Содержание к диссертации
Введение
Глава 1. Анализ проблемы прогнозирования и оценки эффективности информационных систем 15
1.1. Актуальность проблемы прогнозирования и оценки эффективности информационных систем в современных условиях и анализ путей ее решения 15
1.2. Обоснование требований к содержанию методологии прогнозирования и оценки эффективности информационных систем в современных условиях 32
1.3. Разработка концепции решения проблемы прогнозирования и оценки эффективности информационных систем 59
Выводы по главе 1 77
Глава 2. Развитие методологии прогнозирования и оценки показателей технической эффективности информационных систем 81
2.1. Разработка моделей теоретико-множественного анализа показателей технической эффективности информационных систем 81
2.2. Разработка математических моделей функционирования информационных систем в особых условиях эксплуатации 93
2.3. Математические модели архитектурно-ориентированного анализа эффективности противосбойных средств аппаратной и программной компонент 102
2.4. Методы и общие принципы архитектурно-ориентированной оптимизации состава и структуры противосбойных средств информационных систем 118
2.5. Диверсификация методов повышения эффективности информационных систем на основе функционального контроля 137
Выводы по главе 2 153
Глава 3. Разработка теоретических основ агрегирования групп показателей эффективности информационных систем 157
3.1. Обоснование направлений совершенствования процедуры агрегирования на основе деревьев критериев и матриц свертки 157
3.2. Расширение функциональных свойств нечетких бинарных матриц свертки 173
3.3. Разработка научно-методического аппарата конструирования матриц свертки на основе топологической интерпретации 212
3.4. Решение проблемы адекватности моделей предпочтений лиц,принимающих решения 223
Выводы по главе 3 231
Глава 4. Разработка методов агрегирования групп показателей эффективности информационных систем 234
4.1. Обоснование структуры и содержания методов построения интеллектуальных технологий моделирования индивидуальных предпочтений лиц, принимающих решения 234
4.2. Метод построения технологий разработки моделей индивидуальных предпочтений 243
4.2.1. Структурный синтез механизмов комплексного оценивания 243
4.2.2. Приведение частных критериев к стандартной шкале комплексного оценивания 248
4.2.3. Конструирование матриц свертки 251
4.2.4. Разработка процедур вычисления комплексной оценки 256
4.3. Метод построения технологий исследования моделей индиви дуальных предпочтений 259
4.3.1. Процессы исследования моделей индивидуальных предпочтений ЛПР 259
4.3.2. Методы исследования структурной сложности моделей предпочтений 261
4.3.3. Методы исследования сложности функционирования (поведения) моделей предпочтений 273
4.3.4. Методы исследования сложности выбора поведения моделей предпочтений 282
4.3.5. Методы исследования сложности развития объектов комплексного оценивания (информационных систем) и моделей предпочтений 288
4.4. Метод моделирования коллективных предпочтений 290
Выводы по главе 4 299
Глава 5. Методология прогнозирования и оценки комплексной эффективности информационных систем 302
5.1. Интерпретация комплексной эффективности информационных систем с позиций рыночных отношений 302
5.2. Метод прогнозирования перспективных направлений повышения эффективности информационных систем 319
5.3. Модели прогнозирования и оценки эффективности информационных систем с учетом отраслевых особенностей 325
5.3.1. Методика и модели обоснования перспективных направлений повышения эффективности информационной (технической) системы 325
5.3.2. Модели прогнозирования и оценки эффективности информационных систем как средство анализа и обработки информации... 351 Выводы по главе 5 367
Заключение 370
Список использованной литературы 378
- Разработка концепции решения проблемы прогнозирования и оценки эффективности информационных систем
- Методы и общие принципы архитектурно-ориентированной оптимизации состава и структуры противосбойных средств информационных систем
- Решение проблемы адекватности моделей предпочтений лиц,принимающих решения
- Структурный синтез механизмов комплексного оценивания
Введение к работе
Актуальность темы. Современные информационные системы (ИС), относящиеся к классу технических систем, по своей структурной сложности, сложности функционирования, выбора поведения и развития относятся к классу сложных систем и в задачах прогнозирования и оценки эффективности подлежат исследованию методами системного анализа.
Эффективность информационных систем является комплексной характеристикой совокупности технических, эксплуатационных и экономических показателей и требует непрерывного совершенствования, как отдельных показателей, так и подходов к комплексному оцениванию эффективности.
В настоящем исследовании подход к комплексному оцениванию эффективности рассматривается с единых позиций прогнозирования и оценки (измерения) эффективности, так как оценка эффективности ИС без ее прогнозирования столь же неполна, как и прогнозирование эффективности ИС без оценки ее текущего состояния.
