Моделювання слабоструктурованих задач в системах підтримки прийняття рішень

Размещено на http://allbest.ru

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

ДОНЕЦЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня кандидата економічних наук

Спеціальність 08.03.02 - Економіко-математичне моделювання

МОДЕЛЮВАННЯ СЛАБОСТРУКТУРОВАНИХ ЗАДАЧ В СИСТЕМАХ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ

Виконав Прокопенко Роман Васильович

Донецьк - 2003

АНОТАЦІЯ

Прокопенко Р.В. Моделювання слабоструктурованих задач в системах підтримки прийняття рішень. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата економічних наук за спеціальністю 08.03.02 - Економіко-математичне моделювання. Донецький національний університет Міністерства освіти і науки України, Донецьк, 2003 р.

У дисертації на методологічному, теоретичному й інструментальному рівні розроблено концепцію моделювання слабоструктурованих задач як складової систем підтримки прийняття рішень для управління діяльністю економічного об'єкту.

Процес вирішення слабоструктурованих задач при управлінні економічним об'єктом за допомогою систем підтримки прийняття рішень складається з розробки і застосування СППР.

Розробка СППР містить у собі складання мови опису ситуацій; виявлення причинно-наслідкових зв'язків; формулювання правил прийняття рішень; генерацію функцій придатності; синтез СППР.

Застосування СППР включає аудит системи управління підприємством; генерацію рекомендацій на основі еволюційних методів пошуку; представлення рішення; аналіз ефективності запропонованого рішення.

економічний слабо структурований моделювання рішення



1. ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми дослідження. Перехід до ринкової економіки вимагає докорінних змін процесів управління економічними об'єктами. Економічне середовище в сучасних умовах характеризується високим ступенем нестабільності, через що у керівників виникає необхідність постійно пристосовуватися до виникаючих змін і ефективно реагувати на збурюючі впливи з боку зовнішнього оточення. Відсутність достатньої маневреності, адаптивності та своєчасності при прийнятті управлінських рішень може привести до ряду небажаних наслідків.

Більшість задач управління економічними об'єктами є слабоструктурованими. Їм властиві недостатність наявної інформації, її суперечливість і нечіткість, перевага якісних оцінок цілей та обмежень, слабка формалізованість алгоритмів рішення. Для слабоструктурованих задач надані тільки важливі ресурси, ознаки і характеристики, а кількісні залежності між ними невідомі. Їх рішення містять неформалізовані процедури, що базуються на інформації з високим рівнем невизначеності. До числа таких задач відносять значну частину проблем прогнозування, перспективного планування, організаційного управління.

Одним з найбільш ефективних інструментів для вирішення подібних задач є системи підтримки прийняття рішень (СППР). Найбільш типовими результатами застосування систем підтримки прийняття рішень в управлінні економічними об'єктами є збільшення продуктивності, зменшення складських запасів, скорочення термінів виконання замовлень.

Значний внесок у розробку систем підтримки прийняття рішень і методів управління зробили вітчизняні й зарубіжні дослідники: Амітан В.Н., Андрієнко В.М., Берсуцький Я.Г., Глушков В.М., Гузь М.Г., Забродський В.А., Лисенко Ю.Г., Порохня В.М., Ситник В.Ф., Кастелані К., Мінський М., Ньюелл А., Саймон Г., Хаббард Дж.

Але широке використання інформаційних систем підтримки прийняття рішень, що об'єктивно є неминучим у зв'язку зі зростанням масштабів виробництва, ускладненням його структури і розвитком виробничих зв'язків, потребує вирішення нових задач, які постають перед підприємствами в умовах перехідної економіки, та є слабоструктурованими. У зв'язку з цим проблема розробки системи моделей слабоструктурованих задач в системах підтримки прийняття рішень є актуальною.

Зв'язок роботи з науковими програмами, планами, темами. Дисертацію виконано в рамках держбюджетної теми ДонНУ «Моделювання інформаційних і інфологічних систем» (номер державної реєстрації 0100U001967), у якій здобувач брав участь як співвиконавець.

Мета і задачі дослідження. Метою дослідження є моделювання слабоструктурованих задач в системах підтримки прийняття рішень, що забезпечує підвищення ефективності прийняття управлінських рішень і стале функціонування та розвиток економічного об'єкту.

