max 1 xfxfm µ+ при )(1 xGx ∈ . Первая итерация. При этом
.)( 0
ii fxf =
Блок 10. Проверка условия. Если вычислен первый вектор Z (на первой
итерации), то переход на блок 11. Если вектор Z вычисляется не первый раз,
то переход на блок 37.
Блок 11. С использованием стандартной программы — решение задачи
линейного программирования — вычисляется наименьшее значение макси-
мизируемого критерия. Вычисляется min )(xfi для всех ).,...,2,1( mi =
Блок 12. Проверяется область )(xG (в первой итерации ))(1 xG . Если
область )(xG не ограничена, т.е. это первая итерация, то переход на блок 13.
Если область )(xG ограничена, то переход на блок 14.
Блок 13. ∇ Экспертом выбирается любое приемлемое как угодно малое
значение максимизируемого критерия.
Блок 14. Запоминаются значения, выбранные экспертом в предыдущем
блоке, и значения, полученные в блоке 11.
Блок 15. Проверка условия. Проверяются значения. Если найдены ми-
нимальные значения всех максимизируемых критериев, т.е. mi > , то пере-
ход на блок 16. Если еще не все значения найдены, то продолжается вычис-
ление минимальных значений остальных максимизируемых критериев — пе-
реход на блок 11.
Блок 16. С использованием стандартной программы — решение задачи
линейного программирования — вычисляется наибольшее значение миними-
зируемого критерия. Вычисляется max )(xfi для всех .,...,2,1 µ++= mmi
Блок 17. Проверка условий и значений. Если область )(xG не ограни-
чена, то переход на блок 18. Если область )(xG ограничена, то переход на
блок 19.
36
Блок 18. ∇ Экспертом выбирается любое приемлемое как угодно боль-
шое значение минимизируемого критерия.
Блок 19. Запоминаются значения, выбранные экспертом в блоке 18,
и значения, полученные в блоке 16.
Блок 20. Проверка значений. Если определены максимальные значения
всех минимизируемых критериев, то переход на блок 21. Если нет, то вы-
числение максимальных значений остальных минимизируемых критериев
— переход на блок 16.
Блок 21. Формирование слагаемых обобщенного критерия, соответст-
вующих максимизируемым критериям.
Блок 22. Запоминание этих критериев.
Блок 23. Проверка условия. Проверка значений. Если mi > , то переход
на блок 24. Если «нет», то возращение на блок 21.
Блок 24. Формирование слагаемых обобщенного критерия, соответст-
вующих минимизируемым критериям.
Блок 25. Запоминание этих критериев.
Блок 26. Проверка значений. Если µ>i , то переход на блок 27. Если
«нет», то возращение на блок 24.
Блок 27. Формирование обобщенного критерия.
Блок 28. С использованием стандартной программы вычисляется век-
тор 1X , минимизирующий обобщенный критерий в области )(1 xG , так как
задача заключается в том, что нужно построить такую функцию, решение
которой давало бы минимальное отклонение от оптимальных значений по
всем критериям, поэтому )(xW минимизируем.
Блоки 29–31. Вычисляются последовательно все значения критериев от
1X , т.е. все )( 1xfi .
Блок 32. Формируется вектор 1Y , компонентами которого являются
значения критериев начиная с 1X , оптимизирующие обобщенный критерий
1Y : )}(),...,(),...,({ 111
1
1 xfxfxfY m µ= .
Блок 33. Вывод на экран значений вектора 1Y и вектора Z из блока 9.
Блок 34. ∇ Перед экспертом ставится вопрос: «Все ли компоненты век-
тора 1Y имеют удовлетворительное решение?» или «Все ли критерии
)( 1xfi имеют удовлетворительное решение?». Т.е. не на много ли отклони-
лись значения критериев от своих оптимумов из вектора Z. В случае поло-
жительного ответа решение задачи окончено и получен искомый резуль-
тат — переход на блок 35. В случае отрицательного ответа — переход на
блок 36.
