- •1. Системный подход к проектированию электронных средств: общая характеристика проблемы.
- •2. Структурный подход к проектированию эс: сущность структурного подхода.
- •3. Системный подход к проектированию сложных систем: методология функционального моделирования sadt
- •4. Системный подход к проектированию сложных систем: состав функциональной модели.
- •5. Системный подход к проектированию сложных систем:иерархия диаграмм
- •6.Системный подход к проектированию сложных систем: типы связей между функциями
- •7. Case-средства. Общая характеристика и классификация
- •8.Технология внедрения case-средств и определение в них потребностей
- •9. Оценка и выбор case-средств
- •10.Применение case-технологий в проектировании тс
- •11. Имитационное моделирование в терминах sadt-технологий: основные понятия и аналитические методы моделирования
- •12. Имитационные методы моделирования. Проблемы применения имитационного моделирования
- •13. Математические модели систем: непрерывно-детерминированный и дискретно-стохастический подход
- •14. Математические модели систем: дискретно-детерминированный подход
- •15. Непрерывно стохастический подход.
- •16. Построение имитационных моделей систем: событийный и процессно-ориентированный подход
- •1. Актуальность и необходимость применения сапр.
- •22. Основные Требования к математическим моделям объектов проектирования эс. Методика составления математических моделей.
- •Основные характеристики
- •25. Методы построения функций принадлежности нечетких множеств. Операции над нечеткими множествами.
- •26. Алгебраические операции над нечеткими множествами.
- •27. Расстояние между нечеткими множествами, индексы нечеткости
- •28. Нечеткие множества: принцип обобщения и нечеткие отношения
- •29. Основные понятия Теории Графов.
- •Требования к представлению графов
- •Модель схемы в виде ориентированного мультиграфа
- •32. Представление схемы гиперграфом и ультраграфом
- •33.Математические модели монтажного пространства
- •34.Последовательные алгоритмы структурного синтеза.Алгоритм компоновки по критерию минимума межблочной связности. Последовательные алгоритмы структурного синтеза
- •Алгоритм компоновки по критерию минимума межблочной связности
- •35.Задача размещения
- •36.Задача трассировки
- •37.Выбор критериев оптимальности. Частные критерии.
- •Частные критерии
- •37.Аддитивные и мультипликативные критерии в задачах проектирования
- •Мультипликативные критерии
- •39.Минимаксные критерии в задачах оптимального проектирования Минимаксные критерии
- •40.Оценка значений весовых коэффициентов в задачах оптимального проектирования Оценка значений весовых коэффициентов
- •41.Порядок проектирования технологического процесса
- •42.Технологическая подготовка производства
- •43.Техническое обеспечение сапр.
- •44. Технические средства машинной графики
- •45.Вычислительные сети сапр
- •46. Информационное обеспечение сапр:базы данных. Базы данных в сапр
- •65. Задача обучения нейронной сети на примерах. Классификация и категоризация
- •67. Необходимость иерархической организации нейросетевых архитектур. Многослойный персептрон. Необходимость иерархической организации нейросетевых архитектур.
- •Многослойный персептрон.
- •68. Многослойный персептрон: обучение методом обратного распространения ошибок
40.Оценка значений весовых коэффициентов в задачах оптимального проектирования Оценка значений весовых коэффициентов
В многокритериальных задачах оптимального проектирования возникает необходимость объективной оценки важности частных критериев, включаемых в аддитивный, мультипликативный или минимаксный критерий оптимальности. Важность критериев оценивают с помощью весовых коэффициентов сi, которые должны количественно отражать значимость соответствующих частных критериев. Значение сiвыбирается из анализа современного мирового уровня развития вычислительной техники, из требований к проектируемой ВС и из существующих возможностей реализации этих требований. Открытие новых физических принципов и разработка новых методов проектирования могут существенно повлиять на значение сi.Рассмотрим основные подходы к решению задачи выработки предпочтения на множестве частных критериев.
Экспертные оценки. В теории экспертных оценок разработан ряд методов проведения экспертиз. Наиболее эффективными в проводимых исследованиях оказались методы ранжирования и приписывания баллов.
Метод ранжирования заключается в следующем. Пусть экспертиза проводится группой из lэкспертов, которые являются квалифицированными специалистами в той области, где принимается решение. Метод ранжирования основан на том, что каждого эксперта просят расставить частные критерии проектируемой ВС в порядке их важности. При этом цифрой 1 обозначают наиболее важный частный критерий (параметр), цифрой 2 – следующий по степени важности частный критерий и т.д. Эти ранги преобразовывают таким образом, что ранг 1 получает оценку n, ранг 2 – оценку n – 1 и т.д. до ранга n, которому присваивается оценка 1, где n– число частных критериев.
Зная преобразованный ранг i-го критерия у k-го эксперта , весовые коэффициенты определяют из соотношения
(1.39)
Метод приписывания баллов основан на том, что эксперты оценивают важность частного критерия по шкале 0–10, при этом разрешается оценивать дробными величинами или приписывать одну и ту же величину из выбранной шкалы нескольким критериям. Зная балл i-го критерия у k-гоэксперта, весовые коэффициенты сi определяют из предыдущего выражения (1.38), заменив в нем на
(1.40)
Последний называют весом, подсчитанным для i-го частного критерия Fi(X) на основе оценок k-гоэксперта. Особое место занимает обработка результатов экспертных оценок. Если рассматривать результаты оценок каждого из экспертов как реализации некоторой случайной величины, то к ним можно применить методы математической статистики.
В общем случае при определении степени важности частного критерия Fi(X) получают набор оценок , подлежащих статистической обработке. Среднее значение оценки
(1.41)
где μk – коэффициент авторитета k-гоэксперта.
Среднее значение оценки riвыражает коллективное мнение группы экспертов. Степень согласованности мнений экспертов характеризуется величиной
(1.42)
называемой дисперсией экспертных оценок. Ясно, что чем меньше величина дисперсии, тем с большей уверенностью можно опираться на найденное значение r, оценки степени важности частного критерия Fi (X).
Надежность экспертизы тем выше, чем меньшую долю среднего значения составляет среднеквадратический разброс оценок s. Поэтому в качестве меры надежности приведенной экспертизы часто принимают и называют вариацией.По среднему значению оценки определяются весовые коэффициенты:
(1.43)
Статистическая обработка результатов экспертных оценок подобна статистической обработке результатов измерений. На достоверность экспертизы существенно влияют такие факторы, как численный состав экспертной группы, уровень компетентности экспертов, состав вопросов, предъявляемых экспертам и т.д. Сейчас получили распространение интерактивные методы решения многокритериальных задач, когда информация о важности и предпочтении приходит как от инженера-разработчика, так и от ЭВМ. Уточнение обобщенных критериев и упорядочивание критериев по важности выполняется на основе диалога конструктора с ЭВМ.
Для определения наилучшего решения конструктору приходится решать задачи структурной и параметрической оптимизации. Тогда модель принятия решения описывается как задача многокритериальной оптимизации. В этом случае используют интерактивный режим оптимизации. На любом этапе разработчик может изменить процесс решения задачи, параметры, метод решения, математическое описание задачи. Проблемами здесь являются разработка эффективных пакетов прикладных программ, сценариев диалога, эвристических и точных алгоритмов с учетом неопределенности интеллектуальной деятельности инженера-разработчика.