Содержание к диссертации
Введение
1. Анализ существующих подходов и методов управления фирмой 13
1.1. Постановка общей проблемы управления фирмой 13
1.2. Анализ внешней и внутренней среды предприятия 18
1.3. Стратегическое, тактическое и оперативное управление фирмой 23
1.4. Экономико-математические модели управления фирмой 26
1.4.1. Классификация детерминированных оптимизационных производственных моделей 27
1.4.2. Классификация стохастических моделей и их роль в процессе управления современной фирмой 30
1.4.3. Классификация моделей искусственного интеллекта 34
1.5. Активные интеллектуальные системы - альтернативный подход к обеспечению адаптации фирмы 38
1.5.1. Обзор эволюции систем управления фирмой 38
1.5.2. Постановка проблемы разработки активной интеллектуальной системы управления фирмой 41
1.6 Цели и задачи исследования 47
2. Разработка системы стохастических моделей оптимизации процессов функционирования фирмы в случайной среде 51
2.1. Декомпозиция предметной области менеджмента 51
2.2. Особенности двухэтапных задач со стратегическими связями при разработке системы стохастических моделей управления фирмой 53
2.3. Разработка интегрированной стохастической маркетинговой модели управления фирмой 59
2.3.1. Классификация информации при построении интегрированной стохастической модели 59
2.3.2. Основные принципы построения модели и роль стратегических связей в маркетинге 60
2.3.3. Идентификация переменных и условные обозначения 63
2.3.4. Математическая постановка задачи 65
2.3.5. Разработка вспомогательных имитационных моделей генерации случайной системной ситуации 66
2.3.6. Рекомендации по разработке метода решения стохастических двухэтапных задач со стратегическими связями 69
2.4. Разработка стохастической модели анализа инвестиционных проектов 70
2.4.1. Принципы построения и идентификация переменных 70
2.4.2. Имитационное моделирование случайной системной ситуации 70
2.4.3. Коэффициенты оценки эффективности стохастических инвестиционных проектов 72
Выводы второй главы 75
3. Разработка декомпозиционного метода решения стохастических двухэтапных задач 76
3.1. Декомпозиция задачи и алгоритм декомпозиционного метода для конечного пространства состояний 76
3.2. Эквивалентность и нахождение приближенного решения 78
3.3. Разработка декомпозиционного метода для непрерывного пространства состояний 81
3.4. Эффективность декомпозиционного метода 83
3.4.1. Оценка погрешности непрямого декомпозиционного метода для 84 конечного пространства состояний
3.4.2. Распараллеливание декомпозиционного метода для конечного 89 пространства состояний
3.5. Схема распараллеливания декомпозиционного метода 92
Выводы третьей главы 97
4. Разработка активной системы управления фирмой на основе использования знаний
4.1. Структура активной интеллектуальной системы управления 98
4.2. Функции и алгоритм работы активной системы управления 100
4.3 Разработка методов представления знаний в объектно- ориентированной базе данных 101
Выводы четвертой главы 108
Заключение 109
Список используемой литературы 110
Приложение
- Стратегическое, тактическое и оперативное управление фирмой
- Особенности двухэтапных задач со стратегическими связями при разработке системы стохастических моделей управления фирмой
- Разработка декомпозиционного метода для непрерывного пространства состояний
- Разработка методов представления знаний в объектно- ориентированной базе данных
Введение к работе
Актуальность темы. На современном этапе развития социально-экономических субъектов Российской Федерации возникает проблема оптимального управления предприятием, адаптирующимся 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 получили стохастические двухэтапные задачи со стратегическими связями, 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. Но в этих методах 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 предприятием. 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 к интеллектуальным системам управления (ИСУ). Следует отметить, что 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 предприятия к влиянию стохастических параметров, обеспечивающих нахождение оптимального решения в реальных рыночных условиях, и являющихся элементами знаний интеллектуальной системы управления предприятия.
