Содержание к диссертации
Введение
1. Анализ существующих подходов и методов управления фирмой 11
1.1. Постановка общей проблемы управления фирмой 11
1.2. Анализ внешней и внутренней среды предприятия 16
1.3. Стратегическое, тактическое и оперативное управление фирмой 21
1.4. Экономико-математические модели управления фирмой 23
1.4.1. Классификация детерминированных оптимизационных производственных моделей 26
1.4.2. Классификация стохастических моделей и их роль в процессе управления современной фирмой 28
1.4.3. Классификация моделей искусственного интеллекта 33
1.5. Активные интеллектуальные системы- альтернативный подход к обеспечению адаптации фирмы 37
1.5.1. Обзор эволюции систем управления фирмой 37
1.5.2. Постановка проблемы разработки активной интеллектуальной системы управления фирмой 40
1.6. Выводы 46
2. Разработка системы стохастических моделей оптимизации процессов функционирования фирмы в случайной среде 48
2.1. Декомпозиция предметной области менеджмента 48
2.2. Особенности двухэтапных задач с ИСТРА-связями при разработке системы стохастических моделей управления фирмой 50
2.3. Разработка интегрированной стохастической маркетинговой модели управления фирмой 56
2.3.1. Классификация информации при построении интегрированной стохастической модели 57
2.3.2. Основные принципы построения модели и роль инерционно-стратегических связей в маркетинге 58
2.3.3. Идентификация переменных и условные обозначения 61
2.3.4. Математическая постановка задачи 63
2.3.5. Разработка вспомогательных имитационных моделей генерации случайной системной ситуации 64
2.3.6. Рекомендации по разработке метода решения стохастических двухэтапных задач с ИСТРА-связями 66
2.4. Разработка стохастической модели анализа инвестиционных проектов 68
2.4.1. Принципы построения и идентификация переменных 68
2.4.2. Имитационное моделирование случайной системной ситуации 69
2.4.3. Коэффициенты оценки эффективности стохастических инвестиционных проектов 70
2.5. Экспериментальные расчеты по выбору альтернативной стратегии для предприятия ООО "Эскорт" при анализе стохастических инвестиционных проектов 72
2.5.1. Идентификация исходных данных 72
2.5.2. Анализ полученного решения 73
2.6. Выводы 74
3. Разработка декомпозиционного метода решения стохастических двухэтапных задач с истра-связями 77
3.1. Декомпозиция задачи и алгоритм декомпозиционного метода для конечного пространства состояний 77
3.2. Лемма об эквивалентности и нахождение приближенного решения 79
3.3. Разработка декомпозиционного метода для непрерывного пространства состояний 82
3.4. Эффективность декомпозиционного метода 84
3.4.1. Оценка погрешности непрямого декомпозиционного метода для конечного пространства состояний 84
3.4.2. Распараллеливание декомпозиционного метода для конечного пространства состояний 91
3.4.3. Сравнительный анализ прямого декомпозиционного метода для непрерывного пространства состояний 91
3.5. Схема распараллеливания декомпозиционного метода 95
3.5. Пример решения интегрированной маркетинговой модели декомпозиционным методом 101
3.5.1. Содержательная постановка задачи 101
3.5.2. Идентификация числовых параметров задачи и анализ полученного решения 102
3.6. Выводы 105
4. Разработка активной системы управления фирмой на основе использования знаний 107
4.1. Структура активной интеллектуальной системы управления 107
4.2. Функции и алгоритм работы активной системы управления 109
4.3. Организация представления знаний в интеллектуальной активной системе управления 112
4.3.1. Разработка методов представления знаний в объектно-ориентированной базе данных 112
4.3.2. Разработка управленческих триггеров в базе знаний первого типа 117
4.3.3. Формирование системы структурированных знаний под проблемные ситуации в базе знаний второго типа 122
4.3.4. Формирование системы накопления опыта и адаптации в базе знаний третьего типа 125
4.4. Алгебра представления менеджерских знаний 127
4.5. Вариант использования стохастических знаний в контуре активного управления 132
4.6. Сравнительный анализ эффективности использования активной системы управления 135
