Анализ задач автоматизации сложных социально-экономических систем

Синтез системы управления ССЭС, как и любой сложной управляемой системы, можно представить в виде последовательности этапов:

  • 1. Формулирование цели G* системы управления ССЭС.
  • 2. Формирование целевых критериев (функций, функционалов) z = J(I,G*).
  • 3. Определение границ процесса F, выявление его особенностей как объекта управления.
  • 4. Синтез структуры str модели FM(str, а. х, у) ССЭС F.
  • 5. Параметрический синтез, т. е. идентификация параметров а е А, в модели FM(str,a,x,y) ССЭС F.
  • 6. Синтез управления и — ^{1, G*) ССЭС.
  • 7. Реализация системы управления.

Рассмотрим эти частные задачи и их особенности в соответствии с описанной схемой синтеза управляемых ССЭС.

Формулирование цели G* является плохо формализуемой задачей. Для нее пока не существует строгих теоретических методов решения. Единственным методом ее решения остается экспертный. Один из подходов может заключаться в следующем. Группе экспертов предлагается сгенерировать цели G проектируемой системы управления ССЭС. Затем одним из методов групповой экспертной работы осуществляется их ранжирование с последующим принятием решения об окончательном выборе желаемой цели G*.

Одной и той же цели могут соответствовать различные критерии .7. Как и выбор самой цели, формирование множества альтернативных и неальтернативных критериев также приходится выполнять с привлечением экспертов. Для этого нужно создание базы критериев, накопление информации о предпочтениях тех или иных критериев, формирование системы весовых коэффициентов для их ранжирования, т. е. обобщение опыта и знаний экспертов в форме ЭС.

Аналогично с помощью экспертов решаются задачи связанные с описанием объекта управления — ССЭС на этапах выявления границ ОУ и синтеза его структуры.

Как видим, выполнение первых трех этапов связано с использованием знаний и опыта экспертов в области управления ССЭС в соответствующих отраслях промышленности, медицины, экологии, образования и т. д.

Для повышения эффективности выполнения этих этапов, оказывающих определяющее значение на содержание и результат последующих этапов синтеза системы управления, целесообразно осуществлять интеллектуализацию процедуры построения систем управления.

Задача синтеза структуры str ССЭС существенно осложняется такими особенностями, как слабая изученность, нестационарность как структуры, так и параметров объекта управления, непредсказуемость поведения из-за наличия активных элементов.

Поэтому весьма вероятно, что формализованные регулярные методы 'Рр окажутся мало подходящими для этой задачи. Поэтому целесообразно, не отбрасывая методы Ч'р привлечь опыт экспертов и использовать эвристики *РЭ для синтеза структуры str в модели FM(str,a,x,y). Таким образом, описание структуры str может быть построено и в нематематической форме. В общем случае для синтеза структуры str будем использовать комбинацию как регулярных методов, так и интеллектуальных, в том числе эвристических способов: Ч* = Ч'р х ЧД xf3, т. е. искать решение на расширенном множестве Ч'.

Задача идентификации вектора параметров а в модели FM(str, а,х,у) осуществляется по результатам активных экспериментов и/или пассивных наблюдений за состоянием объекта управления I — cond(.r, у). Построение адекватных математических моделей в сложных условиях, например при сильной зашумленности данных, их пропусках, малом объеме выборки при большом количестве переменных; а также невозможности сделать допущения о линейности объекта; качественный характер информации является трудной, чаще всего некорректной задачей [91, 92], например по Адамару, и требует выбора метода для ее регуляризации.