Блок 35. Вывод на экран полученного результата решения задачи.
Окончание работы алгоритма.
Блок 36. ∇ Эксперт выбирает (указывает на) наименее удовлетвори-
тельную составляющую вектора 1Y . Выбирает некоторое )( 1xfi .
37
Блок 37. ∇ Перед экспертом ставится вопрос: «Является ли допусти-
мым переход от вектора 1−jZ к новому вектору jZ », т.е. допустимы ли из-
менения оптимальных значений, которые появятся в связи с введением до-
полнительного ограничения. Если «да», то переход на блок 28 и решение
продолжается на новой итерации. Если «нет», то переход на блок 39.
Блок 38. ∇ Эксперт выбирает и назначает некоторое значение 1
iK та-
кое, что 101)( iii Kfxf <− — переход на блок 40.
Блок 39. ∇ В случае отрицательного ответа в блоке 37 эксперта просят
изменить принятое ранее как удовлетворительное значение отклонения 1
iK
для критерия )( 1xfi и определить новое 111
ii KK >+ — переход на блок 41.
Блок 40. На основании указанного удовлетворяющего отклонения фор-
мируется дополнительное ограничение 101)( iii Kfxf <− — переход на
блок 42.
Блок 41. На основании указанного удовлетворяющего отклонения 11+
iK
формируется дополнительное ограничение 1101)( +<− iii Kfxf , которое до-
бавляется к общей области ограничений )(xG как еще одна составляющая.
(Переход на блок 42.) В «Счетчик j» добавляется 1 и снова повторяется про-
цедура решения с блока 3. В результате опять определяется новый вектор
jZ и переход на блок 28, в котором для области допустимых значений с до-
бавлением ограничений по 11+
iK проводится оптимизация по обобщенному
критерию, в результате получаем вектор 11+Y — блок 32. Далее (блок 34)
перед экспертом вновь ставится вопрос: «Все ли критерии )( 11+xfi , т.е.
компоненты нового вектора 11+Y , имеют удовлетворительное значение».
При положительном ответе решение задачи окончено и вектор 11+Y — ис-
комый результат (блок 35). При отрицательном ответе повторяется проце-
дура с блока 36.
Блок 42. К общей области ограничений )(xG добавляется как еще одна
составляющая новое ограничение 101)( iii Kfxf <− .
Блок 43. В счетчик итераций «Счетчик j» добавляется 1 и переход на
блок 3. При новой области ограничений повторяется процедура решения
с блока 3. В результате этих процедур определяется новый вектор jZ
( j-я итерация в блоке 9). Переход на блок 37.
Выходные данные:
1) вектор 1Y , компонентами которого являются значения критериев
от ,1X которые оптимизируют обобщенный критерий. Этот вектор дает оп-
тимум одновременно всем критериям вектора F.
Обобщенная схема алгоритма решения многокритериальной задачи оп-
тимизации представлена на рис. 1.
38
Нет
Вход
Формирование входных данных
Формирование счетчика итераций
Блоки 1–4
Вычисление оптимальных значений всех
критериев при заданных ограничениях
Блоки 5–8
Формирование общего вектора Z из полученных
по всем критериям оптимумов
Блок 9
Вычисление наименьших значений
максимизируемых критериев
Если область G1(х) не ограничена,
то эти значения выбирает эксперт
Блоки 11–15
Вычисление наибольших значений
минимизируемых критериев
Если область G1(х) не ограничена,
то эти значения выбирает эксперт
Блоки 16–20
Вычисление вектора Х1, который минимизирует
обобщенный критерий в области G1(х)
Блок 28
Да
12
11
12
Формирование обобщенного критерия
из слагаемых, которые соответствуют
максимизируемым и минимизируемым
критериям
Блоки 21–27
9
1
2
3
4
5
6
7
8
Вычисление всех значений критериев
от Х1 — всех f i (x
1)
Формирование из этих значений вектора Y1
Блоки 29–32
14
9
10
j = 1?
