Do tej pory, mówiąc o niekompletności informacji, mieliśmy na myśli przede wszystkim dane początkowe niezbędne do rozwiązania i poproszeni o optymalizację centrum krytycznych informacji i ich elementów. W rzeczywistości pojęcie informacji jest znacznie szersze, zawiera opis poziomu naszej wiedzy o celach i kryteriach optymalizacji CTP. W rozdz. 2 przy rozważaniu podstaw badań systemu wśród najważniejszych właściwości systemów energetycznych nazywano właściwość wielokryterialności. W tej części koncepcje łańcuchów kontrolowanych przez CCT, a także podejścia do wyboru kryteriów podejmowania decyzji o rozwoju tych systemów [9,20, 21,27] są rozpatrywane w postaci skompresowanej.
Pojęcie celu można zdefiniować jako przewidywanie w umyśle osoby (kolektywu pracowniczego) zarządzającego tym systemem, co ma na celu rozwinięcie (funkcjonowanie) tego systemu. Jak pokazano w rozdz. 2, struktura hierarchiczna jest charakterystyczna dla systemów energetycznych. Zadania rozwiązane w rozwoju tych systemów i łańcuchy ich rozwoju mają również strukturę hierarchiczną. Dlatego oprócz hierarchii systemów energetycznych, hierarchii rozwiązywanych zadań, hierarchii modeli matematycznych, musisz mieć spójną hierarchię łańcuchów rozwoju systemów.
Z pragnienia posiadania jasno sformułowanego łańcucha rozwoju systemu, bardziej konkretny wynika z pragnienia ilościowej oceny celu. Jednak nie zawsze jest to możliwe. W wielu przypadkach ilościowej ocenie łańcucha towarzyszy szereg ograniczeń jakościowych. Liczne uogólnione wyrażenia celu, takie jak przyspieszenie postępu naukowego i technicznego w systemach zaopatrzenia w ciepło, nie mogą być precyzyjnie ilościowo współmierne lub ustalone w postaci jednoznacznie wyrażonego ilościowo celu. Tak więc, w zarządzaniu rozwojem SCR, w wielu rzeczywistych przypadkach, ilościowe ustawienie celu nie jest proste, a co najważniejsze, nie sformalizowane.
Na najwyższym szczeblu państwowym tworzone są cele społeczno-ekonomiczne rozwoju gospodarczego kraju, które z reguły nie mogą być wyrażone w postaci liczby jednocyfrowej. Ale zazwyczaj istnieje główny cel rozwoju; dla krajów socjalistycznych jest to ciągły wzrost dobrobytu i poziomu duchowego ludzi oraz szereg innych celów, które nie są sprzeczne z głównym celem, który należy zapewnić dla jego realizacji. Wszystkie te cele są konkretyzowane na kolejnym poziomie hierarchicznym w formie planów państwowych dla rozwoju gospodarki narodowej, które przewidują również wybór podstawowych krajowych proporcji gospodarczych. Następnie na kolejnym niższym poziomie hierarchicznym pojawia się szereg problemów optymalizacyjnych, które wymagają najlepszego rozwiązania z punktu widzenia gospodarki narodowej. W odniesieniu do energii, głównym celem takich zadań jest znalezienie w sektorze energetycznym najskuteczniejszych metod produkcji, dystrybucji i wykorzystania różnych rodzajów energii i zasobów energetycznych w celu niezawodnego i wysokiej jakości dostarczania określonych (w pewnych zakresach) potrzeb gospodarki narodowej dla końcowych rodzajów energii podlegających wielu ograniczeniom, na przykład środowiskowy.
Takie restrykcyjne stwierdzenie celu problemów optymalizacyjnych, a zatem wybór kryteriów podejmowania decyzji dla osiągnięcia tego celu, jest charakterystyczne dla gospodarki socjalistycznej, w której takie obliczenia są kluczowe przy stosunkowo niskim hierarchicznym poziomie zarządzania.
