CC BY
35
М.В. МАКЕЕНКО
Мария Владимировна МАКЕЕНКО — аспирантка кафедры экономики предприятия и производственного менеджмента СПбГУЭФ. В 2007 г. окончила СПбГУЭФ. Автор 5 публикаций.
Область научной специализации — инвестиционный и инновационный менеджмент.
^ ^ ^
ОПТИМИЗАЦИЯ ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ ЭКОНОМИЧЕСКИХ СУБЪЕКТОВ
НА ОСНОВЕ PSO-МЕТОДА*
Многие практические задачи хозяйственной деятельности и ряд важных вопросов экономической теории связаны с определением наилучшего, оптимального варианта решения. Таковы, например, задачи выбора оптимальной производственной программы предприятия, транспортные задачи рационального распределения грузопотоков или целый комплекс проблем, связанных с оптимальным планированием народного хозяйства.
Понятие оптимальности и процесса оптимизации — центральный, осевой момент не только в экономике, инженерном деле, менеджменте и бизнесе, оно также используется и во многих социальных и биологических науках.
Согласно общепринятому определению оптимизация (от лат. optimum — наилучшее): 1) процесс нахождения экстремума (глобального максимума или минимума) определенной функции или выбора наилучшего (оптимального) варианта из множества возможных; 2) процесс приведения системы в наилучшее состояние по выбранному критерию [3].
В первом определении оптимизации имеется в виду анализ состояния исследуемой системы с точки зрения критерия оптимальности. Таким образом, под оптимизацией понимается целенаправленная деятельность, заключающаяся в получении наилучших результатов при соответствующих условиях, ограничениях и критериях.
Второе определение оптимизации означает процесс перевода изучаемой системы в искомое оптимальное состояние. Оптимизация — это целенаправленная деятельность, выполняемая с помощью аналитических, численных или экспериментальных средств, направленная на создание оптимальной системы или улучшение имеющейся.
Предлагается следующее определение оптимизации: это целенаправленная деятельность хозяйственных субъектов, выполняемая с помощью математических, аналитических или графических методов, направленная на получение наилучших результатов при соответствующих условиях, ограничениях и критериях для создания или улучшения имеющейся экономической системы.
В зависимости от постановки любая из задач оптимизации может решаться различными методами, и, наоборот, любой метод может применяться для решения многих задач.
Классификация методов оптимизации, наиболее востребованных в экономике и менеджменте, представлена на рисунке.
Особый интерес представляет агентное моделирование как один из динамично развивающихся методов оптимизации. Среди агентных методов моделирования выделяются мультиагентное и одноагентное моделирование. Мультиагентные методы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы. Мультиагентная, или многоагентная, система — это система, образованная несколькими взаимодействующими интеллектуальными агентами [2].
ГРНТИ 06.81.12 © М.В. Макеенко, 2011 Публикуется по рекомендации канд. экон. наук, проф. С.Г. Овчинниковой.
Рис. Классификация методов оптимизации
Интеллектуальные агенты — объекты, взаимодействующие друг с другом и анализирующие информацию, полученную через их сообщения друг другу, способные принимать решения в условиях неопределенности ситуации, действовать при отсутствии полной информации. Искусственные интеллектуальные агенты (например, роботы, программные продукты) скорее обучены, чем запрограммированы для выполнения конкретной работы. Наиболее продвинутые версии искусственных агентов могут учиться на собственном опыте и иметь отличительные черты индивидуальности. Агент может действовать по поручению и в интересах человека.
Мультиагентные методы интеллектуальной оптимизации основаны на моделировании поведения общественных живых существ, таких как птицы, рыбы, муравьи, пчелы, бактерии. Таким образом, разработаны соответствующие методы оптимизации: метод оптимизации с использованием роя частиц (Particle Swarm Optimization — PSO), метод муравьиных колоний (Ant Colony Optimization — ACO), метод пчелиной колонии (Bee Colony Optimization — BCO). Данные методы показали хорошие результаты при решении различных практических задач оптимизации, засвидетельствовав тем самым эффективность своего использования.
