1.81M
Категория: МатематикаМатематика

Системна оптимізація

1.

Системна
Оптимізація
Нормативний курс

2.

Постановка задачі
Схема і – підсистеми, складної системи:
Mi
ui
xi
i 1, N
yi
і – та підсистема
zi

3.

Постановка задачі
Вектор
розмірність
ui mui
xi mxi
M i mM i
yi m y i
z i m zi
f i M i , xi
i 1, N
Вхідні сигнали, як на систему, так і на і-ту
підсистему, на які неможливо впливати;
Проміжні вхідні сигнали з інших підсистем;
Управління і-ю підсистемою;
Вихідні сигнали і-ої підсистеми, що входять в
загальний набір вихідних сигналів системи;
Проміжні вихідні сигнали і-ої підсистеми, які
надходять на входи інших підсистем;

4.

Постановка задачі
і-підсистеми, i 1, N ,
визначається при заданому векторі вхідних
сигналів u векторними рівняннями:
Поведінка
zi Ti M i , xi , i 1, N
yi S i M i , xi , i 1, N
(1)
(2)
Ti - вектор-функція розмірності mz
S i - вектор-функція розмірності m y
i
(2) Можна не враховувати, якщо
на
yi
i
не накладені обмеження.

5.

Постановка задачі
Взаємодія між N підсистемами
визначається лінійними взаємозв’язками:
N
xi cij z j , i 1, N
(3)
j 1
cij - елементи матриці розмірності mz mx
i
i

6.

Постановка задачі
Нехай цільова функція F складної системи
задана в аддитивно-сепарабельному виді:
N
F f i M i , xi max
(4)
i 1
Потрібно визначити вектори M i , xi , i 1, N,
що максимізують (4) при обмеженнях (1), (3)

7.

Зведемо задачу умовної оптимізації (1), (3), (4)
до задачі безумовної оптимізації:
N
T
L f i M i , xi i Ti zi pi xi cij z j
i 1
i 1
i 1
j 1
N
N
N
(5)
L – Функція Лагранжа задачі (1), (3), (4)

8.

i
pi
L, f i , Ti , i 1, N
Lxi , LM i , Lzi , L i , Lpi
Вектор множників Лагранжа розмірності
mzi , i 1, N
Вектор множників Лагранжа розмірності
mxi , i 1, N
Неперервні функції, що мають неперервні
перші похідні.
Частинні похідні від функції Лагранжа

9.

Оптимальний розв’язок
задовольняє умовам:
T
Lxi
Ti
f i
L
i pi 0, i 1, N
xi
xi
xi
LM i
Ti
f i
L
M i
M i
M
i
(6)
T
i 0, i 1, N
N
L
Lzi
i cijT p j 0, i 1, N
zi
j 1
L
L i
Ti zi 0, i 1, N
i
N
L
L pi
xi cij z j 0, i 1, N
pi
j 1
(7)
(8)
(9)
(10)

10.

Оптимальний розв’язок
задовольняє умовам:
Ti1
x1
i
Ti
...m z
xi
Ti i
1
x
i
Ti1
M 1
i
Ti
...m z
M i
Ti i
1
M
i
...
...
...
...
...
...
Ti1
m
xi xi
...
m
Ti zi
m xi
xi
Ti1
mM i
M i
...
m
Ti zi
m
M i M i

11.

Приклад 1
“Система водосховищ”

12.

Приклад 1. Система водосховищ
(підземних та наземних)
u1
u2
M1
z13
1
z14
M2
z 24
M4
x41
x34
4
2
z23
1,2,3 – наземні водосховища;
4 – підземне водосховище;
ui , i 1,4 - опади, річки, ґрунтові води;
xi , i 3,4 - водоскиди з інших водосховищ;
zi , i 1,4 - водоскиди в інші водосховища;
M i , i 1,4 - рівень наповнення водосховища.
3
z43
x42
u4
M3
x31
x32
u3
Y

13.

Приклад 2
“Туристична агенція”

14.

Приклад 2. Туристична агенція
Нехай туристичне агенство має три відділи:
1. Відділ реклами
2.
Виробничий відділ
(підготовка до поїздок: візи, білети, угоди і т.п.)
3.
Відділ обслуговування на маршрутах
(під час поїздок: гіди, водії, транспортні засоби, готелі,
екскурсії, ресторани і т.п.)

15.

Приклад 2. Туристична агенція
u
M 11
z2
x21
z1
1
M3
M2
M12
x22
2
x3
3
M 13
M 11 - бюджет реклами
M12 - кількість маршрутів, що пропонує фірма
M 13 - репутація (ціна, якість маршрутів)
M 2 - бюджет виробничого відділу
M 3 - бюджет відділу обслуговування
z3
y1
y2

16.

Приклад 2. Туристична агенція
u
M 11
z2
x21
z1
1
M3
M2
M12
x22
2
x3
3
z3
y1
y2
M 13
u - час, законодавчі зміни країн, міжнародні події, форс-м
x21 - кількість клієнтів, що прийшли оформляти тури після
реклами
x22 - кількість клієнтів, що звернулися після турпоїздок
знову
x3 - кількість клієнтів, що поїхали в турпоїздку

17.

Приклад 2. Туристична агенція
u
M 11
z2
x21
z1
1
M3
M2
M12
x22
2
x3
3
z3
M 13
z1 - кількість клієнтів, що звернулися після реклами
z2 - кількість клієнтів, які оформлені в поїздку
z3 - кількість клієнтів, що повернулися та поїдуть знову
y1 - кількість клієнтів, які не повернулися
y2 - кількість незадоволених клієнтів, які подали
прокламації
y1
y2

18.

Приклад 2. Туристична агенція
3
F1 f1i M i , xi min
i 1
мінімізація витрат агенції
3
F2 f 2i M i , xi max
i 1
максимізація долі ринку за
всіма маршрутами агенції

19.

