Рейтинг: 4.3/5.0 (1829 проголосовавших)Категория: Windows: Ведение дел
Классификация задач системы поддержки принятия решений, их типы и принципы реализации при помощи программы "Выбор". Обзор современных систем автоматизированного проектирования "Компас", "AutoCad", "SolidWorks", оценка преимуществ и недостатков программ.
курсовая работа [1,4 M], добавлен 22.07.2014
Типы административных информационных систем: системы генерации отчетов, системы поддержки принятия решений, системы поддержки принятия стратегических решений. Сортировка и фильтрация списков в Microsoft Excel. Работа с базами данных в Microsoft Access.
контрольная работа [6,0 M], добавлен 19.11.2009
Разработка и внедрение программного модуля поддержки принятия управленческих решений для информационной системы медицинского предприятия ООО "Центр эндохирургических технологий". Эффективность применения модуля, полученные с его помощью результаты.
дипломная работа [1,9 M], добавлен 11.04.2013
Концепция систем поддержки принятия решений. Диапазон применения Analytica 2.0. Программное обеспечение количественного моделирования. Графический интерфейс для разработки модели. Основные способы моделирования. Диаграмма влияния и дерево решений.
контрольная работа [1,1 M], добавлен 08.09.2011
Разработка алгоритмического и программного обеспечения для решения задачи поддержки принятия решений о выпуске новой продукции. Математическое обеспечение задачи поддержки принятия решений о выпуске новой продукции, основные входные и выходные данные.
дипломная работа [943,0 K], добавлен 08.03.2011
Построение дерева принятия решений, реализация данной системы в табличном процессоре. Построение математической модели: в режиме вычислений и показа формул до и после оптимизации. Окно поиска решения. Информационно-логическая модель, ее содержание.
курсовая работа [955,8 K], добавлен 10.10.2012
Человеко-машинные комплексы, специально предназначенные для принятия решений. Процесс принятия решений и его этапы. Методы поиска новых вариантов решений: дерево решений, морфологические таблицы, конференции идей. Принцип математической оценки тенденций.
курсовая работа [272,1 K], добавлен 30.07.2009
Изучение назначения и основных задач, которые решает Project Expert - система поддержки принятия решений (СППР), предназначенная для менеджеров, проектирующих финансовую модель нового или действующего предприятия. Программные приложения, этапы работы.
реферат [30,7 K], добавлен 19.05.2010
Рассмотрение понятия и истории возникновения систем поддержки принятия решения. Приспособленность информационных систем к задачам повседневной управленческой деятельности. Понятие термина "интеллектуальный анализ данных". Методика извлечения знаний.
реферат [79,8 K], добавлен 14.04.2015
Изучение характеристик магазина "Мир дверей" и видов его деятельности. Выявление условий труда и функций продавца-консультанта, подлежащих автоматизации. Описание системы поддержки принятия решения подбора товаров на платформе "1С: Предприятие 8.3".
дипломная работа [3,9 M], добавлен 30.05.2015
Размещено на http://www.allbest.ru/
Содержание
1. Решение задач векторной оптимизации
2. Компьютерные системы поддержки принятия решений
3. Пример поиска решения с помощью MS Excel
Заключение
Список использованных источников
Система поддержки принятия решений (СППР) - компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных.
Есть разные подходы к векторным задачам оптимизации, так или иначе связанные с нахождением некоторого компромисса между целями подсистем и, следовательно, между рассматриваемыми критериями. Критерии ранжируют по важности, выделяют один из них в качестве главного (тогда уровни остальных фиксируются как дополнительные ограничения). Оптимизация по одному из критериев называется субоптимизацией. Другой способ -- при ранжировании приписывать критериям определенные веса (соответственно их важности) и на этой основе строить единый скалярный критерий, отражающий общую цель системы (“Скаляризация векторного критерия”).
Принцип оптимальности по Парето сводит задачу к поиску множества эффективных планов. При этом принимают, что если улучшение какого-то показателя (критерия) потребует ухудшения хотя бы одного из остальных, оптимум достигнут. В других случаях задачу В. о. сводят к задаче теории игр, в которой игроками выступают подсистемы, имеющие несовпадающие цели и критерии.
Широко распространено отождествление терминов “В. о.” и “многокритериальная оптимизация”. Действительно, с точки зрения математического аппарата соответствующие понятия идентичны.
Но есть принципиальное различие с точки зрения экономической: в первом случае, как указано выше, речь идет о совокупности (векторе) критериев различных подсистем, во втором -- о векторе разнородных критериев оптимальности некоторой системы в целом.
Ко второму случаю можно отнести оптимизацию развития по множеству разнородных критериев, часто противоположных по направлению: общество одновременно заинтересовано в повышении жизненного уровня и укреплении обороны, в развитии химии и охране окружающей среды, в удовлетворении сегодняшних нужд и обеспечении будущих поколений и т.д. Именно для подобных задач предпочтительнее термин “многокритериальная оптимизация”.