Основные исследования, получившие отражение в диссертации, выполнялись по планам научно-исследовательских работ: федеральная комплексная программа «Исследование и разработки по приоритетным направлениям науки и техники гражданского назначения»; грант РФФИ «Гуманитарные науки», раздел «Разработка оптимизационных моделей управления распределением инвестиций на предприятии по видам деятельности» № Г00-3.3-306.
Цель и задачи исследования. Целью исследования является разработка методов, моделей и алгоритмов стохастического моделирования оптимального адаптивного управления современным рыночным предприятием.
Для достижения поставленной цели необходимо решить следующие задачи: провести системный анализ существующих подходов к адаптивному управлению современным предприятием и определить возможности организации на этой основе системы поддержки принятия управленческих решений;
7 предложить структуру и алгоритм функционирования адаптивной стохастической оптимизационной модели управления; описать имитационную модель реализаций случайной системной ситуации для стохастической модели управления предприятием; разработать методы решения задач оптимального управления на основе стохастических моделей и предложить методики оценивания их эффективности; предложить структуры базы знаний для функционирования интеллектуальной системы управления предприятием; разработать алгоритмические средства поддержки принятия оптимальных управленческих решений на основе предложенных стохастических моделей.
Методы исследования. Для решения поставленных задач использовались основные положения системного анализа, стратегического менеджмента, методов имитационного моделирования, теории управления, исследования операций и оптимизации, методов представления знаний, объектно-ориентированного проектирования и программирования.
Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной: процедуры адаптивного управления, позволяющие адаптацию предприятия к стохастическим факторам внешней и внутренней среды; структурные элементы и алгоритм функционирования базы знаний интеллектуальной системы управления, осуществляющие выработку и корректировку альтернативных управленческих решений; стохастические имитационные модели, учитывающие случайные колебания рыночных факторов для различных вариантов управления предприятием; методика решения стохастических задач управления, отличающаяся рассмотрением параллельных и итерационных процессов и повышающая скорость сходимости решения.
Практическая значимость и результаты внедрения
Предлагаемые в работе алгоритмы и модели позволяют повышать эффективность функционирования предприятия и снижать энтропию за счет обеспечения выбора активной стратегии при меняющихся факторах внешней и внутренней среды предприятия посредством функционирования стохастического инструментария, а также организации новых возможностей адаптации предприятия.
Разработанное программное обеспечение вариантов декомпозиционного метода позволяет существенно снизить время решения за счет организации параллельных вычислений. Предлагаемая в работе интеллектуальная система управления позволяет осуществлять активное управление предприятием и адаптироваться к непредвиденным изменениям.
Созданный комплекс алгоритмических средств поддержки принятия управленческих решений апробирован во Всероссийском межотраслевом научно-учебном центре по вычислительной технике и информатике (г. Москва) и Международном университете природы, общества и человека «Дубна».
Теоретические и практические результаты работы внедрены в учебный процесс по специальностям «Проектирование и технология РЭС» и «САПР» Московского государственного университета приборостроения и информатики.
Апробация работы. Результаты диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2005-2006), Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах (Воронеж, 2005-2007),
9 межвузовской конференции «Моделирование систем и информационные технологии» (Воронеж, 2006-2007), семинарах кафедры систем автоматизированного проектирования и информационных систем Воронежского государственного технического университета и кафедры информатики и вычислительной техники Воронежского института высоких технологий (2005-2006).
Публикации. Основные результаты диссертации опубликованы в 10 научных работах, в том числе 1 - в издании, рекомендованном ВАК РФ.
В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежат: постановка двухэтапной задачи стохастического программирования [1] и описание агрегированных показателей, характеризующих динамику развития и различные характеристики социально-экономической системы [3].
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 241 наименования и приложения. Работа изложена на 138 страницах и содержит 32 рисунка, 19 таблиц.
Во введении обоснована актуальность темы исследования, определены цели и задачи работы, методы решения сформулированных задач, отмечены основные результаты исследования, выносимые на защиту, определена их научная новизна и практическая значимость, приведены сведения об апробации и внедрении результатов работы.