Приклад 2. Туристична агенція
z1 l11u1 l12u2 l13u3 l14 M11 l15M12 l16 M13
z2 l2 x21 x22 2 M 2
l2
- статистичний коефіцієнт врахування
відсіву клієнтів
2 - коефіцієнт залежності кількості
оформлених клієнтів від бюджету

20.

Приклад 2. Туристична агенція
z3 l3 x3 3 M1 M 2 M 3
l3 - статистичний коефіцієнт фірми
3 - коефіцієнт залежності повторних
клієнтів від бюджету
y1 11x3 12u2 13u3
y2 21x3 22 M 3 23u4

21.

Ітераційні алгоритми
координації (ІАК)

22.

Принцип ієрархічної оптимізації
в ІАК:
Розподіл процедур розв’язання рівнянь (6)-(10) між
двома рівнями – центром (координатором) та
нижнім рівнем підсистем ( під задач). Лагранжіан
розглядають в адитивно – сепарабельній формі
N
-
L Li i ,
i 1
вектор змінних параметрів координації;
i , i 1, N - вектор змінних і – під задачі
(підсистеми) нижнього рівня.

23.

Структура дворівневого алгоритму
визначається
Координатор
підзадача
i
i
j

визначається
підзадача
j

24.

Розподіл процедур розв’язання рівнянь (6)-(10)
між верхнім (ВР) та нижнім (НР) рівнями в
ітераційних алгоритмах координації (МЦК, МКМ,
ЗМ) та порівняння алгоритмів:
МЦК
МКМ
ЗМ
Умова
Lx 0
LM 0
Lz 0
L 0
Lp 0
ВР
НР
НР
ВР
НР
*
*
*
*
*
*
*
*
*
МЦК – метод цільової координації;
МКМ – метод координації моделей;
ЗМ – змішаний метод.
ВР
*
*
*
*
*
*

25.

Метод цільової координації
(МЦК)

26.

Метод цільової координації (МЦК)
T pT ,
x , M , z , , i 1, N
T
i
T
i
T
i
T
i
T
i
I. Зміст i–підзадачі нижнього рівня:
Знайти для заданих pi , i 1, N
iT xiT , M iT , ziT , iT
N
N
N
N
i 1
j 1
i 1 j 1
T
T
p
c
z
p
i ij j j c ji zi

27.

Метод цільової координації (МЦК)
Локальна оптимізація
N
T
T
f i pi xi p j c ji zi
j 1
max f i M i , xi f i (12)
xi p , zi p
zi Ti M i , xi

28.

Метод цільової координації (МЦК)
Аналітично j знаходять з системи (6)-(9):
T
з (8) знаходять
i для фіксованих pi , i 1, N
з (6), (7) знаходять x , M для відомих pi , i
i
i
з (9) знаходять zi для відомих xi , M i

29.

Метод цільової координації (МЦК)
II. Зміст задачі координації:
знайти
T pTз (10):
Lpi 0, i 1, N
Алгоритм градієнтного типу в дискретній формі:
pi t 1 pi t k L pi t
N
pi t k xi cij z j , i 1, N
j 1
k 0
t
- ітераційний індекс координатора
N
f 0 - в оптимальних розв’язках
i 1
i
модифікація критерія дорівнює 0.
(13)

30.

Метод цільової координації (МЦК)
III. Інформаційний обмін між рівнями:
N
pi t 1 pi t k xi cij z j , i 1, N
j 1
k 0
pi , i 1, N
координатор
zi p
xi p
N T
T
max f i M i , xi pi xi p j c ji zi
j
1
zi Ti M i , xi
підсистема
i
i 1, N

31.

Метод цільової координації (МЦК)
Критерій закінчення МЦК:
L Lp
T
p
- вибирають з міркувань прийнятного часу
та точності рішення задачі

32.

Метод координації моделей
(МКМ)

33.

Метод координації моделей (МКМ)
T zT ,
x , M , p , , i 1, N
T
i
T
i
T
i
T
i
T
i
I. Зміст i–підзадачі нижнього рівня:
Знайти для заданих zi , i 1, N
x , M , p ,
T
i
T
i
T
i
T
i
T
i

34.

Метод координації моделей (МКМ)
Локальна оптимізація
max f i M i , xi
zi Ti M i , xi
N
xi cij z j
j 1
(14)

35.

Метод координації моделей (МКМ)
Аналітично T знаходять з системи (6), (7),
j
(9), (10):
mM i mzi : з (10) знаходять xi для заданих zi , i 1, N
з (9), (7) знаходять M i , i для відомих zi , xi
з (6) знаходять
pi
для відомих
M i , i
mM i mzi : (9) не має розв’язку, МКМ не працює
mM i mzi : (9) може не мати розв’язку, мати один або
багато розв’язків

36.

Метод координації моделей (МКМ)
II. Зміст задачі координації:
знайти
z
T

(8):
Lzi 0, i 1, N
Алгоритм градієнтного типу в дискретній формі:
zi t 1 zi t k Lzi t
N
T
zi t k i cij p j , i 1, N
j 1
k 0
(15)

37.

Метод координації моделей (МКМ)
III. Інформаційний обмін між рівнями:
N
T
zi t 1 zi t k i cij p j , i 1, N
j 1
k 0
координатор
i z
pi z
zi , i 1, N
max f i M i , xi
zi Ti M i , xi
N
xi cij z j
j 1
підсистема
i
i 1, N

38.

Метод координації моделей (МКМ)
Умова використання МКМ:
mM i mzi , i 1, N
Критерій закінчення МКМ:
L Lz
T
z
- вибирають з міркувань прийнятного часу
та точності рішення задачі

39.

Змішаний метод (ЗМ)

40.

Змішаний метод (ЗМ)
T pT , z T
x , M , , i 1, N
T
i
T
i
T
i
T
i
I. Зміст i–підзадачі нижнього рівня:
Знайти для заданих pi , zi , i 1, N
x , M ,
T
i
T
i
T
i
T
i

41.

Змішаний метод (ЗМ)
Локальна оптимізація
N
T
T
max f i M i , xi pi xi pi cij z j
j 1
(16)
zi Ti M i , xi

42.