1. Решение задач векторной оптимизации
Решение задачи векторной оптимизации представляет собой сложный процесс, в ходе которого могут применяться различные расчетные схемы и алгоритмы. Перечислим некоторые из наиболее употребительных:
Методы, основанные на свертывании системы показателей эффективности; Методы, использующие ограничения на критерии; Методы целевого программирования; Методы, основанные на отыскании компромиссного решения; Методы, в основе которых лежат человеко-машинные процедуры принятия решений (интерактивное программирование).
Для ряда из вышеперечисленных методов вводится понятие функции предпочтения (полезности). С помощью функции предпочтения проблема сравнения совокупности чисел-значений, принимаемых показателями эффективности, сводится к сравнению чисел-значений, принимаемых функцией предпочтения. При этом ЛПР считает, что один набор значений локальных критериев предпочтительнее другого, если ему соответствует большее значение функции предпочтения. Кратко охарактеризуем упомянутые методы векторной оптимизации.
А. В методах, основанных на свертывании системы показателей эффективности, из локальных критериев формируется один. Наиболее распространенным является метод линейной комбинации локальных (частных) критериев.
Пусть рассматриваемая экономическая система характеризуется набором локальных критериев (целевых функций)
и известен вектор весовых коэффициентов (вектор приоритетов) критериев
характеризующий важности соответствующих критериев, причем:
В этом случае функция предпочтения выбирается в виде:
и задача векторной оптимизации сводится к задаче скалярной оптимизации, рассмотренной ранее. При решении данной задачи учитывается система функций-ограничений для каждой из целевых функций
К недостаткам данного метода можно отнести то, что решение, оптимизирующее функцию предпочтения, может оказаться неудовлетворительным по одному или сразу нескольким частным показателям. Это объясняется тем, что при достижении максимума функции предпочтения недопустимо малые значения некоторых показателей компенсируются большими значениями остальных.
К этой же группе методов относятся методы, в которых используется среднестепенная функция предпочтения вида:
где параметр
Б. Методы, использующие ограничения на критерии, включают два подхода: метод ведущего критерия и метод последовательных уступок.
В методе ведущего критерия все целевые функции, кроме одной, переводятся в разряд ограничений. Пусть
- вектор, компоненты которого представляют собой нижние границы соответствующих критериев. Тогда задача записывается в виде:
где - исходная система функций-ограничений. Метод ведущего критерия применяется в таких задачах, как минимизация полных затрат при условии выполнения плана по производству различных видов продукции, максимизация выпуска комплектных наборов при ограничении на потребляемые ресурсы и ряда других.
Алгоритм метода последовательных уступок состоит в следующем:
Критерии нумеруются в порядке убывания важности; Определяется оптимальное значение наиболее важного критерия. Лицом, принимающим решение, устанавливается величина уступки по этому критерию; Решается задача по критерию с дополнительным ограничением
Пункты 2 и 3 повторяются последовательно для критериев
В. При решении задач методами целевого программирования предполагается приближение значения каждого критерия к определенной величине. т.е. достижение определенной цели. В самом общем виде задача целевого программирования может быть сформулирована как минимизация сумм отклонений целевых функций (критериев) от целевых значений с нормированными весами
- вектор целевых значений,
- расстояние (мера отклонения) между
Часто (например, в случае линейного целевого программирования) полагают. Следует отметить, что точка. как правило, не принадлежит области допустимых значений, в связи с чем, ее иногда называют идеальной или утопической точкой.
Г. В методах, основанных на отыскании компромиссного решения, используется принцип гарантированного результата. Задача может быть сформулирована следующим образом:
Данным методом могут решаться задачи с заданными приоритетами критериев и многовекторные задачи.
Д. В методах основанных на человеко-машинных процедурах (методы интерактивного программирования) решение задачи происходит в интерактивном режиме. ЛПР оценивает полученное решение и вносит или изменяет заранее заданные коэффициенты или уступки по критериям, а также определяет направление оптимизации. Эта информация служит для постановки новой задачи оптимизации и получения промежуточного решения. Диалог продолжается до тех пор, пока решение не будет удовлетворять требованиям ЛПР. Основным достоинством данного метода является использование знаний и интуиции ЛПР, глубоко понимающего смысл задачи и способного правильно корректировать промежуточные результаты в нужном направлении.
Отметим еще один важный метод агрегирования целевой функции. В некоторых случаях, когда одни частные критерии желательно увеличивать, а другие - уменьшать, может быть использована функция агрегирования в виде отношения одних критериев к другим. При этом первая группа критериев отождествляется с целевым эффектом, а другая - с затратами на его достижение. Результатом агрегирования в этом случае выступает удельная эффективность:
где - прибыль (полезный эффект), - затраты. Этот метод часто называют методом “затраты - эффект”.
2. Компьютерные системы поддержки принятия решений
Основой успешного функционирования производственной среды является принятие решений, адекватных условиям, в которых функционируют объекты. Системы поддержки принятия решений, в которых сконцентрированы мощные методы математического моделирования, науки управления, информатики, являются инструментом, призванным оказать помощь руководителям в своей деятельности во все усложняющемся динамичном мире.
