Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Слои. Уровни сложности принимаемого решения

Читайте также:
  1. IV стадия - стадия разрешения или фаза об­ ратного развития. 1 страница
  2. IV стадия - стадия разрешения или фаза об­ ратного развития. 10 страница
  3. IV стадия - стадия разрешения или фаза об­ ратного развития. 2 страница
  4. IV стадия - стадия разрешения или фаза об­ ратного развития. 3 страница
  5. IV стадия - стадия разрешения или фаза об­ ратного развития. 4 страница
  6. IV стадия - стадия разрешения или фаза об­ ратного развития. 5 страница
  7. IV стадия - стадия разрешения или фаза об­ ратного развития. 6 страница

Другое понятие иерархии относится к процессам принятия сложных решений. Почти в любой реальной ситуации принятия решения существуют две предельно простые (настолько простые, что о них слишком часто забывают), но чрезвычайно важные особенности:

1) Когда приходит время принимать решения, принятие и выполнение решения нельзя откладывать; любая отсрочка просто означает, что не найдено такого нового или изменения старого действия, которое было бы предпочтительнее других альтернатив.

2) Неясность относительно последствий различных альтернативных действий и отсутствие достаточных знаний о имеющихся связях препятствуют достаточно полному формализованному описанию ситуации, необходимому для рационального выбора действий.

Эти два фактора приводят к основной дилемме принятия решения: с одной стороны, необходимо действовать немедленно, с другой же — столь же необходимо, прежде чем приступать к действиям, попытаться лучше понять ситуацию. При принятии решения в сложных ситуациях разрешение этой дилеммы ищут в иерархическом подходе. Определяют семейство проблем, которые пытаются разрешить последовательным путем в том смысле, что решение любой проблемы из этой последовательности определяет и фиксирует какие-то параметры в следующей проблеме, так что последняя становится полностью определенной и можно приступить к ее решению. Решение первоначальной проблемы достигнуто, как только решены все подпроблемы. Пример такого разбиения показан на фиг. 2.6. Каждый блок здесь представляет собой принимающий решение элемент. Выход элемента (например, D2) есть решение или последователь­ность решений задачи, зависящей от параметра, фиксируемого входом х2. Этот вход в свою очередь является выходом принимающего решение эле­мента более высокого уровня. Таким образом, сложная проб­лема принятия решения разбивается на семейство последовательно расположенных более простых подпроблем, так что решение всех подпроблем позволяет решить и исходную проблему. Такую иерархию мы будем называть иерархией слоев принятия решений, а всю систему принятия решений (обозначенную на фиг. 2.6 через D)многослойной системой (принятия решений).

Примеры многослойной системы принятия решений легко най­ти в повседневной жизни. Действительно, личные цели, как пра­вило, весьма расплывчаты и должны еще быть преобразованы в подцели, которые в свою очередь создадут основу для выбора конкретного образа действий. Например, личная цель может заключаться в достижении «счастья» или некоторого уровня удовлетворения, но эту расплывчатую цель еще надо преобразо­вать в конкретные подцели, ведущие к определенным действиям. Цель надо выбирать так, чтобы ее можно было развернуть в под­цели; очень часто лишь после достижения подцелей появляется возможность оценить, приблизились ли мы к первоначальной цели.

Рассмотрим теперь два примера автоматизированных систем принятия решений, в которых слои иерархии выступают более отчетливо.

Один пример взят из области «искусственного интел­лекта», а другой из области промышленного управления.