Змішаний метод (ЗМ)
Аналітично T знаходять з системи (6), (7),
j
(9):
mxi mM i mzi :
з (6), (7), (9) знаходять
для відомих
zi , pi
xi , M i , i

43.

Змішаний метод (ЗМ)
II. Зміст задачі координації:
знайти
T pT , z T
з (8), (10): Lzi 0, L pi 0, i 1, N
Алгоритм градієнтного типу в дискретній формі:
N
pi t 1 pi t k L pi t pi t k xi z j t (17)
j 1
N
T
zi t 1 zi t k Lzi t zi t k i cij p j t
j 1
i 1, N , k 0

44.

Змішаний метод (ЗМ)
III. Інформаційний обмін між рівнями:
N
pi t 1 pi t k xi z j t
j 1
N
zi t 1 zi t k i cijT p j t
j 1
i 1, N , k 0
pi , zi
i 1, N
координатор
i p, z
xi p, z
N
T
T
max f i M i , xi pi xi pi cij z j
j 1
zi Ti M i , xi
підсистема
i
i 1, N

45.

Змішаний метод (ЗМ)
Умова використання ЗМ:
mxi mM i mzi , i 1, N
Критерій закінчення ЗМ:
L Lp
T
p
L Lz
T
z
- вибирають з міркувань прийнятного часу
та точності рішення задачі

46.

Приклади розв’язання задач
координації ітераційними
методами

47.

Приклад 1

48.

Розв’язок
M1
U
x1
M2
z12 x2
1
z13
2
M3
z2 x32
x31
Y
3
1. Модель взаємодії між підсистемами визначається
співвідношеннями:
x1 z3
x2 z12
x31 z13
x32 z2
z3

49.

Розв’язок
2. Проведемо аналіз застосування кожного з методів для даної
задачі.
Випишемо розмірності векторів:
mM1 1
mz1 2
mx1 1
mM 2 1
mz 2 1
m x2 1
mM 3 1
m z3 1
mx3 2
a) Метод цільової координації можна застосовувати без
обмежень;

50.

Розв’язок
b) Метод координації можна застосовувати, якщо mM mz , i 1,3
i
підсистема 1:
підсистема 2:
підсистема 3:
i
mM1 1 , mz1 2
mM 2 1 , mz2 1
mM 3 1 , mz3 1
Метод координації моделей для розв’язку задачі
використовувати не можна, оскільки для першої підсистеми
умова не виконується;

51.

Розв’язок
c) Змішаний метод можна використовувати за умови
mxi mM i mzi , i 1,3
підсистема 1:
підсистема 2:
підсистема 3:
mx1 mM1 2
mx2 mM 2 2
mx3 mM 3 3
,
,
,
mz1 2
mz 2 1
m z3 1
Отже, змішаний метод можна використовувати для
розв’язку даної задачі.

52.

Приклад 2

53.

Структурна схема багатозв’язної
системи
u1
x1
x2
M1
x3
z11
Підсистема 1
Підсистема 2
M2
z12
z2
M3
y3
Підсистема 3

54.

Постановка задачі
u x M x M x M min
2
1
2
1
2
1
2
2
2
2
2
3
2
z
x
11
1 M 1 u1 ;
3
2
z
x
M
12 1
1 u1 ;
z x2 M ;
2
2
2
при
_
умовах
x1 z 2 ;
x2 z12 ;
x3 z11.
Зрозуміло, що даній задачі умова
2
3
mM i mzi не виконується
mM1 1, mz1 2 . Отже, можна застосовувати лише метод
цільової координації або змішаний метод.

55.

Задача координації
Лагранжіан може бути записаний у вигляді:
L u12 x12 M 12 11 x12 M 1 u1 z11 12 x13 M 12 u1 z12
x22 M 22 2 x22 M 2 z2 x32 M 32 p1 x1 z2 p2 x2 z12
p3 x3 z11 ,
де 11, 12 , 2 , pi i 1,2,3 - множники Лагранжа.

56.

Цільова координація
Для заданого p лагранжіан переписується наступним
чином:
L Li u x M p1 x1 p2 z12 p3 z11
i 1
L1
11 x12 M 1 u1 z11 12 x13 M 12 u1 z12
x22 M 22 p2 x2 p1 z2 2 x22 M 2 z 2 L2
3
2
1
2
1
2
1
x M p3 x3 L3
2
3
2
3
Досліджуючи кожний доданок Li , можна визначити
окремі підзадачі:

57.

Цільова координація
Підзадача 1. Для заданих p1 , p2 , p3 потрібно знайти
u
2
1
x M p1 x1 p2 z12 p3 z11 min
2
1
2
1
при умовах
z11 x12 M 1 u1 ;
3
2
z
x
M
12
1
1 u1

58.

Цільова координація
Підзадача 2. Для заданих p1 , p2 потрібно знайти
x
2
2
M p2 x2 p1 z2 min
2
2
при умові
z2 x M 2
2
2

59.

Цільова координація
Підзадача 3. Для заданого p3 потрібно знайти
x
2
3
M p3 x3 min
2
3

60.

Цільова координація
Розв’язавши ці підзадачі, отримаємо значення x* , M * , z * ,
які задовольняють всім умовам стаціонарності для L (за
виключенням умови L p 0 , що розглядається на другому
рівні).
При використанні градієнтного алгоритму координації (t
– ітераційний індекс координатора) можна записати
p1 t 1 p1 t kLp1 p1 t k x1* z2* ;
*
*
p2 t 1 p2 t k x2 z12 ;
k 0
*
p3 t 1 p3 t k x3* z11
;
Глобальний розв’язок досягається, якщо LTp Lp , -
деяке завчасно вибране мале число.

61.

Змішана координація
У випадку змішаної координації,
координуючими змінними є вектори p та z .
Для яких лагранжіан стає роздільним, що
веде до появи наступних підзадач:

62.

Змішана координація
Підзадача 1. Для заданих p1, z11, z12 , z2 потрібно знайти
u
2
1
x M p1 x1 z2 min
2
1
2
1
при умовах
z11 x12 M 1 u1 ;
3
2
z
x
M
12 1
1 u1

63.