4.7. Выводы 138
Заключение 140
Список используемой литературы 143
Приложение
- Экономико-математические модели управления фирмой
- Особенности двухэтапных задач с ИСТРА-связями при разработке системы стохастических моделей управления фирмой
- Лемма об эквивалентности и нахождение приближенного решения
- Организация представления знаний в интеллектуальной активной системе управления
Введение к работе
Актуальность проблемы. На современном этапе развития экономических субъектов Российской Федерации возникает проблема оптимального управления предприятием, адаптирующегося к изменениям факторов внешней среды. Ранее, для решения этой проблемы использовался аппарат детерминированной оптимизации. Однако в нем не учитывается стохастический характер внешней среды фирмы (например, спрос на готовую продукцию, цена товара, объем производства и т.д.) и, следовательно, его использование не позволяет находить оптимальное решение в рыночных условиях. В связи с этим, для повышения эффективности управления и обеспечения адаптации фирмы к случайным параметрам необходимо использовать инструментарий стохастической оптимизации. Широкое распространение при решении задач оптимизации сельскохозяйственных объектов с учетом погодного риска получили стохастические двухэтапные задачи с инерционно-стратегическими (ИСТРА) связями, впервые предложенные профессором В.А. Кардашем, позволяющие адаптивно корректировать принятое решение и определять режим функционирования объекта посредством взаимосвязи поэтапных управляющих решений в случайной ситуации. Однако, числовые постановки таких моделей при оптимизации процесса функционирования фирмы представляют собой задачи большой размерности, которые невозможно решать существующими методами стохастического программирования, что определило возникновение декомпозиционных методов в работах Л.А. Мочаловой. Однако, в этих работах не рассматривался непрерывный случай решения, а также не учитывалась возможность организации параллельных вычислений, что определяет актуальность разработки новых вариантов декомпозиционных методов решения этого класса задач. Кроме этого, рассмотренный стохастический инструментарий не применялся для управления фирмой. С другой стороны, в связи с широким распространением компьютерных технологий в управлении и объективным преобразованием
информации в знания, произошел переход от автоматизированных систем управления производством (АСУП) к интеллектуальным (ИСУ). Однако, существующие ИСУ не используют категории стохастической оптимизации и, следовательно, не позволяют полноценно адаптировать деятельность предприятия к случайным колебаниям внешней среды.
Актуальность проблемы можно сформулировать как необходимость разработки стохастических моделей и методов, осуществляющих адаптацию фирмы к влиянию стохастических параметров, обеспечивающих нахождение оптимального решения в реальных рыночных условиях, и являющихся элементами знаний интеллектуальной системы управления фирмой.
Цель работы. Разработка концепции и элементов стохастического инструментария оптимального адаптивного управления фирмой.
Для достижения цели необходимо решить следующие задачи:
1. Разработать концепцию адаптивного управления предприятием.
2. Разработать структуру и алгоритм функционирования интеллектуальной активной системы (ИНТЕЛАС) управления фирмой.
3. Разработать систему стохастических оптимизационных и имитационных моделей менеджмента в рамках функционирования ИНТЕЛАС.
4. Разработать варианты декомпозиционных методов решения стохастических двухэтапных задач с инерционно-стратегическими (ИСТРА) связями и проанализировать сходимость и погрешность декомпозиционных методов.
5. Разработать основы представления, использования и накопления управленческих знаний ИНТЕЛАС.
6. Разработать программный инструментарий решения оптимизационных стохастических задач декомпозиционным методом.
Объект исследования.
Производственные предприятия или фирмы в условиях рынка.
Предмет исследования.
Адаптивное управление в стохастической рыночной среде.
