|
- определение показателя эффективности, на основе которого можно оценить характеристики системы или ее проекта с тем, чтобы выявить «наилучший» проект или множество «наилучших» условий функционирования системы. В инженерных приложениях обычно выбираются показатели экономического (издержки, прибыль и т.д.) или технологического (производительность, энергоемкость, материалоемкость) характера. «Наилучшему» варианту всегда соответствует оптимальное значение показателя эффективности функционирования системы;
- выбор внутрисистемных независимых переменных, которые должны адекватно описывать допустимые проекты или условия функционирования системы и способствовать тому, чтобы все важнейшие технико-экономические решения нашли отражение в формулировке задачи;
- построение модели, которая описывает взаимосвязи между переменными задачи и отражает влияние независимых переменных на значение показателя эффективности. В самом общем случае структура модели включает основные уравнения материальных и энергетических балансов, соотношения, связанные с проектными решениями, уравнения, описывающие физические процессы, протекающие в системе, неравенства, которые определяют область допустимых значений независимых переменных и устанавливают лимиты имеющихся ресурсов.
Все оптимизационные задачи имеют общую структуру. Их можно классифицировать как задачи минимизации (максимизации) М-векторного показателя эффективности Wm (x), m = 1, 2, ., М, N-мерного векторного аргумента х = [x1, х2, ., хN), компоненты которого удовлетворяют системе ограничений-равенств hk (х) =0, к = 1, 2, ., К, ограничений - неравенств gj (х) > О, j =1, 2, …, J, областным ограничениям xli < xi < xui, i = 1, 2, ., N.
Все задачи принятия оптимальных решений можно классифицировать в соответствии с видом функций и размерностью Wm(x), hk(x), gj(x) и размерностью и содержанием вектора х:
- одноцелевое принятие решений - Wm (x) - скаляр; многоцелевое принятие решений - Wm (x) - вектор;
- принятие решений в условиях определенности - исходные данные детерминированные; принятие решений в условиях неопределенности - исходные данные - случайные.
Наиболее разработан и широко используется на практике аппарат одноцелевого принятия решений в условиях определенности, который получил название математического программирования.
Рассмотрим процесс принятия решений с самых общих позиций. Психологами установлено, что решение не является начальным процессом творческой деятельности. Оказывается, непосредственно акту решения предшествует тонкий и обширный процесс работы мозга, который формирует и предопределяет направленность решения. В этот этап, который можно назвать «предрешением» входят следующие элементы [11 с 22]:
- мотивация, то есть желание или необходимость что-то сделать. Мотивация определяет цель какого-либо действия, используя весь прошлый опыт, включая результаты;
- возможность неоднозначности результатов;
- возможность неоднозначности способов достижения результатов, то есть свобода выбора.
После этого предварительного этапа следует, собственно, этап принятия решения. Принятие решений следует воспринимать не как единовременный акт, а как последовательный процесс.
Эта схема принятия решения в наиболее общем виде включает в себя следующие компоненты: анализ исходной ситуации, анализ возможностей выбора, выбор решения, оценка последствий решения и его корректировка.
Использование системного анализа позволяет оценить предприятие комплексно, и принять наиболее эффективное решение.
Перейти на страницу: 1 2 3 |