Змішана координація
Підзадача 2. Для заданих p2 , z12 , z2 потрібно знайти
x
2
2
M p2 x2 z12 min
2
2
при умові
z2 x M 2
2
2

64.

Змішана координація
Підзадача 3. Для заданого p3 , z11
x
2
3
потрібно знайти
M p3 x3 z11 min
2
3

65.

Змішана координація
Координація оптимальних рішень:
Градієнтний метод:
p t 1 p t k x z
p t 1 p t k x z
p1 t 1 p1 t k x1* z 2
2
3
2
*
2
3
*
3
12
11
z t 1 z t k p
z t 1 z t k p
*
z11 t 1 z11 t k p3 11
12
2
12
2
2
1
Метод прямих ітерацій:
p1 t 1 2* t
z11 t 1 x3* t
p3 t 1 11* t
z 2 t 1 x1* t
p2 t 1 12* t
*
12
z12 t 1 x2* t
*
2

66.

Безітераційні алгоритми
координації (БАК)

67.

Верхній
рівень
Центр
підсистема
N
підсистема 1
Нижній
рівень


підсистема i
H 0 Ф0 F0 max,
N
F0 X 0 F , m0 mi
m0
Фi xi max,
xi X i E ni ,
Fi xi , i 1,..., N
i 1
Fi xi E mi , Фi xi E ki

68.

i підсистема нижнього рівня
i 1,..., N
стан і-ої підсистеми:
показники роботи і-ої
підсистеми:
локальні інтереси і-ої
підсистеми:
1
2
F f x ,..., f x
Ф x x ,..., x max 3
xi xi1 ,..., xini X i E
i
i
i1
i
i
imi
i1
i
ni
i
iki
i
ni - кількість змінних і-ої підсистеми;
mi - кількість показників роботи і-ої підсистеми;
ki - кількість критеріїв і-ої підсистеми.
mi ni
ki ni

69.

Центр
F0 F1 ,..., FN X 0 E m0
стан центра:
4
N
Fi Fi xi , m0 mi
інтереси центра:
узагальнений критерій:
k0
Ф0 F0 01 F0 ,..., 0k0 F0 max
i 1
H 0 Ф0 F0 max
5
6
- кількість критеріїв центра;
Фi xi Fi xi , i 1, N
X 0 F0 : H F0 b, b b1 ,..., bM
7
8

70.

Схема безітераційного алгоритму
координації (БАК)
H 0 F1 ,..., FN max
H j F1 ,..., FN b j , j 1,..., M
Fi QiF Fi : xi QiX або xi X i , i 1,..., N
Q1F
F1 x1 max
x1 X 1
2
1
F1 x1 F1*
x1 X 1
FN*
QNF
F1*
12
1

FN xN max
xN X N
6
8
9
2
1
FN xN FN*
xN X N
12
1

71.

Способи визначення множини
Q , i 1, N
F
i
1.
2.
Q Fit , t 1,..., Ti
F
i
10
Q Fi : Fi it Fit , it Ti 11
t 1
Ti
Ti it : it 1, it 0
t 1
F
i
Ti

72.

Задача координації в БАК для
лінійних систем
H a , F , j 0,..., M
13
N
j
N
i 1
i 1 t 1
i max
14
jit
i b j , j 1,..., M
15
Ti
z
i 1 t 1
i
0 it
Ti
z
N
ji
t
t
mi
де z jit a ji , f it a jil f itl ,
l 1
Ti
t 1
it
1, i 1,..., N
i 0,1
t
i 0
t
16
17
18

73.

Позначення
j
-
номер загального критерію та обмежень центра,
j 0, M
i
t
-
номер підсистеми, i 1, N
-
номер ефективної точки,
l
-
номер локального критерію підсистеми, l 1, mi
t 1, Ti

74.

Приклад розв’язання задачі
координації для лінійних
систем за допомогою
безітераційного алгоритму
координації

75.

Схема системи
центр
підсистема 1
підсистема 2

76.

Математична модель першої
підсистеми нижнього рівня
Ф1 F 1 f11, f12 - векторний критерій
f11 x1 2 x2 max
f12 2 x1 x2 max
Множина допустимих розв’язків першої підсистеми:
x : x1 x2 4
x x 2
1
2
X1
x1 2 x2 1
x1 , x2 0
(19)

77.

Математична модель другої
підсистеми нижнього рівня
Ф2 F2 f 21, f 22 - векторний критерій
f 21 y1 y2 max
f 22 y1 5 y2 max
Множина допустимих розв’язків другої підсистеми:
y : y1 2 y2 4
y 2y 8
1
2
X2
2 y1 y2 10
y1 , y2 0
(20)

78.

Математична модель верхнього
рівня (центра)
Глобальна цільова функція:
H 0 x1 2 x2 y1 y2 max
Глобальне обмеження:
H1 2 x1 x2 y1 5 y2 23

79.

Позначення
j
-
номер глобального критерію та обмежень, j 0, M
i
t
-
номер підсистеми, i 1, N
-
номер крайньої ефективної точки, t 1, Ti
l
-
номер локального критерію, l 1, mi

80.

I етап
Позначимо:
1
- оптимальний розв’язок задачі (19) за критерієм
f11
x2
- оптимальний розв’язок задачі (19) за критерієм
f12
1
- оптимальний розв’язок задачі (20) за критерієм
f 21
- оптимальний розв’язок задачі (20) за критерієм
Знаходимо ефективні крайні точки задач (19) та (20) за
допомогою симплекс-методу.
f 22
x
y
y2

81.

I етап
Отримаємо:
x1 1,3
x 3,1
2
2
Врахуємо обмеження
it
i 1
y1 4,2
y 2 2,3
1 , перепозначимо
i i , i 1 i , i 1,2
1
2
F
Q
Множини ефективних значень критеріїв i , i 1,2
використовують на II етапі алгоритму формування задачі
центра.