Методы исследования. Системный анализ, методы стохастической оптимизации, методы представления знаний, объектно-ориентированное проектирование и программирование, сетевое программирование, экономико-математическое моделирование.
Научная новизна.
1. Новая концепция адаптивного управления в виде проектирования активной интеллектуальной системы управления фирмой, позволяющей использовать существующие знания об экономико-математическом моделировании в процессе организации адаптации фирмы к стохастическим факторам внешней и внутренней среды.
2. Алгоритм функционирования ИНТЕ Л АС.
3. Структурные элементы ИНТЕ ЛАС в виде:
а) базы управленческих триггеров, осуществляющей диагностику положения предприятия и сконструированной в виде продукционных правил;
б) базы структурированных знаний о проблемных ситуациях, осуществляющей анализ и выработку управляющих воздействий и содержательно представляющей совокупность фреймовых и мультимедийных структур;
в) базы знаний записи новых знаний, пополняющей систему новыми знаниями и содержательно являющейся фреймовыми структурами;
г) объектно-ориентированной базы данных, содержащей основную информацию об объектах, атрибутах, менеджерских глаголах и объединяющей их в виде семантической сети;
д) менеджерского окна, посредством которого менеджер (или ЛПР) осуществляет мониторинг состояния системы, производит выбор предлагаемых альтернативных решений и осуществляет корректировку необходимых знаний.
4. Оригинальные постановки:
а) стохастической маркетинговой модели, использующей общую структуру двухэтапной стохастической задачи с ИСТРА-связями;
б) имитационной модели генерации реализаций случайной системной ситу ации для маркетинговой стохастической модели;
в) модели анализа стохастических инвестиционных проектов, учитывающей случайные колебания ставки дисконтирования, коэффициента инфляции и потока денежных платежей для различных вариантов инвестирования.
5. Варианты метода декомпозиции для решения стохастических двухэтап-ных задач с ИСТРА-связями в виде:
а) распараллеливания декомпозиционного метода для конечного вероятностного пространства;
б) прямого декомпозиционного метода для непрерывного вероятностного пространства;
в) распараллеленного декомпозиционного метода, объединяющего параллельные и итерационные процессы, и повышающего скорость сходимости решения.
Практическая ценность. Разработанная концепция интеллектуальной активной системы управления позволяет повышать эффективность функционирования предприятия и снижать энтропию за счет:
а) обеспечения выбора активной стратегии при меняющихся факторах внешней и внутренней среды предприятия посредством функционирования стохастического инструментария;
б) организации новых возможностей приспособления предприятий;
в) реструктуризации их деятельности в рыночных условиях.
Разработанное программное обеспечение вариантов декомпозиционного метода позволяет существенно снизить время решения за счет организации параллельных вычислений. Демонстрация возможностей ИНТЕЛАС на примерах позволяет осуществлять активное управление и адаптироваться к непредвиденным изменениям.
Апробация работы. Результаты работы были апробированы на следующих конференциях и симпозиумах: научно-практическая конференция "Развитие экономики, социальной сферы и правовой системы в Северо-Кавказском регионе"
(1997 г.); третья международная конференция имени Л.В. Канторовича "Предпринимательство и реформы в России" (г. Санкт-Петербург, 1997 г.); межгосударственная научно-практическая конференция "Проблемы инвестирования и управления экономическими системами: инвестиционный аспект" (г. Ростов-на-Дону, 1998 г.); третий международный симпозиум "Интеллектуальные системы" INTELS 98 (г. Псков, 1998 г.); третий Всероссийский симпозиум "Математическое моделирование и компьютерные технологии" (г. Кисловодск, 1999 г.).
По результатам работы опубликовано 18 печатных работ, общим объемом 4,85 п.л. Кроме этого, заявлено в печать 4 печатные работы (на английском языке) в ведущие американские экономико-математические журналы ("Production and Inventory Management Journal", "Computational and Organizational Theory").
