СППР

189

ряд этапов, на каждом из которых будет рассматриваться лишь одна переменная.

Этап I. На этом этапе из всего множества хозяйств H = {hoz} выбираются хозяйства со знаком а (аэродром) А = {hoz(x,y,a)}, которые могут быть опорными пунктами для проведения АХР. Около них формируются группы хозяйств К = {hoz(x,y)}k, далее называемые кустами "аэродром - хозяйства" по критериям

ah d is t[i,j]£ r	2’	.	2П
prior I < hoz prior [і] < prior		^	'
ah dist [i,J] = 2^1(aero [j,I] - hoz [i,l]) + (aero [j,2]	- hoz [i,2 f),	(2.22)

где ah dist [iJ ] - расстояние от опорного аэродрома до хозяйства (2 -

масштабный коэффициент); aero[j,1], aero[J,2] - координаты j- го аэродрома; hoz [i,l], hoz [ι,2] - координаты і-го хозяйства; г - расстояние от аэродрома до обрабатываемых участков, км; prior I,prior 2 - диапазон приоритетов хозяйств.

При создании кустов необходимо определить суммарную площадь Sk для каждаф £-го вида агрохимических работ по всем хозяйствам куста:

о .

			Ш
Этап 2.		Определение	приоритета куста. Определяется	суммарная
площадь	S1	для всех	видов работ и всех хозяйств	1-го куста:
Si -	S^dr(0 ■Приоритет куста определяется соотношением
Ш к
			Pi =Y^hoz-prior Щ-S1.	(2.23)
			ш

Этап 3. Распределение наличного парка летательных аппаратов по хозяйствам.

Предположим, что существующий парк включает три разных вида JIA (самолёт, вертолёт, планер); обработке подлежат земельные угодья 30 хозяйств; обработка предполагает три вида работ (внесение удобрений, борьба с сорняками, борьба с вредителями и болезнями). Необходимо получить такие варианты распределения JIA по хозяйствам, которые обеспечили бы обработку в заданный срок Jmax.

Прямой перебор вариантов предполагает оценку 270 вариантов, многие из которых являются недопустимыми. Для уменьшения объёма

190

вычислений предлагается упрощённый метод решения задачи, включающий ряд этапов.

Этап 3.1. Определение общего ресурса всех JIA по их видам и видам сельскохозяйственных работ.

Общий ресурс JlA по г-му виду составляет
Re s LA [/,0] = кт [г]· LA [З, і] ■Zmax .		(2-24)
Общий ресурс всех JIA по видам работ составляет
3		(2.25)
Re^LA[vidr,Q] = ^PiL A l v i d r , s LA[i,Qi\,
i=l
где LA \vidr,i] - минимальная	продуктивность ί-го	JIA	по
конкретному виду работ, га/час; LA [3,г] -	средний дневной налёт z'-ro JIA
по конкретному виду работ, час; кт [і] -	количество JIA г-го типа; Zmax		-
заданный срок выполнения работ (в сутках).

Этап 3.2. Определение оптимального набора JIA для всех видов работ в кусте.

Для каждого вида работ выполняются следующие шаги:

а) если Выбранный набор JIA является допустимым для данного вида

работ, то оставить его, иначе - перейти к п. б);
б) определение оптимального допустимого набора Baza [i, j ]		JIA для
одного вида работ такого, что он реализует продуктивность
Pr - '£ILA[vidr,j]-LA[3,j] Baza[i,j]		(2.26)
.И
при условиях	,	(,
Zmax ■Pr £ Re s[vidr, 7-1]; Baza[i,j] < Res	і, j - 1],	(2.27)

где Rei [vidr,j -1] - ресурс, оставшийся не распределённым наj-u шаге;

в) дополнение существующего набора JIA кт{г\ для куста оптимальным набором JIA для данного вида работ Baza [і,_/] по условиям

если кт [i] > Baza [і,_/'], то Baza [і,j] = кт [ί];

(2.28)

г) определение времени обработки куста (при условии, что оно не превышает время, определяемое технологией Zmax )

ί = Σ ~ ~ ·

(2-29)

vidr* г vidr

191

Дополнительно необходимо контролировать, чтобы необходимое количество JIA не превышало ресурса ЛА, который оставлен незадействованным

Baza [/,j\ - t· LA [3,/J < Res LA [і,у —1].

(2.30)

Этап 3.3. Динамическое назначение наборов JIA для каждого куста в порядке приоритетов кустов:

а) определение набора JIA B aza[i,j] для куста с наивысшим приоритетом;

б) для каждого куста определяется оптимальный набор JIA с учётом уже распределённых JIA (этап 3.26). Если это невозможно для данного куста, то распределение прекращается и происходит пересмотр предыдущих решений.