На первых этапах использования ЭВМ в процессе принятия решений копировался человеческий подход к решению проблем.
Преимущество компьютера состоит в большом быстродействии и памяти с возможностями расширения до необходимых размеров, что делает его необходимым практически во всех областях человеческой деятельности.
В принятии решений важнейшими областями, в которых компьютер становится ближайшим помощником человека, являются:
- быстрый доступ к информации, накопленной в компьютере, лица, принимающего решение, (ЛПР) или /ив компьютерной сети, к которой подключен;
- осуществление оптимизации или интерактивной имитации, основанных на математических или эвристических моделях;
- нахождение в базах данных принятых ранее решений в ситуациях, подобных исследуемым, для использования ЛПР в подходящий момент;
- использование знаний лучших в своей области специалистов, включенных в базы знаний экспертных систем;
- представление результатов в наиболее подходящей для ЛПР форме. Но традиционное использование ЭВМ не самое эффективное. Руководитель, кроме информации из базы данных, кроме некоторых экономических или технологических расчетов, в своей деятельности встречается с большим количеством задач по управлению системой, которые не решаются в рамках традиционной информационной технологии. Эти соображения привели к разработке нового типа компьютерных систем, называемых "системами поддержки принятия решений" (СППР). Приведем несколько определений, которые показывают как эволюционировал смысл, вкладываемый в системы поддержки принятия решений.
СППР - совокупность процедур по обработке данных и суждений, помогающих руководителю в принятии решений, основанная на использовании моделей [I].
СППР - это интерактивные автоматизированные системы, помогающие лицу, принимающему решения, использовать данные и модели слабоструктуризированных проблем [2, З].
СППР - это компьютерная информационная система, используемая для поддержки различных видов деятельности при принятии решений в ситуациях, где невозможно или нежелательно иметь автоматизированную систему, которая полностью выполняет весь процесс решения [4].
СППР - это системы обработки на ЭВМ информации в целях интерактивной поддержки деятельности руководителя в процессе принятия решений.
Можно выделить два основных направления такой поддержки:
- облегчение взаимодействия между данными, процедурами анализа и обработки данных и моделями принятия решений, с одной стороны, и ЛПР, как пользователя этих систем - с другой;
- предоставление вспомогательной информации, в особенности для решения неструктурированных или слабоструктурированных задач, для которых трудно заранее определить данные и процедуры соответствующих решений.
Другими словами, СППР - это компьютеризированные помощники, поддерживающие руководителя в преобразовании информации в эффективные для управляемой системы действия. Эти системы должны обладать такими качествами, которые делают их не только полезными, но и незаменимыми для ЛПР. Как любые информационные системы, они должны обеспечивать специфические нужды процесса принятия решений в информации. Кроме того, и это, видимо, главное - она должна адаптироваться к его стилю работы, отражать его стиль мышления. СППР должна ассистировать все (в идеале) или большинство важных аспектов деятельности ЛПР, который, будучи руководителем, выполняет множество функций. Руководитель являясь, лидером и организатором взаимодействия своих сотрудников в организации и с другими партнерами, передает поступающую извне информацию своим подразделениям в соответствии с потребностями выполнения специфической деятельности. Как организатор принятия решений ЛПР обеспечивает корректиторовку непредвиденных отклонений от нормального функционирования системы, определяет стратегию выделения ресурсов для различных областей деятельности организации.
СППР должны иметь возможность адаптироваться к изменению вычислительных моделей, общаться с пользователем на специфическом для управля емой области языке (в идеале на естественном), представлять резуль таты в такой форме, которая способствовала бы более глубокому пониманию результатов.
Роль СППР не в том, чтобы заменить руководителя, а в том, чтобы повысить его эффективность. Цель СППР заключается не в автоматизации процесса принятия решения, а в осуществлении кооперации, взаимодействия между системой и человеком в процессе принятия решений.
В этом контексте реальные пределы в поддержке решения определяются не столько возможностями информатики, сколько пониманием процесса принятия решений.
СППР должна поддерживать интуицию, уметь распознавать двусмысленность и неполноту информации, и иметь средства для их преодоления. Они должны быть дружественными ЛПР, помогая им в концептуальном определении задач, предлагая привычные представления результатов.
Каждый руководитель обладает присущими только ему знаниями, талантом, опытом и стилем работы. Одной из целей СППР является помощь человеку в улучшении этих своих качеств. Кроме известных требований, к информационным системам (мощная СУБД, которая обеспечивает эффективный доступ к данным, их целостность и защиту; развитые аналитические и вычислительные процедуры, обеспечивающие обработку и анализ данных; транспортабельность, надежность, гибкость, возможность включения новых технологических процедур [5]). СППР должны обладать специфическими чертами [6]:
* возможностью выработки вариантов решений в специальных, неожиданных для ЛПР ситуациях;
* возможностью моделей, применяемых в системах, адаптироваться к конкретной, специфической реальности в результате диалога с пользователем;
* возможностью системы интерактивного генерирования моделей (пока достаточно простых).
