CC BY
80
УДК 665.63: 51.001.57
Оразбаева Кульман Нахановна
доктор технических наук, профессор, декан технологического факультета Атырауского института нефти и газа batyr_o@mail.ru
Курмангазиева Ляйля Таскалиевна
кандидат технических наук,
заведующий кафедрой информационных
систем и вычислительной техники
Атырауского государственного университета
им.Х.Досмухамедова
Kurmangazieval @mail. ru
Коданова Шынар Кулмаганбетовна
кандидат технических наук, доцент
кафедры автоматизации и информационные технологии
Атырауского института нефти и газа
8701-611-39-07
Kuhlman N. Orazbayeva
Doctor of Technical Sciences, Professor,
Dean of the Faculty of Technology Atyrau Institute of Oil and Gas
batyr_o@mail.ru
Lyailya T. Kurmangazieva
Ph.D, Head of the Department»Information
Systems and Computer Engineering
Atyrau State University im.H.Dosmuhamedova
Kurmangazieval@mail.ru
Shynar K. Kodanova
Ph.D., Associate Professor
Department of Automation and Information Technology
Institute of Atyrau Oil and Gas
8701-611-39-07
ЗАДАЧИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКОГО РЕШЕНИЯ В ЭКОНОМИКЕ И МЕТОДЫ ИХ РЕШЕНИЯ
OBJECTIVES MANAGEMENT DECISION-MAKING IN ECONOMICS AND METHODS OF THEIR SOLUTION
Аннотация. В работе исследованы особенности процесса принятия управленческого решения в экономике.
Обоснована необходимость применения современных наук, методов системного анализа и неформальных методов для принятия оптимального решения по управлению производством.
Приведены постановки задач принятия решений в условиях определенности (детерминированные задачи), при риске (стохастические задачи) и в нечеткой среде (нечеткие задачи), предложены и описаны методы их решения.
Ключевые слова: Принятие решений, нечеткие задачи принятия решений, ЛПР, многокритериальность, нечеткая информация.
Abstract. We studied the characteristics of managerial decision -ray solutions in the economy.
The necessity of application of modern science, systems analysis methods and informal methods for optimal decision making on production management.
Tasking given decision-making under certainty (deterministic problem), at risk (stochastic problem) and fuzzy environment (unclear objectives), and describes the proposed methods for their solution.
Keywords: Decision making, unclear objectives rescheny making, decision maker, multicriteriality, fuzzy information.
В современный период, особенно в связи с работой в условиях рыночной экономики, складываются объективные факторы, ведущие к усложнению задач принятия управленческих решений. Расширяются масштабы и разнообразие экономического и социально-культурного строительства, более сложными и разветвленными становятся финансовые, экономические, социальные, технические, организационные связи [1]. Ускоряется темп общественно-политических процессов, увеличивается объем информации, которую нужно использовать и перерабатывать, стремительно развиваются наука и техника. В новых условиях в процессах принятия управленческого решения увеличиваются значение и правовых вопросов. Необходимо также учитывать ограниченность природных и трудовых ресурсов, экологических критериев, усложнение объектов управления, и как следствие, повышение сложности решаемых задач. Все это предъявляет повышенные требования к качеству управленческих решений и к оперативности их принятия и реализации [2]. Прогнозирование, предвидение и учет по возможности всех или большинства последствий принимаемых решений приобретают в этой связи все большее значение [3,4]. Проблема принятия рациональных (а в идеале - оптимальных) управленческих решений в производственной сфере стоит весьма остро. Здравого смысла, интуиции, опыта уже часто для этого не хватает. Просто административная хватка и чутье не гарантируют верных решений. Становятся необходимыми специальные знания, и не только в той области, к которой относится принимаемое решение, но и в ряде современных наук: экономике, психологии, информатике и системному анализу [5, 6]. Принятие оптимальных решений базируется на четырех составляющих -науке, технике, искусстве и эмпирике [7,5].
В общем смысле решение в экономике - один из необходимых моментов волевого действия и способов его выполнения. Решение есть некоторый процесс, складывающийся из ряда отдельных актов и процедур [8,10,11]. Решение предполагает предварительное осознание целей и средств действия [3,5].