Первоначальной целью использования концепции роя частиц была графическая имитация красивого и непредсказуемого движения птиц или рыб в стае с целью обнаружения базовых принципов, благодаря которым птицы летают, рыбы плавают синхронно и умеют менять направление движения с перегруппировкой в оптимальные формации.
Впервые данная модель была предложена Кеннеди и Эберхартом в 1995 г. [4; 5; 6; 7]. С тех пор концепция развилась в простой и перспективный оптимизационный метод. Сегодня существует несколько алгоритмов, основанных на принципах роя частиц, но большинство из них является последовательным. Параллельных методов известно немного, и все они появились после 2004 г.
В PSO-методе особи, называемые частицами, перемещаются в многомерном пространстве решений. Изменения координат частиц внутри пространства поиска обусловливаются природной социально-психологической тенденцией частиц конкурировать между собой. Следовательно, изменения в состоянии частицы зависят от опыта и знаний ее соседей. В данном случае слово «знания» является синонимом «информации». Результат такого моделирования заключается в том, что процесс поиска мотивирует частицы недетерминированным образом возвращаться в оптимальные участки пространства решений.
Особи в рое частиц обладают очень простым поведением: они стремятся превзойти достижения соседних частиц, а также улучшить собственные. Таким образом, эмергентное свойство данной системы, которое не наблюдается у отдельных ее элементов, состоит в исследовании оптимальных участков многомерного пространства поиска.
Следовательно, в каждый момент времени (на каждой итерации) частицы имеют в пространстве некоторое положение и вектор скорости. Для каждого положения частицы вычисляется соответствующее значение целевой функции, и на этой основе по определенным правилам частица меняет свое положение и скорость в пространстве поиска.
Базовый PSO-метод зависит от выбора множества управляемых параметров, таких как количество частиц, коэффициенты ускорения, инерционный вес, количество связей между частицами, вес социальных и когнитивных компонентов.
Упрощенно схему работы алгоритма Р80-метода можно представить следующим образом [6; 7; 1]:
1) создается исходная «случайная» популяция частиц;
2) для каждой частицы рассчитывается целевая функция;
3) лучшая частица с точки зрения целевой функции объявляется «центром притяжения»;
4) векторы скоростей всех частиц устремляются к этому «центру», при этом, чем дальше частица находится от него, тем большим ускорением она обладает;
5) осуществляется расчет новых координат частиц в пространстве решений;
6) шаги 2-5 повторяются заданное число раз;
7) последний «центр тяжести» объявляется найденным оптимальным решением.
Эффективность PSO-метода в значительной мере зависит от топологии соседства частиц.
Первые приложения PSO-метода следует отнести к обучению нейронных сетей прямого распространения. С тех пор в целом ряде работ было показано, что PSO-метод также можно применять в качестве обучающего алгоритма нейронных сетей самой различной архитектуры. Данный метод нашел свое применение также в таких дисциплинах, как геометрия, физика, медицина, электротехника, биоинженерия.
Об актуальности метода свидетельствуют ежегодные конференции и симпозиумы, проводимые с 2003 г. в США, посвященные вопросам развития и адаптации Р80-метода.
Одним из перспективных направлений приложения метода оптимизации с использованием роя частиц является активное внедрение его в экономику.
Представляется возможным использовать Р80-метод для решения следующих задач в экономике и менеджменте:
• оптимизация операционного и стратегического планирования на предприятии;
• разработка производственной программы организации;
• управление инвестиционной и инновационной деятельностью;
• управление портфелями проектов.
Сфера применения данного метода не ограничивается предложенными направлениями, так как метод оптимизации с использованием роя частиц обладает универсальными чертами, что позволяет перенести его на другие области.
ЛИТЕРАТУРА
1. Планирование и оптимизация: от Вергилия до... APS-системы. Маляренко И. URL: http://www.pcweek.ru/themes/detail. php?ID=72912&THEME_ID= 13884 (дата обращения: 24.05.11).
2. Многоагентная система. URL: http://ru.wikipedia.org/wiki/Многоагентная_система (дата обращения: 24.05.2011).