Jako główne kryterium optymalizacji funkcjonowania i rozwoju CCT, konieczne jest nieprzerwane zaopatrywanie określonych odbiorców w energię cieplną o najniższym koszcie życia i zmaterializowanej pracy. Miara takich kosztów jednostek monetarnych. Dlatego minimalne kryterium obniżonych kosztów, tj. koszty, współmierne do czynnika czasu jednorazowo (inwestycja kapitałowa) i kosztów rocznych.
Jednocześnie istnieje szereg zadań, dla których kryterium minimalnych obniżonych kosztów nie zawsze ma zastosowanie. Jednym z nich jest na przykład dostarczanie energii dla potrzeb domowych ludności, gdzie z jednej strony najbardziej prymitywne rozwiązanie może być najtańsze, az drugiej strony konsument często zgadza się płacić więcej za lepsze warunki komfortowe. Drugim przykładem jest odzyskanie biosfery, gdzie potrzeba dodatkowych kosztów pieniężnych jest określona przez wymóg zgodności z normami sanitarnymi, które działają jako obowiązkowe ograniczenia. Jednak w tych zadaniach często ważne jest znalezienie rozwiązania umożliwiającego osiągnięcie takich standardów, najbardziej akceptowalnego zarówno pod względem technicznym, jak i ekonomicznym.
Powyższe rozważania mają ścisłe znaczenie dla problemów w deterministycznym sformułowaniu. Biorąc pod uwagę niepewność wykorzystywanych informacji, kwestia wyboru kryterium decyzyjnego jest znacznie bardziej skomplikowana. W tym przypadku, wraz z ekonomicznym, należy zastosować inne kryteria wyboru optymalnych rozwiązań. Głównym powodem, dla którego przy wyborze optymalnych rozwiązań dla CTC, kryterium minimalnych obniżonych kosztów nie może być jedyne, jest znaczna stabilność ekonomiczna decyzji. Innymi słowy, często zasadniczo technicznie różne perspektywiczne struktury systemów okazują się nie do odróżnienia przez wymaganą ilość wydatków gotówkowych. W sekcji 10.2 i 10.3 pokazano, że wynikiem optymalizacji DTP i IT są równie ekonomiczne opcje, uważane za nie do odróżnienia przez obniżone koszty. Dlatego należy wprowadzić dodatkowy zestaw innych kryteriów.
Innymi (nieekonomicznymi) kryteriami mogą być: technologiczna - niezawodność dostarczania ciepła, kontrola systemu itp .; społeczne - poziom udogodnień dla ludności, warunki pracy personelu itp .; środowiskowy - stopień zanieczyszczenia atmosfery, ziemi i zbiorników wodnych; bezpieczeństwo dla życia i zdrowia ludzi, a niektóre inne.
W przypadku różnych zadań skład tych kryteriów może być różny i w zależności od ich znaczenia, poszczególne kryteria mogą pojawiać się przy rozwiązywaniu problemu jako kryteria optymalności (wraz ze zmniejszonymi kosztami) lub jako ograniczenia, lub po prostu jako wskaźniki, które są rzeczywiście brane pod uwagę. Kryteria pozagospodarcze są często sprzeczne z kryteriami ekonomicznymi - zapewnienie akceptowalnych poziomów kryteriów pozagospodarczych wymaga dodatkowych kosztów ekonomicznych. W ogólnym przypadku, optymalizując SCR i ich elementy za pomocą kilku kryteriów, najlepsze opcje można znaleźć za pomocą jednego kryterium, ale najgorsze według innych kryteriów, co prowadzi do pojawienia się nieporównywalnych opcji. Specyfika wielozadaniowych zadań optymalizacyjnych polega na możliwości wyboru najlepszych spośród wielu nieporównywalnych rozwiązań.
Do tej pory zaproponowano szereg podejść do rozwiązywania problemów optymalizacyjnych w formule wielokryterialnej [90, 92, 93]. Istnieją różne zasady ich klasyfikacji. Przyjmujemy bardzo konstruktywną klasyfikację opartą na naturze dostępnych informacji na temat związku między kryteriami oceny decyzji. Zakłada się, że liczba nieporównywalnych wariantów optymalnych rozwiązań w dużej mierze zależy od tego, która zasada optymalności jest wykorzystywana w rozwiązywaniu problemów optymalizacji wielokryterialnej. Zastosowanie tej lub innej zasady optymalności zależy przede wszystkim od charakteru dostępnych informacji na temat związku między kryteriami oceny decyzji.
