Реферат на тему Моделирование переходов между эталонными ситуациями в сложных системах в условиях неопределенности

Содержание:

ВВЕДЕНИЕ 2

1. Определение тактик для выработки управляющих решений в условиях полной неопределенности 3

2. Особенности формирования переходов между эталонными ситуациями в сложных системах в условиях неопределенности 6

ЗАКЛЮЧЕНИЕ 9

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 10

Введение:

Актуальность исследования. Актуальность представленной работы обоснована возрастающей потребностью учета человеческого фактора при разработке моделей для принятия оптимальных управленческих решений. В большинстве случаев аналитик или эксперт принимает решение, основываясь исключительно на субъективной оценке ситуации и в условиях частичной или полной неопределенности. Была рассмотрена проблема моделирования процесса принятия управленческих решений в динамических подсистемах сложных организационных систем. Предлагается метод определения переходов между эталонными ситуациями в сложных многоуровневых системах, основанный на нечетком согласовании интервалов. Система описывается нечеткой ситуационной сетью. Рассматриваются два способа описания характеристик эталонных ситуаций, определяющих переходы между эталонными ситуациями.

Цель исследования состоит в том, чтобы моделирование переходов между эталонными ситуациями в сложных системах в условиях неопределенности.

Задачи исследования:

 изучить определение тактик для выработки управляющих решений в условиях полной неопределенности;

 определить особенности формирования переходов между эталонными ситуациями в сложных системах в условиях неопределенности.

Методологические основы исследования. В работе использованы методы и приемы исследования: конкретно-исторический, портретно-индивидуализирующий, хронологический, проблемно-теоретический, системный, сравнительный (синхронный и диахронный).

Структура реферативной работы. Реферативная работа состоит из введения, основной части, заключения и списка литературы.

Заключение:

Организации постоянно сталкиваются с ситуациями, в которых необходимо сделать выбор между несколькими возможными вариантами действий. Результатом этого выбора является конкретное решение. Важной особенностью процессов принятия управленческих решений является необходимость учитывать влияние неопределенных факторов и рассматривать все возможные последствия альтернатив, доступных для выбора. Методы перспективного анализа играют здесь важную роль, поскольку позволяют принимать управленческие решения на основе оценки возможных сценариев будущего и выбора наиболее эффективного решения для данной ситуации из нескольких имеющихся вариантов.

Иерархические системы развиваются быстрее. Введение интервальной оценки позволяет проводить качественный анализ, который, в отличие от явной оценки, учитывает различную природу показателей и различия в силе связей между объектами в системе. Нечеткие модели многообразия относительно легко строятся и дают очень надежные результаты даже в условиях неопределенности.

В данной работе рассматривается способ максимизации управления, который позволяет работать с вершинами нечеткой ситуационной сети и текущим состоянием управляемой системы, которое описывается в терминах нечетких интервалов.

Оптимизация найденного решения обеспечивается тем, что при прогнозировании учитываются все предпосылки процесса управления. Предлагаемый подход, использующий нечеткое моделирование при анализе сложных систем и сложноформализованных процессов в зависимости от особенностей организационных систем, обеспечивает эффективные методы и инструменты для проведения прогнозных исследований в многоуровневых иерархических системах с целью принятия оптимального решения.

Фрагмент текста работы:

1. Определение тактик для выработки управляющих решений в условиях полной неопределенности

Одной из важнейших функций принятия управленческих решений является реализация повседневных, текущих и стратегических задач, с которыми руководство сталкивается каждый день. Следующая функция — устранение противоречий, то есть построение логики действий в компании, и самая важная функция — создание перспективы путем превращения проблемы в точку роста. Поскольку цикл кризисных ситуаций недавно сократился с 10 до 6 лет, а многие ученые прогнозируют еще более короткий промежуток в будущем, наиболее правильная позиция для компаний и организаций — превратить проблемную ситуацию в точку роста.

Принятие решений в кризисных и рискованных ситуациях можно отнести к непрограммируемым решениям, поскольку кризисные ситуации часто уникальны и неопределенны, и их часто трудно структурировать. Большинство подходов, предложенных при разработке методов поддержки принятия решений, не определяют в явном виде стратегию управления для достижения цели .

Предположим, что лицо, принимающее решение (ЛПР), должно принять решение между возможными действиями, имеющими социально-экономическое значение в сложной среде. Предположим, проблема, для которой необходимо выбрать наилучшее решение, сложна, для ее анализа уже создана имитационная модель, реализованная подобным образом с помощью компьютера, и это позволяет проработать множество альтернативных вариантов действий, создать сценарий возможного развития событий в будущем, но не позволяет четко определить тактику действий.

Например, для решения этой проблемы предлагается статический анализ, но этот подход не позволяет рассматривать показатели других видов. Подходы к формированию знаний в условиях многокритериальности и неопределенности интересны, но не всегда учитывают возможность коалиций.

С точки зрения теории полезности фон Неймана-Моргенштерна и в соответствии с понятием «рационального» поведения, LDP должна выбрать для каждого исхода число, называемое полезностью этого исхода, которое удовлетворяет следующему условию Чем лучше набор значений индикатора, тем выше его полезность. Лучшая альтернатива оценивается по максимальной полезности . Для того чтобы получить оценку относительной желательности конкретного альтернативного курса действий, нам необходимо поочередно определить для каждого конкретного эксперимента соответствующие последствия, каждому из которых присваивается числовое значение его полезности; нам необходимо определить среднее (ожидаемое) значение полезности для последовательности последствий, полученное путем многократного повторения эксперимента, что позволяет нам выбрать альтернативный курс действий, обеспечивающий наибольшую ожидаемую полезность.