Работа выполнялась в соответствии с федеральным грантом №19р "Хаос и организации, циклы и катастрофы в переходной экономике". Разработанные модели и методы стохастической оптимизации и экспериментальные примеры ИНТЕЛАС внедрены на предприятии ООО "Эскорт" (акт о внедрении).
СТРУКТУРА ДИССЕРТАЦИИ: Состоит из введения, четырех глав, заключения, списка использованной литературы и десяти приложений. Содержит 202 страницы, 53 рисунка и 289 названий литературных источников.
Экономико-математические модели управления фирмой
Детерминированные оптимизационные модели нашли широкое применение в экономике [48,49]. Рассмотрим классификацию по производственно-экономическим ситуациям, представленных на рис.12. 1.4.1.1. Объемное планирование. Модели определения производственной мощности предприятия [50,51] характеризуются включением ограниченного числа факторов, влияющих на величину мощности и однокритериальностью. Критерием является максимизация выпуска продукции [52,53].
Отдельный класс составляют модели, изучающие влияние форм хозяйственного механизма и связей локальных и глобальных целей [54-57] на деятельность фирмы. 1.4.1.2. Задачи объемно-календарного планирования. Определяются объемы выпуска продукции; сроки начала и последовательности реализации оргтех-мероприятий, проектов реконструкции, расширения производства и нового строительства; основные технико-экономические показатели; статистическая или нормативная информация; финансовые планы [58-73]. 1.4.1.3. В классе задач календарного планирования и регулирования производства выделяются стандартные (априорность технологического маршрута обработки изготовления предметов; необходимость определения сроков запуска-выпуска этих предметов и т.д.) и специфические условия постановок [74-76]. 1.4.1.4. Задача определения рационального размера партий предложена в [71,77]. Она описывается системой условий, включающей ограничения на выполнение заданной квартальной программы выпуска деталей, на объем выпуска товарной продукции цеха, на лимиты использования дефицитных материалов, на эф фективный фонд времени использования оборудования. В качестве критериев принимаются: либо минимизация общего количества запусков деталей в обработку, либо минимизация суммарной стоимости на переналадку оборудования. 1.4.1.5. Задачи управления запасами различаются прежде всего в зависимости от специфики рассматриваемого объекта. В [78-80] решается задача минимизации издержек в производстве: средних потерь от дефицита; годовых приведенных затрат на создание и содержание запаса; затрат, связанных с планированием и реализацией поставок. На основе решения задачи определения размера партии заказа в [81-83] рассчитывается средний уровень запасов, оптимальный интервал между поставками, суммарные затраты в единицу времени и на период планирования. В [84] решается задача нахождения критической величины, сопоставление с которой объема заказа определяло бы способ отправки остатка или заказа.
В заключение обзора детерминированных постановок следует обратить внимание на их неспособность отражать реальные процессы функционирования в стохастической среде. Однако принципы, заложенные в их структуре позволяют использовать их, как базу для конструирования стохастических моделей. Необходимость использования моделей и методов стохастической оптимизации и стохастического программирования для осуществления адекватного управления предприятием была отмечена еще в работах Л.В. Канторовича [85,86]. В них отмечается, что случайным флуктуациям подвержены такие параметры, как размеры потребностей и цены на товары и следовательно оптимизация должна осуществляться с учетом этих случайных характеристик. Класс стохастических экономико-математических моделей будем систематизировать по конкретной математической постановке модели. Для повышения эффективности управления современной фирмой необходимо разрабатывать системы моделей, позволяющие моделировать стохастические возмущения и использовать полученные результаты в некой интегрированной системной модели[87]. Управлению в условиях рынка органически присущи неполнота информации и неопределенность, невозможность точного предсказания. Следовательно, процесс принятия управленческих решений на уровне фирмы происходит в условиях неполной информации, когда приходится учитывать влияние на эффективность принятого решения (т. е. выбора альтернативного действия) различных случайных факторов. Случайный фактор (вероятностный характер информации) может быть, например, обусловлен неустойчивостью спроса на готовую продукцию или случайными условиями реализации производственной программы [88-91]. Задачи, учитывающие вероятностный характер исходной информации, сводятся к стохастическим моделям [92,93]. Эти модели обладают адаптируемостью к быстро меняющимся условиям развития производства. Нарис. 13 представим агрегированную классификационную структуру стохастических экономико-математических моделей [94,95]. Задачи стохастического программирования в общем виде имеют следующую структуру: случайная ситуация, принадлежащая множеству элементарных событий-ситуаций Q. Условия задачи оптимизации системы описываются случайными функциями ф. (со ,х), і = 1, tm и случайными величинами Ь,(со), / = 1, т, со є Q.