Przypadek całkowitego braku informacji o znaczeniu kryteriów prowadzi do zastosowania zasady optymalności Pareto i wyboru zestawu Pareto. Ale ponieważ liczba par do optymalnych wariantów może okazać się znacząca, aby je zredukować, konieczne jest przejście do następnego etapu, którego istota, pomimo różnic w metodach implementacji, jest ograniczona do uzyskania dodatkowych informacji o powiązaniach między kryteriami a ich szacunkami. Dzięki wystarczającej ilości informacji możesz ustanowić powiązania między wszystkimi kryteriami i zwinąć je w jedno uogólnione kryterium. W tym przypadku problem wielokryterialny jest zredukowany do jednego kryterium.
Pośrednie zasady optymalności (między Pareto a pojedynczym uogólnionym kryterium) odpowiadają przypadkom, które wykorzystują dodatkowe informacje w porównaniu z zasadą Pareto na relacjach między kryteriami, ale w mniejszym stopniu niż jest to wymagane do skonstruowania jednego uogólnionego kryterium. Dzięki tym dodatkowym informacjom zawężono wiele niezrównanych optymalnych rozwiązań. Uzyskanie dodatkowych informacji o związkach między kryteriami jest zazwyczaj trudnym, kosztownym i trudnym do sformalizowania zadaniem. W tym przypadku nie zawsze jest jasne, w jakim stopniu dostępność jednej lub innej dodatkowej informacji zmniejszy liczbę nieporównywalnych optymalnych opcji.
Najczęstsze wśród pośrednich zasad optymalności, oparte na wykorzystaniu dodatkowych informacji, są podejścia w następujących przypadkach: o równoważnych jednorodnych kryteriach, z kryteriami uporządkowanymi według ważności, z dominującym kryterium. Dowód na istnienie jednego z tych przypadków zmniejsza liczbę nieporównywalnych optymalnych opcji, ale nie wyklucza ich całkowicie.
Zgodnie z powyższą klasyfikacją podejść do rozwiązywania problemów wielokryterialnych rozważamy niektóre z nich, które znalazły praktyczne zastosowanie.
Klasycznym modelem optymalizacji wielokryterialnej jest optymalizacja Pareto. Opiera się na założeniach: jedna opcja jest lepsza od drugiej, jeśli według wszystkich kryteriów nie jest gorsza i (przynajmniej jedna) jest lepsza, a najlepszą opcją jest ta, dla której nie istnieje. Znalezienie zestawu Pareto umożliwia zmniejszenie zestawu wariantów początkowych, tj. wykluczyć z nieformalnej analizy rozwiązania, o których wiadomo, że są złe.
Przedstawiamy technikę rozróżniania zestawu rozwiązań Pareto na przykładzie problemu z dwoma kryteriami: H jest wskaźnikiem niezawodności DTS
Oczywiście, z całego zestawu rozwiązań X (w tym przykładzie, n = 10), tylko rozwiązania Xlt Xn, X8, leżące na górnej lewej granicy obszaru możliwych rozwiązań, będą skuteczne. Na rys. 10.3 ta granica jest przedstawiona linią przerywaną. W przypadku każdego innego rozwiązania istnieje co najmniej jedno bardziej wydajne rozwiązanie, dla którego H lub 3 lub H i 3 są lepsze niż dla tego rozwiązania. Podobnie, zestaw skutecznych rozwiązań jest skonstruowany w przypadku, gdy kryteria wydajności nie są dwa, ale więcej.
Jak widać, optymalizacja Pareto nie wyróżnia jednego rozwiązania, tylko zawęża strefę niepewności decyzji. Ostateczny wybór należy do decydenta. Ale naukowiec, budując zestaw Pareto, oczywiście ułatwia procedurę wyboru rozwiązania, szukając kompromisu. Badanie zestawu Pareto dostarcza wspaniałych informacji do znalezienia takiego kompromisu. Osoba podejmująca decyzje widzi w szczególności, ile kosztuje wzrost jednego z kryteriów, w jaki sposób wpływa na inne wskaźniki, których wartości pod każdym względem ulegają pogorszeniu.