В эвристических программах для ЭВМ, предложенных Ньюэллом и др. [20], процесс доказательства теорем в одной из областей математики происходит следующим образом: теорема формули­руется как равенство двух математических выражений, к которым могут быть применены преобразования из некоторого допустимого множества. Доказательство теоремы состоит в последовательном преобразовании обеих частей уравнения до получения тождества. Процесс преобразования уравнения в тождество иерархически упорядочен. Этот метод применяется и в области символической логики. Пусть теорема исчисления высказываний задается, ска­жем, равенством

тогда доказательство теоремы состоит в применении последователь­ности допустимых преобразований к обеим частям уравнения вплоть до получения тождества. Общая стратегия доказательства теоремы представляет собой многоуровневую систему (фиг. 2.7). Слои определяются в терминах «различий», которые могут суще­ствовать между отдельными выражениями при доказательстве теоремы. Учитываются следующие различия:

— указывает на наличие в одном выражении такой перемен­ной, которой нет в другом;

— означает, что переменная входит в оба выражения различ­ное число раз;

— означает, что различие состоит в отрицании некоторых логи­ческих переменных;

— означает, что применяются неодинаковые связки;

— означает, что переменные по-разному сгруппированы;

— означает, что переменные занимают неодинаковые пози­ции.

Различия затем упорядочиваются в соответствии с введенным приоритетом и используются для выделения различных слоев принятия решений, начиная с высшего, ответственного за наи­более существенное различие. Задача элементов каждого слоя принятия решения — устранить соответствующее различие. Каж­дый принимающий решение элемент располагает набором преобра­зований, считающихся полезными для устранения соответствую­щего различия. Процесс доказательства теоремы начинается с предъявления теоремы высшему элементу, который после устра­нения соответствующего различия предъявляет преобразованное уравнение следующему элементу. Если каждый из слоев успешно выполняет свою задачу, уравнение в итоге преобразуется в тож­дество и теорема доказана.

Следует заметить, что на фиг. 2.7 указана лишь принципиаль­ная структурная схема системы доказательства теорем. Полная система значительно сложнее; она предусматривает движение вверх и вниз по иерархии, чтобы избежать тупиков, если в задан­ный промежуток времени решение на некотором слое не может быть достигнуто; уравнение может быть тогда возвращено на один из предшествующих более высоких слоев, или же оно может быть временно передано следующему, более низкому слою с усло­вием, что в случае необходимости решение будет вновь возвраще­но на более высокие слои. Но как бы то ни было, даже это упро­щенное описание хорошо иллюстрирует необходимость многослой­ных структур в сложных ситуациях принятия решений.

Второй пример представляет то, что мы называем функцио­нальной иерархией принятия решений или управления. Эта иерар­хия возникает естественным образом в связи с тремя основными аспектами проблемы принятия решения в условиях полной неоп­ределенности: 1) выбором стратегии, которая должна быть использована в процессе решения; 2) уменьшением или устранением неопределенности; 3) поиском предпочтительного или допустимого способа действий, удовлетворяющего заданным ограничениям. Функциональная иерархия, изображенная на фиг. 2.8, состоит из трех слоев:

1. Слой выбора: задача этого слоя — выбор способа действий т. Принимающий решение элемент на этом слое получает внеш­ние данные (информацию) и, применяя тот или иной алгоритм (определяемый на верхних слоях), находит нужный способ дей­ствий. Алгоритм может быть определен непосредственно как функциональное отображение Т, дающее решение для любого набора начальных данных, или косвенно, с помощью процесса поиска. Для примера предположим, что заданы выходная функ­ция Р и функция оценки G, а выбор действия, скажем , основан на применении функции оценки G к Р. Используя теоретико-множественный подход (как это принято в общей теории систем), выходную функцию можно определить как отображение , где М — множество альтернативных действий; У — множество возможных результатов на выходе (или «выхо­дов»), a U — множество неопределенностей, адекватно отражаю­щее отсутствие знаний о зависимости между действием mи выхо­дом у. Аналогично функция оценки G есть отображение , где V — множество величин, которые могут быть связаны с характеристиками качества работы системы. Если мно­жество U состоит из единственного элемента или является пустым, т. е. относительно результата на выходе для данного действия m нет неопределенности, выбор может основываться на оптимизации: найти такое в М, чтобы величина = G ( , P( )) была меньше, чем = G (т, Р(т)) для любого другого действия . Если U — более богатое множество, приходится предлагать неко­торые другие процедуры для выбора подходящего действия; воз­можно, при этом придется ввести и некоторые другие отображения помимо Р и G. Но в любом случае для того, чтобы определить задачу выбора на первом слое, необходимо уточнить множество неопределенностей U, требуемые отношения Р, G и т. д. Это осу­ществляется на элементах верхних слоев.