Первая глава посвящена системному анализу существующих подходов и методов управления современным предприятием. Рассмотрены стратегическое, тактическое и оперативное управление, проведена классификация детерминированных и стохастических оптимизационных производственных моделей.
В результате проведенных исследований выявлена насущная необходимость использования основных категорий теорий искусственного
10 интеллекта и стохастической оптимизации при управлении современной фирмой. Представляется целесообразным разработка адекватной системы управления фирмой, сочетающей в себе несколько уровней ЭС с вспомогательными средствами стохастического экономико-математического моделирования, объектно-ориентированными базами данных, средствами связи и инструментальными средствами. В работе предлагается проектирование интеллектуальной активной системы (далее ИАС), осуществляющую управление фирмой на разных уровнях решения задач.
Обоснована необходимость конструирования в рамках ИАС несколько уровней баз знаний, осуществляющих отслеживание и идентификацию первичного вектора, анализ сложившегося вектора и выявление необходимости изменения, выявления вектора возможных альтернатив и адаптации фирмы, а также осуществляющих запоминание реакции фирмы на введенное действие.
Во второй главе работы рассмотрена разработка системы стохастических моделей оптимизации процессов функционирования предприятия в случайной среде.
Построена интегрированная стохастическая модель оптимизации деятельности предприятия. Выяснено, что для получения адекватного решения необходимо учитывать полное пространство состояний, что вызывает увеличение размерности данной модели. Существующие методы решения стохастических задач могут быть использованы лишь для решения задач малой размерности, которые не позволяют адекватно описывать реальные процессы в моделируемой системе. Поэтому представляется целесообразным развитие методов решения стохастических двухэтапных задач со стратегическими связями большой размерности, используя их специфическую структуру связи стратегических и тактических решений. Непрямые методы основаны на сведении задач стохастического программирования к таком виду, когда удается эффективно применить методы решения детерминированных задач. Так, многие задачи стохастического программирования можно с заданной точностью заменить некоторыми детерминированными задачами и формально воспользоваться методами их решения. В работе предложено применение новых вариантов метода решения стохастических линейных двухэтапных задач со стратегическими связями, что позволит избежать основного недостатка получаемых моделей и будет являться альтернативным методом решения подобного класса задач.
В третьей главе рассматривается разработка декомпозиционного метода решения стохастических двухэтапных задач со стратегическими связями.
Декомпозиционные методы решения детерминированных задач применялись довольно широко и представляют собой разработанные и исследованные методы, которые используют идею декомпозиции, заключающуюся в расчленении большой задачи на ряд подзадач меньшей размерности. Представляется целесообразным обобщение декомпозиционного метода для возможности нахождения решения при непрерывном пространстве состояний, а также организации параллельных вычислений, что позволит значительно повысить эффективность решения.
Четвертая глава посвящена разработке алгоритмического обеспечения комплекса поддержки принятия управленческих решений на основе использования знаний.
Если сравнивать разработанную интеллектуальную систему управления с созданными экспертными системами, которые также основаны на знаниях, то можно сказать, что понятие интеллектуальной системы шире экспертных систем. Основное отличие от существующих экспертных систем заключается в автоматизации процесса анализа результата и накопления знаний. По сравнению с АСУ и экспертными системами, интеллектуальная система
12 управления позволяет повысить интегральную эффективность работы современного предприятия.
В заключении представлены основные результаты работы.
В приложении приведены копии актов о внедрении результатов диссертационной работы.