Często stosowano metodę kolejnych zadań. Ma zastosowanie w przypadku niejednolitych kryteriów. Niech wszystkie kryteria zostaną uporządkowane według malejącego znaczenia: Ft> F2>. . . > Fm. Dla uproszczenia zakładamy, że wszystkie powinny mieć maksymalną wartość. Po pierwsze, poszukiwane jest rozwiązanie, które obraca pierwszy (najważniejszy) wskaźnik Fi = F {ax. Następnie, ze względów praktycznych, przypisano pewne przypisanie DFx, które zgadzamy się zrobić, aby zmaksymalizować drugie kryterium P2. Nakładamy ograniczenie F%> (Fjax - D-Fi) na kryterium Fj i pod tym ograniczeniem szukamy rozwiązania, które zmienia się w maksimum F2. Następnie ponownie przypisz koncesję w F2, której cenę możesz zmaksymalizować F3 i tak dalej. Sposób budowania rozwiązania kompromisowego jest dobry, ponieważ pokazuje natychmiast, jaką cenę w jednym kryterium zyskuje w drugim i jaka jest wartość tego zysku.
W przypadkach, w których możliwe jest wyróżnienie jednego (głównego) kryterium Flt, zadanie z kilkoma kryteriami można zredukować do zadania z jednym kryterium. Na wszystkich pozostałych kryteriach F2, F3 ,. . . ograniczenia są nakładane jak F2> a2, F3> a3, ..., gdzie a2, a3,. .. - podane wartości. Tak więc problem wielokryterialny sprowadza się do zwykłego jednokryterialnego problemu znalezienia ekstremum funkcji Ft w obecności ograniczeń. Wyniki rozwiązania będą oczywiście zależały od tego, jak wybrane zostaną ograniczenia H & F2, F3, ....
Znaleziono sposób na rozwiązanie zadań wielokryterialnych, opartych na tworzeniu ogólnego kryterium wydajności. Takie kryterium jest ważoną sumą poszczególnych kryteriów, w które każdy Ft wchodzi z pewną wagą {, odzwierciedlając jego znaczenie:
Przyjmuje się, że współczynniki z (jest wynik badania; powinny odzwierciedlać nasze zrozumienie treści kompromisu, które jesteśmy zmuszeni zaakceptować. Trudność w określeniu współczynników ct jest główną wadą tej metody).
Następujące negatywne uwagi są podane w [9] na temat możliwości wykorzystania eksperckich oszacowań współczynnika c, - w wyrażeniu (10.20): 1) ryzyko wyboru przewidywanego rozwiązania, które autorzy obliczeń (być może podświadomie) chcą uzyskać; 2) nieunikniona subiektywność decyzji ze względu na praktyczną niemożność znalezienia stosunkowo dużej liczby prawdziwie obiektywnych ekspertów i, co ważne, równych kwalifikacji; 3) praktyczna nieuchronność zmiany ułamków wag kryteriów ct dla różnych problemów optymalizacyjnych, a zatem potrzeba każdego indywidualnego zadania przeprowadzania złożonych procedur oceny eksperckiej.
Istnieje wiele modyfikacji podejść nakierowanych na rozwiązanie problemu optymalizacji wielocelowej. Ich rozważania nie dają niczego zasadniczo nowego. Ważne jest, aby w jakikolwiek sposób ustawić problem optymalizacji systemu według kilku kryteriów, nie był on w pełni sformalizowany, a zasadność wyboru odpowiedniego podejścia w dużej mierze zależy od sumienia badacza, chociaż uwzględnia to pewne właściwości problemu. Dlatego ostateczny wybór rozwiązań dla rozwoju systemu pozostaje po stronie osoby. Głównym celem wielokryterialnej optymalizacji systemu jest dostarczenie decydentowi danych, które najlepiej opisują zalety i wady każdego rozwiązania.
