- •Системный анализ и принятие решений
- •14.1. Постановка задачи 87
- •Лекция 1. Введение в методологию системного анализа
- •1.1. Предмет и содержание курса. Основные определения
- •1.2. Классификация систем
- •1.3. Сущность системного подхода
- •Лекция 2. Задачи системного анализа
- •2.1. Характеристика задач системного анализа
- •Внедрение результатов анализа.
- •2.2. Основные приемы формализации задач системного анализа
- •2.3. Внедрение результатов анализа
- •2.4. Примеры задач системного анализа
- •Методика по Оптнеру
- •Лекция 3. Основные понятия и определения теории принятия решений
- •3.1. Основные принципы теории принятия решений
- •3.2. Постановка задач принятия оптимальных решений
- •3.3. Этапы принятия решений
- •Лекция 4. Построение (выбор) моделей системы
- •4.1. Классификация видов моделирования систем
- •4.2. Возможности и эффективность моделирования систем на вычислительных машинах
- •Лекция 5. Математическое программирование
- •5.1. Структура оптимизационных задач
- •5.2. Математические постановки задач, приводящие к моделям линейного программирования
- •Лекция 6. Содержательные постановки задач линейного программирования. Методы решения задач линейного программирования
- •6.1. Содержательные постановки задач, приводящие к моделям линейного программирования.
- •6.2. Численные методы математического программирования
- •Лекция 7. Решение задач линейного программирования симплекс-методом
- •Симплекс-таблица
- •Лекция 8. Двойственная задача линейного программирования
- •Лекция 9. Транспортные задачи линейного программирования
- •9.1. Постановка задачи
- •9.2. Методы составления начального опорного плана
- •9.3. Понятие потенциала и цикла
- •9.4. Критерий оптимальности базисного решения транспортной задачи. Методы отыскания оптимального решения
- •8.5. Усложненные задачи транспортного типа
- •Лекция 10. Дискретное программирование.
- •10.1. Постановка задачи дискретного программирования
- •10.2. Математические модели задач дискретного программирования
- •10.3. Метод ветвей и границ для задачи целочисленного программирования
- •Лекция 11. Нелинейное программирование
- •11.1. Постановка задачи нелинейного программирования
- •11.2.Решение задач нелинейного программирования в системе matlab
- •Лекция 12. Динамическое программирование
- •Лекция 13. Принятие решений в условиях неопределенности. Введение в матричные игры.
- •14.1. Основные понятия теории игр. Введение в матричные игры
- •14.2. Формальное описание матричной антагонистической игры
- •Лекция 14. Решение игр в смешанных стратегиях
- •14.1. Постановка задачи
- •14.2. Основные понятия теории статистических решений
- •15.3. Выбор критерия принятия решения
- •14.3.1. Критерий Лапласа
- •15.3.2. Критерий Вальда
- •14.3.3. Критерий Гурвица
- •14.3.4. Критерий Cэвиджа
1.2. Классификация систем
Подходы к классификации системы могут быть самыми разными:
• по виду отображаемого объекта - технические, биологические, социальные и т. п.;
• по характеру поведения - детерминированные, вероятностные, игровые;
• по типу целеустремленности - открытые и закрытые;
• по сложности структуры и поведения - простые и сложные;
• по виду научного направления, используемого для их моделирования - математические, физические, химические и др.;
• по степени организованности - хорошо организованные, плохо организованные и самоорганизующиеся.
Рассмотрим некоторые из представленных видов классификации. Вначале классифицируем системы по характеру поведения: детерминированные, вероятностные, игровые. Детерминированной системой называется система, состояние которой в будущем однозначно определяется ее состоянием в настоящий момент времени и законами, описывающими переходы элементов и системы из одних состояний в другие. Составные части в детерминированной системе взаимодействуют точно известным образом. Примером детерминированной системы может служить механический арифмометр. Установка соответствующих чисел на валике и задание порядка вычисления однозначно определяют результат работы устройства. То же самое можно сказать о калькуляторе, если считать его абсолютно надежным.