82.

I етап
Визначимо, відповідно (11), множину ефективних значень
F
Q
критеріїв підсистеми 1 :
2
F1 : F1 f11 , f12 1t F1t
t 1
F
1
2
Q1 1 F1 x 1 1 F1 x
1
2
1 f11 x 1 1 f11 x f11 x
1
2
f
x
1
f
x
f
x
1 12
12
1 12

83.

I етап
Визначимо, відповідно (11), множину ефективних значень
F
Q
критеріїв підсистеми 2 :
2
F2 : F2 f 21, f 22 2t F2t
t 1
F
1
2
Q2 2 F2 y 1 2 F2 y
1
2
2 f 21 y 1 2 f 21 y f 21 y
f y1 1 f y 2 f y
2
22
22
2 22

84.

II етап
Визначимо вектори a ji , j 0,1, i 1,2 в позначеннях
a ji , Fi , введених в задачі координації безітераційного
алгоритму координації для лінійних систем.
1
1
a0i : a01 ; a02
0
0
0
0
a1i : a11 ; a12
1
1

85.

II етап
Відповідно (13), задача центра набуває вигляд (14), (15):
H 0 a01, F1 a02 , F2
1 f11 x 0 f12 x 1 f 21 y 0 f 22 y
x x 2 x x x x 2 x x 1
y y y y y y y y 1
f11 x1 1 f11 x 2 1 1 f 21 y1 2 f 21 y 2 1 2
1
1
1
2
1
1
2
1
1
1
2
2
2
2
2
1
1
2
2
2
1 6 1 3 2 1 1 4 2 2 2 3 1 2
7 1 5 5 1 6 2 5 5 2 2 1 2 10 max

86.

II етап
При глобальному обмеженні:
H1 a11 , F1 a12 , F2
0 f11 x 1 f12 x 0 f 21 y 1 f 22 y
2 x x x x 2 x x x x 1
y y 5 y y y y 5 y y 1
f12 x 1 f12 x 1 1 f 22 y 2 f 22 y 1 2
1
2
1
1
1
2
1
1
1
2
1
1
1
2
2
2
1
2
2
1
2
2
2
2
2 3 1 6 1 1 1 4 10 2 2 15 1 2
2 1 7 3 2 17 2 1 3 2 24 23
2 1 3 2 1

87.

II етап
Маємо задачу лінійного програмування:
2 1 2 10 max
2 1 3 2 1
1 , 2 0
Розв’язок:
1
1/ 2
1 1 / 2
2 0
1/ 3
1
2

88.

II етап
*
*
Підрахуємо оптимальні значення критеріїв підсистем F1 , F2 :
1
1
*
1
1
2
2
f
x
x
2
x
x
x
x
2
x
x
11
1
2
1
2
1
/
2
2
2
F1* 1
1
1
1
1
2
2
f*
2
x
x
x
x
2
x
x
x
x
2
1
2
12 1 1/ 2 2 1
2
1
7 5
1
1
6
3
2
6
2
2
2
1 2 3 1 6 1 5 7 6
2
2
2

89.

II етап
*
*
Підрахуємо оптимальні значення критеріїв підсистем F1 , F2 :
f 21*
y1 y 2 y2 x 2 2 3 5
2 0
*
F2 *
2
2
f
y
x
5
y
x
2 15 17
22 0
1
2
2

90.

II етап
Вектори F1* та F2* передаємо у відповідні підсистеми нижнього
рівня:
*
f11
6
*
F1 *
f12 1 1/ 2 6
f
F
f
*
2
*
21
*
22 2 0
5
17

91.

III етап
Знаходимо локальні розв’язки xi* , i 1,2 в підсистемах.
Для першої підсистеми:
*
*
x
f
x
2
x
6
f
11 1
1 2
*
2
11
F1
*
*
f12 2 x1 x2 6 f12 x2 2
Для другої підсистеми:
*
*
y
f
y
y
5
f
21 1 2
1 2
*
11
F2
*
*
f 22 y1 5 y2 17 f12 y2 3

92.

Постановка задачі прийняття
рішень (ЗПР) в термінах
багатокритеріальної оптимізації

93.

fi x , i I
I 1,..., M
M
I1 1,..., m
- множина критеріїв
- множина індексів критеріїв
- кількість критеріїв
- множина індексів критеріїв, що
максимізуються
I 2 m 1,..., M - множина індексів критеріїв, що
I I1 I 2
D0
мінімізуються
- множина допустимих альтернатив
opt f i x , i I
x D0
1

94.

Визначення
Альтернатива x0 називається ефективною, якщо на
множині допустимих альтернатив D0 не існує іншої
альтернативи x , для якої виконуються нерівності:
f i x f i x0 , i I1
f i x f i x0 , i I 2
та хоча б одна нерівність була строгою.

95.

Додаткова інформація в ЗПУР.
Перший евристичний аспект в
задачах БО
(2)
f i 0 f i x
, i I1
f0 f
i min
i
wi f i x
0
f i x f i , i I
2
f i max f i 0

96.

Додаткова інформація в ЗПУР.
Перший евристичний аспект в
задачах БО
0 wi f i x 1, i I , x D0 ,
wi x wi fi x , i I - монотонні перетворення значень
критеріїв f i x , що призводять критерії до безрозмірного
вигляду та одного напрямку оптимізації;
f i min , f i max
fi
W
0
- відповідно, найменші та найбільші значення
критеріїв, що оптимізуються, на множині
допустимих альтернатив D0 ;
- оптимальне значення критерію i на множині
допустимих розв’язків D0 ;
- простір перетворених значень критеріїв f x , i I
i

97.

Другий евристичний аспект в
задачах БО
i , i I i : i 1, i 0, i I 3
i I
Переваги ОПР на множині функцій цілі
fi x , i I

98.

Процедури виявлення переваг ОПР на
множині критеріїв
1.
2.
3.
4.
5.
Ранжування критеріїв
Попарне порівняння
Безпосередня оцінка
, i I
*
i
*
x D0
f *, i I
i w j f j x* / w j f j x* , i I
j I
j i
q I j I
j q
4

99.