Для досягнення цієї мети в дисертаційній роботі було поставлено і вирішено такі задачі:

- проведено аналіз сучасних можливостей систем підтримки прийняття рішень та дослідження підходів до моделювання слабоструктурованих задач при побудові систем підтримки прийняття рішень, запропонованих різними науковими школами;

- розроблено концепцію моделювання слабоструктурованих задач і сформульовано основні принципи управління економічним об'єктом за допомогою систем підтримки прийняття рішень;

- проаналізовано підходи до моделювання СППР і синтезу гнучкої СППР та розроблено моделі синтезу систем підтримки прийняття рішень;

- розроблено моделі аудиту систем управління за допомогою комп'ютерних СППР;

- розроблено метод формалізації опису основних ознак ситуації при вирішенні слабоструктурованих задач;

- розроблено моделі для виявлення причинно-наслідкових зв'язків при управлінні економічною діяльністю підприємства;

- розроблено метод генерації оптимального управлінського рішення при управлінні економічними об'єктами;

- проведено експеримент з розробки рекомендацій по управлінню виробничо-збутовою діяльністю ВАТ «МК Азовсталь» за допомогою системи підтримки прийняття рішень.

Об'єктом дослідження є інформаційні процеси в системі управління економічними об'єктами.

Предметом дослідження є економіко-математичне моделювання слабоструктурованих задач управління економічними об'єктами за допомогою систем підтримки прийняття рішень.

Методи дослідження. Теоретичною і методологічною основою дослідження стали розробки вітчизняних і зарубіжних вчених у галузі теорії прийняття рішень, управління, системного аналізу, економіко-математичного моделювання. Зробити обґрунтовані висновки щодо управління економічними об'єктами дозволили методи штучного інтелекту, експертних оцінок, структурного моделювання.

Наукова новизна. У дисертації здійснено постановку і вирішення нової актуальної задачі розробки комплексу економіко-математичних моделей процесів вирішення слабоструктурованих задач управління економічним об'єктом за допомогою СППР.

При цьому отримано такі наукові результати:

- розроблено концепцію моделювання слабоструктурованих задач при управлінні економічними об'єктами, яка є складовою системи підтримки прийняття рішень, що заснована на застосуванні методів штучного інтелекту та дозволяє збільшити швидкість прийняття управлінських рішень і підвищити їх аргументованість;

- розроблено економіко-математичну модель вирішення слабоструктурованих задач шляхом виявлення причинно-наслідкових зв'язків, що заснована на використанні семантичної нейронної мережі та дозволяє визначити основні принципи вирішення цих задач особою, приймаючою рішення (ОПР) і використовувати отримані правила для підтримки прийняття рішень, що дає змогу підвищити ефективність прийняття управлінських рішень;

- запропоновано метод генерації управлінського рішення, заснований на еволюційних методах пошуку, що дозволяє зменшити час пошуку різних варіантів рішень, які мають однакову ефективність, та дає змогу ОПР вибрати рішення, найбільш адекватне конкретним умовам;

- розроблено та реалізовано економіко-математичну модель синтезу системи підтримки прийняття рішень, яку засновано на принципах гнучкості, що дозволяє забезпечити ефективну взаємодію між різними частинами СППР та підвищити точність прийняття управлінських рішень.

Практичне значення отриманих результатів дослідження полягає в тому, що розроблена концепція моделювання слабоструктурованих задач як складова системи підтримки прийняття рішень на основі методів штучного інтелекту дозволяє вийти на якісно новий рівень управління економічними об'єктами і забезпечити потенціал для своєчасної й адекватної реакції на зміну умов функціонування.

Основні результати дослідження пройшли практичну апробацію на ВАТ «МК Азовсталь» (м. Маріуполь). У результаті реалізації запропонованих моделей і методів отримано економічний ефект у розмірі 165 тис. грн.

Особистий внесок здобувача. У монографії особисто здобувачем реалізовано модель управління персоналом та проведено аналіз основних комп'ютерних систем управління персоналом, що функціонують в Україні; у роботі, спільній зі Стасюком В.П., особисто здобувачем проведено аналіз існуючих методів моделювання штучного інтелекту при вирішенні слабоструктурованих управлінських задач; у роботі, спільній з Гнатушенком В.А., особисто здобувачем розроблено модель визначення покриття задач управління підрозділами економічного об'єкту; у роботі, спільній з Маншиліним К.М., особисто здобувачем запропоновано схему розробки системи прийняття рішень при управлінні персоналом; у роботі, спільній з Лисенком Ю.Г., особисто здобувачем запропоновано схему використання нейронних мереж для побудови системи підтримки прийняття рішень.