Знак означает операцию взятия вероятностной характеристики. Ниже представим основные варианты критерия оптимальности в общей постановке задачи стохастической оптимизации [94]: 1) максимизация математического ожидания показателя качества управления: тахф0(со,л:) = тахЛ/ф0(со,х), где М- символ математического ожидания; 2) минимизация дисперсии показателя качества: тах(-ф0(со,.х)) = тіп ф0(со,л:), где D- символ дисперсии; 3) максимизация вероятности того, что показатель превысит заранее заданное пороговое значение ф0: тахф0(оо,.х) = тах/ ф0(а),х) фЛ ; 4)различные комбинации из названных критериев. Обзор методов решения стохастических моделей приведен в приложении 1. Становление и развитие теории стохастической оптимизации нашло свое отражение в следующих работах [96-101]. Особое место занимают работы В.А. Кар-даша[102-106], результаты которых позволили приступить к системному изучению проблемы хозяйственного риска и к созданию теории управления экономической устойчивостью производства на базе стохастического моделирования. Кроме этого, в общей системе классификации моделей стохастической оптимизации был предложен новый класс двухэтапных моделей с инерционно-стратегическими связями (ИСТРА-связями) [102-106], впервые разработанные В.А. Кардашем и учитывающие инерционность и взаимосвязи поэтапных решений. Именно предложенная в [104] структура стохастической модели позволяет осуществлять адекватное моделирование процесса управления фирмой с учетом наличия априорных стратегических переменных, и связанных с ними тактических апостериорных решений, позволяющих корректировать управляющее воздействие. Развитие стохастических двухэтапных задач с ИСТРА-связями имеет примерно тридцатилетнюю историю своего возникновения, уточнения и развития. Общие идеи постановок и реализации предложенного класса задач возникли, развивались и широко использовались в исследованиях в областях сельского и водного хозяйства, а также АПК. Связанные с этим проблемы (численные решения, стохастическая двойственность, информационное обеспечение и др.), рассматривались в следующих работах [107-114]. В работе [114] представлено развитие идей В.А. Кардаша посредством организации анализа природных и экономических условий ведения сельского хозяйства на Дальнем Востоке. Далее в работе [110] представленный класс задач был применен для оптимизации сельскохозяйственной структуры на уровне района и разработана методика прогнозирования амплитуды циклических колебаний урожайности.
Особенности двухэтапных задач с ИСТРА-связями при разработке системы стохастических моделей управления фирмой
В общей системе классификации двухэтапные задачи стохастического программирования (СП) выделены в отдельный класс, имеющий свои особенности и специфичные методы решения. Раньше типы управления были разделены на априорные и апостериорные [258,259]. Однако такой взгляд не позволил адекватно производить моделирование реальных систем управления, так как не отражал взаимосвязь всех основных свойств, атрибутов и управляющих воздействий, содержащихся в анализируемых системах. Действительно, из [260] известно, что экономические системы - сложные, вероятностные, динамические системы с обратной связью (см. рис. 21). Одним из основных элементов приведенной на рисунке схемы, является обратная связь, которая является важнейшим управленческим механизмом. Наличие этой связи позволяет активной системе управления корректировать управленческие воздействия в зависимости от полученных в результате моделирования значений выходных параметров и тем самым обеспечить более эффективное управление и произвести оптимизацию структуры рассматриваемой системы.
