<<

О работе Д. Габора «Перспективы планирования»

  Всем уже в общем интуитивно ясно, что «жесткое» распознавание, управление или планирование без свободы выбора последующих решений в чем-то порочно, но до сих пор никто не смог четко, математически строго сформулировать его недостатки.
В работе Д. Г абора дается точный ответ на этот вопрос, хотя в ней еще не поставлена задача отыскания оптимального значения свободы выбора решений.

Рассматриваются многорядные системы принятия решений в моменты 0, т, 2т и т.д. Исследование таких систем является центральной задачей теории самоорганизация. Под этим термином понимается антипод теории детерминированного или жесткого управления. Терминология теории самоорганизации еще не установилась. Для указанной задачи применяется, например, термин принцип неокончательных решений, причем одна из основных реализаций этого принципа связывается обычно с процессом многорядного принятия решений в перцептронах. Селекционеры уже давно пользуются таким процессом при выводе новых видов растений и животных (массовая селекция по Дарвину). Основной недостаток жесткого управления можно пояснить с помощью рис. П.5.5.

Допустим, два регулирующих воздействия х\ и х2 принимают следующие значения: в момент t = 0 — 5*1 (0) и 5x2(0); в момент t — т — 5xi(t) и 5х2(т); в момент / = 2т — 5xi(2t) и 8х2(2т).

Жесткое управление (рис. П.5.5, а) позволяет проводить последовательно три оптимизации некоторого обобщенного показателя качества lt;р на плоскости. В момент t-0 выбираются оптимальные (в данный момент времени) значения 5х)(0) и 8х2(0), в момент t = т — оптимальные значения йхДт) и §х2(т), наконец, в момент / = 2т — оптимальные значения Sxi(2x) и 5х2 (2т).

Гибкое управление, основанное на принципах самоорганизации, предусматривает более широкую область оптимизации (рис. П.5.5, б). С помощью последовательно проводимых одномерных оптимизаций двух переменных в трех плоскостях при жестком управлении обычно получается результат хуже, чем с помощью одной, более полной многомерной оптимизации в гиперпространстве всех получаемых при этом шести переменных.

Но для того чтобы достичь такой более полной оптимизации, необходимо сохранить возможность изменения или перебора предыдущих решений, т.е., по терминологии Д. Габора, обеспечить свободу выбора решений в последующие моменты времени. Для этого достаточно, например в перцептронно-подобных системах, отбирать не единственное решение, как это рекомендует современная однорядная теория статистических решений, а некоторую долю F самых перспективных решений .

Классическим примером управления процессом с сохранением свободы выбора решений может быть работа селекционера: желая получить определенный вид растений, он высевает несколько тысяч семян. Из первого урожая выбирается не единственное растение, а некоторый процент наиболее, перспективных растений, что обеспечивает свободу выбора решений для селекции во втором поколении и т.д. Данные алгоритмы МГУА в первом приближении реализуют принципы массовой селекции при решении задач технической кибернетики [39].

1 Здесь F — степень свободы выбора (а не вектор правых частей управлений динамики, как было принято ранее).

Рис. П.5.6. Типичная структура многорядного алгоритма принятия решений (пример его реализации при решении задачи распознавания реструкции пестицидов)

Более подробно пример построения «дерева» решений приведен в работе [40, гл. 5]. Здесь же рассматривается только конечный результат, что необходимо для пояснения основных свойств многорядной процедуры нахождения оптимальных решений. В примере было принято F = 22. Хотя мы отобрали в первом и в каждом последующем ряду 22 наиболее эффективных решения, но только 16 из них оказались полезными при окончательном выборе.

Шесть решений можно теперь отбросить как лишние. Во втором ряду оказались полезными только восемь решений, в третьем — четыре, в четвертом — два, в пятом ряду — одно-единственное окончательное решение. Остальные решения (отобранные ранее и не вошедшие в «дерево» решений) можно теперь отбросить как ненужные. Важно отметить, что такая оценка решений стала возможной только на пятом ряду селекции. Ее нельзя было сделать раньше, на первых рядах селекции.

Если бы мы приняли только одно-единственное решение на первом ралу (F= 1), то не смогли бы получить сложное решение на пятом ряду селекции. «Дерева» решений не получилось бы. Решающая функция оказалась бы слишком простой, не адекватной процессу.