Апробація результатів дослідження. Основні положення дисертації доповідалися й обговорювалися на I-й Міжнародній науковій студенстько-аспірантській конференції «Україна в XXI ст.: формування економічної системи» (2001 р., м. Львів); II-й Міжнародній науково-практичній конференції «Проблеми та перспективи розвитку економіки України в умовах ринкової трансформації» (2001 р., м. Дніпропетровськ); VII-й Всеукраїнській науково-методичній конференції «Проблеми економічної кібернетики» (2002 р., м. Запоріжжя).

2. ОСНОВНІ ПОЛОЖЕННЯ ДИСЕРТАЦІЙНОЇ РОБОТИ

У вступі сформульовано актуальність, визначено мету та задачі, а також об'єкт і предмет дослідження, розкрито наукову новизну отриманих результатів та їх практичне значення.

Розділ 1 - «Методологічні основи прийняття рішень при вирішенні слабоструктурованих задач управління економічними об'єктами». У цьому розділі представлено концепцію моделювання слабоструктурованих задач як складову інформаційної системи підтримки прийняття рішень, розглянуто методологічні основи прийняття рішень при вирішенні слабоструктурованих задач управління економічною діяльністю підприємства, визначено особливості застосування систем підтримки прийняття рішень в економічних об'єктах, проведено аналіз підходів до моделювання систем підтримки прийняття рішень.

До слабоструктурованих задач відносяться задачі управління різними сферами діяльності економічних об'єктів, зокрема, управління виробничо-збутовою діяльністю підприємства. Воно включає такі задачі, як прогнозування ринкової кон'юнктури, аналіз споживчого попиту, планування виробництва. Для таких задач характерна відсутність математичних методів рішення на основі безпосередніх перетворень даних і наявність сукупності різнорідних факторів, які необхідно враховувати під час прийняття рішень.

Процес прийняття рішення при вирішенні слабоструктурованих задач складається з оцінки наявного стану системи і визначення дій, що необхідні для зміни цього стану в кращу сторону. Стан системи (або ситуація) визначається станом множини її складових. При ухваленні рішення в складній ситуації, яка їй ще не зустрічалася, ОПР відокремлює в цій ситуації знайомі елементи, для яких у її досвіді є готові рішення і, на їх підставі, комбінує загальне рішення для ситуації. Запропонована система підтримки прийняття рішень діє на таких самих принципах.

При навчанні системи їй пропонується множина наборів виду S-R-S', де S - це стан системи, R - вплив, що було застосовано до системи, S' - стан системи після застосування впливу. Основна проблема, що виникає при навчанні СППР - це визначення причинно-наслідкових зв'язків. Як інструмент для вирішення цієї проблеми запропоновано нейронні мережі, які є особливо ефективними при класифікації і декомпозиції даних.

Проблема генерації рішення зводиться до наступної задачі. Є множина показників, що характеризують придатність частин рішень для різних складових ситуації. Необхідно одержати максимальну загальну придатність. Функція придатності визначається під час навчання СППР на підставі експертних оцінок. Експерти визначають наскільки ефективною була робота системи після застосування до неї керуючих впливів і для кожного набору S-R-S' дають оцінку ефективності застосування такого впливу. Загальна цільова функція відображає внесок усіх компонентів рішення для досягнення поставленої мети. Мета може бути визначена у вигляді досягнення заданої величини показника ефективності діяльності економічного об'єкту або її оптимізації. Для побудови загальної цільової функції як стандартні показники ефективності можуть бути прийняті прибуток, рентабельність, рівень продажу тощо.

Для перекладу формулювання мети з кількісної характеристики показника ефективності діяльності підприємства в терміни мови опису станів системи необхідно побудувати функцію залежності. Залежність показника ефективності діяльності підприємства від станів системи може визначатись як експертними оцінками, так і за допомогою регресійного аналізу. Після складання мови опису ситуацій експерти завантажують навчальні приклади в нейронну мережу, яка виявляє причинно-наслідкові зв'язки.