Типы управления с обратной связью - достаточно широкий класс задач, разделенный на двухэтапные и многоэтапные. Вполне естественно, что многоэтапные задачи более адекватно описывают реальные системы, однако двухэтапные задачи более доступны для их конструктивного анализа и численной реализации. Кроме этого, двухэтапные задачи отражают сущность управления любым объектом. В [261,262] предложена схема взаимодействия управляющей и операционной структур, которая может быть положена в основу абстрактной модели систем управления. Операционная структура отражает информацию о состояниях управляемого объекта, которая в виде наборов значений логических условий поступает на вход управляющей структуры. Управляющая структура обобщает средства выработки соответствующих преобразований указанных состояний объекта (технологические операции; комплекс расчетных задач; средства управления переработкой информации; управляющие воздействия на объект и т.д.) для поддержания функционирования управляемого объекта в зоне допустимых отклонений. Предложенная схема универсально описывает функционирование любого моделируемого объекта, разделяя его на управляющую и операционную структуры. Схема двухшагового процесса управления положена в основу и в структуру дву-хэтапной задачи стохастического программирования (см. рис. 22). где X - выпуклое замкнутое ограниченное множество, задающее область априорного выбора программного решения х; 7(00) = (7,(00), 3(00),... (0)))-к -мерный вектор апостериорного решения в ситуации со є Q; Ya (х) - выпуклые ограниченные замкнутые множества, задающие области в Rk апостериорного выбора решений в ситуации оо при условии выбора решения х; ф(х) - функция эффекта от априорного решения х; ф0 - функция показателя, определяющего качество решения х при условии, что реализовалась ситуация со, и принято апостериорное решение у(о).
В [94,95,104] рассмотрен особый подход к постановкам двухэтапных (в общем случае многоэтапных) задач стохастического программирования, предусматривающий интерпретацию многошагового процесса управления системой в терминах взаимосвязанных инерционных стратегий и гибких тактик. Решения второго этапа представляются как выбор не только компенсационных способов, корректирующих ранее принятые решения, но и всевозможных способов, определяющих режим функционирования системы в реализовавшихся условиях. В связи с этим в двухэтапных задачах априорные решения имеют статус стратегического управления, а гибкие апостериорные решения у(&) имеют смысл тактических управлений. Как видно, первоосновой различия поэтапных управлений служит степень их инерционности и гибкости, время их действия. С этой точки зрения для многошаговых процессов управления априорные уш 1) и апостериорные л со ) решения могут не различаться по степени инерционности и времени их действия. В этом случае и те, и другие относятся к тактическим решениям по отношению к более инерционному, стратегическому решению х. При этом априорное решение х, содержащее инерционные структурные параметры системы, задает определенные рамки для принятия гибких оперативных управлений. Формальное описание содержательных различий и связь стратегий и тактик при моделировании управ ления системой предложено в [94,95].
Вводится На - оператор, отображающий точки множества Ую в точки множества X в задаче (14): где оператор Яю представляет собой матрицу специальной строчно-диаго-нальной структуры, отображающую множество тактических решений во множество стратегий. Формула (15) означает, что тактическое решение у(&) связано со стратегическим х и что последнее, будучи инерционным, задает некие рамки для вариаций тактических решений jv(co) Содержание инерционности стратегических решений продиктовано структурой задачи и отражает факт независимости вектора х от вероятностных ограничений задачи на начальном этапе.