Решение задачи завершается при выделении набора JIA для' куста с наименьшим приоритетом.

В заключение отметим, что благодаря реализации системных требований разработанная СППР ХЗР обладает следующими важными свойствами:

методологическое единство информационного обеспечения; адекватность и гибкость структуры информационного обеспечения; возможность контроля процесса решения задачи; многократное использование информации при её однократном

введении; удобство взаимодействия пользователя с системой и обеспечение его

активной роли при принятии решений.

2.3.Система поддержки принятия решений

вАСУ реального времени

Материалы данного раздела базируются на результатах исследования автора. Детально функционирование СППР в АСУ реального времени изложено в монографиях [10,11], а также в статьях [12,13].

В современных АСУ реального времени в стереотипных, типовых ситуациях управление процессом может осуществляться автоматически, без участия оперативного персонала, который осуществляет непрерывный контроль и активно включается в управление только при возникновении так называемых проблем (конфликтных) ситуаций.

Под конфликтной ситуацией (КС) будем понимать такую ситуацию, которая возникает в процессе управления, не может быть решена без участия оперативного персонала и связана с необходимостью выбора лицом, принимающим решения (ЛПР) конкретной альтернативы управления при наличии информации о состоянии объекта и системы

192

управления, критериев, решающих правил и собственной системы предпочтений.

Конфликтные ситуации связаны с высоким уровнем ответственности за принимаемое решение, характеризуются нестереотипностью и острым дефицитом времени на принятие решения.

Причинами возникновения КС могут быть:

-ненадежность элементов, выход их из строя;

-несовершенство системы управления, которое обусловлено неполнотой и недостаточностью информации об объекте управления, несовершенством методов и алгоритмов управления, недостатки и ошибки

оператора и т.д.;

-ограниченные возможности системы управления, ограничения на ресурсы управляемых средств;

-необходимость преодоления многозначности, возникающей в процессе управления;

-неспособность системы управления решать задачи управления в силу частичного или полного уничтожения.

Основное назначение системы поддержки принятия решений (СППР)

вАСУ реального вреМени состоит в оказании помощи оператору при принятии решений в конфликтных ситуациях.

Принципы функционирования СППР должны обеспечивать:

-сопряжение СППР с АСУ реального времени;

-рациональный выбор языка представления и обработки знаний;

-возможность пополнения базы знаний, обучения и дообучения;

-рациональную степень универсальности СППР;

-возможность поэтапного внедрения и автоматизации проектирования СППР.

В основу построения СППР положен логико-лингвистический подход [14], а для выработки решений используются семантические сети [15].

Логико-психологическая модель процесса принятия решения может

быть положена в основу структуры системы поддержки принятия решений.

Обобщенная структурная схема системы поддержки принятия решений (СППР) представлена на рис.2.11. Основными элементами СППР являются база знаний, банк данных и блок обучения. Рассмотрим их назначение и состав более подробно. Остальные элементы схемы не требуют пояснений.

База знаний содержит модели распознавания конфликтных ситуаций (RS); формирование плана (последовательности) их разрешения с учетом важности и директивного (допустимого) времени разрешения (US); генерирования гипотез о возможных причинах конфликтных ситуаций (RH); формирование плана проверки гипотез и реализации решений (PH).

Рис. 2.11 Обобщённая структурная схема СППР

194

Банк данных содержит информацию о характеристиках и признаках ситуаций, в том числе признаках появления, возможных причинах возникновения, важности, директивном времени и т.д.

Блок обучения состоит из субблоков обучения распознаванию ситуаций (LR); формирования гипотез о конфликтной ситуации (LH); формирования модели проверки гипотез (LP).

Можно выделить три этапа функционирования СППР.

Обучение. На этом этапе формируется база знаний СППР, в которой хранится модель функционирования системы, создаваемая на основе обработки экспертной информации. С помощью блока обучения информация о характеристиках конфликтных ситуаций обрабатывается специальным образом и вводится в базу знаний. Множество признаков, характеризующих факт возникновения конфликтных ситуаций, формируется на основе информации, циркулирующей в системе управления. Эти признаки обычно вполне определенны и достоверны, что позволяет автоматически формировать сигнал о факте возникновения конфликтной ситуации. Описания конфликтных ситуаций формируются на основе анализа целей и задач функционирования системы и экспертной информации. Для каждой конфликтной ситуации синтезируются структуры моделей формирования гипотез и их проверки.