Через специфічність функцій придатності, найбільш ефективним методом вирішення задачі компонування загального рішення є пошук за допомогою генетичних алгоритмів. Генетичні алгоритми є ефективним інструментом для пошуку рішення слабоструктурованих задач, тому що вони дозволяють одержати, нехай не обов'язково оптимальне, але досить прийнятне рішення за короткий час.

Спочатку, при побудові СППР, здійснюється навчання системи на базі даних, виділених експертами. Експерти аналізують зовнішнє середовище. Усі дані, одержані СППР із зовнішнього середовища, зберігаються в інформаційному сховищі.

Основою інформаційного сховища є багатомірний інформаційний простір або гіперкуб, в ячейках якого зберігаються числові показники (наприклад, обсяги обороту, витрат, запасів та ін.). Вимірами гіперкубу є ознаки аналізу (наприклад, час, група продукції, регіон, тип процесу, тип клієнта та ін.). Зі сховища даних отримують інформацію експерти при складанні мови опису ситуацій, характерних для даного об'єкта. Потім, за допомогою нейронних мереж, виявляються причинно-наслідкові зв'язки, що мають місце при управлінні об'єктом і описуються правила прийняття рішень. При цьому нейронна мережа будується і налагоджується на основі моделей з бази моделей.

Після визначення цільової функції і причинно-наслідкових зв'язків може здійснюватися синтез модулів СППР і безпосереднє застосування СППР для вирішення слабоструктурованих задач.

Підтримка прийняття рішень при вирішенні слабоструктурованих задач управління економічним об'єктом здійснюється за схемою: аудит економічного об'єкту - одержання достатньо ефективного рішення - представлення рішення за допомогою ситуаційної кімнати - аналіз ефективності запропонованого рішення - модернізація СППР.

Розділ 2 - «Моделі слабоструктурованих задач в системах підтримки прийняття рішень». У цьому розділі розроблено принципи побудови СППР, що орієнтовані на вирішення слабоструктурованих задач; розроблено модель синтезу гнучкої СППР, що дозволяє забезпечити виконання всіх необхідних вимог до сучасних систем підтримки прийняття рішень; розроблено модель аудиту системи управління за допомогою комп'ютерних СППР; запропоновано моделі оцінки підвищення ефективності управління економічними об'єктами при використанні СППР.

Сучасне управління економічними об'єктами характеризується швидкою зміною умов зовнішнього середовища. Тому найважливішою властивістю системи підтримки прийняття рішень є гнучкість.

Гнучкість СППР - це здатність системи адаптуватися до змін потреб. Для того, щоб СППР відповідала цій умові, при її розробці необхідно керуватися такими принципами:

1. Принцип модульності структури СППР, якій передбачає, що загальна задача СППР розбивається на множину підзадач, для кожної з яких будується свій модуль-вирішувач.

2. Принцип адаптивної ітеративності побудови системи, що вимагає повернення на перший етап розробки СППР після додавання нового модуля.

Кожний модуль складається з бази даних, у якій зберігаються дані, що використовуються для вирішення відповідної підзадачи, і бази моделей, що містить моделі для обробки даних. Крім того, моделі можуть обробляти дані з загальної бази, у якій містяться дані, що використовуються декількома або всіма модулями, а також використовувати універсальні моделі з загальної бази моделей і правила рішення з бази рішень. Взаємодія між модулями забезпечується за посередництвом медіаторів, що здійснюють перетворення вихідних даних одного модуля у вхідні дані іншого модуля.

При синтезі системи підтримки прийняття рішень для управління виробничо-збутовою діяльністю необхідно виділити шість блоків модулів, три з яких відносяться до модулів збору даних, а інші до модулів обробки інформації, а саме: блок модулів збору даних про зовнішнє середовище; блок модулів збору даних про виробництво; блок модулів збору даних про збут; блок модулів аудиту; блок модулів прийняття рішень; блок модулів навчання і адміністрування.

Для зв'язку між згаданими вище блоками модулів застосовуються дев'ять медіаторів (рис. 1).

Медіатори 1-6 забезпечують узгодження даних між модулями, що збирають дані й модулями, які здійснюють обробку даних.

Медіатор 7 забезпечує передачу результатів проведення аудита системи управління виробничо-збутовою діяльністю в блок модулів, що здійснюють прийняття рішень.

