ГИБРИДНЫЙ АЛГОРИТМ ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ МНОГОКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ

Манжула В.Г.

Кандидат технических наук, доцент, Институт коммуникативных технологий

ГИБРИДНЫЙ АЛГОРИТМ ФУНКЦИОНИРОВАНИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ МНОГОКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ

Аннотация

В статье приведен алгоритм функционирования системы поддержки принятия решений при многокритериальной оптимизации. Рассмотрен пример на основе оптимизации по Парето.

Ключевые слова: многокритериальная оптимизация, алгоритм, программное обеспечение.

Manzhula V.G.

Candidate of technical science, associate professor, Institute of communicative technologies

HYBRID ALGORITHM OF DECISION SUPPORT SYSTEM FOR MULTI-CRITERIA OPTIMIZATION

Abstract

The paper presents an algorithm of the system to support decision-making in multi-objective optimization. The example on the basis of Pareto optimization.

Keywords: multi-objective optimization, algorithm, software

В основе работы системы поддержки принятия решений (СППР) зачастую лежит решение задачи многокритериальной оптимизации [1, 2]. Задача СППР заключается в первую очередь в определении множества возможных альтернативных решений и в выборе оптимальных альтернатив с использованием различных методов многокритериальной оптимизации.

1) Первым шагом работы СППР является получение исходных данных, представляющих собой постановку задачи и множество альтернативных решений. Лицо, принимающее решение (ЛПР) или оператор системы производят ввод исходных данных в СППР. При этом на множестве альтернатив определяются критерии отбора, основанные количестве и значениях параметров каждой альтернативы.

2) На втором шаге система производит диалог с ЛПР, в ходе которого определяются предпочтения ЛПР уже на множестве критериев отбора. Таким образом, происходит ранжирование критериев и их сортировка.

3) Далее СППР в автоматическом режиме производит многокритериальную оптимизацию множества альтернатив, с использованием любого из методов, например, построение фронта и множества Парето. При этом учитывается оптимальность не только самих альтернатив, но и оптимальность критериев отбора. Выделяется компактное множество Парето, построенное по самым оптимальным критериям:

3.1) Все критерии разделяются на две или более категории по признаку предпочтения с точки зрения ЛПР;

3.2) Выбираются критерии из категории, наиболее предпочтительной с точки зрения ЛПР;

3.3) Во множество Парето включаются альтернативы, имеющие по выбранным критериям, следующие свойства:

-      максимально удовлетворяющее значение, хотя бы по одному из критериев;

-      все критерии имеют значения, не хуже чем у других альтернатив.

4) На следующем шаге возможна оптимизация или свертка уже построенного множества Парето, с привлечением дополнительной информации от ЛПР, например, методом Нелдера-Мида. Если получено компактное множество Парето с небольшим количеством входящих в него альтернатив, то возможен переход сразу к последнему шагу алгоритма.

5) На последнем шаге ЛПР вручную выбирает конечное решение из предлагаемых системой альтернатив. Эти альтернативы входят в компактное множество Парето и максимально удовлетворяют предпочтениям ЛПР и постановке задачи.

Данный алгоритм может применяться в различных СППР, где присутствует многокритериальный отбор. Например, такой алгоритм может лежать в основе автоматизированной системы схемотехнического синтеза [3-6]. Работа алгоритма подразумевает привлечение дополнительной информации от ЛПР, что способствует повышению результативности конечного отбора.