W warunkach wielokryterialnych interaktywny tryb rozwoju można przedstawić jako iteracyjny proces interakcji między badaczem (projektantem) a komputerem. Każda iteracja składa się z dwóch faz: analizy (podejmowania decyzji) przeprowadzanej przez badacza i optymalizacji przeprowadzanej przez komputer. Aby poprawić skuteczność dialogu, opracowano specjalne procedury komunikacji między ludźmi i komputerami. Takie procedury pomagają badaczowi, a zwłaszcza projektantowi, zrozumieć specyfikę zadania i uświadomić sobie potrzebę kompromisu między wartościami osiągniętymi przez różne kryteria. Od iteracji do iteracji, badacz (projektant) szuka najlepszego rozwiązania, a jednocześnie bada obiektywne cechy problemu, wzajemny wpływ kryteriów. Jednocześnie wyniki badań psychologicznych wskazują na znaczne ograniczenia zdolności osoby do przetwarzania złożonych informacji wieloczynnikowych. Dlatego konstrukcja procedur dialogu powinna opierać się na podziale procesu uzyskiwania informacji od osoby na proste kroki, w tym podstawowe operacje przetwarzania informacji, podczas których wyklucza się możliwość popełnienia poważnych błędów przez osobę.
Biorąc pod uwagę, że w przeważającej większości przypadków możliwe jest przyjęcie kryterium ekonomicznego jako głównego kryterium problemów optymalizacyjnych SCR, zaleca się dwie dość bliskie metody podejmowania decyzji w warunkach wielokryterialności. W obu metodach wynikają z chęci zminimalizowania stosowania ocen ekspertów. Ponadto przyjęto założenie, że w warunkach niekompletności początkowej informacji przy użyciu sformalizowanych metod z reguły nie można znaleźć jednego najlepszego rozwiązania, ale można zidentyfikować tylko kilka opcji (strefowych) ekonomicznie równoważnych. Inne kryteria pozagospodarcze powinny być brane pod uwagę przy wyborze spośród równie skutecznych wariantów tego, który zostanie przyjęty do realizacji [9, 27].
Pierwsza metoda [27] sugeruje spójne stosowanie substancji pozagospodarczych, rozpoczynając od najważniejszego. Aby to zrobić, muszą być uszeregowane według ich znaczenia. Procedury wyboru najlepszych sieci można przedstawiać jako powtarzające się: po pierwsze, ujawniają się zestawione parametry ekonomiczne; z tego zestawu zestaw najlepszych (ekwiwalentnych) sieci jest wybierany według najważniejszego rozwiązania pozagospodarczego; dalej za pomocą tego zestawu są wybrane opcje. Z reguły po opublikowaniu tego artykułu, najlepsza z najlepszych według najlepszych kryteriów (korzystam z połączenia). Jeśli po uwzględnieniu wszystkich kryteriów pozagospodarczych pozostanie kilka równie ekonomicznych opcji, to te ostatnie należy przenieść (wraz ze wszystkimi wynikami oceny) do decydentów, którzy dokonają wyboru w sposób intuicyjny (heurystyczny).
W [9] metoda kolejnych koncesji, której główna idea została już opisana w tej sekcji, jest określana jako najbardziej akceptowalna dla podejmowania decyzji w warunkach wielokryterialnych. Gdy AFi = ARg = = ... - AFm = 0, pokrywa się z pierwszą metodą.
Formalnie pierwsza metoda pozwala znaleźć najlepsze rozwiązanie dla wielu kryteriów. Metoda ta sugeruje jednak możliwość uszeregowania kryteriów, tj. zadania (definicje) zalet każdego poprzedniego kryterium przed następnym. W warunkach niepełnej informacji, trudności w porównywaniu znaczenia kryteriów i nieuchronności ich rankingu ekspertów, nadmierny formalizm pierwszej metody pozbawia ją elastyczności. Metoda kolejnych zadań nie ma tej wady.
Badanie systemów dostarczania ciepła / L.C. Popyrin, K.S. Svetlov, G.M. Belyaev i inni M.: Science, 1989.