Медіатори 8 і 9 передають результати роботи модулів обробки даних у модулі навчання й адміністрування і повертають коригувальні впливи.

Модель обробки елементів опису ситуації у медіаторі має наступний вигляд:

G^k_j=F(G^k₁ ,…, G^k_i ,…, G^k_I , ц(G^k₁ ,…, G^k_i ,…, G^k_I ) + ш(G^k₁ ,…, G^k_i ,…, G^k_I )),

Р'^w=E(T^w₁ ,…, T^w_n ,…, T^w_N),

R'^d=S(H^d₁ ,…, H^d_m ,…, H^d_M),

H = Р'^w G'^k,

T = G'^k,



де G^k - множина неузгоджених елементів опису; G^k G; G - дані, які є множиною елементів опису ситуації, що обробляються медіатором; G^k_i - неузгоджені елементи опису; G^k_i G^k; ; I - кількість неузгоджених елементів у множині G^k; G'^k - елемент, що залишається в описі; T^w - множина елементів, що повинні бути обрані; T^w T; T^w_n T^w ; n=; N - кількість елементів у множині T^w; H^d - множина елементів, хоча б один із яких повинен бути обраний; H^d H; H^d_m H^d; m=; M - кількість елементів у множині H^d; ц(G^k_i,…,G^k_j) - функція, що оцінює необхідність елементу опису; ш(G^k_i,…,G^k_j) - функція, що оцінює достовірність елементів опису; F, E, S - функції, що здійснюють відбір елементів опису для приймаючого модуля.

Рис. 1. Взаємозв'язок модулів СППР при управлінні виробничо-збутовою діяльністю



Якщо Р'^w або R'^d не відповідають пред'явленим до них умовам, необхідна повторна передача інформації в медіатор з урахуванням невиконаних вимог.

При вирішенні слабоструктурованих задач першим кроком є аналіз економічного об'єкту і виявлення проблем, що мають місце при управлінні ним. Для виявлення цих проблем і внесення пропозицій щодо їх усунення доцільно проводити аудит системи управління з використанням СППР. Аудит системи управління виробничо-збутовою діяльністю має на увазі виявлення можливостей підрозділів підприємства по виконанню виробничого і збутового планів та розробки рекомендацій щодо розподілу планових завдань між підрозділами.

Доцільно провести розбивку системи управління на її елементи - підрозділи, а її функції дати у вигляді задач.

Взаємозв'язок задач управління відображається на графі у вигляді вершин (задачі) і дуг (зв'язків між задачами). Дуга в графі відображає зв'язок між задачами, що ідуть відповідно до технології управління одна за однією.

Задачі характеризуються множиною ознак

Z_i=<z_i1,z_i2,…,z_iN,s_i1,s_i2,…,s_iM,>,

де z - кількісно вимірні ознаки, s - якісно вимірні ознаки, iI, I - загальна кількість задач, N, M - відповідно число кількісних та якісних ознак. Весь граф розбивається на області покриття окремих підрозділів. Підрозділи характеризуються набором внутрішніх властивостей, що ставляться у відповідність ознакам задач. Ступінь відповідності між ознаками задач і внутрішніми властивостями підрозділів позначається як D(d^kp_ij), де d^kp_ij - ступінь відповідності між і-ю ознакою j-ої задачі і к-ю властивістю p-го підрозділу.

Продуктивність p-го підрозділу R_pi по виконанню робіт, зв'язаних з i-тою задачею визначається з урахуванням мінімально припустимого рівня продуктивності:

де - мінімально припустимий рівень продуктивності,

- нормативний час виконання задачі,

O_i - обсяг робіт i-ої задачі,

? - максимальна величина відхилення.

Постановку задачі аудиту системи управління може бути сформульовано таким чином: на основі орієнтованого графа зв'язків управлінських задач, представлених сукупностями робіт, характеристик і пропускних здібностей підрозділів, визначити ефективність роботи системи управління економічною діяльністю і сформулювати рекомендації щодо її поліпшення.

В такому вигляді модель аудиту системи управління має вигляд:

де множина задач, віднесених до р-го підрозділу,

W_p - сумарний ступінь відповідності покриття р-го підрозділу,

S_p - сумарна продуктивність р-го підрозділу,

t_i - затрати на вирішення i-ї задачі,

P - загальна кількість підрозділів.

