Графические оболочки

• Tutorial

Это 4-я статья цикла по разработке, управляемой моделями. В предыдущих статьях мы познакомились с , и . Сегодня научимся описывать метамодели в текстовой нотации (а не в виде диаграмм как раньше) и познакомимся с табличным представлением моделей в Sirius. Сделаем это на примере кризиса среднего возраста и метода анализа иерархий. Возможно, это пригодится вам при разработке ИИ в играх, при принятии решений или в работе.

Введение

Вообще, я планировал статью про разработку DSL и преобразование моделей. Но мои планы внезапно нарушили мысли о смысле жизни, о том, тем ли я вообще занимаюсь.

Самое очевидное, что может при этом сделать специалист по разработке, управляемой моделями, это

• Выбрать метод, который позволит получить интересующие ответы (раздел 1)
• Создать метамодель под этот метод (раздел 2)
• Создать инструмент разработки моделей в соответствии с метамоделью (раздел 3)
• Создать модель (раздел 4)
• Profit

Именно этим мы и займемся.

1 Метод анализа иерархий

Меня интересовали следующие вопросы:

• Чем мне интересно заниматься?
• Достаточно ли времени я уделяю интересным вещам?
• Что можно изменить в жизни к лучшему?
• Не станет ли от этих изменений хуже?

Когда я учился в вузе, для получения ответов на разные вопросы мы использовали метод анализа иерархий . Суть метода следующая.

1. Вы определяете
   • цель,
   • критерии достижения цели и
   • возможные альтернативы.
2. Оцениваете значимость критериев.
3. Оцениваете альтернативы по каждому из критериев.
4. Рассчитываете приоритеты альтернатив.
5. Принимаете решение.

Более подробно этот метод описан в книге Томаса Саати «Принятие решений. Метод анализа иерархий» (она легко гуглится). Кстати, в ней много примеров от психологии до мировой экономики.

1.1 Построение иерархии

Итак, в простейшем случае иерархия должна содержать цель, критерии и альтернативы.

Если суммировать все мои вопросы, то, по большому счету, меня интересует стоит ли мне сменить работу. Поэтому цель: выбрать работу .

При выборе работы меня интересует

• сколько денег я буду зарабатывать,
• на сколько интересно мне будет этим заниматься,
• будет ли у меня время на жизнь,
• карьерные перспективы,
• смогу ли я бывать на природе или буду видеть солнце и деревья раз в год,
• на сколько близка мне культура коллег, соседей и остальных людей.

При этом возможны следующие альтернативы:

• ничего не менять,
• переехать в Москву,
• переехать за границу,
• заняться фрилансом или каким-нибудь предпринимательством.

В соответствии с методом анализа иерархий строится следующая иерархия:

1.2 Оценка критериев

У разных людей при принятии решений могут быть примерно одинаковые критерии. Однако, их значимость может сильно различаться. Кто-то работает в большей степени ради денег, кто-то ради интереса, кому-то просто нравится общаться с коллегами и т.д.

В соответствии со своими приоритетами один человек не раздумывая выберет более денежную работу, а другой – более интересную. Не существует работы, которая по всем критериям подходит абсолютно всем.

Наверное, при принятии решений большинство людей в явной или неявной форме ранжируют критерии от самого значимого до самого незначительного. Последние отбрасывают, а по первым сравнивают возможные альтернативы. На каждую возможную работу они навешивают ярлычок: вот, эта работа более денежная, но не интересная, а эта интересная и коллектив там хороший, но сомнительные карьерные перспективы и т.д.

Если сходу не получается сделать выбор, то человек начинает переоценивать критерии: может быть интерес пока не так важен и в пробке можно лишние два часа постоять, зато там больше зарплата, вот, выплачу ипотеку и займусь чем-то интересным.

Подобные рассуждения могут продолжаться долго, мучительно и без гарантии, что в итоге действительно будет принято оптимальное решение.

В методе анализа иерархий предлагается формальный алгоритм принятия подобных решений: все критерии попарно сравниваются друг с другом по шкале от 1 до 9.

Например, что для меня важнее: интерес или деньги? Интерес важнее, но не сказать, что очень сильно. Если максимальная оценка 9 к 1, то для себя я оцениваю приоритеты как 5 к 1.

Или, например, что важнее: деньги или наличие времени для жизни, хобби? Готов ли я ради дополнительных денег работать в выходные или стоять по два часа в пробках? Я для себя оцениваю значимость этих критериев как 1 к 7.