Проблема прогнозирования и оценки эффективности ИС актуальна для всех отраслей народного хозяйства и напрямую связана с необходимостью совершенствования средств обработки информации, управления сложными объектами и поддержки принятия решений. Решение данной проблемы требует развития известных, разработки и применения новых методов системного анализа.
Составляющими элементами ИС, как среды, кроме компьютеров, сетей, программных продуктов, баз данных и других технических элементов являются люди, целенаправленно воздействующие на объекты с учетом их отраслевых особенностей в процессе управления и принятия решений.
Таким образом, прогнозирование и оценка совокупности гетерогенных (разнородных) показателей эффективности информационных систем, используемых в новых технологиях, становятся проблемными в связи с необходимостью комплексного оценивания частных критериев (агрегирования) подобных сложных систем. Решение этой проблемы требует описания текущего состояния и динамики изменения уровня эффективности ИС с учетом индивидуальных предпочтений (интуитивных суждений эвристического характера – важнейшей компоненты человеческого фактора) всех заинтересованных лиц.
Сделанное уточнение, с одной стороны, требует развития комплексного понятия эффективности ИС как технической системы с учетом предпочтений экспертов (ПЭ) путем установления функциональной зависимости данного показателя от его частных характеристик, носящих объективный характер: готовности, надежности, производительности, пропускной способности, помехоустойчивости, экономических, массогабаритных характеристик и других.
С другой стороны, эффективность ИС как средства анализа, обработки информации и управления сложными объектами требует изучения дополнительных свойств ИС, также связанных с человеческим фактором: интерпретации состояний и селекции управлений сложными объектами в рамках предпочтений лиц принимающих решения (ЛПР).
Суть назревших изменений в парадигме прогнозирования и оценки эффективности ИС заключается в обосновании и установлении приоритетов между различными направлениями их эффективности.
Технологии high-tech, еще недавно считавшиеся единственно современными технологиями, постепенно уступают место технологиям high-hume – технологиям управления социальными стандартами и предпочтениями в сфере восприятия инноваций в информационной среде.
Комплексная оценка информационной системы как показатель эффективности в технологиях high-hume должна отражать востребованность этой системы для пользователей, т.е. спрос на эту продукцию. Из сказанного можно сделать вывод о том, что в современных условиях прогнозирование и оценка эффективности информационных систем без учета динамики соответствующего сегмента рынка является экономически, а значит, и технологически, необоснованными. Сделанное утверждение кардинально меняет методологические подходы к проблеме разработки моделей и методов, технологий и инструментальных средств прогнозирования и оценки эффективности ИС.
Актуальность выполненного исследования заключается в преодолении сложившегося противоречия между новыми требованиями к решению проблемы прогнозирования и оценки эффективности ИС и отсутствием современной методологии ее решения.
Степень разработанности проблемы. Вопросы формализации и разработки критериев моделей описания и оценки эффективности методами системного анализа широко освещены в трудах Д. Клиланда, Э. Квейда, Я. Такахары, Дж. Касти, Б.А. Резникова, Н.П. Бусленко, А.И. Яблонского, Б.С. Флейшмана, Б.Г. Волика, М. Месаровича и других. В меньшей степени это коснулось решения задач прогнозирования и оценки эффективности ИС как технических систем и средств анализа, обработки информации и управления другими сложными объектами.
Отдельные аспекты прогнозирования и оценки эффективности ИС по параметрам надежности, качества, помехоустойчивости, массогабаритным и другим объективно измеряемым характеристикам рассмотрены в работах А. Авижениса, Ж.-К. Лапри, А.П. Ершова, А.Г. Мамиконова, Р.Б. Мазепы, Б.А. Мандзия, В.В. Липаева, В.И. Матова, В.И. Сагунова, М.Б. Игнатьева и других. Известные результаты в этой области трудно считать исчерпывающими из-за недостаточного глубокого отношения в них к ИС как к сложным системам, которые должны исследоваться методом имитационного моделирования с одновременным охватом всех уровней архитектуры с целью достижения большей точности и объективности результатов.