Не всегда ЛПР имеет хорошо определенную цель в каждой ситуации. В этих случаях решение является исследовательским процессом, а СППР - это средство более углубленного познания системы и усовершенствования своего стиля работы руководителем.
Как правило, СППР имеют модульную структуру, что позволяет включать новые процедуры и модернизировать уже включенные в систему в соответствии с новыми требованиями.
Принятие решений предусматривает последовательное выполнение следующих шагов: осмысливание проблемы, диагностика, концептуальное или математическое моделирование, выработка альтернатив и выбор тех, которые в наибольшей степени удовлетворяют поставленным целям, а также мониторинг осуществления решения.
СППР призваны помочь ЛПР на каждом из перечисленных шагов и, следовательно, прогресс в разработке и расширении области их применения зависит и от концепции их построения, и от совершенства отражения каждой из функций, которую они поддерживают. Можно выделить два подхода к созданию СППР:
* нормативный, в котором решение разрабатывается с точки зрения ее рациональности и основой которого является наука об управлении и исследовании операций;
* дескриптивный, основанный на традициях искусственного интеллекта и методологии экспертных систем.
Прогресс последних лет выражается в интеграции в парадигму СППР систем, основанных на знаниях, что позволяет получать советы и объяснения предложенного решения. Это является существенным для ЛПР. так как известно, что руководителю, использующему модели, объяснение, почему дана такая рекомендация, столь же важно, как и само предложенное решение.
Эволюция СППР также выражается и уровнем помощи, оказываемой ЛПР - от пассивной поддержки к расширенной, активной поддержке [7]. Пассивная поддержка предоставляет удобный инструмент, не претендуя на изменение существующих способов действий ЛПР. Качество этих СППР зависит от удобства и доступности программного продукта, точнее сказать. от его интерфейса. Фактически это интерактивные информационные системы, предоставляющие руководителю только те услуги, которые он требует, и только в ответ на его требование, и не затрагивают его автономию. В пассивный подход включаются и традиционные СППР, которые отвечают на вопрос "что если?" (what f?). ЛПР выбирает альтернативы и оценивает их, имея возможность анализировать простые альтернативы, обобщая, увеличивает эффективность процесса принятия решений.
Прагматизм, привносимый наукой управления, обеспечивает инструмент, основанный на нормативной точке зрения: как нужно выбирать решение, а не как оно выбирается. Используется концепция оптимизации (очень полезная, но недостаточно используемая).
Х.Саймон противопоставлял оптимизации, требующей специальной и трудоемкой подготовки данных, продолжительное время подготовки и расчета решения, "удовлетворительные решения", достаточно хорошие для практических нужд, но не требующие для их обработки столь больших усилий, как оптимальные. Правда, усилия для оптимизации становятся все менее существенными в связи с прогрессом компьютеров, информационных сетей и распределенных баз данных, которые облегчают подготовку данных и ускоряют расчет оптимальных решений. Таким образом .создались предпосылки для перехода к расширенной поддержке принятия решений, в которой используются новые, нетрадиционные области, используются аналитические методы и, в частности, многокритериальный анализ. Этот подход более широко использует нормативный аспект получения эффективного решения, чем обычные СППР. Одновременно присутствуют процедуры анализа и объяснения полученного решения и оценки как преимуществ, так и возможных потерь.
Таким образом, ЛПР может оценить предложенный СППР вариант и принять решение, имея более широкий взгляд как на само решение, так и на его последствия, благодаря консультациям, предоставленным системой.
На протяжении развития концепции СППР и их внедрения акцент ставился по очереди на каждый из трех элементов: решение, поддержку решения и систему, обеспечивающую эту поддержку.
Решение относится к функциональным и аналитическим аспектам, к критериям выбора альтернатив.
Поддержка относится к обеспечению необходимыми инструментами, к пониманию способов действий ЛПР на пути оказания ему помощи.
Система относится к технологии всего процесса, возможностям, предоставляемым ЛПР.
СППР, для расширения области их применения, в ближайшем будущем должны развиваться гармонически, сочетая нормативный подход с технологиями экспертных систем, акцентируя внимание на понимание способов выработки решения специалистами, используя знания экспертов, осуществить переход от обработки данных к технологии знаний [8].
Теоретической основой СППР становится сочетание нормативных методов, искусственного интеллекта и теории систем.
Как правило, СППР используют информацию из баз данных и знаний или /и предоставленную ЛПР. Известно, что руководители пользуются и информацией из текстуальных документов, отчетов, специальных обзоров, статей и др.
Можно прогнозировать более широкое применение неструктурированной информации в СППР.