Стратегическое, тактическое и оперативное управление фирмой
При рассмотрении проблемы управления фирмой необходимо учитывать, что управление - это непрерывный динамический процесс [41]. В соответствии с [42] постановка целей входит в подсистему планирования и контроля фирмы. На рис. 8 приведена схема, определяющая место постановки целей в контуре управления и шкалирующая цели на стратегические, тактические и оперативные. Однако, рассмотренная шкала должна быть распределена не по времени, а по назначению, так как классификация только по временному признаку является односторонней и не отражает реальный процесс постановки целей. В [43,44] приведены основные различия между долгосрочной и стратегической постановкой целей. В системе стратегического управления в качестве первого шага предпринимается анализ перспектив фирмы; второго - анализ позиций в конкурентной борьбе; третьего - выбор основной стратегии и сравнении перспектив развития фирмы при различных альтернативных вариантах; заключительного - анализ путей диверсификации. Его задачей является оценка недостатков существующего на настоящий момент статического вектора альтернативных видов деятельности и изменение размерности указанного вектора путем определения новых видов деятельности, к которым фирме следует перейти. Описанная процедура связана с основными маркетинговыми категориями и может представлять собой ядро маркетинговой концепции управления, стохастический аналог которой будет исследован в дальнейшем.
Существует также другой подход [42], называемый концепцией экстенсивного стратегического управления, которая отражает не только экономические отношения фирмы с окружающей внешней средой, но также и социально-политические связи с ней, то есть определенные выше СТЕП-факторы. Стратегия фирмы в этом случае становится совокупностью подходов, которые ориентируют и адаптируют внутреннюю среду предприятия в соответствии с изменениями внешней среды [45].
Установление стратегических целей и последующий план их реализации напрямую связан с оперативными целями (см. рис. 9). Потенциал, который обеспечивает достижение целей фирмы в будущем, является одним из продуктов стратегического управления.
Другим конечным продуктом является внутренняя структура и организационные изменения, обеспечивающие чувствительность фирмы к изменениям внешней среды. В нашем случае это означает эффективный механизм адаптации фирмы, благодаря которому фирма имеет возможность своевременно обнаружить и правильно проанализировать стохастические внешние изменения, а также управлять ответными стратегическими и оперативными действиями.
После изучения ограничивающих параметров, позволяющих конкретизировать необходимость рассмотрения факторов внешней и внутренней среды как стохастических параметров, к которым необходимо адаптироваться при осуществлении целенаправленного управления на стратегическом и тактическом уровне, перейдем к изучению вопроса о состоянии исследований в области экономико-математического моделирования процессов функционирования фирмы. Классификация экономико-математических моделей может быть построена по разным критериям. Наиболее общим критерием служит способ отражения моделью действительности [46,47] (см. рис. 10). Однако, очень часто приведенные классы могут пересекаться, что позволяет исследовать другие классификационные системы (см. рис. 11) [47-52]. Классификационные элементы, выделенные темным цветом, будут определять проблемную область данной работы. Рассмотрим более детальную классификацию блока "Логико-математическое описание". 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 оргтехмероприятий, 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 эффективный 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.
Особенности двухэтапных задач со стратегическими 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. где Z - стохастические факторы; А - орган управления ИАС; Di, ..., Dn -локальные звенья управления; W - шкала предпочтений органа управления; Uи ..., Un- шкала предпочтений локальных звеньев управления.
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 двухэтапной задачи стохастического программирования (см. рис. 22). где X - выпуклое замкнутое ограниченное множество, задающее область априорного выбора программного решения х; у(ю) = (уі(со), (ю),..., )) -А мерный вектор апостериорного решения в ситуации ш є Q; Ya(x) -выпуклые ограниченные замкнутые множества, задающие области в Rk апостериорного выбора решений в ситуации со при условии выбора решения х; (p(x) - функция эффекта от априорного решения х; ф0 - функция показателя, определяющего качество решения х при условии, что реализовалась ситуация со, и принято апостериорное решение Xе0) 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 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 статусо стратегического управления, а гибкие апостериорные решения у((й) имеют смысл тактических управлений. Как видно, первоосновой различия поэтапных управлений служит степень их гибкости, время их действия. С этой точки зрения для многошаговых процессов управления априорные у((й л) и апостериорные (со ) решения могут не различаться по времени их действия. В этом случае и те, и другие относятся к тактическим решениям по отношению к более стратегическому решению х. При этом априорное решение х, содержащее структурные параметры системы, задает определенные рамки для принятия гибких оперативных управлений. Формальное описание содержательных различий и связь стратегий и тактик при моделировании управления системой предложено в [94,95].