Проблемы учета влияния человеческого фактора в задачах прогнозирования и оценки сложных систем нашли глубокое отражение в трудах по теории нечетких множеств, игр, организационных систем, в области рыночных отношений и квалиметрии таких авторов, как Л. Заде, Э.А. Трахтенгерц, Ю.Б. Гермейер, А.И. Орлов, Д.А. Поспелов, В.Н. Бурков, Д.А. Новиков, П. Самуэльсон, У. Барнетт, Жак Дрез, Томас Сарджент, Роберт Ауманн, Г.Г. Азгольдов и других. Однако методологические и математические основы моделирования человеческого фактора, получившие широкую известность, не затрагивают вопросы интерпретации и селекции в задачах комплексной оценки сложных систем с учетом индивидуальных и коллективных предпочтений экспертов, в том числе лиц принимающих решения, и обоснования требований к разрабатываемым управленческим решениям, адекватным вариантам интерпретации и селекции. Известные методы моделирования предпочтений (в том числе на основе деревьев критериев и матриц свертки) характеризуются ограниченными функциональными возможностями, недостаточно развитым научно-методическим аппаратом обоснования вариантов агрегирования (матриц свертки) и моделирования коллективных предпочтений. Это обстоятельство сдерживает развитие систем прогнозирования и оценки эффективности ИС с учетом человеческого фактора и делает востребованным создание более эффективных методов моделирования предпочтений экспертов.
Основы моделирования изложены в трудах Дж. Кейслера, Э. Ханта, Н.П. Бусленко, Б.Я. Советова, С.А. Яковлева, И.М. Яглома и других. Однако результаты, опубликованные в известных работах, посвященных имитационному моделированию системных связей и мотивационных аспектов деятельности экспертов, не в полной мере обеспечивают необходимый уровень достоверности, адекватности, многообразия и технологичности процессов моделирования предпочтений, что требует разработки новых подходов.
Не смотря на наличие значительного количества работ по отдельным аспектам проблемы прогнозирования и оценки эффективности ИС, необходимо отметить несоответствие известных моделей и методов, технологий и инструментальных средств современным требованиям, которое может быть преодолено только на новом методологическом базисе. В связи с этим возникла научная и практическая необходимость проведения настоящего исследования.
Объект исследования: информационные системы.
Предмет исследования: методология прогнозирования и оценки эффективности информационных систем с учетом отраслевых особенностей и предпочтений всех заинтересованных лиц.
Научная проблема: несоответствие моделей и методов, технологий и инструментальных средств прогнозирования и оценки эффективности информационных систем современным требованиям их применения как технических объектов и средств анализа, обработки информации и управления сложными объектами.
Цель работы: разработка методологии прогнозирования и оценки эффективности информационных систем, отвечающих современным требованиям их применения, на основе исследования системных связей и закономерностей их функционирования с учетом отраслевых особенностей и предпочтений заинтересованных лиц.
Задачи исследования:
-
Разработка концепции решения проблемы прогнозирования и оценки эффективности информационных систем.
-
Построение моделей теоретико-множественного анализа и оптимизации показателей эффективности ИС.
-
Разработка моделей описания функционирования ИС в особых условиях эксплуатации.
-
Диверсификация состава показателей эффективности ИС.
-
Создание теоретических основ агрегирования частных критериев в комплексный критерий.
-
Разработка методов агрегирования групп показателей эффективности ИС.
-
Интерпретация комплексной эффективности ИС с позиций рыночных отношений.
-
Построение моделей прогнозирования и оценки эффективности ИС с учетом отраслевых особенностей.
-
Разработка программного и методического обеспечения интеллектуальных технологий прогнозирования и оценки эффективности ИС.
Основными методами исследования являются общая методология, методы системного анализа, аналитического и имитационного моделирования, теории активных систем, теории вероятностей, теории нечетких множеств, теории графов, теории матриц, дискретной математики и математического анализа.
Работа соответствует паспорту специальности 05.13.01 – Системный анализ, управление и обработка информации (информационные и технические системы) по пунктам:
2 – формализация и постановка задач системного анализа, оптимизации, управления, принятия решений и обработки информации,
3 – разработка критериев и моделей описания и оценки эффективности решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации,
4 – разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации,
10 – методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических системах,
11 – методы и алгоритмы прогнозирования и оценки эффективности, качества и надежности сложных систем.