Задачи принятия решений в условиях определенности (детерминированные задачи) характеризуются однозначной детерминированной связью между
альтернативами ^ и исходом я. Предполагается, что известны исходное множество альтернатив О = {хг} и однозначные оценки исхода б в виде свойств альтернативы х^ описываемых, как правило, несколькими критериями /1(хг), /2(х),...,/т(хг) = Лхг), г = 1,т.
В этих случаях задача принятия решений формализуется как задача выбора (векторной оптимизации) [12]:
тах/(л), г = 1,1т, х = (х1,х2,...,хп) (1)
В таком виде задача (1) не является корректной и отражает только стремление сделать значение локальных критериев побольше.
В этих задачах необходимо уточнять понятие оптимальности. Это понятие должно быть, с одной стороны близким к представлению об оптимальности ЛПР, а с другой стороны - достаточно формализуемым, чтобы с ним можно было работать алгоритмически, а не интуитивно. Принципы оптимальности задают понятие лучших альтернатив. Разные методы решения таких многокритериальных задач принятия решений отличаются способом агрегирования оценки по отдельным критериям в общую. Рассмотрим основные группы таких методов [13].
1. Прямые методы. В этих методах зависимость общей оценки от оценок по частным критериям выбираются заранее тем или иным способом, например с помощью ЛПР (лицо, принимающее решение). Эти методы, в зависимости от способа определения общей полезности, разделяются на несколько подгрупп. Обоснованием применения прямых методов является представление о принципе максимизации ожидаемой полезности как о «рациональном» принципе принятия решений. К достоинствам этих методов можно отнести их простоту и универсальность, они применимы, когда не выполняются те или иные аксиомы для выбора формы зависимостей полезности многокритериальной альтернативы от оценок по частным критериям.
Основным недостатком этих групп методов является выбор формы зависимости без каких-либо серьезных теоретических обоснований или использования аксиоматики (реализуется эвристический подход) и отсутствие проверки правдоподобности выбора.
В прямых методах ЛПР может использовать ряд принципов многокритериальной оптимизации (компромиссные схемы принятия решений), принятие каждого из которых влечет выбор определенной зависимости между полезностью многокритериальной альтернативы и ее оценкой по критериям. К таким принципам можно отнести следующие принципы: принципы уступки; принцип выделения главного критерия; лексикографические принципы; принципы равенства и квазиравенства, принципы максимина и др.
2. Методы компенсации основаны на идее компенсации оценки одной альтернативы оценками другой, чтобы найти, какие альтернативы лучше. По идее, это наиболее простой метод, при котором ЛПР выписывает достоинства и недостатки каждой альтернативы и, вычеркивая попарно эквивалентные достоинства (недостатки), изучает оставшиеся оценки по критериям.
3. В методах порогов сравнимости задается правило сравнения двух альтернатив, при котором одна альтернатива считается лучше другой. В соответствии с заданными правилами альтернативы попарно делятся на сравнимые (лучшее, эквивалентные) и несравнимые. При изменении условий меняется количество сравнимых альтернатив. При этом меняется состав так называемого ядра (например, множество Парето), куда входят альтернативы, оказавшиеся не худшими при всех сравнениях, т.е. выделяются лучшие решения (например, методы ЭЛЕКТРА).
4. В аксиоматических методах определяется ряд аксиом, которым должна удовлетворять зависимость общей полезности от оценок по локальным критериям. Эти аксиомы (свойства) проверяются путем получения информации от ЛПР, в соответствии с которой делается вывод о той или иной форме зависимости.
5. Человеко-машинные (диалоговые) методы применяются в том случае, когда модель проблемы известна частично. В этих методах ЛПР взаимодействует с компьютерной системой поддержки принятия решений (КСПР), определяя соотношения между локальными критериями. ЛПР сначала определяет первоначальные требования к соотношениям критериев, вводит в ЭВМ, получает реальные значения критериев, изменяет свои требования, снова вводит в компьютер и т.д. В ходе таких итераций ЛПР проясняет характерные черты задачи, выявляет и уточняет свои предпочтения и в результате сообщает дополнительную информацию, благодаря которой КСПР вырабатывает все более совершенные решения. Такой диалог между ЛПР и КСПР, при наличии удобного для пользователя интерфейса, способствует выработке разумного компромисса в требованиях ЛПР к значениям, достигаемым по разным критериям. Это объясняет потенциальную эффективность подобных систем.