Будучи расширением (и одновременно концептуальным скачком) автоматизированных рабочих мест, СППР ориентированы на отдельные проблемы принятия решений и основываются в основном на индивидуальной работе. Руководители высокого ранга используют оперативную информацию, мнения, знания руководителей своих филиалов, размещенных в других местностях, для выработки "хорошего" решения для всей управляемой системы.
СППР должны будут включать перечисленные возможности, тем более,что техническая база, компьютерные сети и распределенные базы данных уже имеются и используются в большинстве организаций.
Можно говорить о ближайших ориентирах СППР:
* адаптивные системы;
* системы управления распределенными процессами и ресурсами;
* системы формирования и синхронизации графиков деятельности, взаимодействующих во времени и размещенных в различных местах процессов и производств;
* системы, основанные как на структурированной в базах данных и знаний информации, так и на неструктурированной информации.
Процесс принятия решения начинается обычно при появлении проблемной ситуации, когда проектируется новая система (процесс), или когда отклонение от штатного режима функционирования системы (процесса) не вписывается в допустимые пределы, или это отклонение прогнозируемо в плановый период по сигналам системы.
В последнее время развивается идея принятия решений на основе слабых сигналов, когда есть лишь отдельные факты, не вписывающиеся в принятую парадигму, но еще не представляющие существенное отклонение, по которым должны быть приняты меры. Слабые сигналы говорят о возможностях, которые еще недостаточно ясны, или о предполагаемых опасностях в будущем.
В нашем динамичном мире, когда не все последствия могут быть прогнозируемы, руководителю необходимо предоставить инструмент, который если и не сумеет предложить конкретный вариант действий, то хотя бы поможет в анализе и прояснении ситуации на основе слабых сигналов. СППР смогут стать эффективными и признаными партнерами руководителей, только если обеспечат помощь в решении все более усложняющихся задач.
Производство, чтобы быть конкурентноспособньм, должно основываться на новейших достижениях и в связи с этим достаточно легко переориентироваться на более совершенные технологии. Поэтому руководителю любого ранга следует обеспечить необходимую помощь в выработке и обосновании решений, адекватных изменяющимся условиям, в которых функционирует управляемая им система, и воздействиям со стороны среды. СППР являются мощным инструментом для выработки альтернативных вариантов действий, анализа последствий их применения и совершенствования навыков руководителя в столь важной области его деятельности как принятие решений.
3. Пример поиска решения с помощью MS Excel
Перейдем к рассмотрению информационных технологий решения ряда задач векторной оптимизации. В процессе рассмотрения мы ограничимся наиболее широко используемыми методами. Для решения задач будем использовать процессор электронных таблиц Excel, способный достаточно просто и эффективно решать задачи подобного рода.
Для решения задач оптимизации широкое променение находят различные средства Excel.
В этом разделе рассмотрим команды:
- Подбор параметров для нахождения значения, приводящего к требуемому результату.
- Надстройку Поиск решения для расчета оптимальной величины по нескольким переменным и ограничениям;
- Диспетчер сценариев для создания и оценки наборов сценариев «что - если» с несколькими вариантами исходных данных.
Подбор параметров
Основной командой для решения оптимизационных задач в Excel является команда Сервис/Подбор параметра. Эта команда определяет неизвестную величину, приводящую к требуемому результату.
Если команда Подбор параметра отсутствует в меню Сервис, выполните команду Сервис/Надстройка и установите флажок Пакет анализа в окне диалога Надстройка.
Для работы с командой Подбор параметра необходимо подготовить лист, чтобы в листе находились:
- формула для расчета;
- пустая ячейка для искомого значения;
- другие величины, которые используются в формуле.
Ссылка на пустую ячейку должна обязательно присутствовать в формуле, так как именно она является переменной, значение которой ищет Excel. Во время подбора параметра в переменную ячейку непрерывно заносятся новые значения, пока не будет найдено решение поставленной задачи.
Такой процесс называется итерацией, и продолжается он до тех пор, пока редактор не выполнит 100 попыток или не найдет решения, лежащее в пределах точности 0,001 от точного значения (настройка этих параметров осуществляется с помощью команды Сервис/Параметры, вкладка Вычисления)
Команда Поиск решения
Для решения сложных задач, требующих применения линейного и нелинейного программирования, а также методов исследования операций применяется надстройка - Поиск решения. Чтобы использовать надстройку Поиск решения не обязательно знать методы программирования и исследования операций, но необходимо определять, какие задачи можно решать этими методами.
Пользователь должен уметь с помощью диалоговых окон надстройки Поиск решения правильно сформулировать условия задачи, и если решение существует, то “Поиск решения” отыщет его. В основе надстройки лежат итерационные методы.
В том случае, когда оптимизационная задача содержит несколько переменных величин, для анализа сценария необходимо воспользоваться надстройкой Поиск решения. “Поиск решения” позволяет использовать одновременно большое количество изменяемых ячеек (до 200) и задавать ограничения для изменяемых ячеек.
Общие свойства, которые характерны для задач, решаемых с помощью надстройки Поиск решения:
- Существует единственная целевая ячейка, содержащая формулу, значение которой должно быть сделано максимальным, минимальным или же равным, какому-то конкретному значению.