Вероятностные или стохастические системы - это системы, поведение которых описывается законами теории вероятностей. Для' вероятностной системы знание текущего состояния и особенностей взаимной связи элементов недостаточно для предсказания будущего поведения системы со всей определенностью. Для такой системы имеется ряд направлений возможных переходов из одних состояний в другие, т. е. имеется группа сценариев преобразования состояний системы, и каждому сценарию поставлена в соответствие своя вероятность. Примером стохастической системы может служить мастерская по ремонту электронной и радиотехники. Срок выполнения заказа по ремонту конкретного изделия зависит от количества аппаратуры, поступившей в ремонт до поступления рассматриваемого изделия, от характера повреждений каждого из находящихся в очереди объектов, от количества и квалификации обслуживающего персонала и т. п.
Игровой является система, осуществляющая разумный выбор своего поведения в будущем. В основе выбора лежат оценки ситуаций и предполагаемых способов действий, выбираемых на основе заранее сформированных критериев, а также с учетом соображений неформального характера, которыми руководствуется человек. Примером игровой системы может служить организация, выполняющая некоторые работы и выступающая в качестве исполнителя. Исполнитель вступает в отношения с заказчиком. Интересы исполнителя и заказчика противоположные. Исполнитель старается продать свою работу как можно выгоднее. Заказчик, наоборот, пытается сбить цену и соблюсти свои интересы. В данном торге между ними проявляется игровая ситуация. Системный анализ подобных систем производится с использованием моделей теории игр. Предметом исследований в теории игр являются модели и методы принятия решений в ситуациях, где участвуют несколько сторон (игроков), цели которых различны, часто противоположны и имеет место конфликт интересов.
Классификация по данному признаку условна, как и многое другое, касающееся характеристики сложных систем. Она допускает разные толкования принадлежности той или иной системы к сформированным классам. Так в детерминированной системе можно найти элементы стохастичности. С другой стороны, детерминированную систему можно считать частным случаем стохастической системы, если положить вероятности переходов из состояния в состояние соответственно равными нулю (перехода нет) и единице (переход имеет место). Точно также стохастическую систему можно рассматривать как частный случай игровой, когда идет игра с природой.
Следующий признак классификации: открытые и закрытые системы. По данному признаку классификации системы характеризуются различной степенью взаимодействия с внешней средой. Открытые системы обладают особенностью обмениваться с внешней средой массой, энергией, информацией. Замкнутые (или закрытые) системы изолированы от внешней среды. Предполагается, что разница между открытыми и замкнутыми системами определяется с точностью до принятой чувствительности модели.
По степени сложности системы подразделяются на простые, сложные и очень сложные. Большая система - система, которая включает значительное число однотипных элементов и однотипных связей. В качестве примера можно привести трубопровод. Элементами последнего будут участки между швами или опорами. Для расчетов на прочность по методу конечных элементов элементами системы считаются небольшие участки трубы, а связь имеет силовой (энергетический) характер - каждый элемент действует на соседние.
Сложная система - система, которая состоит из элементов разных типов и обладает разнородными связями между ними. В качестве примера можно привести вычислительную сеть, летательный аппарат или организационную систему.
Автоматизированная система - сложная система с определяющей ролью элементов двух типов:
в виде технических средств;
в виде действия человека.
Для сложной системы автоматизированный режим считается более предпочтительным, чем автоматический. Например, посадка самолета или захват дерева харвестерной головкой выполняется при участии человека, а автопилот или бортовой компьютер используется лишь на относительно простых операциях. Типична также ситуация, когда решение, выработанное техническими средствами, утверждается к исполнению человеком.