Функционирование СППР. Это непосредственная информационная поддержка принятия решений оператором при возникновении конфликтных ситуаций в процессе функционирования системы. Информация о конфликтной ситуации поступает в банк данных СППР из управляющей ЭВМ. Блок RS распознает ситуации и заносит их индексы в базу данных. Эти индексы, а также временные характеристики и коэффициенты относительной важности ситуаций, хранящиеся в банке данных, поступают на вход блока US. В этом блоке формируется іуіан

разрешения	ситуаций,	который	опреДЬыет	относительную
последовательность разрешения ситуаций			с учетом	их важности и

срочности. После оценки оператор вводит индекс наиболее важной ситуации в банк данных, откуда этот индекс поступает на вход блока RH. По индексу ситуации блок RH формирует гипотезы о возможных решениях. Индексы гипотез поступают на вход блока PH, который формирует план проверки гипотез. Гипотезы о возможных решениях, план их проверки и справочная информация выдаются оператору на экранный пульт в качестве рекомендаций по принятию решения. По индексу выбранной гипотезы блок PH формирует план реализации решения, высвечиваемый на экране дисплея. Вводя команды управления, оператор ликвидирует конфликтную ситуацию.

195

Дообучение. Оно заключается в корре ктировке моделей в базе знаний на основе объективной информации подтверждения или опровержения гипотез о причинах конфликтных ситуаций.

Рассмотрим вопросы формализации обраотки и информации в СППР реального времени.

Формирование плана разрешения ситуа (ий относится к классу задач составления расписания.

Пусть имеется N конфликтных ситуаций. Каждой ситуации поставим в соответствие функцию

η . ( / ) = {		у^	’еСЛИ	7V	> A d i	(2.31)
J	[0	-	в противном		случае, .
где і - индекс	ситуации; Adt			=	d, - t, t -	текущее время;

dt - директивный срок разрешения ι-й ситуациь; Tnpt- время устранения 1-й ситуации; Щ /) - коэффициент относительной важности і-й ситуации.

Задача ранжирования конфликтных <итуаций формулируется следующим образом. Необходимо, найти такую перестановку ситуаций П, где П(А) = /, если і-я ситуация должна бьпъ разрешена к-й по счету, чтобы суммарная функция штрафов была минимальной т.е.

N
Z m O ) - п и п -	(2.32)
I=I

Известно [16], что задачи составления оптод ального расписания не поддаются решению аналитическими методами и являются W -полными. Для их решения существуют точные и приближенные методы. Точные методы ввиду их большой вычислительной сложности неприемлемы для реализации в реальном времени. Поэтому s основу алгоритма формирования плана можно положить один из наиболее эффективных приближенных методов - метод динамического программирования.

Существует два алгоритма составления расписания в постановке (2.31), реализующих метод динамического программирования.

У 'Алгоритм Хелда-Карпа [17] позволяет составить оптимальное решение для функции штрафа произвольного вида. Сложность этого алгоритма равна 0(N*2n).

Алгоритм Сахни-Горвица [16] позволяет составить оптимальное расписание только для случая, когда функция штрафа имеет вид (2.32). Сложность этого алгоритма равна 0(N2).

Таким образом, алгоритм Сахии-Горвица по сравнению с алгоритмом Хелда-Карна обладает значительно меньшей сложностью, что существенно для условий реального времени. Поэтому в основу алгоритма

ДАПМИППйЯПиа ппаыя ПАПАг>ллі\пй9ил пл πΛΜίΊΐτί яп тп и ти Ρ αυιιιι -Γ ПППШТЯ

196

В качестве исходной информации для формирования гипотез о возможных решениях в конфликтных ситуациях можно использовать только наблюдения эксперта - описания текущих ситуаций, в которых было принято то или иное решение. Необходимая для формирования гипотез информация может быть получена^путем логического анализа. Поэтому задача обучения формированию гипотез относится к классу задач обобщения и классификации текущих ситуаций. Обобщение текущих ситуаций заключается в формировании их понятий.

Введем определение понятия в соответствии с работой В.П. Гладуна [15]. Понятие - это обобщенная информация о множестве объектов, представленная наборами значений-признаков, которая отображает характерные для этого множества логические отношения между отдельными значениями признаков и является достаточной для различения с помощью некоторого правила объектов, принадлежащих множеству от объектов, не принадлежащих ему.

Для понятой гипотез о возможных решениях объектами являются примеры конфликтных ситуаций, в которых принималось то или иное решение.

В АСУ реального времени в основу обучения формирования гипотез целесообразно положить метод растущих пирамидальных сетей (РПС), разработанный В.П. Гладуном. Этот выбор обусловлен достоинствами, следующими из графовой структуры РПС. Во-первых, алгоритм на основе РПС позволяет одновременно формировать несколько понятий. Во-вторых, появляется возможность формирования нечетких понятий. В-третьих, выделение сочетаний существенных признаков приводит к построению более «коротких» по сравнению с другими методами понятий и значительному уменьшению числа переборов.

