В настоящее время развитие общества неразрывно связано с вопросом о технико-технологическом развитии, меняющем среду обитания человека. Среда обитания человека, наполненная техногенными элементами, трансформируется, изменяя естественные характеристики, адаптируясь к требованиям и запросам человека. Риски бесконтрольного развития технико-технологической сферы создают вероятность возникновения неверных сценариев техногенной эволюции. Превентивные формы нивелирования негативных последствий стохастического развития могут быть предложены в виде систем управления техносредой обитания человека. Указанные вопросы очень сложно вписать в рамки определенной схемы решения. Однако выходом здесь может являться приведение данных задач к типу слабоструктурированных, в связи с чем необходима разработка методов и средств решения данного класса задач.
Проблема повышения энергоэффективности является одной из важных задач в техногенной эволюции на современном этапе. Решение данной проблемы в экономике в текущей ситуации является антикризисной мерой не только в масштабе государственного развития, но и в цивилизационном масштабе, что обусловлено тесной взаимосвязью энергетической отрасли со всей средой обитания человека. Наряду с осознанием этой важности, существует реальный недостаток объективной информации, которая бы позволяла выстраивать четкий план перехода на новые технологии и модернизации старых. Одной из областей, где могут быть активно внедрены энергосберегающие технологии, является управление наружным (уличным) освещением.
Жизненный цикл (ЖЦ) автоматизированной системы – развитие системы, начиная со стадии разработки концепции и заканчивая прекращением применения системы. Из этого определения следует, что идентификация и выбор модели ЖЦ, в первую очередь касается таких вопросов, как определенность и стабильность требований, жесткость и детализированность плана работ, а также частота выпуска новых версий программных средств. Модели жизненного цикла делят на три основные: каскадная, итерационная, спиральная. Предпочтительной для автоматизированных систем управления наружным освещением (АСУНО) является спиральная модель ЖЦ, так как разработка АСУНО связана с плохой детализированностью работ, их сложностью и необходимостью частого выпуска новых прототипов системы [3].
Обобщенно последовательность создания и модификации АСУНО по спиральной модели можно представить в виде схемы (рис. 1).
Рис. 1. Обобщённая схема разработки АСУНО по спиральной модели
На каждой итерации проектирования и разработки системы функции должны проходить объективную экспертную оценку в соответствии с определенным набором требований, поэтому необходимо решение задачи ранжирования функ ций системы.
Для ранжирования функций системы необходимо определить систему критериев, а также выбрать соответствующий метод принятия решений. Ввиду того, что задача ранжирования функций относится к слабоструктурированным и многокритериальным, для принятия решений был выбран метод анализа иерархий (МАИ) [6].
Основная часть
Проведем систематизацию критериев, которые должны использоваться экспертами для оценки интенсивности свойств проявления отдельных функций системы. На наш взгляд, рационально распределить все критерии по кластерам, таким как экономические, технические и организационные. Выберем и опишем критерии, входящие в данные кластеры (рис. 2).
Рис. 2. Структура критериев в формализованном виде
Подмножество Мэ состоит из Кэф – экономический эффект от внедрения функции в систему, Кфз – финансовые затраты на реализацию функции, Квз – временные затраты, Кр – риск будущей невостребованности данной функции, Ка – актуальность данной функции.
Подмножество Мт (рис. 2) состоит из Кс – сложность реализации, Кн – влияние на надежность системы, Ки – интегрируемость с другими техническими решениями и системами, Км – масштабируемость функционала, Копыт – опыт реализации такого рода функционала, Косн – качество оснащения лаборатории, Кпрор – степень проработанности предложенных технических и технологических решений, Кбуд – влияние на будущие разработки.
Подмножество Мо состоит из 4 критериев: Кпер – наличие персонала для реализации функции, Куров – уровень подготовки команды, Кэнт – энтузиазм команды для реализации функции.
При практическом использовании предложенного подхода для ранжирования функций возникли сложности, связанные с получением согласованных суждений экспертов. С одной стороны, МАИ ориентирован на формирование матрицы парных сравнений самим человеком, с другой стороны, существуют рекомендации о числовых границах параметров согласованности [7]. При практическом использовании методов принятия решений вопросы повышения степени согласованности суждений достаточно сложны для лиц, принимающих решение (ЛПР), и экспертов. Поэтому возникла необходимость решения задачи повышения согласованности матриц парных сравнений со степенной калибровкой, используемых в МАИ. При исследовании методов повышения согласованности [4] были определены их недостатки, связанные co сложностью процесса и невозможностью определения конкретных суждений экспертов, имеющих наименьшую согласованность с другими суждениями.
Нами разработан новый метод для выявления и возможной корректировки конкретных суждений [2], влияющих на низкую согласованность парных сравнений. Опишем последовательность шагов для получения более согласованных суждений на основе применения предложенного метода [2]:
1. Построение по исходной матрице парных сравнений графа G = ⟨V, E⟩, где V = {v1, v2, ..., vn} – множество вершин, состоящих из элементов сравнения, E = {e1, e2, ..., em} – множество ребер, характеризующих наличие сравнительной оценки для пары вершин; n – количество элементов сравнения; m – количество сравнений, равное 
, если сравнение произведено для всех парами элементов.