Нередко задачу идентификации сводят к экстремальной. При этом искомые значения параметров а трактуются как решение задачи нахождения аргумента а*, доставляющего минимум функции (функционалу) JM, задающей степень близости наблюдаемых значений на выходе объекта управления у и модели у:

Отметим, что параметры а в соотношение (1.1) входят неявно через решение у (а). Для вычисления значения критерия JM при некоторых заданных значениях а необходимо подставить эти значения в (1.2) для определения значения переменной у (при этом полагается, что х = х). В свою очередь, очень редко модель (1.2) удается записать, разрешив ее относительно переменной у. Обычно приходится выполнять математическое моделирование, т. е., например, в случае, если FM — система дифференциальных уравнений, то провести интегрирование, как правило, численное. При определенных условиях (например, плохой обусловленности матрицы, т. е. жесткой системы уравнений) эта операция также может оказаться достаточно сложной в математическом отношении.

Для выбора метода решения экстремальной задачи (1.1)—(1.2) необходимо исследовать свойства функционала JM, такие, как выпуклость, непрерывность в соответствующем нормированном (метрическом) пространстве и т. п. Из-за неявного характера функционала эта задача существенно осложняется. На практике обычно ограничиваются численными исследованиями в некоторой области, заведомо содержащей искомое решение. По результатам этого исследования выдвигаются гипотезы относительно свойств минимизируемого функционала и последующий выбор метода решения. Дальнейшие практические шаги по нахождению вектора параметров a как решения а* задачи (1.1)—(1.2) выбранным методом подтверждают или опровергают принятую гипотезу.

Многие исследуемые объекты не позволяют получить в полном объеме требуемую информацию для построения математических моделей традиционными, классическими методами. Так, в медицине, экологии нередки случаи, когда количество наблюдений равно, меньше или ненамного превышает число переменных. Кроме этого, в данных возможны пропуски (больной перестал наблюдаться), «дикие» выбросы, наличие качественных показателей. В этом случае построение адекватных конечномерных моделей невозможно. Поэтому необходимо создание новых комбинированных методов, позволяющих строить подходящие математические модели, и накапливать опыт их применения.

Ряд объектов управления, например в сфере обучения, экологии, медицины не позволяет выполнить количественное описание, так как описывается качественными категориями. Более того, управляющие воздействия также могут являться качественными категориями. Поэтому требуется использовать или создавать подходы искусственного интеллекта для синтеза управления подобными объектами.

Аналогичная (1.1) задача возникает и при определении значений и свойств целевого критерия .7, выбираемого на втором этапе синтеза системы управления ССЭС.

Поиск оптимального управления (решения) и — '?(1. G*) в сложных условиях (большой размер признакового пространства — «проклятье размерности», модель объекта и/или критерий оптимизации описаны в качественных категориях и т. п.) также требует новых подходов.

При синтезе СУ часто требуется решать оптимизационные задачи большой размерности. Даже с учетом вычислительных мощностей современных компьютеров, например, задачи дискретной оптимизации с экспоненциальной сложностью (NP-полные задачи) при относительно небольших размерностях не могут быть решены традиционными регулярными методами в обозримом будущем. Для преодоления этого барьера также необходимо использовать методы искусственного интеллекта, в частности комбинированные процедуры принятия решений, в которых регулярные методы 4хр поиска решений сочетались бы с эвристиками 47, относительно допустимой области и/или структуры решения. Такой комбинированный подход позволит резко снизить комбинаторную сложность оптимизационной задачи от экспоненциальной (NP) до полиномиальной. К числу подобных задач относятся, например, определение оптимального управления газокомпрессорной сетью, оптимальных орудий лова для водохранилищ, маршрутизация для автотранспортной компании.

В заключении отметим важность этапа, связанного с проверкой реализуемости (полезности, эффективности, в том числе техникоэкономического эффекта) по различным критериям используемых комбинированных процедур принятия управленческих решений. Причем для достижения требуемой цели G* по результатам данного этапа описанная в начале этого подраздела унифицированная многоступенчатая процедура может стать рекурсивной. При этом на очередном шаге рекурсии необходимо предпринимать действия по улучшению используемых методов принятия решений, моделей и т. п.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ ОРИГИНАЛ   След >