Достоинством этих методов является сочетание возможностей компьютера по быстрому проведению больших, сложных расчетов и способностей человека к восприятию альтернатив «в целом», без сравнения их оценок по отдельным критериям.
Задачи принятия управленческих решений при риске (стохастические задачи) возникают в тех случаях, когда с каждым принимаемым решением xieQ связано множество исходов из т возможных результатов S\,...,Srl с известными вероятностями р(Б | х),] = 1,п, г = 1,т, т.е. в этих задачах нет однозначной связи между альтернативами и исходом [14]. Если р(Б | х) = 1, задачи принятия
управленческих решений при риске и детерминированные задачи принятия решений совпадают.
Для решения задач принятия управленческих решений при риске широко применяются методы теории стохастического программирования, игр, массового обслуживания и другие вероятностные методы. Пусть определены I = f (Б , х) - функция полезности исхода Б/- при принятии решений х{ и
р(Б | х) - условные вероятности, характеризующие переход объекта в состоя-
ние ^ при использовании стратегии хг, тогда полезность каждого решения представляются в виде:
п -
и(х,) = 2, х,)p(SJ | х,.), г =1, т
1=1
В этом случае выбор решения осуществляется по следующему правилу, обеспечивающему достижение максимального значения ожидаемой полезности: х* = аг§тах(м(хг)}
х1 еО
Задачи принятия управленческих решений в нечеткой среде (нечеткие задачи). Будем полагать, что в ситуациях принятия управленческого решения, когда хотя бы один из элементов задачи (альтернативы, критерии, предпочтения и ограничения) описывается нечетко, имеет место задачи принятия решений в нечеткой среде (при нечеткой исходной информации) [15 - 17].
Для решения задач принятия управленческого решения в нечеткой среде можно эффективно применять подход, основанный на идее теории нечетких множеств и выявления предпочтений ЛПР одновременно с исследованием допустимого множества для отыскания эффективных решений. Средством реализации такого подхода являются диалоговые (человеко-машинные) процедуры.
Задачи принятия управленческого решения производством характеризующиеся, как правило, многокритериальностью и нечеткостью исходной информации, состоят из следующих этапов:
1. Выявить условия работы производственной системой и описать производственную ситуацию.
2. Определить взаимосвязи между элементами системы.
3. Осуществить сбор и обработку доступной (количественной и качественной) информации.
4. Выбрать локальные критерии качества, т.е. показатели работы системы и подсистемы, которые надо свести к желаемым значениям.
5. Определить управляющие параметры, изменяя которые, можно добиться экстремальных значений критериев.
6. Сформулировать задачу управления (принятия управленческих решений) производством.
7. Разработать пакет моделей системы, описывающий связь управляющих параметров со значениями локальных критериев [20].
8. Разработать алгоритм управления (решения принятия управленческих решений) производством.
Заключение: Исследованы особенности процесса принятия управленческого решения в экономике, обоснована необходимость применения современных наук, методов системного анализа и неформальных методов для принятия оптимального решения по управлению производством.
Исследованы и систематизированы задачи принятия управленческого решения и предложены методы их решения. Приведены постановки задач принятия решений в условиях определенности (детерминированные задачи), при риске (стохастические задачи) и в нечеткой среде (нечеткие задачи), предложены и описаны методы их решения.
Литература
1. Глухов, В.В., Медников, М.Д., Коробко, С.Б. Математические методы и модели для менеджмента - СПб.: Издательство "Лань", 2000. -480 с.
2. Тынкевич, М.А. Экономико-математические методы (исследование операций). Изд. 2, испр. и доп. - Кемерово, 2000. -177 с.
3. Карданская, Н.Л. Принятие управленческого решения. -М.: ЮНИТИ, 1999.
4. Мишенин, А.И. Теория экономических информационных систем. -М: Финансы и статистика, 1993.
5. Андерсон, Д.Р.. Свини, Д., Вильямс, Т.А. Статистика для бизнеса и экономики. Нью-Йорк: West Publishing Company, 1998. - 961 p.
