Слои. 
Моделирование систем и процессов

Второй вид многоуровневой структуризации предложен М. Месаровичем для организации процессов принятия решений. Для уменьшения неопределенности ситуации выделяются уровни сложности принимаемого решения — слои, т. е. определяется совокупность последовательно решаемых проблем. При этом выделение проблем осуществляется таким образом, чтобы решение вышележащей определяло бы ограничения (допустимую степень упрощения) при моделировании на нижележащем уровне, т. е. снижало бы неопределенность нижележащей проблемы, но без утраты замысла решения общей проблемы.

Многослойную иерархию можно проиллюстрировать (рис. 5.5): каждый слой представляет собой блок Д принимающий решения и вырабатывающий ограничения Х7для нижележащего (г — 1)-го блока. В качестве примера можно привести многослойную иерархию принятия решения по управлению каким-либо процессом [12]. В ней можно выделить три основных аспекта проблемы принятия решения в условиях неопределенности, приведенные на рис. 5.6.

Нижний слой, самый «близкий» к управляемому процессу, — слой выбора. Задача этого слоя — выбор способа действий т. Принимающий решения элемент (блок) получает данные (информацию) об управляемом процессе и, применяя алгоритм, полученный на верхних слоях, находит нужный способ действия, т. е. последовательность управляющих воздействий на управляемый процесс. Алгоритм может быть определен непосредственно как функциональное отображение Д дающее решение для любого набора начальных данных.

Для примера предположим, что заданы выходная функция Р и функция оценки С, а выбор действий {т} основан на применении оценки б к Р. Используя теоретико-множественные представления, выходную функцию можно определить как отображение Р: М х и —> У, где М — множество альтернативных действий; У — множество возможных результатов па выходе (или «выходов»); и — множество неопределенностей, адекватно отражающее отсутствие знаний о зависимости между действием т и выходом У.

Аналогично функция оценки G есть отображение G: М х Y —> V, где V — множество величин, которые могут быть связаны с характеристиками качества работы системы. Если множество U состоит из единственного элемента или является пустым, т. е. относительно результата на выходе для данного действия /// шч неопределенности, выбор может основываться на оптимизации: найти такое т' в М, чтобы величина v' = G (m', Р (т')) была меньше, чем v = G (m, P (m)) для любого другого действия me М. Если U — более богатое множество, приходится предлагать некоторые другие процедуры для выбора способа решения. Возможно, при этом придется ввести и некоторые другие отображения помимо Р и G. Но в общем случае для того, чтобы определить задачу выбора на первом слое, необходимо уточнить множество неопределенностей U, требуемые отношения Р, G и т. д. Это осуществляется на верхних слоях.

Вышележащий по отношению к рассматриваемому слою — слой обучения или адаптации. Задача этого слоя — конкретизировать множество неопределенностей U, с которым имеет дело слой выбора. Множество неопределенностей U рассматривается здесь как множество, включающее в себя все незнание о поведении системы и отражающее все гипотезы о возможных источниках и типах таких неопределенностей. U может быть получено с помощью наблюдений и внешних источников информации. Назначение рассматриваемого слоя — сузить множество неопределенностей U и таким образом упростить модель слоя выбора. В случае стационарности системы и среды множество U может быть предельно сужено вплоть до одного элемента, что соответствует идеальному обучению. Однако в общем случае U может включать не только существующие, но и предполагаемые системой принятия решения неопределенности, и в случае необходимости U может быть полностью изменено, расширено, в том числе за счет изменения ранее принятой базисной гипотезы. Третий, в данном случае верхний, — слой самоорганизации. На этом слое выбираются структура, функции и стратегии, используемые на нижележащих слоях, таким образом, чтобы по возможности приблизиться к отображению цели, которая обычно задается в форме вербального описания. Если цель не достигается, могут быть изменены функции Р и G на первом слое или стратегия обучения на втором.

Многослойные системы принятия решений полезно формировать для решения задач планирования и управления промышленными предприятиями, отраслями, народным хозяйством в целом. При постановке и решении таких проблем нельзя раз и навсегда определить цели, выбрать конкретные действия: экономические и технологические условия производства непрерывно изменяются. Все это можно отразить в многослойной модели принятия решений.

Примером приложения идеи выделения слоев служили многоуровневые экономико-математические модели планирования и управления отраслями, народным хозяйством, разрабатываемые в нашей стране в 1970—1980;х гг., а позднее — и промышленными предприятиями.