CC BY
32
ВАРИАБЕЛЬНЫЕ АВТОМАТИЗИРОВАННЫЕ ИНФОРМАЦИОННЫЕ
СИСТЕМЫ
И.К. Фомина, к.т.н. (Санкт-Петербургский государственный университет водных коммуникаций)
Рассмотрим автоматизированные информационные системы (АИС) как результат процесса проектирования, включающего спиральный анализ и синтез с переходом по различным рангам и уровням моделирования с использованием различного класса языков моделирования, в которых на верхнем слое используются принципы управления с ориентацией на учет человеческого фактора, а на нижнем слое - машинно-ориентированные языки программирования и представления данных с ориентацией на компьютерный, формальный аспект. В этом случае проект АИС представляет собой некую пирамиду моделей представления - пирамиду знаний (см. рис.).
Логическую структуру проектной системы 5 представим в виде семиотической модели: в=в(К0, Кс, Кв), где К0=КЯиКЕ - «семантика» -класс объектов в широком смысле слова (элементы и отношения), который задается как аппарат системного выделения новых знаков (каждый морфологический уровень характеризуется своей семантической моделью); Кс - «синтаксис», который задается как формальный язык представления моделей знаний, знаковых конструкций, (иерархия подсистем по морфологии обусловливает иерархию языков представления (моделирования)); К5 -«прагматика», которая задается как правила иерархического упорядочивания классов подсистем (для каждой модели отдельного уровня знания может существовать отдельная прагматическая модель).
О - Языковые кластеры представления знаний.
Пирамида моделей представления проектных спецификаций -1-
Будем использовать и трактовать соответствующие классы семантики, синтаксиса и прагматики (К0, Кс, Кв) как конструктивные, логические элементы архитектуры АИС.
В логическом представлении система 5 - упорядоченные пары в{=(Е,Я), где Е - множество соответствующих элементов; Я - множество отношений между элементами множества Е. Практическое применение эта концепция получает при ее расширении путем определения операций по выделению из универсума А и упорядочиванию пар (Е,Я), при этом ЕоА, Я&А, ЕпЯ=0. При наличии класса элементов КЕ={е]...ех) и класса отношений Кя={г]...гу) задается конструкция системы Ь в виде множества отношений Ь={р1: р^Кр, гтРе„}, где Кр - класс свойств (взаимосвязей), или структура системы.
Расширением определения системы 5 является концепция класса вариабельных систем. Такая классификация систем позволяет описывать различные модельные уровни - уровни знания относительно рассматриваемых феноменов. Каждый класс (экстенсионал моделирования) систем Кв, заданный определенным уровнем знания (видом модели) и конкретными методологическими отличиями, подразделяется дальше на еще меньшие классы. Каждый из этих классов состоит из систем, эквивалентных с точки зрения конкретных, практически существенных сторон определенных в них отношений (изоморфизм моделей). В зависимости от характеристик отношений, относительно которых требуется изоморфизм систем, одни изоморфные классы являются подмножествами других. Описание АИС зададим в виде триады в=в(КЕ,Кя,Кр), где КЕ - типы элементов; КЯ -типы отношений; Кр - типы взаимосвязей.
В практических системах независимость одного уровня представления от другого относительна. Однако следует указать на то, что концептуальное представление в общем случае накладывает принципиальные ограничения на границы изменяемости (вариабельности) внутреннего представления.
Вариабельная АИС - АИС, конструктивные элементы которой могут меняться в пределах типовых ограничений, допуская варьирование множеством классов подсистем при постоянстве заданных типов отношений. Целевая задача логического проектирования вариабельной системы -получение системы, оптимальной по множеству критериев компоновки и изменения типов классов моделей представления и элементов при условии постоянства типов отношений путем манипулирования множественно-иерархическими исходными конструктивными элементами архитектуры.
Рассмотрим идею информационной оптимальности с точки зрения вариабельных систем с древовидной структурой. Именно с древовидной структурой связаны основные алгоритмы представления обработки данных в компьютерах и ме-
тоды их оценки (аппарат сбалансированных деревьев, ЛУЬ-деревья, В (В+, К, КВ)-деревья, СТ -деревья и пр.).
С древовидными структурами напрямую связаны два классических критерия оценки:
• критерий компактности дерева данных показывает, на сколько (во сколько раз) сокращаются затраты компьютерной памяти при описании семантики данных системы за счет иерархического структурирования этого описания;
• критерий быстродействия поиска данных показывает выигрыш от иерархического структурирования при поиске объекта.
Аппарат критериев компактности и быстродействия достаточно развит и может послужить эффективным инструментарием оценки информационной оптимальности вариабельных структур.
НЕАДДИТИВНЫЕ ФУНКЦИИ ПРЕДПОЧТЕНИЯ В ЗАДАЧАХ МНОГОКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ
И.А. Русинов, к.т.н. (Государственная морская академия им. Адмирала Макарова, г. С.-Петербург); А.М. Тюкавин (Мурманский транспортный филиал ОАО ГМК «Норильский никель», г. Мурманск)
Для решения задачи многокритериальной оптимизации в настоящее время все более широкое распространение находят методы, основанные на принципе «гибкого приоритета».
Принцип «гибкого приоритета» в общем случае сводится к дополнительному нормированию показателей качества, что позволяет в разумных приделах учесть степень предпочтения одного показателя перед другим. При этом предполагается, что влияние каждого /-го единичного показателя на величину функции предпочтения зависит не только от нормированного значения этого показателя, но и от некоторого весового коэффициента М/, характеризующего степень важности показателя. Тогда функция предпочтения может быть представлена в виде функции от нормированных значений единичных показателей Х1 и весовых коэффициентов М1.
В настоящее время известен ряд самых различных функций предпочтения, учитывающих принцип гибкого приоритета, среди которых более широкое распространение получили линейные аддитивные функции предпочтения. В работе предлагаются нелинейные неаддитивные функции предпочтения, обладающие большой потенциальной адекватностью, что позволяет учесть нелинейность зависимости функций предпочтения от нормированных значений показателей и разброс этих значений.
Рассмотрим определение аддитивных, но нелинейных функций предпочтения. Учитывая ко-
эффициенты важности отдельных показателей, выражение для полиномиальной функции предпочтения примет вид:
Y = £ М?(Х,),
(1)
где У - значение полиномиальной функции предпочтения; У( Х/) - условные функции предпочтения.
При этом предполагается, что весовые коэффициенты также пронормированы, то есть
£ Mt = i.
Под условными функциями предпочтения понимается функция предпочтения по /-му показателю, полученному при условии, что значения остальных показателей соответствуют середине диапазона их изменения.
Будем считать, что все нормированные показатели качества являются однородными, то есть имеют одну общую интервальную шкалу, пределы которой меняются от 0 до +1. Тогда в работе для определения условных нелинейных функций предпочтения предлагается использовать преобразованную психофизическую шкалу Фехнера, которую можно представить в виде:
Уы(1 - УЫ)(2Х/ - 1)Е/, при X/ > 0.5
У(Х1) = • 0.5, при Х1 = 0.5 , (2)
Уы - УЫ(2Х/ - 1)Е/, при Х, < 0.5
где Е1 - коэффициент, характеризующий крутиз-
i=1
i = 1