С другой стороны, соотношение (15) отражает тот факт, что стратегии инерционны, инвариантны относительно реализаций ситуаций, а тактические - гибки и могут изменяться в зависимости от ситуаций. В многоэтапной задаче тактические априорные решения зависят от ситуаций, реализованных в предыдущие моменты: уш 1 U а тактические апостериорные - от ситуаций, включая реализуемую в текущий момент: yico j.B предложенной интерпретации задача (14) с линейными ограничениями запишется следующим образом[94,104]
Лемма об эквивалентности и нахождение приближенного решения
Доказательство леммы. Для доказательства необходимо доказать выполнение условий теоремы об эквивалентности, сформулированной в [94]. Первый пункт доказательства. Пусть набор (х, {j)v}) является допустимым решением задачи (28), тогда {j v - допустимое решение задачи (27) при условии выполнения следующих инерционно-стратегических связей по формуле х = х = #]Г pvpv, поскольку выполнение ограничений 1, 3, 4 в задаче (28) при v=l водит к выполнению 1 и 2 всех N задач (24). При этом, по построению, Второй пункт доказательства. Пусть {j)v} -допустимое решение задачи (27) при некотором х = H pvyv, где v} -допустимое решение задач (24). При чем следует учесть тот факт, что j)v] удовлетворяет ограничениям 2, 3, 4 задачи (28). Докажем теперь, что из выполнения условий х = Hyv задачи (27) следует выполнение условия 1 задачи (28) при { \,} из ограничений 2 задачи (27): Далее получаем следующую цепочку логических выводов: Таким образом, по допустимому решению { v} задачи (27) всегда найдется такое х , связанное с допустимыми решениями задач (24), что набор (x ,{.yv}j есть допустимое решение (28). Пункты 1 и 2 доказывают выполнение условий эквивалентности задач (27) и (28), что и доказывает предложенную лемму. Полученный результат, в виде доказанной леммы, позволяет подтвердить процедуру решения задачи (23), основанной на приемах декомпозиции и, тем самым, обосновать новый альтернативный декомпозиционный метод решения стохастических линейных двухэтапных задач с ИСТРА-связями.
Рассмотрим исходную задачу в общем виде: Полученная задача представляет собой некий одноэтапный аналог двухэтап-ной задачи (30). На основании предположения эквивалентности этих задач применяем декомпозиционный метод решения задачи (31) для непрерывного про странства состояний Q. Разобьем задачу (31) на две подзадачи: Для решения задачи (31) предложим следующий алгоритм декомпозиции. 1. Начало работы. Для шага s = 0 принимается Х = 0;F = 0. 2. Осуществляется сдвиг по шагу: 5 = 5 + 1. 3. Генерируется со т и при Сш] решается задача (32). Определяется оптимальный тактический вектор ys. С учетом ИСТРА-связей вычисляется стратегический вектор в первом приближении по следующей формуле: xs = Ну". 4. При сгенерированном значении случайной величины со и при найденном конкретном числовом значении стратегического вектора Xs из пункта 3 решается задача (33). Определяется оптимальный тактический вектор у" и запоминается оптимальное значение целевой функции /I xs ,соs).
Далее, опять с учетом ИСТРА-связей вычисляется второе приближение стратегического вектора Hys = xs. 5. С учетом уточненного значения стратегического вектора вычисляется s-oe приближение уже искомого стратегического вектора xs: 6. Вычисляется s-oe приближение оптимального значения функционала ис ходной задачи (31): 7. Проверяется признак конца расчетов, начиная с s N (N - задается дос таточно большим N « 1000). 8. Если признак конца расчетов выполняется, то осуществляется переход к пункту 9. Если не выполняется, то происходит переход к пункту 2. 9. Конец расчетов и интерфейсный вывод следующих значений: В соответствии с проведенными исследованиями выявлено основное преимущество метода декомпозиции, которое заключается в замене задачи большой размерности на ряд задач малой размерности. Существует предел при обработке информации, который не позволяет обрабатывать матрицы больше определенного размера. Однако реальности окружающего мира настолько наполнены различными факторами, что для построения адекватной математической модели функционирования фирмы необходим учет полного пространства состояний. Поэтому актуальность разработки декомпозиционного метода именно для стохастических двухэтапных задач с ИСТРА-связями продиктована объективной необходимостью современного развития экономико-математического моделирования.
