Диссертация (Методология унифицированной разработки систем поддержки принятия решений для многокритериальных высокоразмерных задач ракетно-космической отрасли), страница 11

СППР подает на вход модели предметной области значенияоптимизируемых параметров и получает соответствующие им значения локальных критериев.Оптимизация. По значениям локальных критериев система определяет уровеньпредпочтительности альтернативы и использует его в качестве целевой функции (для первого ивторого режимов). В режимах взвешенной суммы и идеальной точки целевой функцией служитскаляризованное значение критерия. Третий и шестой режимы в задачах оптимизации неиспользуются.

Если условия оптимальности выполнены, то СППР выдает оптимальноерешение, а так же несколько наиболее близких к нему, на множестве которых ЛПРосуществляет выбор.1.4.2. Средства выявления и формализации предпочтений пользователяРассмотрим наиболее принципиальный режим: свертка по зависимым предпочтениям.При этом предполагается, что, рассматривая значения двух совокупностей показателей,пользователь всегда может сказать, какая из них, с его точки зрения, предпочтительнее или жеони равноценны. Весьма существенно, что эта процедура не требует от него количественныхоценок степени предпочтений, что всегда затруднительно, достаточно лишь сопоставления.

Всистеме DSS/UTES такие сопоставления выполняются на плоских (двумерных) сеченияхфункции предпочтений. Это делается следующим образом.Пусть, имеется:n – критериев оценки альтернатив;mj – число градаций шкалы j–го критерия (каждый из критериев имеет шкалу, причем,как минимум, порядковую);Xj = {xj,1, xj,2, …, xj,mj } – оценки на шкале j-го критерия (градации);n – мерный гиперкуб, каждый j-й критерий образует соответствующую сторону(измерение) гиперкуба;X1⊗X2⊗ …⊗Xn – сетка, построенная в гиперкубе, каждая точка которой является однойиз возможных комбинацией значений по критериям.Из множества введенных показателей пользователь выбирает любые два (например, 1 и2), которые условимся называть активными. Желательно, но не обязательно, чтобы ониобладали наибольшим числом градаций или же представлялись ему наиболее важными.Оставшиеся n-2 показателя – пассивные.Активные показатели образуют решетку, содержащую m1*m2 клеток.

Каждая клеткаотражает определенную комбинацию значений активных показателей. Пользователь долженрасставить свои предпочтения на этой решетке. Для этого ему надо раскрасить клетки вразличные оттенки одного цвета, который он может выбрать по своему вкусу. В системе по43умолчанию принята черно-белая цветовая шкала. Принято также, что клетка, имеющая болеесветлый оттенок, предпочтительнее, чем та, что темнее. Соответственно клетки однойтональности-равноценны.Передраскрашиваниемплоскостиактивныхкритериевпользователь должен назначить значения всех пассивных показателей, при которых он будетпроизводить раскраску.

Эти значения он выбирает по своему усмотрению, но выполнениедальнейших процедур упростится, если он каждому пассивному критерию припишет егоминимально допустимое значение. По окончании раскрашивания пользователь изменяетзначение одного из пассивных показателей и производит раскраску снова. И такая процедурадолжна повторяться до тех пор, пока не будут определены предпочтения на всех двумерныхсечениях, соответствующих всем возможным комбинациям значений пассивных показателей.Если пользователь осуществляет ввод предпочтений при фиксированных показателях сномерами 1 и 2, то число сечений, на которых он должен определить предпочтения,определяется соотношением:n∏mj, если mj = m = const, тоj =3n∏mj= m(n-2)j =3Число сечений может быть велико. Уже для 3-х фиксированных показателей с 4-яградациями оно составляет 43=64.В результате в базу системы будет записана информация в виде, позволяющем сравнитьпо предпочтениям пользователя две любые совокупности значений показателей.

Дляиспользования этой информации в задачах оптимизации и ранжирования ей необходимопридать числовую форму. Достигается это путем построения ФП. При этом предполагается, чтовсе компоненты векторного критерия дискретны. Если они не дискретны, то их предварительнонеобходимо оцифровать в дискретной шкале.При раскраске двумерных сечений для облегчения работы пользователя на экранвыводится палитра полутонов, и работа пользователя при назначениях предпочтений сводитсяк выбору из этой палитры нужного полутона. Эти полутона расположены в порядкевозрастания "светлости", и их можно перенумеровать, например, от черного до белого.

Тогдадля сопоставления совокупностей значений показателей достаточно сравнить номераприсвоенных им полутонов. Та, чей номер выше, - предпочтительнее.На рисунке 1.3. приведена экранная форма, соответствующая этапу формированияфункции предпочтений. Показаны раскрашенное двумерное сечение ФП, перечень пассивныхпоказателей с указанием "замороженных" значений и палитра полутонов. Соответственно, чембольше полутонов содержит палитра, тем выше разрешающая способность системы попредпочтениям.