6. Гранберг, А.Г. Математические модели социалистической экономики. - М.: Экономика. 1978. - 351 с.
7. Семенов, М.И., Трубилин ,И.Т., Лойко, В.И., Барановская, Т.П. Автоматизированные информационные технологий в экономике/Под ред. Труби-лина И.Т. -М.: Финансы и статистика, 2001.
8. Ларичев, О.И. Наука и искусство принятия решений. -М.: Мир,
1976.
9. Борисов, А.И., Алексеев, А.В., Крумберг ,О.А. и др. Модели принятия решений на основе лингвистической переменной. -Рига: Знание, 1982.
10. Гранберг, А.Г. Математические модели социалистической экономики. - М.: Экономика. 1978. - 351 с.
11. Рыков, А.С., Оразбаев, Б.Б. Системный анализ и исследование операции. Задачи и методы принятия решений: Многокритериальный нечеткий выбор. -М.: МИСиС, 1995.
12. Гилл, Ф., Мюррей, У., Райт, М. Практическая оптимизация/ Пер. с англ. М., 1985.
13. Емельянов С.В., Ларичев, О.И. Многокритериальные методы принятия решений. -М.: Знание, 1986.
14. Дюбин, Г.Н. Введение в прикладную теорию игр. - М.: Наука, 1981. -
336с.
15. Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. - М.: Мир, 1976.
16. Борисов, А.Н., Алексеев, А.В., Крумберг, О.А. и др. Модели принятия решений на основе лингвистической переменной. - Рига: Знание, 1982.
17. Орловский, С.А. Проблемы принятия решений при нечеткой исходной информации. - М.: Наука, 1981.
18. Шапиро, Л.Д., Виноградов, Г.В., Лотош, Я.М. Экономико-математическое моделирование. - Томск: ТГУ, 1986. - 247 с.
References
1. Gluhov, V.V. Mednikov, M.D., transmission SB Mathematical Methods and Models for Management - St. Petersburg.: Publisher »Lan», 2000 - 480 p.
2. Tynkevich, M.A. Economic-mathematical methods (A study of the operations). Ed. 2, rev. and add. - Kemerovo, 2000. -177p.
3. Kardanskaya, N.L. Management decisions. -M.: UNITY, 1999.
4. Mishenin ,A.I. The theory of economic information systems. M: Finance and statistics, 1993.
5. D.R. Anderson, D.J. Sweeny, T.A. Williams. Statistics for Business and Economics. - New York: West Publishing Company, 1998. - 961 p.
6. Alexander Granberg Mathematical models of the socialist economy. - M.: The Economy. 1978. - 351 p.
7. Semenov, M.I., Trubilin, I.T., Loikaw, V.I., Baranovska, T.P. Automated information technologies in economy / Ed. Trubilin I.T. -M.: Finance and statistics, 2001.
8. Larichev O.I. Art and science of decision making. -M.: Mir, 1976.
9. Borisov, A.I. Alekseev, A.V., Krumberg, O.A. and other models of decisionmaking based on linguistic variable. -Riga: Knowledge, 1982.
10. Alexander Granberg Mathematical models of the socialist economy. - M.: The Economy. 1978. - 351 p.
11. Rykov, A.S., Orazbayev, B.B. Systems analysis and operations research. Objectives and methods of decision-making: Multiobjective fuzzy choice. -M.: MISA, 1995.
12. F. Gill, W. Murray, M. Wright, Practical optimization / Per. from English. M., 1985.
13. Emelyanov , S.V., Larichev, O.I. Multicriteria decision-making methods. -M.: Knowledge, 1986.
14. Dyubin, G.N. Introduction to applied game theory. - Moscow: Nauka, 1981. - 336p.
15. Zadeh, L.A. Concept of linguistic variable and Its application to the adoption of approximate solutions. - New York: Wiley, 1976.
16. Borisov, A.N., Alekseev, A.V., Krumberg, O.A. and other models of decision-making based on linguistic variable. -Riga: Knowledge, 1982.
17. Orlovsky, S.A. Decision making with fuzzy initial information. -M. Nauka,
1981.
18. Shapir,o L.D., Vinogradov, G.V., J.M. Lotosh Economic and mathematical modeling. - Tomsk: Tomsk State University, 1986. - 247p.
