15Назначение и состав математического обеспечения. Классификация и сфера приме-нения матем. Методов, моделей и алгоритмов.

Математическое обеспечение (МО) – совокупность математических методов, моделей и алгоритмов обработки информации, используемых при решении функциональных задач и в процессе автоматизации проектировочных работ.

Математическое обеспечение включает средства моделирования процессов управления, методы и средства решения типовых

задач управления, методы оптимизации исследуемых управлен-ческих процессов и принятия решений методы многокритери-альной оптимизации, математического программирования, мате-матической статистики, теории массового обслуживания и т. п. Техническая документация по этому виду обеспечения ИТ со-держит описание задач, задания по алгоритмизации, экономико-математические методы и модели решения задач,

текстовку и конкретные примеры их решения. Персонал составляют специалисты в области организации управления объектом, поста-новщики функциональных задач, математики-специалисты по моделированию процессов управления и вычислительным методам, проектировщики ИТ.

Математические модели – функциональные зависимости, системы алгебраических или дифференциальных уравнений, логических выражений.

Выделяют две группы:

– аналитические – используют аналитические или численные методы решения;

– имитационные – изучение процесса осуществляется путем многократной имитации информационного процесса в различных сочетаниях, задаваемых при моделировании случайных явлений.

алгоритм – это точный набор инструкций, описывающих после-довательность действий исполнителя для достижения результата решения задачи за конечное время

Существует несколько форм алгоритмов. Алгоритм может быть записан словами и изображён схематически. Обычно сначала (на уровне идеи) алгоритм описывается словами, но по мере при-ближения к реализации он обретает всё более формальные очер-тания и формулировку на языке, понятном исполнителю. Напри-мер, для описания алгоритма применяются блок-схемы.

Блок-схема – распространенный тип схем, описывающих алго-ритмы или процессы, изображая шаги в виде блоков различной формы, соединенных между собой стрелками

16Методы принятии решений. Экспертные системы.

Принимать решения можно либо на основе объективных данных (в том числе с помощью оптимизационных методов и вероятностно-статистических моделей), либо на основе мнений специалистов (экспертов). В задачах стратегического и оперативного управления, технико-экономического анализа, обеспечения экологической безопасности, управления природопользованием и охраны окружающей природной среды и т.п. постоянно используются разнообразные методы экспертных оценок.

МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ

Практически любой метод принятия решений, используемый в управлении, можно технически рассматривать как разновидность моделирования. Однако по традиции термин «модель» обычно относится лишь к методам общего характера, только что описанным выше, а также к многочисленным их специфическим разновидностям. В дополнение к моделированию, имеется ряд методов, спо-собных оказать помощь руководителю в поиске объективно обоснованного решения по выбору из нескольких альтернатив той, которая в наибольшей мере способствует достижению целей. Под заголовок данного раздела попадают платежная матрица и дерево решений, описанные ниже. Для облегчения использования этих методов и вообще повышения качества принимаемых решений руководство пользуется прогнозированием. Наиболее распространенные методы прогнозирования рассмотрены в следующем разделе. Наша цель заключается в том, чтобы помочь понять суть этих инструментов, а не научить ими пользоваться.

Экспертные системы (ЭС) – это новый тип программных систем, предназначенный для решения неформализуемых задач в узких предметных областях.под экспертной системой понимается система, объединяющая возможности компьютера со знанием и опытом компьютера в такой форме, что система может предложить разумный совет или осуществить разумное решение поставленной задачи. Дополнительно желаемой характеристикой такой системы, которая многими рассматривается как основная, является способность системы пояснять, по требованию, ход своих рассуждений в понятной для спрашивающего форме.

В целом экспертные системы обладают следующими свойствами. Экспертная система: ориентирована на решение задач в неформализуемых областях, которые ранее вообще были недоступны для вычислительной техники; способна к логическому выводу при неполных и нечетких данных; выдает не таблицы или графики, а вполне конкретный совет или решение; способна, как правило, объяснять цепочку своих рассуждений; может служить дружественным «ин-терфейсом» между пользователем и динамическими базами данных, в которых отображаются транспортные процессы.

Анализ этих свойств приводит к выводу, что большинство подсистем АСУЖТ в будущем будет ими обладать, т.е. фактически превратится в экспертные системы.

Примерами применения ЭС на железнодорожном транспорте являются следующие. В метрополитене Западного Берлина используется экспертная система, консультирующая пассажиров, каким образом быстрее всего добраться до нужной станции и какие при этом потребуются пересадки. При этом ЭС ведет активный диалог с пассажиром на естественном языке и поясняет свои предложения.