Научная новизна работы заключается в разработке методологии прогнозирования и оценки эффективности ИС как технических объектов и средств анализа, обработки информации и управления сложными объектами с учетом отраслевых особенностей и предпочтений заинтересованных лиц. Разработанная методология предназначена для приведения в соответствие моделей и методов, технологий и инструментальных средств современным требованиям их применения и отличается от известных:
новой концепцией решения проблемы прогнозирования и оценки эффективности ИС с позиций системного анализа, отличающейся развитием понятийного аппарата предметной области, концептуальными моделями обоснования актуальности и путей решения задачи агрегирования частных критериев в комплексную оценку, математическим аппаратом интерпретации и селекции многомерных состояний и управлений сложными объектами;
использованием архитектурно-ориентированного имитационного моделирования функционирования ИС, отличающегося учетом уровней и способов обеспечения помехоустойчивости в предельно локализованных связях аппаратных, программных, информационных и функциональных компонентов;
расширением состава методов обеспечения помехоустойчивости на основе нового способа функционального контроля ИС, отличающегося высоким уровнем достоверности контроля вычислительного процесса за счет формирования набора диагностических признаков специального вида;
созданием методологических основ интеллектуальной поддержки принятия решений в задачах обоснования перспективных направлений повышения эффективности ИС с позиций рыночных отношений, отличающихся использованием модели предпочтений заинтересованных лиц в качестве критериев оптимальности,
расширением функциональных возможностей моделей индивидуальных предпочтений экспертов, отличающихся использованием механизмов комплексного оценивания (МКО) с топологической интерпретацией матриц свертки с целью совершенствования процедур их конструирования, развития свойства чувствительности для задач ранжирования сопоставляемых объектов, инструментального обеспечения исследований динамики изменения и прогнозирования состояний (эффективности) ИС;
распространением принципов моделирования индивидуальных предпочтений на интеллектуальные технологии моделирования коллективных предпочтений, отличающихся введением модифицированной активной экспертизы как средства ограничения возможностей манипулирования экспертными данными;
обоснованием перспективных направлений повышения эффективности ИС как средства анализа, обработки информации и управления сложными объектами с учетом отраслевых особенностей этих объектов, отличающимся использованием композиций моделей предпочтений заинтересованных лиц и процедурами достижения среди них равновесных состояний.
Практическая значимость заключается в создании эффективного алгоритмического, программного и методического обеспечения прикладных исследований системных связей, закономерностей функционирования ИС и интеллектуальных технологий комплексного оценивания технической, экономической и управленческой эффективности ИС.
Положения, выносимые на защиту:
-
Концепция решения проблемы прогнозирования и оценки эффективности ИС, способствующая выбору моделей и методов анализа технической эффективности, агрегирования групп показателей эффективности и исследования комплексной эффективности ИС.
-
Модели и методы системного анализа технических и эксплуатационных характеристик эффективности информационных систем с использованием предложенных архитектурно-ориентированных имитационных моделей и методов функционального контроля программных, информационных и других компонентов ИС, которые создают необходимые предпосылки точности и объективности результатов измерения их характеристик.
-
Теоретические основы моделирования предпочтений в виде деревьев критериев с топологической интерпретацией матриц свертки, расширяющие функциональные возможности механизмов комплексного оценивания.
-
Методы моделирования индивидуальных и коллективных предпочтений, которые служат основой построения интеллектуальных технологий прогнозирования и оценки эффективности ИС с учетом мнения заинтересованных сторон.
-
Методологические основы интерпретации комплексной эффективности информационных систем с позиций рыночных отношений, обеспечивающие прогнозирование и оценку hume-оптимальных решений в задачах устойчивой поддержки приложений и интеллектуальной обработки данных при управлении сложными объектами.
Апробация работы. Результаты работы докладывались и обсуждались на следующих конференциях: Всероссийская конференция «Информация, инновации, инвестиции» ЦНТИ (Пермь, 2004, 2006, 2008), НТК «Перспективы развития систем управления, прицеливания, навигации, электроснабжения» ПВИ РВ (Пермь, 2002 год); межвузовский НТС ПВИ РВ (Пермь, 1998, 2002); международная НПК «Теория активных систем – 2007, 2009» ИПУ РАН (Москва, 2007, 2009), НТК ПВВКИКУ РВ (Пермь, 1991, 1993, 1995, 1996, 1997); Всесоюзная НТК НИИУМС (Пермь, 1990); Международная НТК "Системы и комплексы автоматического управления в космонавтике и народном хозяйстве", НПЦАП (Москва, 1998); Всероссийская НПК ПГСХА (Пермь, 2004, 2006, 2008); Всероссийская школа-семинар «Управление большими системами» (Ижевск, 2009; Пермь, 2010).
Реализация: научные результаты исследования реализованы в НПО Автоматики, Екатеринбург 2000; ИПИ РАН, Москва 2000; ЦНИИ № 4 МО, Москва 2002, АОО «Стар», Пермь 1999; Пермском ГТУ, Пермь 2007, отчет о НИР «Черняевский лес», Пермская ГСХА, Пермь 2008, 2009.
Публикации. По теме диссертации опубликовано 82 печатных работы общим объемом более 60 печатных листов.
Структура и объем диссертации. Диссертационная работа состоит из введения, пяти глав и заключения, изложенных на 377 страницах. Работа содержит 191 рисунок, 21 таблицу, библиографию из 269 наименований.