Из рассмотрения работы селекционеров (или на примере решения задач по МГУ А) легко сделать два важных вывода. Существует ясно выраженный оптимум свободы выбора решений F. Если селекционер выберет единственную пару зерен или слишком много пар для последующего посева, то селекции не получится. Д. Габор не обнаружил этого оптимума, так как, по сути, пользовался линейными уравнениями прогнозирования, которые, конечно, не могут быть точными. Слишком большая свобода выбора решений так же плоха, как и отсутствие этой свободы при жестком управлении. Оптимум находится простым перебором вариантов управления. После достижения максимума (успешное выведение требуемого сорта растений) никаких особых трудностей, о которых упоминает Д. Габор, не возникает. Для сохранения результатов требуется только сохранение чистоты посевного материала и т.п.

Интересно, что в работе [39, с. 147] отмечается:

„что хотя динамическое программирование также представляет собой многошаговую процедуру принятия решений, но эта процедура принципиально отлична от предлагаемых алгоритмов селекции.

Как известно, при динамическом программировании задача оптимизации последовательности решений решается в обратном направлении, от конца к началу, причем выбирается единственное оптимальное направление.

При этом подразумевается, что до такого выбора должен быть выполнен полный расчет всех возможных решений (конечно, с учетом ограничений) в прямом направлении. Такой полный перебор в прямом направлении возможен только для задач малой размерности (до шестисеми переменных). Селекционный алгоритм самоорганизации устраняет именно этот полный перебор: в прямом направлении рассчитываются только F лучших по критерию селекции решений, а в обратном (как и при динамическом программировании) выбирается один оптимальный вариант. Алгоритмы самоорганизации применимы при числе входных переменных до 200 [40, гл. 4].

Основное значение работы Д. Габора состоит в заключительных словах, напоминающих о том, что цель достигается не одним, а целым рядом взаимосвязанных последовательно принятых решений. Таким образом, впервые дано строгое математическое определение понятия свободы выбора последующих решений и показана необходимость управления, распознавания и планирования, предусматривающих эту свободу. Работа Д. Габора, несомненно, войдет в золотой фонд зарождающейся сейчас молодой теории самоорганизации, так как системы самоорганизации можно теперь определить как системы со свободой выбора решений. 

<< |
Источник: Учитель Юрий Генрихович.. Разработка управленческих решений. 2007

Еще по теме О работе Д. Габора «Перспективы планирования»:

  1. Павлов В. Н.. Курсовая работа по предмету: «Планирование на предприятии» на тему: «Планирование фонда заработной платы», 2010
  2. Приложение 5. Процесс последовательного принятия решений. Критерий свободы выбора Габора
  3. Перспективы личного финансового планирования в России
  4. Перспективы личного финансового планирования в России
  5. ГЛАВА XXXI КООРДИНАЦИЯ, ПЛАНИРОВАНИЕ И ПЕРСПЕКТИВА
  6. Организация работ по планированию
  7. 8.3.1.ОПЕРАТИВНОЕ ПЛАНИРОВАНИЕ РАБОТЫ
  8. ПЛАНИРОВАНИЕ ИНДИВИДУАЛЬНОЙ РАБОТЫ
  9. ГЛАВА 9 ПЛАНИРОВАНИЕ ЛИЧНОЙ РАБОТЫ РУКОВОДИТЕЛЯ
  10. Методы планирования в работе с персоналом
  11. Планирование оценочных работ
- Антикризисное управление - Деловая коммуникация - Документоведение и делопроизводство - Инвестиционный менеджмент - Инновационный менеджмент - Информационный менеджмент - Исследование систем управления - История менеджмента - Корпоративное управление - Лидерство - Маркетинг в отраслях - Маркетинг, реклама, PR - Маркетинговые исследования - Менеджмент организаций - Менеджмент персонала - Менеджмент-консалтинг - Моделирование бизнес-процессов - Моделирование бизнес-процессов - Организационное поведение - Основы менеджмента - Поведение потребителей - Производственный менеджмент - Риск-менеджмент - Самосовершенствование - Сбалансированная система показателей - Сравнительный менеджмент - Стратегический маркетинг - Стратегическое управление - Тайм-менеджмент - Теория организации - Теория управления - Управление качеством - Управление конкурентоспособностью - Управление продажами - Управление проектами - Управленческие решения - Финансовый менеджмент - ЭКОНОМИКА ДЛЯ МЕНЕДЖЕРОВ -