Интеллектуальные технологии обоснования инновационных решений
..pdfа |
б |
в |
Рис. 3.26. Перенос топологии матрицы первого уровня в метрическое пространство с использованием монотонных функций приведения: а – топология матрицы в качественной форме; б – функции приведения с экстремумом; в – топология матрицы в метрическом пространстве
211
211
212
|
|
|
а |
б |
в |
Рис. 3.27. Перенос топологии матрицы первого уровня в метрическое пространство с использованием функций приведения с экстремумом: а – топология матрицы в качественной форме; б – функции приведения с экстремумом; в – топология матрицы в метрическом пространстве
212
числом элементов системы (входов – частных критериев, матриц свертки), но и числом, разнообразием причинноследственных связей между ними и количеством иерархических уровней дерева критериев. Поэтому рабочая точка должна дополнительно включать в себя промежуточные и окончательные результаты счета, в том числе в виде меток на эпюрах топологий каждой матрицы свертки (рис. 3.28).
Рис. 3.28. Параметры структурной сложности модели предпочтений в рамках одной рабочей точки, характеризующей состояние (оценку)
объекта комплексного оценивания
В иллюстративном примере структурная сложность может быть записана аналитически следующим образом:
213
X (X1*2 (X1*, X2* ), X3*4 (X3*, X4* )).
Информация о модели расширяется путем использования достаточно разнообразного семейства рабочих точек (рис. 3.29), раскрывающего механизмы внутренних связей между элементами и уровнями модели.
Рис. 3.29. Параметры структурной сложности модели предпочтений в рамках семейства рабочих точек, характеризующих состояние (оценку) объектов комплексного оценивания
Мнемоническое изображение процедуры построения рабочих точек представлено на рис. 3.30.
214
а
б
Рис. 3.30. Процедура построения одной (а) и семейства (б) рабочих точек
Методы исследования подсистем модели предпочтений.
Задачи исследования модели предпочтений в соответствии с их содержанием целесообразно сопоставлять с подсистемами модели меньшей размерности. В рассматриваемом примере (см. рис. 3.28) можно выделить десять нетривиальных подсистем:
С42 +С43 =10.
Некоторые из них иллюстрируются на рис. 3.31, где в качестве построителя подсистем использован «шаблон».
Мнемоническая схема, описывающая формирование подсистем на три входа из модели предпочтения на четыре входа представлена на рис. 3.32. Алгебраически операция агрегирования модели в подсистему для данного примера описывается следующим образом:
{X1, X2 , X3, X4} →{ X1′, X2′, X3′} ,
{X1′, X2′, X3′} { X1, X2 , X3 , X4}.
215
216
Рис. 3.31. Подсистемы модели предпочтений (см. рис. 3.28) на три входа
216
Х1 – Х4 |
X1′− X2′ |
2 |
K |
r |
Рис. 3.32. Мнемоническая схема формирования подсистем модели предпочтений с использованием коммутатора K
Метод сертификации модели предпочтений. За основу метода сертификации принят подход, предоставляющий информацию о степени влияния частных критериев на комплексную оценку модели в категориях качества. Результаты сертификации, предназначенные для уменьшения методической ошибки ∆3 рефлексии по результатам исследования модели предпочтений, ведут к снижению методической ошибки ∆2 рефлексии, обусловленной моделированием (см. рис. 3.23). Эффективность процедуры сертификации модели предпочтения можно усилить, дополняя ее приоритетными данными о функциях привидения в форме, представленной на рис. 3.33.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
м1 с1 б1 м2 с2 б2 |
м3 с3 б3 |
м4 с4 б4 |
м5 с5 б5 |
Рис. 3.33. Форма представления результатов сертификации модели предпочтения прототипу с добавлением информации о шкалах частных критериев
217
Сертификацией завершается разработка группы методов исследования модели предпочтения, обслуживающих анализ и обработку информации об ее структурной сложности.
Последующие методы обслуживают анализ и обработку информации о сложности функционирования (поведения) модели предпочтений и объекта комплексного оценивания как сложных систем.
3.3.3. Методы исследования сложности функционирования (поведения) моделей предпочтений
Методы ранжирования состояний объекта комплекс-
ного оценивания. Эти методы предназначены для оценки тенденций развития (изменения уровня эффективности) объектов комплексного оценивания. Так, для состояний объекта, отображаемых семейством рабочих точек на рис. 3.29, ранжированный ряд состояний строится в соответствии со значениями комплексных оценок, определяющих их принадлежность к тем или иным изопрайсам топологической картинки. На множестве комплексных оценок состояния объекта устанавливается отношение нестрогого порядка, которое путем сопоставления текущего состояния с вариантами планируемых состояний позволяет сделать обоснованный выбор направления развития с учетом ограничений на дополнительно привлекаемые ресурсы. Мнемоническая схема описанной процедуры, показанная на рис. 3.34, включает дополнительные мнемонические элементы:
– элемент ранжирования с отношением порядка ≥,
– элемент ранжирования с отношением порядка ≤.
218
Рис. 3.34. Мнемоническая схема установления нестрогого порядка на множестве состояний объекта комплексного оценивания (≥ – невозрастание, ≤ – неубывание)
Методы построения динамики изменения состояний объекта комплексного оценивания. Решаемая задача отлича-
ется от предыдущей задачи привязкой каждого состояния к определенному моменту времени. На рис. 3.35 показана мнемоническая схема процедуры построения динамики изменения состояний объекта комплексного оценивания, использующая элемент ранжирования в режиме неубывания по отношению к моментам времени. Получаемая данным методом информация о правилах перехода из состояния в состояние объекта комплексного оценивания в условиях известных и неопределенных характеристик воздействий внешней среды на систему позволяет учитывать сложность функционирования (поведения) объекта в различных организационных системах, занимающихся решением проблемы повышения эффективности товаров и услуг.
Рис. 3.35. Мнемоническая схема процедуры построения динамики изменения состояний объекта комплексного оценивания
Пример отображения динамики состояния объекта комплексного оценивания в виде зависимости комплексной оценки от времени представлено на рис. 3.36.
219
X
t
Рис. 3.36. Динамика изменения состояния объекта
Методы ранжирования объектов сопоставления. Дан-
ные методы обслуживают исследование сложности поведения модели предпочтений в процессе ранжирования ими разнообразных групп однородных объектов: проекты изменения системы, конкурирующие товары и услуги, экспонаты выставки, претенденты на распределяемые ресурсы, участники тендеров и другие. Мнемоническая схема процедуры ранжирования групп однородных объектов показана на рис. 3.37.
Рис. 3.37. Процедура ранжирования групп трех однородных объектов X, Y, Z
Особый интерес для анализа и обработки информации о поведении модели предпочтений представляет динамика сопоставления ранжируемых объектов по мере прохождения уровней иерархии на дереве комплексного оценивания, что иллюстрируется рис. 3.38.
220