Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Рис. 1 Структура системы управления безопасностью техногенного объекта (ТО)

В соответствии с данным рисунком предполагается, что ТО (техногенный объект) представляет собой сложную структуру, состоящую из связанных между собой подсистем технического, технологического, эксплуатационного, экономического, социо-технического, организационно-управленчечского и информационного назначения. Следовательно, можно предположить, что математическое описание статико-динамических свойств ТО формируется на основе комбинаций моделей различных степеней формализации: от точных функциональных соотношений в технической и технологической подсистемах до операциональных моделей в социально-технической подсистеме и системе в целом.

Поэтому, в общем случае, можно считать, что:

u – вектор управления и/ или принятия решения (выбора) общего вида, который вызывает те или другие изменения в системе;

x – вектор параметров состояния в ТО в рамках семи указанных выше подсистем (связанных способов описания) ТО, причем каждой подсистеме может соответствовать подсектор x Combin(i =1,2,…7) ее состояния, который из-за взаимосвязи подсистем является в общем случае функцией состояния ТО и управляющего вектора .

На рис.1 J (x, u) = ( , ,… ) –вектор показателей безопасности ТО, который в свою очередь состоит из скаляров или подсекторов , i = 1,…7.

Каждый подсектор характеризует набор скалярных показателей для данной подсистемы безопасности, причем размерность вектора l будет различной в различных подсистемах.

В типичной ситуации управления можно ввести обобщенный скалярный показатель безопасности для данной i – ой подсистемы

,

где i = 1,2,…7, где , нормированные весовые коэффициенты «важности» показателей Jik .

В соответствии с рис.1 для анализа и оптимизации (максимизации) безопасности необходимо ввести многокритериальный критерий получения оптимального управления и/или решения .

Решение данной многокритериальной задачи позволяет получить либо оптимальную программу управления безопасностью (например, во времени)

, либо, в самом общем случае, программно-корректируемый алгоритм управления в функции от текущего состояния ТО

.

Для решения задачи на основе анализа безопасности ТО достаточно, например, при известных «весах» , выбрать u(f) так, чтобы обеспечить в векторе , значения большие заданных «порогов безопасности»

, i = 1,2,…7.

Таким образом, формируется общая постановка задачи управления безопасностью, как задача многокритериального анализа и оптимизации управления и/или решения.

Учет взаимосвязей подсистем безопасности при многокритериальной оптимизации управления (решения) и требования уравновешивания (балансировки) свойств безопасности ТО в семи указанных направлениях в условиях исходной структурной несогласованности при высоком уровне формализации статико-динамических свойств технико-экономического представления ТО позволяет обратиться к методам оптимизации управления многокритериальными много объектными (много связанными) системами.⁷

Расширение модели представления ТО, в частности, введение в анализ и оптимизацию подсистемы социотехнической безопасности ТО приводит к формированию мало формализованных субъективных моделей принятия решений, так называемых операциональных моделей.

1.2. Классификация методов многокритериальной оптимизации управления и решений

1.2.1 Постановка задач управлений и принятия решений

Многокритериальная задача оптимизации управления:

(1)

(2)

， (3)

， ， (4)

， (5)

Многокритериальная задача принятия решения:

(1)

， (2)

, ; , (3)

(4)

1.2.2 Основные подходы в формализованных задач многокритериальной оптимизаций управления и принятия решений

В данный момент существует три основных подходов к многокритериальной оптимизации.

Первый подход связан с прямыми методами многокритериальной (векторной) оптимизации.

Второй подход связан с методами скаляризации.

Третий подход связан с методами компромиссов.

В рамках 1-го подхода анализируются 2 метода:

1) метод многокритериальной оптимизации на основе конусов доминирования.

2) метод многокритериальной оптимизации на основе генетического алгоритма (сетевой адаптивный метод).

В рамках 2-го подхода рассматриваются 3 метода скаляризации.

1) метод прямой скаляризации показателей форме:

где –нормированный вектор от исходного , , .

2) метод лексико – графической оптимизации.

3) метод пороговой оптимизации.

