Диссертация (1172863), страница 22

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

Текст из файла (страница 22)

е. ZR = ).Управленческая задача, решаемая алгоритмом. Поиск значения ARYR 0  ,гарантирующегоопределениевектора    F AR YR  , , F AR YR Fo AR YRoo11oii(заключительногоэлемента)в зону согласованных и локализованныхуправленческих решений (ZR).Исходные данные: набор коэффициентов (ki), выражающих уровенькорреляции частных ( Fi , i  1, I ) целевых функций к максимально приближённымпредпочтительным показателям частных целевых функций ( Fiц ) и уровеньубывания при уменьшении показателей всех частных целевых функций сувеличением количества циклов определения экстремума, i. Уменьшениезначений (ki,N) до крайних её показателей характеризует усиление условий ковсем частным целевым функциям, и различная скорость уменьшения Bki144отдельныхki,Nкоэффициентовосуществляетинициированиепринципапредпочтения: kir : lim ki , N  kir , i  1, I .N Тоестьопределённые(инициированные)(3.34)принципыпредпочтенийосуществляются после инициализации: исходных значений коэффициентов (ki,1 );шага (n = 1); темпа убывания Bki; максимальных величин параметров, kir ;принципа предпочтения в виде матрицы предпочтений (М = [а  b]), где n –количество частных целевых функций и l – число показателей, Вki , kir , Вkir,1 ,воздействующих на решение.С целью сокращения времени на внесение изменений при моделированииуправления решением можно создать набор принципов предпочтения в видематриц предпочтений (М1, М2, … , Мn) или предопределённое выражениеотношения F, позволяющее реализовать трансформацию из одного принципапредпочтения в другой:Мn+1 = F(Мn).(3.35)В том случае, когда выражение отношения F() отображает линейнуюмодификацию, в том числе с использованием матрицы G = [n  n], из Мn в Мn+1,тогда, построив (разместив столбцы один под другим) на основе столбцов матрицМn и Мn+1 комбинированные векторы Уn+1 и Уn, можно записать:y n 1  G  I y n  G y n ,(3.36)где I – матрица (единичная);  – символ прямого произведения матриц.Выражение отношения X может осуществлять отображение не тольколинейно, но и комбинаторно [344, 378], например:Уn+1 = Gn Уn + Gn-1 Уn + … + Уn .(3.37)При значительных величинах 1 и n только на формирование значения G из(3.36) необходимо извлечение немалого количества данных, в первую очередь отстаршего оперативного должностного лица на пожаре, в связи с этим слишкоммногообразные выражения, наподобие (4.38), применять в действительности напожарах пока нерационально.145На стадии решения поставленной задачи нет потребности в задействованииоператора ЭВМ, так как вся процедура решения целиком автоматизируется, приэтом нечёткость в отборе из альтернатив цели решения поставленной задачизаключается в том, что план упорядочения в порядке решения можетмодифицироватьсяоператоромЭВМ(РТП,НШ,сотрудникштабапожаротушения) по необходимости.

Пространство условий трансформации целивключает ограниченную счетную или непрерывную несчётную совокупностьвозможных планов. В том случае, если n = 1, сформулированная задачаперерождается в задачу с “абсолютной нечёткостью” [344] в принятии решения оцели.Такимобразом,валгоритм,осуществляющийпланнахожденияуправленческого решения Fo - Foц   с заданной точностью (  ) решения задачиупорядочения частных управленческих решений по иерархии подчинённостипожарно-спасательного подразделения и (или) должностных лиц на месте пожара,а также прилегающей к нему территории, можно добавить следующее.А8.1. Инициализация переменных. Весовых показателей ki частной целевойфункции Fi(YRo = k, ARi), i = 1, ki ≠ 0.

Шага цикла (n = 1).А8.2. Выбор принципа предпочтения в достижении цели из набора.А8.3. Сравнение. В том случае, если не первый шаг, возможно изменениеусловий (3.33) принципов предпочтений и изменение весовых показателей икоэффициентов: ki+1 ≠ 0, ki = 0 до достижения i = n + 1.А8.4. Тело цикла. «Cвертка» вектора частной целевой функции с цельюполучения скалярной величины главной целевой функции:    F F , k , i  1,Fo AR YRooiiI .(3.38)А8.5. Сравнение 1.

При выполнении условия:   Fo AR YRoFi , i  1, I ;(3.39)для всех частных целевых функций переходим на шаг А8.3.В противном случае: А8.5.1. Происходит увеличение шага цикла ипродолжится нахождение крайних значений (3.39) с помощью любых численных146оптимизационныхметодов(«случайногопоиска»,«релаксационного»,«градиентного» и др.), но с обеспечением условия дискретности допустимыхальтернатив принятия решения AR.А8.5.2. Осуществляем изменение значения i до достижения i = n + 1, длячастных целевых функций, n = N.А8.6. Сравнение 2. Если решение не найдено: ZR = , то увеличиваетсязначение шага цикла и переходим к п.

А8.3, и изменяем весовые показатели сучётом (3.33).В противном случае, решение найдено. Определены значения YR(AP)  ZRи показатель Foц .А8.7. Вывод результатов для его оценки оператору.А8.8. Сравнение 3. Если решение найдено, но оно оказывается несоответствующим предпочтениям старшего оперативного должностного лица напожаре, т.