Разработка концепции решения проблемы прогнозирования и оценки эффективности информационных систем
Прогнозирование и оценка эффективности современных ИС, относящихся к классу сложных систем, следует достигать методами системного анализа, рассматривая ИС как технические системы и как средства управления, то есть с учетом обоих аспектов. Первая группа показателей эффективности (см. раздел 1.1) в соответствии с первым аспектом, оценивает множество собственных технических параметров ИС, например, уровней помехоустойчивости, энергопотребления, массогабаритных характеристик и др. Понятно, что это предполагает развитие частных критериев эффективности, объективно оцениваемых на каждой ступени эволюции, но в целом, оценка степени решения проблемы исследования предполагает использование методов векторной оптимизации [18].
Современные методы векторной оптимизации [16] основываются, как правило, на постулате о способности ЛПР к установлению отношения порядка для любой пары объектов выбора (наборов значений технических параметров ИС). При достаточном числе наблюдений за решениями задачи выбоpa ЛПР эти методы позволяют строить эффективные системы поддержки принятия решений (СППР). Для иных случаев предлагается другой путь: от предварительной разработки СППР на основе моделей ПЭ к последующему установлению с ее помощью отношения порядка на всем множестве объектов выбора.
Вторая группа показателей эффективности, отвечающая за интеллектуальную обработку данных о состояниях (эффективности) сложных прикладных объектов, и третья группа - в соответствии со вторым аспектом, характеризующая ИС с точки зрения обеспечения ею свойств интерпретации многомерных состояний (динамики) объектов управления и связанной с нею селекцией управлений, предполагают учет человеческого фактора в виде разработки интеллектуальных технологий прогнозирования и оценки эффективности информационных систем.
Последнее утверждение составляет суть выносимой на защиту концепции интеллектуальной поддержки принятия оптимальных с позиций ПЭ решений в задачах выбора.
Разработка положений формулируемой концепции должна быть поддержана рядом моделей, описывающих складывающуюся ситуацию в области обоснования перспективных направлений повышения эффективности ИС [74,91,203].
Индивидуальные предпочтения как проявление человеческого фактора в системах управления широкого класса распадаются на ряд составляющих: ПЭ потребителя, производителя продукции, конкурентов, ЛПР и других заинтересованных сторон.
Традиционно, интересы потребителя описываются моделью, включающей набор желаемых характеристик товаров (услуг) Хп на фоне характеристик производимого товара с параметрами X, которые оцениваются экспертами на основе результатов исследования специальных моделей и/или натурных испытаний как набор Хэ. Эти переменные в виде потоков данных показаны на рисунке 1.5. в виде широких линий, как не прошедшие процедуру агрегирования [74].
При недостаточно высоком уровне эффективности технической системы ЛПР принимает многокритериальное управленческое решение Y с целью изменения ситуации в условиях конкурентных предложений Хк, внешней среды Хср и ограничения ресурсов R. Без специальной инструментальной поддержки у ЛПР возникает проблема нахождения (селекции) наиболее эффективного решения, учитывающее ПЭ всех заинтересованных сторон.
Всю свою жизнь Человек непрерывно занимается инициированием, разработкой и реализацией проектов широкого спектра: от проектов личного характера до проектов производственного назначения.
В основе этих многогранных процессов лежит процедура принятия решения среди альтернативных вариантов. Наилучшее решение может быть выбрано только среди ранжированного ряда. Построение ранжированного ряда выглядит тривиальной задачей лишь при установлении на множестве вариантов бинарного отношения порядка в случаях, когда варианты отличаются одним параметром и можно говорить о простом (одномерном) отношении порядка. Для многомерного отношения порядка, предполагающего наличие у ранжируемых вариантов нескольких некоррелированных гетерогенных (разнородных) параметров, процедура его формализации резко усложняется.
Причина этого явления состоит в неоднозначной интерпретации многомерного отношения порядка, выступающего в качестве предпочтения - сугубо человеческого фактора, играющего заглавную роль в менеджменте, выделившемся из общей теории управления как подобласть управления совместной деятельностью людей - активных элементов организационной системы.
Обнаружение у активных элементов организационных систем новых (по сравнению с пассивными элементами) свойств: «свобода» выбора своего состояния, собственные предпочтения и цели, интерес к поведению других активных элементов и способность к его прогнозированию [111, 214], позволяет отнести подобные системы к классу «недетерминированных», лишенных традиционных средств описания (моделирования), успешно работающих в предметной области физических законов и явлений. Остро ощущается потребность в появлении новой парадигмы принятия решений как теории и способа действования в науке, модели или образца исследования научных задач [188].