2. Слой обучения, или адаптации. Задача этого слоя — конкре­тизация множества неопределенностей U, с которым имеет дело слой выбора. Следует заметить, что множество неопределенно­стей U рассматривается здесь как множество, включающее в себя все незнание о поведении системы и отражающее все гипотезы о возможных источниках и типах таких неопределенностей. U по­лучают, конечно, с помощью наблюдений и внешних источников информации. Назначение второго слоя — сужение множества неопределенностей U. Если система и окружающая среда стационарны, то множество неопределенностей может быть предельно сужено (до единственного элемента), что соответствует идеальному обучению, как в эксперименте, проводимом в контролируемых условиях. Однако следует подчеркнуть, что U представляет не действительно существующие, а предполагаемые системой приня­тия решения, т. е. учитываемые ею, неопределенности. Второй слой в случае необходимости может полностью изменить V, например расширить его, тем самым как бы допуская, что некото­рые базисные гипотезы были несправедливы. Тем не менее основ­ная цель второго слоя (слоя обучения) — насколько возможно сузить множество неопределенностей и таким образом упростить работу слоя выбора.

3. Слой самоорганизации. Этот слой должен выбирать струк­туру, функции и стратегии, используемые на нижележащих сло­ях, таким образом, чтобы по возможности приблизиться к гло­бальной цели (обычно определяемой в терминах, которые трудно сделать операционными). Если общая цель не достигается, этот слой может изменить функции Р и G на первом слое или страте­гию обучения на втором слое в случае неудовлетворительности оценки неопределенности.

Автоматизированные промышленные процессы, описанные в гл. 1, служат хорошими примерами многослойных иерархий. Глобальная цель автоматизации — максимизация прибыли, повы­шение эффективности и минимизация стоимости производства. Такие грандиозные цели невозможно свести к раз и навсегда выбранным конкретным действиям в обстановке непрерывно меняющихся экономических и технологических условий. Кроме того, необходимо дополнительно учитывать стоимость управления самой автоматизированной системой, а также технологические огра­ничения, налагаемые характером имеющегося оборудования и сло­жившейся инженерной практикой; все это приводит к иерархиче­ской, многослойной структуре такой сложной автоматизирован­ной системы.

Следует отметить, что функциональная иерархия, изображен­ная на фиг. 2.8, основана лишь на концептуальном охвате суще­ственных функций в сложной системе принятия решений. Это дает лишь отправную точку для рационального подхода к проблеме выбора функций различных слоев. На практике функция на лю­бом слое выбирается таким образом, чтобы она могла быть реали­зована с помощью последующей декомпозиции. Так, например, в промышленной автоматике функции слоя выбора обычно осу­ществляются с помощью прямого управления или регулирования и оптимизации. Задача управления, осуществляющего регулиро­вание, — удержать (в условиях неизбежных отклонений) соответ­ствующие переменные около заранее заданных значений, опреде­ляемых методами оптимизации и называемых рабочими точками.

 


Дата добавления: 2015-08-13; просмотров: 176 | Нарушение авторских прав


Читайте в этой же книге: Сталелитейная промышленность | Нефтехимическое производство | Энергетические системы | Теории организационных систем и многоуровневый системный подход | Формализация в рамках теории многоуровневых систем основных понятий теории организаций | Специализация (децентрализация) и координирование | Заключительные замечания | Вертикальная соподчиненвость | Связь между различными понятиями уровня | Взаимная зависимость уровней |
<== предыдущая страница | следующая страница ==>
Страты. Уровни описания, или абстрагирования| Многоэшелонные системы: организационные иерархии

mybiblioteka.su - 2015-2024 год. (0.011 сек.)