Вводится Яш - оператор, отображающий точки множества Ya в точки множества Xв задаче (14): где оператор Яш представляет собой матрицу специальной строчно-диагональной структуры, отображающую множество тактических решений во множество стратегий. Формула (15) означает, что тактическое решение у((о) связано со стратегическим х и что последнее задает некие рамки для вариаций тактических решений у(ю). Содержание некоторой 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 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: у(1 1), а тактические апостериорные - от ситуаций, включая реализуемую в текущий момент: у(ю ). В предложенной интерпретации задача (14) с линейными ограничениями запишется следующим образом [94,104]
Разработка декомпозиционного метода для непрерывного пространства состояний
Полученная задача представляет собой некоторый одноэтапный аналог двухэтапной задачи (30). На основании предположения об эквивалентности этих задач применяем декомпозиционный метод решения задачи (31) для непрерывного пространства состояний Q. Разобьем задачу (31) на две подзадачи: Для решения задачи (31) предложим следующий алгоритм декомпозиции. 1. Начало работы для шага =0 принимается J =0\ F =0. 2. Осуществляется сдвиг по шагу: 5 = 5+1. 3. Генерируется со и при C(U)S) решается задача (32). Определяется оптимальный тактический вектор ys. С учетом стратегических связей вычисляется стратегический вектор в первом приближении по следующей формуле: xs=H ys. 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 / и запоминается оптимальное значение целевой функции f{xs,(os). Далее, опять с учетом стратегических связей вычисляется второе приближение стратегического вектора Ну = xs. 5. С учетом уточненного значения стратегического вектора вычисляется 5-ое приближение уже искомого стратегического вектора Xs: 6. Вычисляется s-oe приближение оптимального значения функционала исходной задачи (31): 7. Проверяется признак конца расчетов, начиная с s N (N - задается достаточно большими» 1000). 8. Если признак конца расчетов выполняется, то осуществляется переход к пункту 9. Если не выполняется, то происходит переход к пункту 2. 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 со стратегическими связями продиктована объективной необходимостью современного развития экономико-математического моделирования. Рассмотрим пример решения экспериментальной задачи (38)-(39). Для исследования эффективности применения декомпозиционного метода необходимо проанализировать степень приближения получаемого с помощью него решения. Подобный анализ был проведен и его результаты для наглядности и, тем самым, для повышения содержательности приведены в виде следующих иллюстраций. На рис. 31 представлены графики относительной погрешности полученного решения и целевой функции с помощью декомпозиционного метода в зависимости от решаемой задачи и от ее размерности. Относительная погрешность для рис.31 была вычислена по формулам: После этого выявлена функциональная зависимость относительной погрешности решения декомпозиционным методом. Такой анализ необходим для выявления степени приближения декомпозиционного метода для любого типа задач, в связи с чем была проведена аппроксимация представленных на рис. 31 данных. Аппроксимация данных осуществлялась следующей функцией (44): Графики аппроксимированных функций представлены на рис. 32 и 33 для переменных и целевой функции, соответственно. Размерность аргумента на рис.32 и рис.33 вычислялась по следующей формуле: _ (Количество переменных)- (Количество ограничений) 10 (Количество реализаций v)
Разработка методов представления знаний в объектно- ориентированной базе данных
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. 41. 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. 42. 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.
Второй составляющей ООБД является словарь менеджерских глаголов. Конструкция этого словаря очень похожа на предыдущую и представлена на рис. 43. 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.
Конструирование словаря менеджерских глаголов отражает только частично третий этап объектно-ориентированного проектирования. 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. Семантическая сеть позволяет описать практически все менеджерские знания, необходимые для дальнейшего анализа фирмы. Таким образом можно сделать 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. Схему проектирования ООБД представим на рис. 46.
При формировании ООБД необходимо учитывать границы объекта и степень декомпозиции. 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. 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.