Следует заметить, что «свобода» активных элементов организационных систем не является абсолютной (анархической, произвольной). Она подчиняется своим закономерностям, рождающимся в предметной области ряда дисциплин: психологии, социологии, физиологии и др., а, следовательно, может быть формализована с целью получения подходящих моделей, описывающих предпочтения активных элементов и ограничивающих изначально декларированную «свободу» их поведения [111]. Для решения этой проблемы становятся востребованными модели ПЭ основных участников процесса управления развитием технической системы в соответствии с контекстным порядком их рефлексий.
Концептуальная модель управления развитием технической системы в соответствии с ПЭ заинтересованных сторон показана на рисунке 1.6. В соответствии с ней осуществляется агрегирование (свертка) данных в качественную форму (переход от потоков данных {Xt} к монопараметрическим агрегированным связям л .}, допускающим ранжирование группы однородных объектов, либо множества состояний одного объекта) согласно ПЭ всех заинтересованных сторон. Здесь пара (А ,,Л%1) обозначает поток и агрегированную оценку, соответственно, варианта параметров ИС как технической системы и как средства управления техническим объектом. Преимущества данного подхода заключаются в возможности сопоставления ПЭ всех участников процесса управления и селекции эффективного управленческого решения Yx в конкурсном порядке, обеспечивающем принятие оптимального относительно системы ценностей ЛПР варианта управления из множества {г}.
Методы и общие принципы архитектурно-ориентированной оптимизации состава и структуры противосбойных средств информационных систем
Концепция и статистические модели АО-анализа эффективности ПССр аппаратной и программной компонент ИС предоставили инструментальную базу для разработки методов архитектурно-ориентированной оптимизации (АО-оптимизации) состава и структуры противосбойных средств в предоставляемой вычислительной среде, другими словами, методов АО-синтеза ПСС ИС.
Методы АО-синтеза ПСС ориентируются на различные подходы к проектированию цифровой аппаратуры управления в целом [7, 14, 47, 107, 115, 118, 146, 178, 195, 221, 233, 235]:
1) последовательный подход, когда проектирование специального программного обеспечения начинается после разработки аппаратной составляющей ИС;
2) параллельный подход, когда эти два процесса идут одновременно. Введем обозначения. Пусть t , t c - время начала АО-синтеза ПСС аппа ратной и программной компонент ИС, соответственно, Еож - смесь команд, предполагаемая к реализации в ИС, Еспо - смесь команд реального СПО; ЛДПР, W-ДПР - ограничения на ДПР, необходимые для разработки отдельных групп ПССр на различных уровнях архитектуры ИС, а
С Г, С - допустимые стоимостные затраты на реализацию этих ПССр в аппаратной и программной компонентах, соответственно.
Вербальная постановка частной научной проблемы синтеза ПСС ИС формулируется следующим образом: для заданных условий эксплуатации предоставляемой вычислительной среды и известной эффективности проти-восбойных средств на различных уровнях ее архитектуры, разработать такую противосбойную систему, которая обеспечивала бы максимальное значение показателя сбоеустойчивости при выполнении ограничений на ДПР.
С учетом сложившихся подходов к проектированию цифровой аппаратуры управления это приводит к двум постановкам частной научной проблемы, которые отличаются способами распределения ДПР на организацию противосбойной защиты в аппаратной и программной компонентах архитектуры, а следовательно, и способами поиска максимального значения показателя сбоеустойчивости ИС. Их решение ищется в виде разработки двух методов АО-оптимизации состава и структуры противосбойных средств предоставляемои вычислительной среды в заданных условиях эксплуатации и ограничениях на ДПР.
Метод последовательного архитектурно-ориентированного синтеза про-тивосбойных систем цифровой аппаратуры управления.
Схема АО-оптимизации состава и структуры ПССр для заданной архитектуры ИС строится исходя из условия, что /дсс « псс- Предварительно, на этапе АО-анализа ПССр ZA и Zn, получены оценки их эффективности для аппаратной (АА, ЕОЖ) и программной (АП , Еспо) составляющих ПВС и заданных условий эксплуатации (Е, Тф). Кроме этого известны и ограничения на ДПР, которые могут быть использованы на организацию противосбойной защиты в аппаратной и программной компонентах, а именно: SR , ДПР
CzA СГ, Cz„ С\ Синтезируемая ПСС должна обеспечивать максимальное значение показателя эффективности.
Основную трудность при проведении АО-синтеза ПСС представляет организация направленного перебора введенных групп ПССр на заданной архитектуре предоставляемой вычислительной среды. Поэтому для метода разработана процедура построения дерева перебора (процедура 1) (см. рис. 2.18), которую отличают способы распределения ДПР, а также формирования и использования ядра области Рагек-решений (см. рис. 2.19, 2.20).