- Формула в этой целевой ячейке содержит ссылки на ряд изменяемых ячеек. Поиск решения заключается в том, чтобы подобрать такие значения переменных в изменяемых ячейках, которые бы обеспечили оптимальное значение для формулы в целевой ячейке.
- Может быть задано некоторое количество ограничений -- условий или соотношений, которым должны удовлетворять некоторые из изменяемых ячеек.
Постановка задачи
Первым шагом при работе с командой Поиск решения является создание специализированного листа. Для этого необходимо создать целевую ячейку, в которую вводится основная формула.
Кроме того, лист может включать другие значения и формулы, использующие значения целевой и переменных ячеек. Формула в целевой ячейке должна опираться в вычислениях на значения переменных ячеек.
После того, как задача оптимизации будет подготовлена на листе, можно приступать к работе.
1. Выделите на листе целевую ячейку, в которую введена формула.
2. Выполните команду Сервис/Поиск решения. Открывается окно диалога Поиск решения. Поскольку была выделена ячейка, в текстовом поле «Установить целевую ячейку» появится правильная ссылка на ячейку. В группе «Равной» переключатель по умолчанию устанавливается в положение «Максимальному значению».
3. Перейдите к полю "Изменяя ячейки" и введите переменные ячейки листа
4. Добавьте ограничения на переменные в изменяемых ячейках. Для ввода ограничений нажмите кнопку Добавить, чтобы задать первое ограничение в окне диалога, затем можно ввести второе, третье и т.д.
5. Когда оптимизационная задача будет готова к выполнению, можно нажать кнопку Выполнить для получения ответа. Появится окно диалога с описанием результатов процесса оптимизации.
6. Чтобы отобразить найденное решение в ячейках листа, установите переключатель "Сохранить найденное решение" и нажмите кнопку ОК. Найденная максимальная величина помещается в целевую ячейку, а переменные ячейки заполняются оптимальными значениями переменных, которые удовлетворяют установленным ограничениям.
Диспетчер сценариев «что - если»
При работе с командами Подбор параметра и Поиск решения не существует удобного способа сравнения результатов вычислений - при каждом изменении данных предыдущее значение пропадает.
Чтобы устранить эти ограничения, разработчики Excel создали Диспетчер сценариев, помогающий работать с несколькими моделями «что - если». Командой Сервис/Сценарии можно создавать новые и просматривать существующие сценарии для решения задач, и отображать консолидированные отчеты.
Создание сценария
Сценарием называется модель «что - если», в которую входят переменные ячейки, связанные одной или несколькими формулами. Перед созданием сценария необходимо спроектировать лист так, чтобы на нем была хотя бы одна формула, зависящая от ячеек, которые могут принимать различные значения. Например, может возникнуть потребность в сравнении лучшего и худшего сценариев.
Создание сценариев происходит следующим образом:
- Выполните команду Сервис/Сценарии. Открывается изображение окна диалога Диспетчер сценариев.
- Нажмите кнопку Добавить, чтобы создать первый сценарий. Откроется окно диалога Добавление сценария.
- Введите Лучший вариант (или любое другое имя) в поле Название сценария, затем с помощью окон диалога введите изменяемые ячейки. Когда этот сценарий будет готов, введите следующий.
- Нажмите кнопку Добавить, чтобы создать второй сценарий. Введите название Худший вариант. После завершения создания двух сценарием можно приступить к просмотру результатов.
- Закройте окно диалога Диспетчер сценариев кнопкой Закрыть.
Просмотр сценария
Excel сохраняет сценарии вместе с листом текущей книги, и просмотр их командой Сервис /Сценарии возможен только при открытии данного листа. Просмотр сценария выполняется следующим образом:
- Выполните команду Сервис/Сценарии. Открывается окно диалога:
- Выберите из списка сценарий для просмотра.
- Нажмите кнопку Вывести. Excel заменяет содержимое ячеек листа значениями из сценария и отображает результаты на листе.
- Выберите из списка другие сценарии и воспользуйтесь кнопкой Вывести для сравнения результатов моделей «что - если». После завершения нажмите кнопку Закрыть. Значения последнего активного сценария остаются в ячейках листа.
Создание отчетов по сценарию
Сравнивать различные сценарии можно, переходя от сценария к сценарию с помощью кнопки показать в окне диалога Диспетчер сценариев, но иногда возникает необходимость в создании отчета с обобщенной информацией о различных сценариях листа.
Эту задачу можно выполнить с помощью кнопки Отчет в окне диалога Диспетчер сценариев. Созданный сводный отчет будет автоматически отформатирован и скопирован на новый лист текущей книги.
Создание отчета по сценарию происходит следующим образом:
Выполните команду Сервис/Сценарии. Откроется окно диалога Диспетчер сценариев.