Три способи визначення множини
ефективних альтернатив
1.
min
x D0
i I
i
wi x
5
i Г i : i 0, i I , i 1 ,
i I
D
відносно параметрів
де wi x , i I - увігнуті неперервні функції,
замкнена множина.
2.
min max i wi x
x D0
i I
0
є опукла
6
відносно параметрів i Г i : i 0, i I , i 1 ,
i I
де wi x , i I - монотонні перетворення (2) критеріїв f i x , i I

100.

Три способи визначення множини
ефективних альтернатив
3.
f i x zi , i I1 , i l
f i x zi , i I 2
x D0
max f l x
відносно параметрів z Z M 1
f
i I1
i l
7
0
0
,
f
f
i , fi max
i min
i
i I 2

101.

Визначення
Рішення задачі БО називають компромісним
рішенням. Нехай додаткова інформація від ОПР
задана у вигляді (2), (3), то компромісним рішенням
*
задачі БО буде
ефективний розв’язок
x D0
для заданого в просторі W вектора переваг критеріїв
i , i I

102.

Метод обмежень
(метод знаходження компромісного рішення )
Визначення
Під компромісним рішенням задачі БО в методі обмежень
розуміють ефективну альтернативу x* D0, що знаходиться
на заданому вектором i , i I напрямку в просторі W , та
забезпечує однакові мінімальні зважені відносні відхилення
від оптимальних значень по всім критеріям одночасно:
1 w1 x* ... M wM x*
компромісне рішення для заданих i , i I можна знайти при
розв’язуванні задачі параметричного програмування відносно
параметра k0 :

103.

Метод обмежень
(метод знаходження компромісного рішення)
min k0
i wi x k0 , i I
8
x D0
k0 0
xn 1 k0
min xn 1
w x x
i i
n 1
x D0
xn 1 0
9

104.

Ітераційний процес в методі
обмежень
k0 0,1 M
k0 0 i wi x 0, i I f i x f i , i I
0
l - ітераційний індекс
, 0 - заданий параметр закінчення ітераційного процесу
l
- номер ітерації, на якій система нерівностей в (8)
сумісна
l 1- номер ітерації, на якій система нерівностей в (8)
несумісна
k0 l k0 l 1
процесу
- критерій закінчення ітераційного

105.

Геометрична інтерпретація метода
обмежень
w2
1
k0 1
j
w2 j
k0 j
w2 l l
k0 l
l
1
WD0
w2 l 1
k0 l 1
w1 l 1 w1 l w1 j w1 1
w2 1
w1

106.

Геометрична інтерпретація метода
обмежень
WD0- множина перетворених значень критеріїв на множині
допустимих розв’язків D0
j i wi x k0 j , i I
j - номер ітерації
WD0 j 0, j 1, l
WD0 l 1 0, j l 1

107.

Метод обмежень
багатокритеріальної задачі
лінійного програмування
n
f f i x cij x j , i I
j 1
n
D0 x : aij x j bi , i 1, p, x j 0, j 1, n
j 1
n
n
0
cij x j cij x j
j 1
n j 1
, i I1
n
0
x
c
j cij x j min
ij
j 1
j 1
wi x n
n
cij x j cij x 0j
j 1
j 1
,i I2
n
n
cij x j max cij x 0j
j 1
j 1
arg max f i x , i I1 ,
x D0
0
xj
arg min f i x , i I 2 , j 1, n
x D0
x j min arg min f i x , i I1 , j 1, n
x D0
x j max arg max f i x , i I 2 , j 1, n
x D0

108.

min k0
n
k0 n
0
cij x j cij x cij x j cij x j min , i I1
i j 1
j 1
j 1
j 1
n
n
n
n
k
0
0
0
cij x j cij x j cij x j max cij x j , i I 2
i j 1
j 1
j 1
j 1
n
n
0
j
n
a
j 1
ij
x j bi , i 1, p
x j 0, j 1, n
k0 0
i , i I - заданий ОПР вектор переваг на множині
критеріїв

109.

Прийняття рішень при
коаліційному об’єднанні критеріїв

110.

F , D0
топ-менеджер
f , D0
X Fl , wq x k
X Fl X l
менеджери
q 1,..., Q
f
1
, D0
Xl
f Ufq
q X
p, q , p q :

X 1l 1 , w1 x1
f p fq 0
f
q
, D0

X ql q , wq xq
f
Q
, D0
X Q Q , wQ xQ

111.

Постановка задачі багаторівневої
багатокритеріальної оптимізації
при коаліційному об’єднанні
критеріїв

112.

f f i x , i I
I 1,..., M
M
D0
- множина критеріїв
- множина індексів критеріїв
- кількість критеріїв
- множина допустимих альтернатив
f , D0 opt fi x , i I - задача багатокритеріальної оптимізації
x D0
l
X
1,..., Q
- множина ефективних рішень задачі
f , D0
- множина індексів коаліцій критеріїв
f q , q , на які декомпозована множина f
Q
- кількість коаліцій критеріїв, на які
розділена множина критеріїв f
f U f q , p, q , p q : f p f q 0
q X

113.

- множина критеріїв в коаліції q, q
1,..., i ,..., M - множина індексів критеріїв в коаліції q
f f , iq I q
iq
q
Iq
q
Mq
iq
q
- кількість критеріїв в коаліції q
q
- поточний індекс критерія в коаліції
iq
f , D0 opt f , iq I q - задача багатокритеріальної оптимізації
x D0
q
q
для коаліції
X
l
q
q
- множина ефективних рішень задачі f , D0
Знайти розв’язок задачі багаторівневої
багатокритеріальної оптимізації f , D0 при
коаліційному об’єднанні критеріїв

114.

Пошук внутрішньокоаліційних
компромісних розв’язків задач
f
q
, D0 , q

115.

iq : iq 0, iq I q , iq 1 , q
iq I q
q
- заданий вектор переваг критеріїв в коаліції
wq wiq x , iq I q
q
- задані монотонні перетворення значень критеріїв f q
коаліції q , що призводять до їх мінімізації та
безрозмірного виду з інтервалом зміни значень (0,1).