При проведенні аудиту СППР обчислює суми загальних величин відповідностей покриття для існуючого розподілу управлінських задач. Потім за допомогою методів пошуку, приведених у розділі 3, здійснюється пошук ефективних варіантів покриття і обґрунтовуються рекомендації щодо їх досягнення.

Традиційно економічний ефект від впровадження СППР вимірюють в певній кількості збережених/зароблених коштів. Але цей підхід не може цілком відобразити ефект від впровадження, тому що всі різноманітні наслідки впровадження СППР неможливо описати тільки кількісними ознаками, необхідно використовувати ще і якісні. Через те, що оцінка економічного ефекту від впровадження здійснюється людьми і для людей, комбінований, кількісно-якісний опис ефекту, є цілком прийнятним.

Ефективність від впровадження СППР розраховується у вигляді:

1. Річного кількісного ефекту від впровадження СППР і строку окупності.

2. Зміни показників ефективності діяльності підприємства.

3. Переліку необчислювальних вигод, отриманих у результаті впровадження.

Розділ 3 - «Методи вирішення слабоструктурованих задач управління підприємством за допомогою комп'ютерних СППР». У цьому розділі розглянуто використання методів штучного інтелекту в СППР, зокрема виявлення причинно-наслідкових зв'язків за допомогою семантичних нейронних мереж для вирішення слабоструктурованих задач, розроблено методи генерації оптимального управлінського рішення за допомогою еволюційних методів пошуку; проведено апробацію розроблених моделей та методів при управлінні виробничо-збутовою діяльністю ВАТ «МК Азовсталь».

Кожна визначена експертом ситуаційна змінна описується нейроном або групою нейронів. Причинно-наслідкові зв'язки (або асоціації) між ситуаційними змінними визначаються величиною і знаком зв'язків між нейронами. Зв'язок характеризується такими параметрами, як напрямок W, сила зв'язку S, вірогідність V і термінове зрушення T. Зв'язок, що описує залежність між ситуаційними змінними X і Y, записується у вигляді:

L=<X,Y,W,S,V,T>,

W =-1v1,

Якщо W=1, це означає, що наявність ситуаційної змінної X викликає виникнення ситуаційної змінної Y через проміжок часу T з ймовірністю V і силою S; якщо W=-1 - наявність ситуаційної змінної X перешкодить виникненню ситуаційної змінної Y через проміжок часу T з ймовірністю V і силою S.

Параметр сили зв'язку S визначає залежність або кореляцію між значеннями ситуаційних змінних. Саме сила зв'язку регулюється при настроюванні мережі методом зворотного поширення помилки, на відміну від параметра вірогідності зв'язку, що залишається незмінним і надалі використовується СППР для аргументації рішення.

Величина часового зрушення T залежить від економічного об'єкта, управління яким здійснюється за допомогою СППР. Вона може коливатися від декількох хвилин (наприклад, прийняття рішень у грі на фондовій біржі) до декількох місяців або років (при стратегічному управлінні підприємством).

На відміну від класичних нейронних мереж, у яких основним для дослідника є визначення значень результуючих нейронів, для цієї задачі це не головне. Головною метою обробки ситуацій за допомогою нейронної мережі є виявлення причинно-наслідкових зв'язків, які задають поводження економічного об'єкта.

Позначимо ситуаційну змінну SP, момент її активізації T(SP). При перерахунку значень ситуаційних змінних враховуються тільки дані про зв'язки, що мають місце в момент часу T(SP). Позначимо множину ситуаційних змінних безпосередньо пов'язаних асоціативним зв'язком з SP.. Нехай S_i - сила асоціативного зв'язку, що веде з B_i у SP.

Для визначення SP необхідно мінімізувати наступний вираз:

(SP(B₁)*((S₁-(SP-1))² +…+SP(B_i)*((S_i-(SP-1))²+…+SP(B_N)*((S_N-(SP-1))²).

У випадку, якщо SP(B)=, факт, відображений ситуаційною змінною вважається неможливим. Якщо , функція перерахунку значення ситуаційної змінної має вигляд:

У протилежному випадку SP=0.