Организация представления знаний в интеллектуальной активной системе управления
В результате разработанной целевой направленности деятельности предприятия перейдем к логически связанной с этим процессом задачей формирования объектно-ориентированной базы данных (ООБД). ООБД является одним из самых насыщенных блоков и его формирование должно соответствовать основам объектно-ориентированного проектирования, который включает в себя этапы, представленные на рис. 42 [283]. Процесс объектно-ориентированного проектирования нельзя определить ни как проектирование сверху вниз, ни как проектирование снизу вверх. Его можно скорее всего назвать "возвратным проектированием", что подразумевает ступенчатый и итеративный процесс разработки системы с постепенной модификацией различных, но тем не менее согласованных между собой логических и физических представлений о системе в целом. Первой составляющей ООБД является словарь объектов (менеджерских существительных) и их атрибутов. Организация этого словаря представлена на рис. 43.
Этот словарь представляет собой классификационную таблицу, структура которой соответствует фреймовому представлению знаний и использует основное преимущество такого представления: фрейм, как структура описывает одну из единиц обработки, обладающую до некоторой степени независимостью, и может предоставлять средства, связывающие между собой эти структурные элементы. Этап конструирования словаря объектов и атрибутов отражает два первых этапа объектно-ориентированного проектирования (см. рис. 41).
Второй составляющей ООБД является словарь менеджерских глаголов. Конструкция этого словаря очень похожа на предыдущую и представлена на рис. 44. Структура словаря глаголов по наличию различных иерархических связей гораздо проще, чем словарь объектов и атрибутов. Однако по семантическому содержанию словарь глаголов представляет собой довольно насыщенную структуру, занимающую достаточно большой объем дискового пространства. В приложении 7 представлен пример списка менеджерских объектов, атрибутов и глаголов.
Конструирование словаря менеджерских глаголов отражает только частично третий этап объектно-ориентированного проектирования (см. рис. 41). Поэтому перейдем к рассмотрению третьей составляющей ООБД- семантической сети. Семантическая сеть осуществляет в полной мере третий этап объектно-ориентированного проектирования и производит простое, быстрое, эффективное и наглядное представление взаимодействия объектов, атрибутов и глаголов между собой. Пример семантической сети приведен на рис. 45.
Семантическая сеть позволяет описать практически все менеджерские знания, необходимые для дальнейшего анализа фирмы. Таким образом можно еделать вывод, что ООБД представляет собой определенным образом организованную и поддерживаемую языковыми и программными средствами совокупность взаимосвязанных между собой объектов, хранимых на технических носителях и описывающих, в нашем случае, предметную область менеджмента. Концептуальную схему проектирования ООБД представим на рис. 46.
При формировании ООБД необходимо учитывать границы объекта и степень декомпозиции [284,285]. Следует подчеркнуть, что такое выделение возможно именно в рамках изучаемой проблемы. Для иной формулировки проблемы разделение на рассматриваемую систему и окружающую среду будет иным. Например, если взять в качестве изучаемой системы некоторое предприятие в целом (завод), тогда границы системы определяются территорией завода (возможно и другими объектами, такими как филиалы, фирменные магазины и т.п.), а в окружающую среду войдут поставщики, конкуренты, клиенты, местная администрация и др. Формирование ООБД будет опираться именно на эти границы предприятия в целом [286]. Однако, легко представить себе цель исследования, требующую рассмотрения не завода в целом, а некоторой его подсистемы (например, сборочного производства). Тогда сборочное производство становится изучаемой системой, а остальные производства и службы завода - внешней средой. В этом случае ООБД будет представлять из себя более низкий уровень декомпозиции глобальной ООБД. В заключении следует сказать о том, что от степени наполненности ООБД зависит эффективность системы в целом. Это требование позволяет сформулировать проблему первоначального наполнения ООБД знаниями и информацией.