3. Оптимизация. URL: http://dic.academic.ru (дата обращения: 24.05.2011).
4. Eberhart R.C., Kennedy J. A new optimizer using particle swarm theory. Proceedings of the Sixth International Symposium on Micromachine and Human Science IEEE service center. Piscataway, NJ; Nagoya, Japan, 1995. P. 39-43.
5. Kennedy J., Eberhart R.C. Particle swarm optimization. Proceedings of IEEE International Conference on Neural Networks. Vol. IV, IEEE service center. Piscataway, NJ, 1995. P. 1942-1948.
6. Particle swarm optimization. URL: http://en.wikipedia.org/wiki/Particle_swarm_optimization#Overview#Overview (дата обращения: 24.05.2011).
7. Particle swarm optimization. URL: http://www.swarmintelligence.org/index.php (дата обращения: 24.05.2011).
А.И. МУРАТИ
Анна Ивановна МУРАТИ — аспирантка кафедры банковского дела СПбГУЭФ.
В 2005 г. окончила Алтайский государственный университет. Автор 7 публикаций.
Область научной специализации - банки и иные кредитные организации.
^ ^ ^
ПРИНЦИПЫ ПОСТРОЕНИЯ И ИСПОЛЬЗОВАНИЯ СИСТЕМЫ КОНТРОЛЬНЫХ ПАРАМЕТРОВ
ДЕЯТЕЛЬНОСТИ БАНКОВ*
В построении систем оценки деятельности банков должны реализовываться цели обеспечения стабильности и надежности банковской системы. Одним их актуальных направлений в обеспечении снижения рисков банковской системы, на наш взгляд, является признание взаимной обусловленности и взаимосвязи надзора и банковского менеджмента и уточнение роли оценок в системе их отношений.
Очевидно, что применительно к классической схеме управления надзор как оценка соответствия деятельности кредитной организации установленным нормам реализует функцию контроля. Неотъемлемой частью процесса внутрибанковского управления также выступает контроль. Согласно теории управления, процедуры сравнения, оценки отклонений и степени их влияния на функционирование организации дают материал для принятия решений. Оценка характеристик объекта и принятие решений с целью корректировки ситуации являются циклически повторяющимися процедурами и в банковском менеджменте, и в надзоре.
Устойчивость системы как некий стандарт ее функционирования может быть описана количественными показателями и качественными параметрами с определенными границами, признаками состояний. Трансформация качественных признаков в количественные оценки (баллы, индексы, коэффициенты) необходима при конструировании комплексных показателей оценки, но в надзоре и внутрибанковском контроле целесообразна часть оценок на уровне суждений (например, при идентификации операций как сомнительных, при оценке связанности субъектов с бизнесом собственников банка, в мотивированных суждениях об уровне кредитного риска по ссудам, при оценках формирования капитала надлежащими активами, выявлении нарушения установленного порядка операций). Возрастает необходимость контроля содержательных параметров операций и уточнения характеристик их допустимой нормы.
Если цели и задачи Банка России и кредитных организаций представить в виде множеств показателей и параметров, они будут пересекаться, в том числе, часть из них совместится в некоторых интервалах количественных значений и содержательных характеристик. Активное доведение до банков регулятивных требований, применение мер ответственности в случае их неисполнения привели к тому, что часть внешних надзорных функций симметрично воспринята системой внутреннего контроля в банках, в контрольных аспектах банковского менеджмента присутствуют приоритеты и критерии надзорного характера. Считаем этот признак существенным элементом построения системы эффективного надзора.
Указанные признаки исполнения контрольных функций взаимосвязанными субъектами, взаимная обусловленность и взаимосвязь надзора и банковского менеджмента, а также заданная Базелем III необходимость развития оценок в направлении усиления роли стандартов делают возможным введение в научный и деловой оборот такого термина, как «контрольные параметры деятельности банков», сущность которого дана нами в следующем определении.
ГРНТИ 06.73.55 © А.И. Мурати, 2011 Публикуется по рекомендации д-ра экон. наук, проф. Г.Н. Белоглазовой.