Всі оператори, що використовуються в класичних варіантах генетичних алгоритмів, мають недоліки з погляду ефективності збіжності. При використанні оператору кроссоверу нащадки елітних батьків зберігають їхні кращі риси. Але рішення, отримане тільки з використанням оператору кроссоверу, дуже швидко вироджується. Якщо функція пристосованості має декілька екстремумів (у нашому випадку під екстремумом будемо розуміти досить ефективне рішення), то ті особи, що першими знаходять один з екстремумів, стають точкою притягання для інших. У результаті всі рішення попадають в локальний екстремум, тобто популяція вже не може з нього вибратися і вироджується.

Оператор мутації дозволяє вивести рішення за межі тієї ніші, куди стягується популяція. У такий спосіб у популяції з'являється шанс знайти інший екстремум. Але цей метод має істотний недолік - пошук екстремуму відбувається абсолютно випадковим чином. Якщо застосовувати мутацію з невеликою ймовірністю, то ймовірність знайти новий екстремум для популяції, що зійшлась, невелика. Якщо ж застосовувати мутацію з великою ймовірністю, то дуже сильно збільшиться час збіжності. Причому гарантії, що необхідний екстремум буде знайдено, немає.

Тому запропоновано оператор, що забезпечує цілеспрямований вихід популяції з локального екстремуму. Він робить не випадкову зміну одного гена в хромосомі, а його цілеспрямоване поліпшення. Для цього необхідно одержати цільову функцію пристосованості одного гена і максимізувати її, тобто оптимізувати хромосому по цьому генові. Застосовуючи до особі такий оператор, одержимо рішення, що з досить високою ймовірністю може виявитися в новому екстремумі і перетягнути частину популяції в цей екстремум.

При перевірці ефективності генетичного алгоритму з використанням запропонованого генетичного оператора в порівнянні зі стандартними генетичними алгоритмами на багатоекстремальній тестовій функції Растригіна було виявлено всі екстремуми, на відміну від традиційного алгоритму, якій знайшов тільки один екстремум.

У результаті реалізації розроблених моделей було визначено рекомендації щодо виробничо-збутової політики ВАТ «МК Азовсталь». Результат апробації запропонованих моделей та методів представлено на рис. 2.



Рис. 2. Обсяг збуту металопродукції ВАТ «МК Азовсталь»

На діаграмі представлено обсяг фактичного збуту металопродукції в Україні і дальньому зарубіжжі у 2001-2002 роках і розрахунок збуту при використанні запропонованої СППР.



ВИСНОВКИ ДИСЕРТАЦІЙННОЇ РОБОТИ

На методологічному, теоретичному й інструментальному рівнях в дисертації розроблено концепцію моделювання слабоструктурованих задач як складової систем підтримки прийняття рішень. Проведене дослідження дозволило зробити такі висновки:

1. На підставі проведеного аналізу розробки і застосування систем підтримки прийняття рішень при управлінні економічними об'єктами і підходів до їх моделювання, виявлено, що в сучасних умовах складність слабоструктурованих задач збільшується. Це, а також динамічність розвитку економічної ситуації, особливо в умовах перехідної економіки, приводить до того, що існуючі підходи і методи не дозволяють ефективно і вчасно вирішувати проблеми, які постають перед підприємством.

2. Розроблено концепцію моделювання слабоструктурованих задач як складову систем підтримки прийняття рішень, яку засновано на застосуванні економіко-математичних моделей і методів штучного інтелекту, що дозволяє ефективно організувати управління діяльністю економічного об'єкту за рахунок своєчасної розробки рекомендацій щодо вирішення слабоструктурованих задач.

3. Для забезпечення ефективного функціонування системи підтримки прийняття рішень при її розробці повинні виконуватися принципи модульності і ітеративності, що припускають роздільний і поетапний синтез СППР, який дозволяє забезпечити гнучкість і легку модернізацію СППР. Для виконання цих принципів розроблено модель синтезу СППР, забезпечуючи збалансовану роботу частин СППР, що підвищує точність рішення.

4. Для виявлення слабких місць у системі управління економічним об'єктом розроблено модель аудиту підрозділів підприємства, які забезпечують планування і здійснення функцій підприємства. Ця модель дозволяє проводити регулярний аудит, що позитивно впливає на своєчасність вирішення слабоструктурованих задач управління економічним об'єктом.