2. Поиск максимального остовного подграфа в графе G = ⟨V, E⟩ [5].
Рис. 3. Алгоритм повышения степени согласованности матрицы парных сравнений в итерационном режиме
3. Дополнение остовного графа до полного графа посредством перебора всех пар вершин остовного графа, которые не имеют прямой связи, нахождения для этих пар соответствующих значений и определения новых оценок 
.
4. Приведение полученных оценок к оценкам по применяемой шкале
,
где max(S′) – максимальная сравнительная оценка в множестве оценок S′, которая определяет верхнюю границу рассчитанных оценок, а max(S″) – максимальная сравнительная оценка в множестве оценок S″ применяемой шкалы.
Процесс корректировки в полностью автоматическом режиме не всегда возможен, так как имеют место случаи с низкой согласованностью, когда при корректировке анализ исходных данных не дает полезной информации. В случае значительной рассогласованности исходных данных необходим итерационный процесс повышения согласованности, а в некоторых случаях корректировка не сможет помочь и необходимо проводить экспертный опрос повторно.
Рис. 4. Алгоритм выбора метода корректировки матрицы парных сравнений
В итерационном процессе корректировки определяется отдельный элемент сравнения, имеющий самую низкую степень согласованности, и выдается рекомендуемая оценка, при этом окончательное значение пользователь определяет самостоятельно. Алгоритм процесса повышения степени согласованности в итерационном режиме представлен на рис. 3.
Для решения вопроса выбора способа повышения согласованности парных сравнений получим решающее правило, с помощью которого определяется один из методов корректировки: автоматическая, итерационная или повторный экспертный опрос.
Условием возможности осуществления автоматической корректировки является ситуация, когда после исправления матрицы в автоматическом режиме результат ранжирования элементов сравнения не изменился, при этом степень согласованности уменьшилась. Итерационный процесс корректировки возможен, когда исходные данные несут полезную информацию, и степень их согласованности достаточна для принятия решения о выборе конкретного элемента для возможной корректировки. На практике итерационный процесс целесообразен в случае, если значение предложенного нами в [2] функционала согласованности F меньше 0,5. В остальных случаях нельзя полагаться на экспертные данные, так как они противоречат друг другу, и необходимо проводить экспертный опрос повторно. Данное решающее правило реализовано в виде алгоритма (рис. 4).
Заключение
Таким образом, проанализирован жизненный цикл АСУНО и установлено, что необходимо осуществление поддержки принятия решений при создании и модификации системы. Для ранжирования функций АСУНО разработана система критериев. Выявлено, что при проведении процедуры принятия решений возникают сложности по достижению необходимой согласованности экспертных данных, и предложены алгоритмы их корректировки. Для выбора рационального режима корректировки разработано решающее правило, основанное на вычислении предложенного нами ранее функционала согласованности [2]. Предложенные методы и алгоритмы реализованы авторами в новой версии СППР «Решение» [1]. Разработанные инструментальные средства позволяют ранжировать функции АСУНО на этапах её создания и модификации.
Выводы
Внедрение методов поддержки принятия решений позволяет повысить эффективность создания АСУНО за счет учета совместного влияния качественных и количественных параметров на итоговый результат. Систематизированы критерии, на основании которых возможно ранжировать функции АСУНО в процессе создания и поэтапного внедрения. Предложенные алгоритмы повышения согласованности экспертных суждений позволяют повысить степень доверия к получаемым результатам, что является существенным аргументом для повышения обоснованности принимаемых решений. Разработанные инструментальные средства могут быть полезными при решении слабоструктурированных прикладных задач в различных сферах применения.
Исследование выполнено за счет гранта Российского научного фонда, проект № 143800047 «Прогнозирование и управление социальными рисками развития техногенных человекомерных систем в динамике процессов трансформации среды обитания человека» при участии НИУ «БелГУ», ИСПИ РАН, ЮЗГУ.
Рецензенты:Рубанов В.Г., д.т.н., профессор, директор института информационных технологий и управляющих систем, ФГБОУ ВПО «БГТУ им В.Г. Шухова», г. Белгород;
Иващук О.А., д.т.н., доцент, профессор кафедры информационных систем управления, ФГАОУ ВПО «Белгородский государственный национальный исследовательский университет», г. Белгород.
Работа поступила в редакцию 28.11.2014.
Библиографическая ссылка
Ломакин В.В., Лифиренко М.В., Асадуллаев Р.Г. КОМПЛЕКС КРИТЕРИЕВ И АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССА ПРИНЯТИЯ РЕШЕНИЙ ПРИ СОЗДАНИИ СИСТЕМ УПРАВЛЕНИЯ НАРУЖНЫМ ОСВЕЩЕНИЕМ // Фундаментальные исследования. – 2014. – № 11-11. – С. 2370-2374;URL: https://fundamental-research.ru/ru/article/view?id=35948 (дата обращения: 25.01.2025).