116.

xq , xq X
l
q
- внутрішньокоаліційний компромісний розв’язок
задачі f q , D0 при заданих q, w q , який можна
знайти методом обмежень:
xq arg min max iq wiq x , q
x D0 iq I q
- з узагальненим критерієм для коаліції q:
1

117.

Fq , x max iq wiq x , q
q
iq I q
k Fq , xq max iq wiq xq , q
*q
0
q
- значення
iq I q
2
3
Fq q , x в компромісному розв’язку xq

118.

Пошук міжкоаліційного
компромісного розв’язку задачі
F , D0

119.

F Fq , x , q
q
- множина всіх узагальнених критеріїв коаліцій
F , D0
min F , x , q
q
x D0
q
- нова міжкоаліційна задача багатокритеріальної
оптимізації
X
l
F
- множина ефективних рішень задачі
F , D0

120.

q : q 0, q , q 1
q
- заданий вектор переваг коаліцій
wq Fq , x
q
max iq wiq x k
iq I q
1
k0*q
Mq
*q
0
, q
4
- побудовані монотонні перетворення значень
критеріїв Fq q , x , q , де
1 *q
та оптимальні значення
, k0 - відповідно найбільші
q
Mq
F
, x , q на множині допустимих
критеріїв q
альтернатив D0

121.

x ,x X
k
k
l
F
-компромісний розв’язок міжкоаліційної задачі
F , D0
який можна знайти методом обмежень:
x arg min max q wq Fq , x
k
x D0
q
q
5

122.

Загальна схема розв’язання задачі
міжкоаліційного прийняття
управлінських рішень

123.

I етап
Знайти внутрішньокоаліційні компромісні
розв’язки xq , q задачі багатокритеріальної
оптимізації f q , D0 для кожної коаліції q, q
q
q
w
, q , наприклад, методом
при заданих
та
обмежень:
min Fq , x max iq wiq x , q 6
x D0
q

124.

II етап
Знайти міжкоаліційний компромісний розв’язок
задачі багатокритеріальної оптимізації F , D0 з
числом критеріїв (2), рівним кількості коаліцій
при заданих та wq , наприклад, методом
обмежень:
min max q wq Fq , x
x D0
x X
k
q
w
F
,x
- з монотонності
q
q
l
F
X X
l
F
q
q
l
- при фіксованих векторах переваг
критеріїв
q , кожної коаліції q
xk
7

125.

Матрична структура підприємства

126.

Власник
1. Власники
Голова ради директорів
Генеральний директор
Управління
виробництвом
Функціональні
підрозділи
Управління
бізнесом
БО1
Дільниці
2. Вища ланка
управління (топменеджери)
БО2

БОS
3. Бізнесодиниці
БП11
БП12
БП13
БП 21
БП 22
4. Бізнеспроцеси

127.

Бізнеси (бізнес-процеси - БП) – організовані
за продуктовим ланцюгом платежі –
постачання сировини – реалізація – повернення
грошей.
Бізнес-одиниці – підрозділи, що
управляють бізнесами.
Виробничі та функціональні підрозділи
виконують замовлення бізнес одиниць.

128.

Схема інформаційної та
математичної підтримки
управління розвитком

129.

Інформаційні технології
(Стратегічне планування)
Технологія аналізу “дерево-цілей”
цілі
(критерії, … задачі/про
місія …
блеми
цільові
установки)
Потенціал
поле проектів
(види

діяльності
механізми
управління і т.п.
модель
критеріїв
SWOT –
аналіз
потенціал
D0 , D0 X
f fi , i I
бажаний стан
( G ) “як має
бути”
D0 , D1
G, G X
модель цільових
установок
поточний
стан “як є”
f , D0

130.

Метод аналізу “витрати-ефект”

131.

сумарний ефект
Математичні методології
(функціонування ♦ D0 G 0 ♦
класична оптимізація)
x
*
потенціал
цільова установка
f , D0
f , D0 , G, D0 G 0, G x*
G
сумарні витрати
x*
G
D0

132.

сумарний ефект
Математичні методології
(розвиток ♦ D0 G 0 ♦ системна
оптимізація)
x
*
цільова установка
потенціал
G
f , D0
f
f
, D , G, D G 0, G x
0
1
, D0 , G, D0 G 0
1
1
1
x*
сумарні витрати
x*
G
D0
G
G
D0 D1
D1
*

133.

Постановка задачі системної
оптимізації для оргсистем, що
формалізуються в класі
багатокритеріальних задач
лінійного програмування

134.

Модель оргсистеми
f , D0
n 0
0
D0 x : alj x j bl , l Q 1,..., m , j J 1,..., n
j 1
n
f f i x cij x j opt , i I 1,..., M I1 I 2
j 1

135.

Модель цільових установок
G
Задача системної оптимізації виникає, якщо:
1. G D0 0;
2. alj0 , bl0 , cij , l Q, j J , i I
alj , bl , cij , l Q, j J , i I
a alj , l Q0 , Q0 Q, j J
b bl , l Q0 , Q0 Q
c ci , i I 0 , I 0 I
P0 a, b, c - задає ОПР на основі реальних
можливостей задачі в процесі її рішення

136.

Потрібно побудувати нову модель
оргсистеми
f , D1
при якій D1 G 0 на основі зміни початкової моделі
оргсистеми f , D0 у відповідності з
в межах P0
G
f x f x , i I
x k , x k D1 : f i x k f i x , i I1
k
i
i
x G
з урахуванням специфіки реальної задачі.
2

137.

Алгоритм системної оптимізації з
моделлю цільових установок у
просторі рішень

138.

Постановка задачі
G x , x D
f f x f
*
*
0
*
i
*
i min
i
, f i max ,
f i min min f i x
x D0
f i max max f i x , i I
x D0
I I1 , f i 0 f i max , i I
Потрібно побудувати D1 шляхом зміни D0 в межах P0 , в якій
x D1 , x D1 : f i x f i x , i I
*
k
k
*

139.