В рамках 3-го подхода:

1) метод достижения компромисса на основе утопической (идеальной).

2) метод достижения компромисса на основе точки Шепли.

3) метод достижения компромисса на основе арбитражных схем.

Замечание:

В процессе оптимизации возникают две проблемы:

1) локальные свойства методов оптимизации в скалярном случае (т.е. при однокритериальной оптимизации).

2) в общем случае оптимизационные показатели являются невыпуклыми и поэтому методы локальной оптимизации не применимы.

Поэтому: алгоритмы многокритериальной оптимизации формируются на двух этапной основе:

Этап 1: глобальный (сетевой) анализ вектора показателей на множестве управлений (решений) с определением приближенного глобального extr.

Этап 2: локальная точечная оптимизация в окрестности приближенно найденной точки глобального экстремума.

Глава 2. Экспертные подходы многокритериальных принятий решений на основе сравнений многокритериальных альтернатив обеспечения социо-технической

безопасности техногенного объекта (ТО)

За основу берется направление анализа и оптимизации базирующееся на экспертных методах принятия решений, в частности, методах оценки и сравнения многокритериальных альтернатив (x,u).⁸

2.1 Задачи и методы принятия решений с субъективными моделями

В этой части мы рассмотрим наиболее известные методы анализа решений, ориентированные на задачи, при решении которых используются модели субъективного характера. При решении таких задач строится не модель окружающей нас реальности, а модель желаний, предпочтений, политики человека, принимающего решения. Описанные далее методы построения таких моделей реализованы в виде компьютерных систем поддержки принятия решений. Хотя эти системы не столь совершенны, но, они действительно оказывают помощь ЛПР.

В первой главе определены три основных этапа процесса принятия решений: поиск вариантов решения (альтернатив), изобретение новых альтернатив, выбор наилучшей из группы альтернатив. Все эти этапы, безусловно, встречаются в достаточно сложных реальных ситуациях принятия решений. Мы можем представить себе политика, подготавливающего законопроект для рассмотрения парламентом. Изучая проблему, на решение которой должен быть направлен закон, он обращается к историческому опыту своей страны и других стран, анализирует современную ситуацию. Зная точки зрения политических партий, представленных в парламенте, он ищет вариант законопроекта, достаточно приемлемый для других и решающий, с его точки зрения, поставленную задачу. Наконец, сравнивая несколько вариантов законопроекта, исходящих от различных авторов, он оценивает их по совокупности критериев (эффективность, затраты, влияние на различные социальные группы, реализуемость и т.д.) и выбирает наилучший.

Если мы обратимся к существующим методам принятия решений, то увидим, что подавляющее большинство этих методов предназначено для решения задач, которые Г. Саймон относит к третьему этапу – к сравнению заданных альтернатив и к выбору наилучшей из них. Легко понять, почему задачи первого и второго этапов не рассматриваются в рамках различных теорий выбора. Задачи эти в основных своих чертах не формализованы и решаются благодаря навыкам и умениям консультанта и ЛПР. Если в процессе принятия решений всегда переплетены наука и искусство, то на первых двух этапах научные методы не играют важной роли. На третьем этапе задача предстает уже в достаточно определенном, структурированном виде.

Представим в самых чертах группы задач принятия решений.

Задачи первой группы:

Дано: группа из n альтернатив-вариантов решения проблемы и N критериев, предназначенных для оценки альтернатив; каждая из альтернатив имеет оценку по каждому из критериев.

Требуется: построить решающие правила на основе предпочтений ЛПР, позволяющие:

А) выделить лучшую альтернативу;

Б) упорядочить альтернативы по качеству;

В) отнести альтернативы к упорядоченным по качеству классам решений.

Задачи второй группы:

Дано: группа из N критериев, предназначенных для оценки любых возможных альтернатив; альтернативы либо заданы частично, либо появляются после построения решающего правила.

Требуется: на основании предпочтений ЛПР построить решающие правила, позволяющие:

А) упорядочить по качеству все возможные альтернативы;

Б) отнести все возможные альтернативы к одному из нескольких (указанных ЛПР) классов решений.

Характеристики

Список файлов ВКР