Суть процедуры 1 состоит в том , что для моделирования ПССр аппаратной и программной компонент на различных уровнях архитектуры ИС используются #-ичные счетчики Сч1-Сч7. Количество таких счетчиков определяется составом введенных в рассмотрение групп ПССр (см. рис. 2.1) для аппаратной и программной компонент ИС, а разрядность q счетчиков определяется набором ПССр, включенных в каждую группу. Это приводит к формированию модели дерева переборов, представленной на рис. 2.18.
Упомянутая область Рагеґо-решений возникает в связи с частичной независимостью показателей эффективности аппаратной компоненты (РбАсб и Р0Л6), которые служат в качестве исходных данных для разработки ПСС программной составляющей ИС.
В целях сокращения направленного перебора разработана процедура получения (конструирования) ядра области Pareto-решений (процедура 2), основные положения которой состоят в пошаговом выполнении следующих этапов: 1. разбиваем pz" на классы р , pfc6, р об; 2. для каждого значения С гА = 1,С Г определяется пара [Р0і,РбАсб); 3. устанавливаются максимально допустимые значения
Решение проблемы адекватности моделей предпочтений лиц,принимающих решения
Сертификация моделей предпочтений необходима для удостоверения свидетельствования действительных, каждый раз особенных свойств этого продукта интеллектуальной деятельности носителей предпочтений, получаемого в процессе многошаговой процедуры выбора представленных средств моделирования. Структура и содержание сертификата должны помочь каждому респонденту - носителю прототипа модели, оценить ее адекватность своим взглядом на проблему и степень отличия от других мнений (предпочтений) по рассматриваемому вопросу, которых даже в упрощенной системе теоретически может существовать огромное число. Следовательно, в систему сертификации целесообразно внести приводимые ниже принципы.
1. Структура и содержание сертификата должны прозрачно интерпретировать индивидуальные свойства различных моделей, строящихся на комплексном оценивании (принцип информативности).
2. Мощность множества образов-сертификатов моделей предпочтений должна соответствовать мощности множества моделей (принцип достаточного многообразия системы сертификации).
3. Процедура сертификации моделей должна быть программно реализуемой и в практическом плане конечной (принцип достижимости).
Принцип информативности требует от сертификата ответа на вопрос, какова роль (степень участия) каждого частного критерия и их отдельных групп в формировании комплексной оценки, моделирующее данное предпочтение. Решение данной задачи усложняется многомерностью области определения комплексной оценки и множеством ее значений. Подходящей универсальной сертифицирующей характеристикой моделей предпочтений могла бы служить совокупность значений степени влияния каждого частного критерия на комплексную оценку на всем интервале ее определения, что уместно назвать спектром свертки.
Предложенная характеристика моделей предпочтений легко согласуется с принципом многообразия сертификатов, если в ее основу положить известные линейные свертки как частные случаи матричных сверток в их локальных областях - рабочих точках.
На основании выше изложенного в дискуссионном порядке предлагается новый подход к решению задачи проверки адекватности моделей предпочтений.
Индуктивная процедура сертификации изначально строится на каждый узел дерева, оценивая степень взаимодействия частных критериев в бинарных свертках, а затем транзитивно распространяется на итоговую оценку.
Потребность в качественном описании свойств каждой свертки приводит к целесообразности отображения степени влияния частных критериев в области их малых (м), средних (с) и больших (б) значений на конечный результат в аналогичных областях, для чего оценки приоритетов проставляются в специально составляемых табличных формах.
Исходными данными для этой процедуры являются топологии сертифицируемых матриц, в которых значение степени влияния каждого частного критерия на комплексную оценку зависит от особенности топологии контекстной подобласти определения (рис.3.38), согласно списка: /0 - значение 0; fx - значение 0,5 для каждого сворачиваемого критерия;
Процедура заполнения табличных форм ХхХх и ХхХ2 состоит в следующем.
В начале количественные характеристики сертификата определяются в абсолютных значениях (рис. 3.39). Для этого в диапазоне варьирования аргументов (м, с, б) устанавливается степень их влияния на каждый пучок изо-прайс [74, 93] комплексной оценки согласно топологии свертки: в случае прохождения пучка с одним из номиналов (м, с, б), в соответствующей ячейке табличной формы формируется сумма значений степени влияния, согласно приведенного выше списка; в случае не прохождения - ставиться прочерк.