Все вершины РПС делятся на рецепторы и ассоциативные вершины. Рецепторами называются вершины графа РПС, имеющие нулевую полустепень захода. Все остальные ф ш ины называются ассоциативными. Через рецепторы поступают сигналы, соответствующие значениям признаков. Каждая'ассоциативная вершина соответствует сочетанию значений признаков, поступающих на рецепторы, замыкающиеся на данную вершину непосредственно или через другие ассоциативные вершины. Объекты обучающей выборки представлены конечными наборами значений признаков, которым соответствуют рецепторы РПС.

Процесс формирования понятий состоит из двух последовательных этапов: ввода очередного объекта обучающей выборки (корректировки сети) и выделения контрольных вершин сети. Контрольными называются вершины, с помощью которых должно осуществляться распознавание объектов из объёма понятий.

197

Исходными данными для формирования понятий гипотез являются объекты обучающей выборки, представленные конечными наборами

значении признаков			с соответствующими	качественными оценками
7β(φ;)·
Здесь	-	множество признаков, характеризующих конфликтную
ситуацию Sfi:	Sv j	-	і-я конфликтная ситуация,	Snp-^S', Hv j -я гипотеза о
возможном	решении в ί-й ситуации;			7р(<ру) -	терм-значение
лингвистической		переменной L, которая используеся			экспертом для

оценки частоты принятия j -го решения в i-й ситуации и имеет базовое , терм-множество Т={Т^(%)}, каждый терм этого множества описывается нечетким подмножеством значений F базовой переменной/

Работа алгоритма распознавания объектов понятия основана на поиске определяющих объединенных конъюнктивных членов описания понятия. Если определяющий конъюктивный член C O N p найден, то с достоверностью Fil-F i можно предположить, что в і-й ситуации правильным являетсяу'-е решение, описываемое отображением

β{CON1},I = U

P ^npi

Qt

о

Н у х

Pv

Если определяющий конъюнктивный член не найден, то выдвижение соответствующей гипотезы нецелесообразно. Для выдачи сообщений о гипотезах оператору в лингвистической форме реализован обратный переход к шкале лингвистической переменной L

HljX F ^ L (H ij)X Γρ(φ,)χμφχ/)	(2.34)
9y=arg max[\iPJ(f)],	(2.35)

где LlHij] - сообщение о J-м решении в ί-й ситуации в лингвистической форме (2.34) отражает порядок перехода от F / к 7β(φ,·). При пересечении нескольких термов выбирается терм, для которого при заданной частоте Fi/ значение функции принадлежности щ,//) максимально.

Так как каждый терм отличается нечетким подмножеством множества значений базовой переменной /, в сообщение о гипотезе включается

величина )%■(/), уточняющая положение значения FiJ					в этом
подмножестве
„ '/> )= : {	μ Ф ’если	F * S	ш	(Ф1'^	(2.36)
^ ^ I l -	\iq,j(f) -	в противном		случае

198

где F11„„,(фу) ~ значение частоты, для которой μ,//) нормированная относительно 0,5 функция принадлежности значения частоты терму Гр(фу).

Неполнота информации о конфликтных ситуациях, недостаточная компетентность экспертов, сложность учета всех факторов, влияющих на принятие решения,, приводит к тому, что сформированные понятия оказываются неполными или недостаточными. Возникает необходимость дообучения формированию гипотез.

Формирование понятий новых гипотез о возможных решениях осуществляется при непосредственном участии человека-оператора. Корректировка гипотез, сформированных на этапе обучения понятий, осуществляется в автоматическом режиме. Основное правило корректировки заключается в увеличении степени достоверности гипотезы F , если она подтвердилась, или в ее уменьшении, если гипотеза не подтвердилась.

Реализация решений оператором предполагает выполнение множества операций различного содержания. При этом имеет место большое число вариантов, отличающихся значением основных эргономических показателей временем выполнения и надежностью (безошибочностью) выполнения. Возникает задача оптимизации деятельности оператора на этапе проверки гипотез и реализации решений, что позволяет автоматизировать этот этап деятельности оператора.

Формальная постановка и метод решения задачи существенно зависят от условий принятия решения, психологических особенностей оператора, требования простоты реализации алгоритмов и других факторов. Из всего многообразия задач планирования действий оператора рассмотрим две наиболее важные типичные задачи.

Минимальное время реализации плана при допустимом уровне ошибок (уровне риска решения) равно:

N	(2.37)
Σ U -* шіп ц(Я*) < μ όοη

/=1

здесь tj - время выполнения i-й оперативной единицы алгоритма деятельности, 1= 1, N - интегральная оценка функции риска формируемого оператором плана μ(#*); H - множество возможных планов; μ„οπ - заданный уровень риска.

Эта постановка соответствует условиям принятия решения, в которых степень риска ограничена, поскольку ошибка может иметь тяжелые последствия для системы. Минимизация времени выполнения алгоритма устраняет временную избыточность в формируемом плане.