5. Розроблено модель розпізнавання ситуацій, яка дозволяє за допомогою семантичної нейронної мережі виявити причинно-наслідкові зв'язки, що дає можливість сформулювати правила вирішення слабоструктурованих задач управління економічним об'єктом.

6. Запропоновано метод генерації рішень за допомогою еволюційних методів пошуку, що дозволяє уникнути застопорення алгоритму на локальному оптимумі та зменшити час пошуку всіх ефективних рішень.

7. Основні результати дослідження пройшли практичну апробацію на ВАТ «МК Азовсталь» (м. Маріуполь). У результаті реалізації запропонованих моделей і методів отримано економічний ефект у розмірі 165 тис. грн.



СПИСОК ОПУБЛІКОВАНИХ АВТОРОМ РОБІТ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Прокопенко Р.В., Стасюк В.П. Аналіз задач та моделей в системах підтримки прийняття рішень // Торгівля і ринок України : Сб. наук. ст. / Голов. ред. О.О. Шубін. - Донецьк: ДонДУЕТ, 2000. - Вип. 10, Том ІІ. - с. 135-139.

2. Прокопенко Р.В. Применение систем поддержки принятия решений в оперативном управлении // Модели управления в рыночной экономике : Сб. науч. тр. / Общ. ред. и предис. Ю.Г. Лысенко - Донецк: ДонНУ, 2000. - Спец. вып. - с. 268 - 272.

3. Прокопенко Р.В. Применение нейронных сетей в системах поддержки принятия решений // Новое в экономической кибернетике. Модели виртуальных образований экономических объектов: Сб. научн. ст. / Общ. ред. Ю.Г.Лысенко - Донецк: ДонНУ, 2001. -№3. - с. 40-48.4. Прокопенко Р.В. Применение экспертных систем при формировании учебной программы // Новое в экономической кибернетике. Дистанционное обучение: Сб. научн. ст. / Общ. ред. Ю.Г.Лысенко - Донецк: ДонНУ, 2002. -№1. - c. 69-73.

5. Прокопенко Р.В., Гнатушенко В.А. Управление экономическими объектами с помощью систем поддержки принятия решений // Торгівля і ринок України. Тематичний збірник наукових праць з проблем торгівлі і громадського харчування. / Голов. ред. О.О. Шубін. - Донецьк: ДонДУЕТ, 2002. - Випуск 14. Том ІІ. - с. 324-330.

6. Прокопенко Р.В. Применение систем поддержки принятия решений при управлении материальными запасами предприятия // Новое в экономической кибернетике. Моделирование в логистике: Сб. науч. ст. / Общ. ред. Ю.Г. Лысенко; 2002. - Вып. 2. - ДонНУ, - Донецк: Юго-Восток, - с. 112-116.

7. Прокопенко Р.В. Управление маркетинговыми коммуникациями на основе эволюционных методов поиска // Новое в экономической кибернетике. Моделирование коммуникационных процессов в маркетинге: Сб. науч. ст. / Общ. Ред. Ю.Г. Лысенко; 2002. - Вып. 3. - ДонНУ, -Донецк: Юго-Восток, - с. 88-97.

8. Прокопенко Р.В., Маншилин К.Н. Построение системы поддержки принятия решений при управлении персоналом // Модели управления в рыночной экономике : Сб. науч. тр. / Общ. ред. и предис. Ю.Г. Лысенко; 2002. - Вып. 5, - Донецк: ДонНУ, - с. 385-393.

9. Прокопенко Р.В., Лысенко Ю.Г. Применение нейронных сетей в системах поддержки принятия решений// Економічний вісник Національної гірничої академії України. Том 2. Матеріали II Міжнародної науково-практичної конференції, м. Дніпропетровськ, 2001. - с.99-101.

10. Прокопенко Р.В. Побудова ансамблевих нейронних мереж для підтримки прийняття рішень// Матеріали I Міжнародної наукової студенстько-аспірантської конференції «Україна в XXI ст.: формування економічної системи», м. Львів, 3-5 травня 2001 р. - с 283-284.11. Прокопенко Р.В. Принятие решений с помощью человеко-машинной СППР// Матеріали VII Всеукраїнської науково-методичної конференції «Проблеми економічної кібернетики», м. Запоріжжя, 11-13 вересня 2002 р. - с. 159-161.

Размещено на Allbest.ru

...