СодержаниеПлан лекции:
1. Методологические основы автоматизации поддержки принятия ре-шений
2. Организация информационной поддержки управленческой деятель-ности
3. Компьютерные технологии поддержки принятия решенийВведениеСистемы поддержки принятия решений образуют сравнительно новый класс АИС, имеющий весьма широкую область применения, поскольку ре-шения необходимо принимать во всех сферах человеческой деятельности и автоматизировать часть процесса принятия решений (иными словами – ока-зать помощь, поддержать ЛПР) представляется задачей и привлекательной, и актуальной.
Другим важным обстоятельством, обусловившим интенсивное разви-тие таких систем, является появление новых технических и программных средств, позволяющих на практике реализовать современные технологии и системы искусственного интеллекта, прежде всего – экспертные системы.
Настоящая лекция посвящена организационно-методическим вопросам автоматизации различных форм поддержки принятия должностными лицами управленческих решений.
1. Методологические основы автоматизации поддержки принятия решений
1.1. Концепция автоматизации поддержки принятия управленче-ских решений
Как уже отмечалось – принятие решений в процессе управления орга-низацией целесообразно рассматривать как процесс последовательного ре-шения (разрешения) возникающих проблем. При этом под организацией бу-дем понимать двух или более людей, взаимодействующих в пределах уста-новленных властных отношений с использованием имеющихся ресурсов для достижения общей цели [52].
Процесс выбора управленческих решений предусматривает несколько этапов, основное содержание работ на которых составляют:
¦ определение проблемы (целевыявление);
¦ сбор фактов;
¦ собственно выбор (обоснование и принятие) решения;
¦ организация и контроль исполнения решения.
На каждом из перечисленных этапов используется присущий ему ме-тодический аппарат, содержащий формальные и неформальные процедуры переработки имеющейся у ЛПР информации. При этом ЛПР вынуждено ис-пользовать, с одной стороны, собственный опыт, интуицию, эвристические приемы, с другой – системный анализ, методы управления, моделирования, исследования операций, оценки эффективности систем и другое, т.е. весь "арсенал" известных ему методов и средств. Названная последовательность действий ЛПР приводит к искомому решению.
Иными словами, сложилась определенная технология выбора управ-ленческих решений – совокупность методов, способов, процедур и средств анализа ситуации, постановки проблем, обоснования и принятия рациональ-ных решений, организации и контроля их исполнения.
В большинстве практически важных случаев (особенно в экономиче-ской сфере) от ЛПР требуются весьма высокая теоретическая подготовка и твердые практические навыки применения технологии выбора решений, при-чем зачастую при действиях в условиях дефицита времени и других ресурс-ных ограничениях. Более того, уместно говорить о существовании противо-речия между сложностью и ответственностью принимаемых должностным лицом решений и его возможностями. Способом разрешения этого противо-речия выступает организация поддержки деятельности ЛПР.
Сущность поддержки принятия решений (на всех уровнях) заключа-ется в том, что руководитель, несущий полную ответственность за прини-маемые решения, в силу сложности и неструктурированности возникающих перед ним проблем, трудностей их решения и наличия ограничений, нужда-ется в систематической помощи со стороны других (подчиненных ему или привлекаемых "со стороны") должностных лиц.
Такая поддержка, вообще говоря, оказывалась руководителю (естест-венно, начиная с определенного уровня в иерархии управления) всегда. Каж-дое ЛПР формировало (и сегодня формирует) свою систему поддержки при-нятия решений. Первоначально использовался так называемый аппарат (персонал) поддержки (заместители, помощники, референты, эксперты, ме-неджеры, специалисты и т.п.), обладающий формальными и неформальными знаниями в соответствующей предметной области. В некоторых случаях, на-пример в интересах высших государственных лиц, используются и коллек-тивные органы поддержки (Президентский совет или экспертный совет при Правительстве РФ). В течение длительноЛитературазависимостей не могут выходить. Таблица считается хорошо структурированной, если граф зависимостей наглядно иллюстрирует причинно-следственные связи между ячейками. «Запутанный» граф свидетельствует о плохой структуризации таблицы.
3.4. Краткий экскурс в теорию
Формулировка любой оптимизационной задачи требует использования некоторой базовой системы понятий.
Любая переменная (изменяемая ячейка в ЭТ) обычно интерпретируется как некоторый ресурс (например, ресурс времени, материала, продукта, валюты), выраженный в количественном измерении (минуты, тонны, штуки, рубли). Задача оптимизации состоит в том, чтобы подобрать такие значения переменных, при которых целевая функция (целевая ячейка ЭТ) принимает максимальное, минимальное или заданное значение (оптимальное значение), при этом найденные значения переменных в совокупности составляют оптимальное решение задачи.
В классическом исследовании операций [1, 4—6] задачи математического программирования делятся на несколько различных типов в зависимости от вида целевой функции и ограничений. К основным типам относятся задачи линейного и нелинейного программирования. Для первого типа характерна целевая функция, линейно зависящая от переменных (ресурсов) исследуемой системы, и такие же линейные ограничения. Если же целевая функция или хотя бы одно из ограничений нелинейно зависит от переменной (хотя бы одной), задача относится к типу нелинейного программирования. В качестве примеров нелинейностей можно привести зависимости видов Xi*Xj, Xi/Xj, log(Xi) (вычисление логарифма от Xi), MIN(Xi,Xj,Xk), Xj2 (квадрат Xj) и т.д. Здесь Xi, Xj – переменные задачи.
Если оптимизационная задача должна решаться в целых числах, когда хотя бы одна из переменных модели должна измеряться в штуках (станках, автобусах и т.п.), говорят о целочисленном программировании. Наконец, если хотя бы одна из переменных может принимать только одно из двух значений (0 или 1), говорят о булевском программировании.
Вычислительные алгоритмы поиска решения для разных классов задач характеризуются разной степенью сложности, наиболее сложными являются задачи целочисленного программирования, к наиболее простым относятся задачи линейного программирования. Класс задач линейного программирования весьма широк, эти задачи имеют наиболее эффективную реализацию и характеризуются наглядной экономической интерпретацией результатов. Поэтому любую исследуемую систему желательно привести к линейной модели. К сожалению, это не всегда возможно.
Любой вычислительный алгоритм решения оптимизационной задачи имеет характер итерационного процесса, постепенно (шаг за шагом) приближающегося к оптимальному решению. Такие процессы поиска решения характеризуются точностью вычислений, количеством итераций и временем поиска решения. Все эти характеристики определяются в разделе Параметры окна Поиск решения.
Итерационные процессы поиска должны обладать свойством сходимости вычислений. Это свойство заключается в том, что разность результатов, получаемых на n-ом и (n + 1)-ом шаге вычислений, должна с ростом n стремиться к нулю:
Здесь , . – значения изменяемых ячеек на n-ой и (n + 1)-ой итерации. Практически n ограничивается конкретным значением N – количеством итераций. Количество итераций определяет число шагов в последовательности приближений текущего решения задачи к оптимальному, при этом время, затраченное на реализацию такой последовательности, определяет время поиска оптимального решения. По умолчанию в программе Solver: N = 100.
Точность вычислений оптимального решения задачи определяется количеством значащих цифр в представлении значений изменяемых ячеек Хn. Понятие точности тесно связано с понятием отклонения которое может задаваться в процентах от абсолютной величины XN.
Итерационные процессы могут отличаться также методами реализации вычислений. Для линейных моделей используется главным образом так называемый симплекс-метод, для нелинейных – метод Ньютона и метод сопряженных градиентов. Они кратко комментируются в разделе «Поиск решения».
|
|