Нажмите кнопку Отчет. Открывается окно диалога Отчет по сценарию, в котором предлагается выбрать ячейки, входящие в отчет, а также его тип. Отчет типа структура представляет собой форматированную таблицу, которая выводится на отдельном листе. Отчет сводная таблица является специальной таблицей, которую можно настраивать за счет перестановки столбцов и строк.
Заключение
система поддержка принятие решение excel
Для анализа и выработки предложений в СППР используются разные методы. Это могут быть: информационный поиск, интеллектуальный анализ данных, поиск знаний в базах данных, рассуждение на основе прецедентов, имитационное моделирование, эволюционные вычисления и генетические алгоритмы, нейронные сети, ситуационный анализ, когнитивное моделирование и др. Некоторые из этих методов были разработаны в рамках искусственного интеллекта. Если в основе работы СППР лежат методы искусственного интеллекта, то говорят об интеллектуальной СППР, или ИСППР.
Близкие к СППР классы систем -- это экспертные системы и автоматизированные системы управления.
Векторная оптимизация -- комплекс методов решения задач математического программирования, в которых критерий оптимальности представляет собой вектор, компонентами которого являются, в свою очередь, несводимые друг к другу скалярные критерии оптимальности подсистем, входящих в данную систему (напр. критерии роста благосостояния разных социальных групп в социально-экономическом планировании). При этом задача оптимизации существенно видоизменяется по сравнению с теми задачами, которые рассматриваются в большинстве статей словаря. В них она сводится к тому, чтобы, зная условия и ограничения, найти такой план, который бы максимизировал или минимизировал единственный заданный критериальный показатель. Это называется “скалярная оптимизация”.
Список использованных источников
Анфилатов В.С. и др. Системный анализ в управлении: Учебное пособие - М.:Финансы и статистика, 2002. -368с.
Дегтярев Ю.И. Системный анализ и исследование операций.- М.:Высшая школа, 2006. - 335с.
Лагоша Б.А. Емельянов А.А. Основы системного анализа.-М. Изд-во МЭСИ, 2008.-106с.
Системы поддержки принятия решений. Эволюция концепции и некоторые перспективы, Гайдрик К.В. Институт математики АН РМ, г. Кишинев, Молдова
Система поддержки принятия решений помогают находить ответы не только на прямой вопрос «что если?», но и на подобные. Типичные вопросы по системам поддержки принятия решений (СППР):
1. Анализ примеров (casе analyses) – оценка значений выходных величин для заданного набора выходных переменных.
2. Параметрический (casе analyses) анализ – оценка поведения выходных величин при изменении значений исходных переменных.
3. Анализ чувствительности – исследование поведения результирующих переменных в зависимости от изменения значения одной или нескольких входных переменных.
4. Анализ возможностей – нахождение значений входной переменной, которые обеспечивают желаемый конечный результат (известен также под названием «поиск целевых решений», «анализ значений целей», «управление по целям»).
5. Анализ влияния – выявление для выбранной результирующей переменной всех входных переменных, влияющих на ее значение, и оценка величины изменения результирующей переменной при заданном изменении входной переменной, скажем на 1%.
6. Анализ данных – прямой ввод в модель раннее известных данных и манипулирование при прогнозировании.
7. Сравнение и агрегирование – сравнение результатов двух или более прогнозов, сделанных при различных входных предположениях, или сравнение предсказанных результатов с действительными, или объединение результатов, полученных при различных прогнозах или для разных моделей.
8. Командные последовательности – возможность, использовать, сохранять для последующего использования регулярно выполняемые серии команд и сообщений.
9. Анализ риска – оценка исполнения выходных переменных при случайных изменениях входных величин.
10. Оптимизация – поиск значений управляемых входных переменных, обеспечивающих наилучшее значение одной или нескольких результирующих переменных.
Примеры задач, решаемых с привлечением СППР. выбор методов завоевания рынка бытовой техники; оценка перспективности видов альтернативного горючего для автомобилей.
В последнее время СППР начинают применяться и в интересах малого и среднего бизнеса (например выбор варианта размещения торговых точек, выбор кандидатуры на замещение вакантной должности, выбор варианта информатизации и т.д.). В общем, они способны поддержать индивидуальный стиль и соответствовать персональным потребностям менеджера.
Существуют системы, созданные для решения сложных проблем в больших коммерческих и государственных организациях:
Система авиалиний. В отрасли авиаперевозок используется система поддержки принятия решений – Аналитическая Информационная Система Управления. Она была создана American Airlines, но используется и остальными компаниями, производителями самолетов, аналитиками авиаперевозок, консультантами и ассоциациями. Эта система поддерживает множество решений в этой отрасли путем анализа данных, собранных во время утилизации транспорта, оценки грузопотока, статистического анализа графика. Например, она позволяет делать прогнозы для авиарынка по долям компаний, выручке и рентабельности. Таким образом, эта система позволяет руководству авиакомпании принимать решения относительно цены билетов, запросов в транспорте и т.д.