Алгоритм
1. Визначення узгодженості цілей оргсистеми з G
x0k - ефективний розв’язок f , D0 , знайдений методом *
обмежень при заданому векторі переваг критеріїв
f
wi x* f i 0 f i x
0
i
f i min , i I
*
*
*
i w j x wh x , i, j, h I , i j, h q
q I
x* f x* f 0 , f min w x* * x0k
i w j f j x* / w j f j x* , i I
*
Вважаємо
j I
j i
q I j I
j q
f i x* f i x0k , i I , x* D0
і хоча б одна з нерівностей строга.

140.

w1
*
WD0
w x*
wx
w x0k
*
w2

141.

n
2. Визначимо Q l : a x* b , l Q , Q Q
lj j
0
0
l
Теорема
j 1
Якщо f i x* f i x0k , i I , і хоча б одна нерівність
строга, то допустимі розв’язки D , які знаходяться на
0
гіперплощинах з номерами з множини Q , є
0
ефективними розв’язками по множині критеріїв f
3. Побудуємо область варіацій параметрів для Q0

142.

alj , bl , l Q0 , j J :
alj , bl , l Q0 , j J :
n
n
x* a b b 0 a 0 x , l Q
j
lj
l
l
lj
j
0
j 1
j 1
bl bl0 , bl0 0, l Q0
P
bl bl0 , bl 0, l Q0
alj alj0 , alj0 0, l Q0 , j J
alj alj0 , alj0 0, l Q0 , j J

143.

P P0 0 :
4. Задачі вибору варіацій параметрів
.
min
a , b P P0
alj , bl , l Q0 , j J :
C a, b
C a, b - функція витрат, пов’язаних зі змінами
параметрів D
0
. opt F
a , b P P0
F alj , blj , l Q0 , j J - множина критеріїв,
де величина зміни кожного параметра суттєвих обмежень Q0
виступає як окремий критерій, який в залежності від
фізичної суті може максимізуватися або мінімізуватися.

144.

alj0 , l Q / Q0
alj 0
alj alj , l Q0 , j J
bl0 , l Q / Q0
bl 0
bl bl , l Q0
n
D1 x : alj x j bl , l Q, j 1, n
j 1

145.

Твердження 1
Якщо серед обмежень D0 є:
Q l : alj0 0, bl0 0, j 1, n, l Q 0,
то область D1 побудована за рахунок зміни параметрів обмежень
Q0 згідно з P є обмеженою та замкнутою.
Якщо Q 0, D0 - замкнута та обмежена, то, щоб D1 була
обмеженою та замкнутою, додамо до D0
n
x j bm 1 0 - наслідок системи D0
j 1
n
bm 1 max x j
x D0
j 1
n
n
*
*
a
x
b
b
x
m 1
m 1
j
m 1 j j
j 1
j
P : am 1 j 1, j 1, n
bm 1 bm 1

146.

P P0 P 0 : alj , bl , l Q0 m 1 , j J
n
D1 x : alj x j bl , l Q, j J ,
j 1
n
am 1 j x j bm 1
j 1
am 1 j am 1 j 1,
bm 1 bm 1 bm 1
1
*
*
k
x* f x* , f 0 1 , f min
w
f
x
w
x
x
1
1 1

147.

Твердження 2
x k , x k D1 : f i x k f i x* , i I ,
x arg min max i 1 wi 1 x ,
k
x D1
де
i I
wi 1 x , i 1 wi 1 x побудовані для f , D1

148.

Загальна постановка задачі
системної оптимізації

149.

Модель оргсистеми
f , D0
D0 x : gl x 0, l Q 1,..., m , x x j , j J 1,..., n
f f i x max, i I1 , f i x min, i I 2 , I1 I 2 I 1,..., M

150.

Модель цільових установок
G
f , f , i I : G x : f f x f , i I , x
x x , j J : G x : x x , j J
x , x , j J : G x x x , j J
f * f i * , i I : G x : f i * f i x , i I1 , f i * f i x , i I 2 , x j 0, j J
i Н
*
i В
i Н
*
j
j Н
X:
opt L x :
x X
*
j
j
j В
j Н
j
G X
G arg opt L x
x X
i В
i
j В
j
0, j J

151.

Задача системної оптимізації
виникає, якщо
G D0 0 або G 0
Q0 l : l Q, D0 G 0 , Q0 Q
- множина індексів обмежень D0 , через які G D0 0 :
I 0 i : i I , G 0 , I 0 I
- множина індексів критеріїв f , через які G 0 :
2. pl , l Q0
- вектори варіацій параметрів обмежень
з індексами з множини Q0
pi , i I 0 - вектори варіацій параметрів критеріїв
з індексами з множини I 0
P0 pl , l Q0 , pi , i I 0
Обмежену область обмежень на варіації параметрів задає ОПР
на основі реальних можливостей задачі в процесі її
рішення.
1.

152.

P pl , l Q0 , pi , i I 0
-
область обмежень на варіації параметрів з індексами з
множин Q0, I 0 , яка математично забезпечує побудову D1
так, що D1 G 0
, або переформування множини
критеріїв f при G 0 на f1 таким чином, що G 0 , без
врахування реальних можливостей P0 по зміні параметрів
системи.
Задача системної оптимізації полягає в побудові f1 , D1
шляхом зміни параметрів f , D0 в межах P0 , що D1 G 0
,
(при D0 G 0), або G 0 (при f1 ) з урахуванням
специфіки задачі.

153.

1.
2.
3.
4.
Специфічні особливості задачі
системної оптимізації
Модель оргсистеми представлена f , D0 ,
або D0 .
Необхідний ступінь узгодженості цілей
оргсистеми з моделлю цільових установок G.
Необхідний ступінь узгодженості D1 та G :
G D1 , або G D1 0.
В практичних задачах ОПР має різні
можливості по формуванню P0 .

154.

Кінець
English     Русский Правила