Задача принятия решений

Имеется ряд подходов для обобщенного описания задач принятия проектных решений в процессе структурного синтеза.

Задачу принятия решений формулируют следующим образом:

ЗПР = <А,К,Мод,П>,

где А - множество альтернатив проектного решения; К = (К₁, K_2,...,K_m) - множество критериев (выходных параметров), по которым оценивается соответствие альтернативы поставленным целям; Мод: А®К - модель, позволяющая для каждой альтернативы рассчитать вектор критериев; П - решающее правило для выбора наиболее подходящей альтернативы в многокритериальной ситуации [4, 5].

В свою очередь, каждой альтернативе конкретного приложения можно поставить в соответствие значения упорядоченного множества (набора) атрибутов X = < х_1, x₂ ..., х_п>, характеризующих свойства альтернативы. При этом х_i может быть величиной не целой, целой, логической, символьной строкой (в последнем случае величину называют предметной или лингвистической). Множество X называют записью (в теории баз данных), фреймом (в искусственном интеллекте) или хромосомой (в генетических алгоритмах). Модель Мод называют структурно-критериальной, если среди х_i имеются параметры, характеризующие структуру моделируемого объекта.

Основными проблемами в ЗПР являются [4, 5]:

• компактное представление множества вариантов (альтернатив);

• построение модели синтезируемого устройства, в том числе выбор степени абстрагирования для оценки значений критериев;

• формулировка предпочтений в многокритериальных ситуациях (т. е. преобразование векторного критерия К в скалярную целевую функцию);

• установление порядка (предпочтений) между альтернативами в отсутствие количественной оценки целевой функции (что обычно является следствием неколичественною характера всех или части критериев);

• выбор метода поиска оптимального варианта (сокращение перебора вариантов).

Присущая проектным задачам неопределенность и нечеткость исходных данных, а иногда и моделей, диктуют использование специальных методов количественной формулировки исходных неколичественных данных и отношений.

В большинстве случаев структурного синтеза математическая модель в виде алгоритма, позволяющего по заданному множеству X и заданной структуре объекта рассчитать вектор критериев К, оказывается известной. Вряде других случаев такие модели не известны в силу недостаточной изученности процессов и их взаимосвязей в исследуемой среде, но известна совокупность результатов наблюдений или экспериментальных исследований. Тогда для получения моделей используют специальные методы идентификации и аппроксимации (модели, полученные подобным путем, иногда называют феноменологическими).

Среди методов формирования моделей по экспериментальным данным наиболее известны методы планирования экспериментов. Не менее популярным становится подход, основанный на использовании искусственных нейронных сетей.

Если же математическая модель X®Костается неизвестной, то стараются использовать подход на базе систем искусственного интеллекта (экспертных систем) [4, 5].