Читайте также:
|
|
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
<== предыдущая страница | | | следующая страница ==> |
Страты. Уровни описания, или абстрагирования | | | Многоэшелонные системы: организационные иерархии |