Простые системы характеризуются небольшим количеством возможных состояний, их поведение легко описывается в рамках той или иной математической модели. Сложные системы отличаются разнообразием внутренних связей, но допускают их описание. Причем набор методов, привлекаемых для описания сложных систем, как правило, многообразен, т. е. для построения математической модели сложной системы применяются различные подходы и разные разделы математики. Очень сложные системы характеризуются большой разветвленностью связей и своеобразностью отношений между элементами. Многообразие связей и отношений таково, что нет возможности все их выявить и проанализировать. Простыми системами можно считать лентопротяжные механизмы, механические передачи, системы слежения за целью и т.д. Сложными системами являются электронно-вычислительная машина, система управления и защиты энергоблока, система электроснабжения промышленного объекта и пр. Очень сложными являются социотехнические системы, такие как автоматизированные системы управления крупным предприятием, экспертные системы с функциями поддержки и принятия управленческих решений.
Следующий признак классификации по степени организованности: хорошо организованные, плохо организованные и самоорганизующиеся [2].
Под хорошо организованной системой понимается система, у которой определены все элементы, их взаимосвязь, правила объединения в более крупные компоненты, связи между всеми компонентами и целями системы, ради достижения которых создается или функционирует система. При этом подразумевается, что все элементы системы с их взаимосвязями между собой, а также с целями системы можно отобразить в виде аналитических зависимостей. При формулировании задачи принятия решения для хорошо организованной системы проблемная ситуация описывается в виде математического выражения, критерия эффективности, критерия функционирования системы, который может быть представлен сложным уравнением, системой уравнений, сложными математическими моделями, включающими в себя и уравнения, и неравенства, и т. п. Важно, что решение задачи при представлении ее в виде хорошо организованной системы осуществляется аналитическими методами с использованием моделей формализованного представления системы. Примером хорошо организованной системы может служить сложное электронное устройство. Описание его работы производят с помощью системы уравнений, учитывающих условия функционирования, в том числе наличие шумов, нестабильность электропитания и т.д.
При представлении объекта в виде плохо организованной системы не ставится задача определить все учитываемые компоненты, их свойства и связи между собой, а также с целями системы. Для плохо организованной системы формируется набор макропараметров и функциональных закономерностей, которые будут ее характеризовать. Определение этих параметров и восстановление функциональных зависимостей осуществляется на основании некоторой выборочной информации, характеризующей исследуемый объект или процесс. Далее полученные оценки характеристик распространяют на поведение системы в целом. При этом предполагается, что полученный результат обладает ограниченной достоверностью и его можно использовать с некоторыми оговорками. Так, например, если результат получен на основании статистических наблюдений за функционированием системы на ограниченном интервале времени, т. е. на основании выборочных наблюдений, то его можно использовать с некоторой доверительной вероятностью. Примером применения подхода к отображению объектов в виде плохо организованной системы можно считать оценивание характеристик надежности системы с множеством компонентов. В данном случае характеристики надежности группы однотипных элементов определяются на основании выборочной информации, полученной в результате наблюдений за их работой на ограниченном отрезке времени при определенных уровнях воздействующих факторов. Затем полученные оценки распространяются на весь период эксплуатации объекта. Данные оценки используются при проведении расчетов характеристик надежности всей системы.
Самоорганизующиеся системы - это системы, обладающие свойством адаптации к изменению условий внешней среды, способные изменять структуру при взаимодействии системы со средой, сохраняя при этом свойства целостности, системы, способные формировать возможные варианты поведения и выбирать из них наилучшие. Эти особенности обусловлены наличием в структуре системы активных элементов, которые, с одной стороны, обеспечивают возможность адаптации, приспособления системы к новым условиям существования, с другой стороны, вносят элемент неопределенности в поведение системы, чем затрудняют проведение анализа системы, построение ее модели, формальное ее описание и, в конечном счете, затрудняют управление такими системами. Примерами самоорганизующихся систем могут служить биологические системы, предприятия и их система управления, городские структуры управления и т.д.