Полученный сертификат на матрицу свертки в абсолютных значениях может быть переведен в относительные значения путем вычисления отношений абсолютных значений к количеству подобластей топологической картины, через которые проходит соответствующего номинала (м, с, б) пучок изо-прайс (рис. 3.40Формирование сертификата на матрицу свертки в абсолютных значениях
Построенные таблицы описывают степень влияния частных критериев на комплексную оценку (степень их приоритетности) матрицы свертки уже за пределами этой матрицы, и служат исходной информацией при сертификации следующих уровней комплексного оценивания. С учетом данного обстоятельства строится транзитивная процедура обобщения промежуточных результатов сертификации:
а) для каждого частного критерия устанавливается маршрут свертыва ния с другими критериями в комплексную оценку;
б) прохождение каждой матрицы, встречающейся на пути следования, сопровождается матричным умножением сертификата, полученного на предыдущем уровне сертификации, на сертификат встретившейся на марш руте матрицы;
Структурный синтез механизмов комплексного оценивания
Разработка структуры МКО связана с ответственным моментом моделирования индивидуальных предпочтений, напоминая решение классической задачи о «черном ящике» в плане обоснования возможного варианта его построения при полном отсутствии какой-либо информации о предмете моделирования. Поскольку процесс психической деятельности человека мало изучен, в методику структурного синтеза МКО вводится некоторая гипотеза о близости данного класса моделей (деревья критериев и матрицы свертки в их узлах) к прототипу. Процедура синтеза проходит в условиях неопределенности относительно состава существенных частных критериев и неуверенности при попытках интерпретации каждого шага построения структуры модели.
Учитывая все выше сказанное, в качестве инструмента структурного синтеза выбран «шаблон» в виде универсального дерева критериев, в котором последовательными шагами формируется подграф конкретной задачи. Следует сразу отметить, что ряд положительных моментов такого подхода сопровождается существенным недостатком - ограниченной размерностью решаемых задач или неэффективностью использования его функциональных возможностей при размерности задач ниже предельно допустимой (шаблон, использованный в иллюстрациях на рисунках 4.5-4.7, ограничен шестнадцатью входами).
В задачах моделирования, для которых состав существенных частных критериев, в дальнейшем называемых терминальными критериями по аналогии с известным понятием теории программирования, представляет интерес использование шаблона дерева критериев в качестве инструмента синтеза структуры «снизу-вверх» [76]. Обязательным условием в этой процедуре агрегирования является четкая интерпретация результата свертки пары терми нальных критериев, а на последующих шагах - пары промежуточных (нетерминальных) критериев, как это показано на рисунке 4.5. Без этого условия свертки более высокого уровня лишаются информации, необходимой для обоснования вида свертки. Структурный синтез МКО можно считать завершенным, когда не остается ни одного терминального или промежуточного критерия с висячей вершиной, кроме единственной вершины, соответствующей комплексной оценке.
Невозможность выполнения поставленного требования по интерпретации результатов свертки может воспрепятствовать успешному завершению процедуры. Кроме того, при использовании варианта синтеза МКО «снизу-вверх» присутствует риск исключения из рассмотрения некоторых существенных терминальных критериев, выпавших из внимания. В этом случае с помощью шаблона можно попытаться осуществить синтез МКО по противоположной схеме - «сверху-вниз», т.е. по правилу декомпозиции (рис. 4.6). Для этого исходная вершина, соответствующая комплексной оценке, и каждая из последующих вершин (следствий декомпозиции) представляется как результат свертки двух новых переменных, промежуточных или терминальных критериев. Обязательным условием в этой процедуре является понятная интерпретация новых параметров как залог успешной декомпозиции их на последующих шагах. Процедуру можно считать завершенной, если все полученные в процессе декомпозиции новые частные критерии принадлежат к числу критериев, ранее объявленных терминальными, либо они подлежат измерению или экспертному оцениванию. При этом может случиться, что не все критерии, запланированные в качестве терминальных критериев, окажутся использованными (востребованными). Они могут быть исключены из модели. В тоже время, могут появиться новые критерии, претендующие на роль терминальных критериев.
Таблица кртериа амине Несчм«трячност . неопрщди Рисунок 4.6 - Синтез МКО «сверху-вниз» по правилу декомпозиции с использованием шаблона
Если остается, хотя бы один критерий, нетерминальный и не поддающийся декомпозиции, процедура считается незавершаемой. В этом случае рекомендуется синтез МКО комбинированным способом путем сочетания обеих процедур как показано на рисунке 4.7.
Несомненным достоинством процедур синтеза МКО с использованием шаблона является одновременная привязка каждого частного результата к схеме вычисления комплексной оценки. При построении деревьев критериев значительной размерности, превышающей возможности шаблона, может быть предложен вариант привнесения в модель полученной иным способом структуры [82, 85] (например, вручную). Действия пользователя и получаемый результат представлены на рисунке 4.8 (а, б, в). Они свидетельствуют об отсутствии ограничений на предельные, в разумных пределах, размеры дерева критериев и обеспечение программной поддержки всех его элементов.