Географическая система. Географическая информационная система – это специальная категория систем поддержки, которая позволяет интегрировать компьютерную графику с географическими БД и с другими функциями систем поддержки принятия решений. Например, IBMs GeoManager – это система, которая позволяет конструировать и показывать карты и другие визуальные объекты для помощи при принятии решений относительно географического распределения людей и ресурсов. Например, она позволяет создать географическую карту преступности и помогает верно перераспределить силы полиции. Также ее используют для изучения степени урбанизации, в лесной промышленности, железнодорожном бизнесе и т.д.
Для разработки СППР необходимо:
оценить пригодность имеющихся методов для оценки воздействий;
использовать современные подходы к обработке и анализу информации;
изучить умения руководящих органов на основе имеющейся информации, получить значимые результаты, касающиеся воздействия;
система должна быть способна учитывать воздействия, как в точках, так и на любой площади;
система должна быть равным образом приспособлена для отражения воздействия различных условий;
система должна допускать возможность анализа влияний на объекты в любом географическом районе;
система должна быть в состоянии различать воздействия и изменения, обусловленные различными условиями, а также совместным эффектом.
Система должна позволять работать в условиях уменьшения потоков данных за счет использования других источников данных. Например, при отсутствии прогностической информации система должна выдавать рекомендации на основе фоновых данных. Система должна сигнализировать в тех случаях, когда объекты оказываются или могут оказаться в неблагоприятной обстановке.
Фактически из-за сложности объектов управления, нет надежды на то, что исходные знания о них и способах управления ими будут достаточно полны, поэтому СППР должна иметь возможность корректировать и пополнять свои знания об объекте и методах управления им. Это сводится к разработке комплекса взаимосвязанных мероприятий, своевременное и качественное выполнение которых обеспечивает с заранее рассчитываемой вероятностью получение экономически обоснованного решения. СППР может эффективно применяться там, где проводится учет эффективности использования информации.
СППР должна активно использовать различного рода модели прогноза гидрометеорологических условий, расчета воздействий природных условий на объекты экономики, оптимизации рекомендаций, расчета ущербов и прибыли.
При поддержке решений большую помощь окажет геоинформационная система в виде детальных планов объектов экономики, локальных, региональных и глобальных карт условий среды с выделением опасных районов, анализов и прогнозов, изменений климата.
Для создания БЗ необходимо уточнить показатели (индикаторы) состояния среды; идентифицировать экономическую уязвимость от стихийных явлений (пересечение экономических центров и риска стихийных явлений); разработать средства идентификации отдельных районов, подвергаемых стихийному явлению, со сложными социальными или техническими условиями.
СППР, реализованная в web – среде (рис.6), позволит оперативно довести штормовую, исходную, аналитическую, прогностическую, климатическую информации в любой момент, в любой точке по любому району на любое устройство; учитывать в диспетчерских системах всю оперативную информацию, на ее основе вырабатывать рекомендации для принятия решений; оптимизировать стратегическое и тактическое планирование; минимизировать потери и ущербы за счет оперативности принимаемых решений.
Рисунок 6 - Место СППР в системе информационного обеспечения
В СППР автоматизированные процессы управления событиями выполняется в реальном времени ; проводится а втоматизированный анализ динамических событий. СППР ориент ируется на технологические процессы, выполняемые на объектах экономики (погрузка переход через океан, др.) .
СППР должна применять единый словарь параметров (показателей), чтобы использовались одни размерности, единицы измерения, метрики производительности и состав отчетов. Аналитические средства могут быть включены в другие приложения.
Выявление знаний
Направление исследований, связанное с созданием СППР развивается уже более 20 лет. К сожалению, если в начале девяностых годов наиболее критическим моментом в развитии СППР было невозможность быстрого поиска и доступа к необходимым данным, то сейчас главной проблемой является формализация знаний для СППР [3, 5].
Для создания баз знаний необходимо разработать средства выявления знаний от экспертов; организовать поток информации от имеющихся информационных систем (текущие данные, анализы, прогнозы, климат) через систему интеграции информационных ресурсов; поддерживать базы знаний в актуальном состоянии. Последний этап включает процессы создания и хранения баз знаний в распределенной среде, формализации, диффузии знаний - распределения знаний и обеспечения доступа к ним, координации и контроля знаний на непротиворечивость, регистрации пользователей путем настройки личных профилей пользователей, постоянной оценки значений в потоках данных на выход за критические пределы для конкретных объектов и технологических процессов на этих объектах, генерации и доставки сообщений ЛПР.
Чтобы создать базу знаний необходимо ответить на следующие вопросы:
Как разработать эффективные стратегии по управлению данными, информацией и знаниями?
Как создать культуру обмена знаниями?
Как преодолеть трудности в передаче, интеграции и сохранении знаний?
Как управлять консолидацией данных?
Как использовать технологии по управлению знаниями, данными и информацией для создания эффективной интеграции бизнеса?
Как реализовать глобальную стратегию по управлению знаниями?Основными функциями подсистемы выявления знаний являются:
выбор типа информации (текущие данные, анализы, прогнозы, климат);