В итоге заполняется подобная таблица:

Очевидно, что по диагонали всегда будут единицы. Также очевидно, что все оценки будут обратно-симметричны относительно главной диагонали. Например, если я оцениваю значимость «интерес-деньги» как 5 к 1, то значимость «деньги-интерес» будет 1 к 5. Иногда такие матрицы называют обратно-симметричными.

В общем случае, если мы сравниваем N критериев, то необходимо сделать (N*(N-1))/2 сравнений. Казалось бы, всё только усложнилось. Если изначально было 6 критериев, то сейчас целая матрица каких-то чисел. Чтобы снова вернуться к критериям, рассчитаем собственный вектор матрицы. Элементы этого вектора и будут относительной значимостью каждого критерия.

В книге Томаса Саати предлагается несколько упрощенных методов расчета собственного вектора в уме или на бумаге. Мы воспользуемся более точным итеративным алгоритмом :

N = количество критериев m = матрица оценок размерностью NxN eigenvector = вектор размерностью N, заполненный значениями 1/N Повторяем пока eigenvalue не начнет сходиться к определенному значению или пока не сделаем максимально допустимое количество итераций x = m * eigenvector eigenvalue = sum(x) eigenvector = x / eigenvalue
В итоге получаем следующий вектор:
Наиболее значимый критерий – время (0,3846), наименее значимый – карьера (0,0555).

При парных сравнениях некоторые оценки могут получиться несогласованными. Например, для меня интерес важнее денег, а деньги важнее карьеры. Очевидно, что интерес должен быть существенно важнее карьеры. В данной таблице так и есть. Но если бы оценка для «интерес-карьера» была меньшей или вообще обратной, то мои оценки были бы не согласованы между собой.

Оценить меру этой несогласованности поможет собственное значение матрицы сравнений. Оно равно 6,7048.

Очевидно, что собственное значение пропорционально количеству критериев. Чтобы оценка согласованности не зависела от количества критериев, рассчитывается так называемый индекс согласованности = (собственное значение - N) / (N - 1).

Наконец, чтобы оценка была совсем объективной необходимо разделить данный индекс на усредненный индекс согласованности для случайных матриц. Если полученная величина (отношение согласованности) меньше 0,1000, то парные сравнения можно считать более-менее согласованными. В нашем примере оно равно 0,1137, это значит, что рассчитанным приоритетам можно более-менее доверять.

1.3 Оценка альтернатив

Теперь необходимо сравнить все альтернативы по каждому из критериев.

Например, при переезде в Москву я существенно выиграю в зарплате. Но работа, скорее всего, будет менее интересная, а также будет оставаться меньше времени для жизни. Или при переезде за границу мне придется отказаться от своего языка, подстраиваться под чужие культурные ценности.

По каждому критерию рассчитывается собственный вектор и отношение согласованности.

Полученные собственные векторы записаны в столбцах:

Отношения согласованности по каждому критерию записаны в следующем векторе:
[ 0,0337; 0,0211; 0,1012; 0,1399; 0,1270; 0,9507 ]
Большинство значений меньше или незначительно превышают 0,1000. Однако для критерия «культура» отношение согласованности получилось очень большое. Это связано с тем, что я неправильно расставил часть оценок. Хотел поставить 7 для «ничего не менять – переехать за границу», потому что жить в родном городе гораздо комфортнее. Но по ошибке поставил 1/7.

1.4 Определение приоритетов альтернатив

Итак, мы оценили критерии, навесили на каждую альтернативу ярлычок: какой вариант более денежный, какой более интересный и т.д. Теперь необходимо оценить альтернативы по всем критериям в сумме. Для этого достаточно умножить матрицу

На вектор
[ 0,0592; 0,2323; 0,3846; 0,0555; 0,1220; 0,1462 ]
В итоге мы получим следующий вектор:
[ 0,3184; 0,1227; 0,2049; 0,3540 ]
Это и есть значимости альтернатив относительно достижения цели.

1.5 Принятие решения

Теперь изобразим все рассчитанные значения на следующем рисунке:

В скобках указано отношение согласованности оценок.

Толщина линий пропорциональна приоритетам. Наиболее интересна и перспективна в плане карьеры текущая работа. Фриланс позволил бы больше бывать на природе и больше времени тратить на жизнь. Более денежная работа в Москве и заграницей.

Видно, что Москва совсем отпадает. Заграница чуть лучше, но тоже не очень. Ничего не менять и фриланс примерно на одном уровне.

2 Создание метамодели

Теперь опишем как всё это рисуется и считается.