Вектор Z вычисляется первый раз?
Блок 10
∇ — Все ли компоненты вектора Y1
имеют удовлетворительное решение?
При положительном ответе решение
задачи закончено
Блоки 33, 34
11
Да Нет
Рис. 1
39
Продолжение рис. 1
Да
Эксперт указывает на наименьшую
составляющую вектора Y1 и задает возможное
отклонение
Формирует новое ограничение и решение
задачи переходит на следующую итерацию
Переход на квадрат 1
Блоки 36, 38, 40, 42, 43
Эксперт определяет новое отклонение,
формирует новое ограничение и
повторяется вычисление на новой
итерации. Переход на квадрат 1
Блок 39
Решение задачи закончено.
Полученный результат Y1, компонентами
которого являются значения критериев от X1,
есть решением задачи. Он дает оптимум
одновременно всем критериям вектора F
Блок 35
4
1
1
Нет
8
11
12
10
10
∇ — Допустимо ли перейти от вектора Zj – 1
к новому вектору Zj , т.е. допустимы ли
изменения оптимальных значений, которые
появятся в связи с введением дополнительного
ограничения?
Блок 37
13
14
Выход
Рассмотренный подход позволяет решить одну из проблем интеллек-
туализации принятия решений в управлении предприятием, которая сложна
и многогранна. В связи с этим представляется целесообразным дальнейшее
развитие работ в этом направлении.
1. Михалевич В.С., Волкович В.Л. Модели и методы оптимизации надежности сложных сис-
тем. — К.: Наук. думка, 1992. — 538 с.
2. Павлов В.В., Мельников С.В. Концептуальные представления по организации систем об-
разного управления сложными динамическими объектами в условиях неопределенно-
сти // Кибернетика и вычисл. техника. — 2004. — Вып. 142. — С. 3–15.
3. Simon H.A. The science of the artificial: 2d ed. — Cambridge, MA: MIT Press, 1996.
Международный научно-учебный центр
информационных технологий и систем
НАН Украины и Министерства
образования и науки Украины, Киев Получено 26.12.2007
|
| id | nasplib_isofts_kiev_ua-123456789-7626 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0452-9910 |
| language | Russian |
| last_indexed | 2025-12-07T15:16:50Z |
| publishDate | 2009 |
| publisher | Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України |
| record_format | dspace |
| spelling | Тимашова, Л.А. 2010-04-06T10:49:19Z 2010-04-06T10:49:19Z 2009 Проблемы интеллектуализации систем управления виртуальным предприятием / Л.А. Тимашова // Кибернетика и вычисл. техника. — 2009. — Вип. 156. — С. 28-39. — Бібліогр.: 3 назв. — рос. 0452-9910 https://nasplib.isofts.kiev.ua/handle/123456789/7626 519.21:681.142 Рассматриваются проблемы интеллектуализации системы управления виртуальным предприятием, возможность применения математических методов и информационных технологий для процессов принятия решений. Предложены модели, в которых качество решения оценивается в условиях компромиссов. ru Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України Эргатические системы управления Проблемы интеллектуализации систем управления виртуальным предприятием Article published earlier |
| spellingShingle | Проблемы интеллектуализации систем управления виртуальным предприятием Тимашова, Л.А. Эргатические системы управления |
| title | Проблемы интеллектуализации систем управления виртуальным предприятием |
| title_full | Проблемы интеллектуализации систем управления виртуальным предприятием |
| title_fullStr | Проблемы интеллектуализации систем управления виртуальным предприятием |
| title_full_unstemmed | Проблемы интеллектуализации систем управления виртуальным предприятием |
| title_short | Проблемы интеллектуализации систем управления виртуальным предприятием |
| title_sort | проблемы интеллектуализации систем управления виртуальным предприятием |
| topic | Эргатические системы управления |
| topic_facet | Эргатические системы управления |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/7626 |
| work_keys_str_mv | AT timašovala problemyintellektualizaciisistemupravleniâvirtualʹnympredpriâtiem |