е. одной или нескольким частным целевым функциям, то переходим кп. А8.2.В противном случае, решение найдено. Завершение работы алгоритма.Из-за сложности определения шага корректировки весовых показателей, впервую очередь, связанной нелинейными изменениями в поведении основнойцелевой функции, целесообразно в информационно-математическое обеспечениепроцесса упорядочения решений добавить алгоритмы генерации и обновленияпоказателей значенийki Fi ц , Fi ц  .Это позволит старшему оперативномудолжностному лицу на пожаре или другому, управляющему процессом поискарешения определиться с требованиями к критериям решения в понятияхвозможного дрейфа от наилучшего и их модифицировать.Сходимость этого алгоритма осуществляется применением предельныхмассивов исходных данных, а массовость – допустимостью применения разногорода частных целевых функций, видов их сверток, а также численныхоптимизационных методов.147Возможность циклически повторять этот алгоритм упорядочения частныхуправленческих решений с учётом предпочтений оператора, т.

е. реализация«диалога «Человек – Персональный компьютер» позволяет более эффективноготовить документы предварительного планирования.3.3.3. Алгоритм генерирования управленческих решенийОпишем следующую ступень нечёткости в определении цели управленияпожаротушением мобильными средствами, точнее сказать при формулировкеуправленческойзадачинеформализованыпринципыпредпочтения,содержащиеся в матрице предпочтений МP, в такой же мере не определеноправило корректировки принципа предпочтения, как и условие преобразованияМPN в МPN+1.При условии (МP = МPN), когда на предшествующем шаге цикла решение,соответствующее принципам предпочтения МPN, не найдено, в этом случае дляпоиска подобных управленческих задач требуется осуществить исследование,цель которого в результате общения с программой (компьютером) формализуетсяв набор предпочтения в виде матриц МP1, МP2, ..., МPj, … .В связи с тем, что конечное решение задачи управления однозначновзаимосвязано с типом матрицы предпочтений, не обязательно при организациицикла запускать задачу оптимизации для регенерации хронологии предпочтенийМP1, МP2, ...

МPj, … всякий раз. Поэтому целесообразно составить подфункциюгенерирования стохастических ответов AR(1), AR(2), ..., AR(j), содержащуюочерёдностьнаборовчастнойцелевойфункции:F11 ,..., Fn1 ; F12  , ..., Fn2  ; F1 j , ..., Fn j ; ... , а также соответствующую им очерёдностьрасположения матриц МP1, МP2, ..., МPj, …. . Полученные ответы анализируетстаршее оперативное должностное лицо на пожаре и изымает (не физически)совершенно недопустимые. Затем, если позволяет время, ранжирует результаты исоставляет очерёдность расположения матриц МP1, МP2, ..., МPj, … в массиве.

Какбы то ни было, получается массив предпочтений (объективных и субъективных)148лица, принимающего решение, содержимое которого при проверке на качествоэтимжелицомприопределённыхусловияхможетоказатьсянеудовлетворительным. Экспертное мнение также будет неоднозначно.Для того чтобы этого избежать, необходимо сформировать ещё однуподфункцию начальной оценки предпочтений:А1. Инициализация. Принятие из внешней функции начального наборапредпочтений МP1, МP2, ..., МPj, … и решений.

Задание точности расчёта  .А2. Расчёт.А2.1. Формирование массива модифицированных наборов частной целевойфункции:F11  ζ 1s1 , ... Fn1  ζ ns1 ; F12   ζ 1s2  , ... Fn2   ζ ns2  ; F1 j   ζ 1s j  , ... Fn j   ζ 1s j  , (3.40)где ns j  , n  1, N , j  1, J – ряд несвязанных и несистематизированных значений.Эти величины по своему абсолютному значению достаточно малы в сравнении споказателями частной целевой функции.А2.2. Формирование массива наборов значений для А2.1. Индексациянабора предпочтений MP1s , , MPns , n  1, N , значением s  1, S .

Параметр sизвлекается из п. А1, т. е. определяет порядок предпочтений старшегооперативного должного лица на пожаре.А3. Сортировка. Проиндексированный набор предпочтений MP1s , , MPnsсортируется и аппроксимируется любым методом:s 1sMP i  q MP iА3.1.sMP i , i  1, IСоздаётсямассив 1  q MP , i  1, Isаппроксимированных.(3.41)матрицпредпочтений.В том случае, если существует ограничение в памяти компьютера, то можноssдля трансформации значения MP i в MPi 1 использовать из (3.36) G .sА4. Сравнение.

Если достигнута заданная точность  и МP  MP i , тозавершение сортировки. В противном случае переходим к п. А3.149Результатом вычислений этой подфункции является массив, содержащийзакономерность трансформации принципов предпочтения, который может бытьиспользован при порождении главных правил предпочтения.В частном случае, если при инициализации переменных определеныпринципы предпочтения, формализованы требования к принципам предпочтения,занесённые в матрицу предпочтений М, то эта матрица может применяться вкачестве первообразной для формирования набора матрицсодержащейпоследовательностьПодфункция,предназначеннаятрансформации матрицтрансформациидляMP1s , , MPns ,принциповреконструкцииMP1s , , MPns ,предпочтения.последовательнотьреализуется посредством пошаговойпроцедуры случайного выбора:MPj  MPj ,i ; MPj ,i  MPj 1  гдеMPj  j 1,i, MPj 1  MP , i  1, I ; j  1, J ,(3.42) – символ, определяющий принятие старшим оперативнымдолжностным лицом на пожаре одного значения из массива матриц предпочтенияMPj ,i , созданных матрицей случайного выбораj 1,i;j 1,i– матрицаслучайного выбора, содержащая случайные значения; i – порядковый номерслучайного воплощения матрицы.Приведённые алгоритмы пошагового принятия управленческих решенийхарактеризуются такими атрибутами, как результативность, массовость исходимость на всём массиве задач упорядочения, устанавливаемые базовымиправилами (3.32, 3.33).

Характеристики

Список файлов диссертации