В частности, для того, чтобы различать по предпочтениям все возможныекомбинации значений показателей, их число должно равняться числу полутонов палитры. Но44практически требуемое (или используемое) количество полутонов заметно меньше, т.к.существует большое число равных по предпочтениям комбинаций значений показателей. Вчастности, равными по предпочтениям являются все комбинации, в которых хотя бы одинпоказатель имеет недопустимое значение.Описаннаяпроцедуравыявленияиформализациипредпочтенийвыполняетсяотносительно просто, если число введенных показателей не превышает 5-ти и количествоградаций каждого не слишком велико. В дальнейшем ее трудоемкость возрастает настолькорезко, что она может стать практически невыполнимой.

Это, в первую очередь, связано с тем,что при переходе от одного пассивного показателя к другому и при изменении их"замороженных" значений приходится запоминать предыдущие назначения.Рис. 1.3. Окно редактирования предпочтений.Дляснятияэтогоограниченияпредлагаетсякомплексмертехническогоиметодологического характера, в частности: доопределение ФП, агрегирование ФП и построениеФП для случая показателей, независимых по предпочтениям.1.4.3. Архитектура DSS/UTESТрехуровневая архитектура СППР DSS/UTES приведена на рисунке 1.4. Наиболеепринципиальным является структура промежуточного уровня, представленного наборомкомпонент COM [74,75]. В основе COM лежат два понятия: компонент и интерфейс.

Компонент- это объект, содержащий определенный набор данных и процедур для их обработки.Интерфейс представляет собой описание определенного набора процедур. Компонент можетподдерживать несколько интерфейсов. Один и тот же интерфейс может поддерживатьсяразличнымикомпонентами.Различныекомпоненты,поддерживающиеодинаковыеинтерфейсы, принадлежат к одной категории.

Внутренняя реализация компонент может быть45различной, они могут быть созданы в различных системах программирования. Поэтому даннаяархитектура является методологической основой для построения различных систем поддержкирешений, работающих по предпочтениям пользователя.ВерхнийуровеньПО интерфейса пользователяIControlIControlIExponentDSS.DESCRIPTIONIMethodDSS.PREFIControlIControlIControlDSS.OPTIMDSS.ESTIMATIONIEstimateDSS.MODELIParamIOptimizeПромежуточныйуровеньБаза знанийНижнийуровеньБаза“собственнознаний” (ФП)База умений(модель)Рис. 1.4. Трехуровневая архитектура ПО СППР DSS/UTES.Рассмотрим описание основных компонентов, их категорий и интерфейсов.Компонент DSS.DESCRIPTION предназначен для доступа к атрибутам векторногокритерия, определения режима работы, проверки на возможность применения выбранногорежима работы, сохранения описания векторного критерия в базе знаний.Категория компонентов свертки векторного критерия DSS.PREF.

В данную категориюможет входить произвольное количество компонентов, реализующих доступ к методам сверткивекторного критерия. Важно то, что регистрация новых методов свертки происходит на уровненастроек.Компонент DSS.ESTIMATION отвечает за ввод альтернатив, их ранжированиепосредством запуска компонент из DSS.PREF, расчет значения целевой функции при решениизадачи оптимизации.Категория компонентов, реализующих модели предметных областей DSS.MODEL. Онипозволяют задавать значения параметров модели и по ним получать значения локальныхкритериев. Простота интерфейсов модели предметной области дает возможность реализовыватьих разработчикам, незнакомым с архитектурой СППР.Категория компонентов оптимизации DSS.OPTIM позволяет реализовать доступ кпроцедуре оптимизации.

Компонент оптимизации должен обеспечить выбор модели46предметной области из категории DSS.MODEL. Процедура оптимизации выглядит следующимобразом:1. Пользователем определяются начальные значения оптимизируемых параметров, еслиэто необходимо выбранному методу оптимизации.2.

Компонент оптимизации вызывает компонент модели предметной области дляопределения значений локальных критериев по значениям оптимизируемыхпараметров. Если поданные на вход модели значения параметров являютсянедопустимыми, то компонент модели предметной области возвращает признакнедопустимости и осуществляется переход на шаг 5.3. Компонент оптимизации вызывает компонент DSS.ESTIMATION для получениязначения целевой функции по значениям локальных критериев.4. Компонентоптимизациипроверяетвыполнениеусловийнанахождениеоптимального значения целевой функции. Если оптимум найден, то следует переходна шаг 6.5.