Сначала необходимо описать метамодель: виды сущностей, которые используются в методе анализа иерархий. Причем, в отличие от мы не будем рисовать метамодель в виде диаграммы, а опишем её в текстовой нотации Xcore.

Остановимся только на самых интересных вещах. Xcore в отличие от Ecore позволяет описывать не только структуру модели, но и некоторую логику на Java-подобном языке. Опишем, например, тип данных для хранения оценок. Положительные оценки будем хранить в виде положительных целых чисел. А обратные оценки вида 1/n будем хранить как -n. Мы могли бы хранить оценки в виде строк или в виде действительных чисел, но, наверное, это плохая идея.

При этом нам нужны две функции для преобразования оценок из или в строковое представление. На Xcore это будет выглядеть так:

Type Weight wraps int create { if (it.matches("\\d+")) { Integer.parseInt(it) } else if (it.matches("1\\s*/\\s*\\d+")) { val result = Integer.parseInt(it.replaceFirst("1\\s*/\\s*", "")) if (result <= 1) 1 else -result } else { throw new NumberFormatException("The weight must be either n or 1/n") } } convert { if (it >= 1) { it.toString } else if (it >= -1) { "1" } else { "1/" + (-it).toString } }
Xcore позволяет описывать также и относительно сложную логику.

Вот, например, операция расчета приоритетов в иерархии.

class Hierarchy { op void updatePriorities() { priorities.clear inconsistencies.clear val mat = new JudgmentMatrix(criteria) val criteriaJudgments = judgments.filter(typeof(CriterionJudgment)).filter(cj | cj.goal == goal) for (judgment: criteriaJudgments) { mat.set(judgment.first, judgment.second, judgment.weight) } for (criterion: criteria) { val GoalCriterionPriority priority = AHPFactory.eINSTANCE.createGoalCriterionPriority priority.goal = goal priority.criterion = criterion priority.value = mat.findEigenvectorElement(criterion) priorities.add(priority) } val goalInconsistency = AHPFactory.eINSTANCE.createGoalInconsistency goalInconsistency.goal = goal goalInconsistency.value = mat.inconsistency inconsistencies.add(goalInconsistency) val mat2 = new Matrix(alternatives.size, criteria.size) criteria.forEach ] val mat4 = mat2.multiply(mat.eigenvector) alternatives.forEach } }

Наконец, для Xcore-модели (как и для Ecore-модели) вы можете создать диаграмму классов.

Так выглядит метамодель для метода анализа иерархий. Это максимально упрощенный вариант. А в общем случае, иерархия может содержать более трех уровней (например, у критериев могут быть подкритерии). Матрицы связей между уровнями могут быть разреженными. Оценки могут ставить несколько экспертов, а не один.

Так выглядит спецификация редактора диаграмм и таблиц:

Так выглядит результирующий редактор:

Совсем декларативно описать редактор иерархий не получилось, пришлось писать расширения на Java. Думаю, стоит остановиться на этом немного подробней. В Sirius есть по крайней мере два варианта расширений: службы (service) и действия (action).

С помощью служб вы можете добавить классам из метамодели некоторые дополнительные операции. Например, следующие две операции соответственно форматируют приоритет и рассчитывают толщину связей между критериями и альтернативами.

Public class Service { public String toString(Priority priority) { return String.format("%.4f", priority.getValue()); } public int getEdgeWidth(Alternative alternative, EdgeTarget targetView) { DSemanticDecorator targetNode = (DSemanticDecorator)targetView; Criterion criterion = (Criterion)targetNode.getTarget(); Priority priority = alternative.getPriority(criterion); return (int) (priority.getValue() * 7); } }
Удобно то, что эти операции вы можете использовать прямо в AQL-выражениях. Однако, вы не можете с их помощью изменять модель.

Для изменения модели нужно использовать Java-действия. Действия в отличие от служб уже не могут вызываться в AQL-выражениях. Их можно запускать, например, через контекстное меню или по нажатию кнопки. Действия можно откатывать с помощью команды Undo.

Одним из наиболее эффективным методов решения слабоструктурированных задач управления является метод анализа иерархий (МАИ), разработанный Т. Саати. Этот метод оказывается полезным при принятии решений на основе как формализованных, так и неформализованных факторов.

Главной чертой МАИ является то, что он отражает естественное мышление человека, принимающего решение независимо от широты спектра проблемы.

МАИ состоит в декомпозиции проблемы на простые части и элементы, которые оцениваются в шкале МАИ в виде суждений ЛПР (экспертов). А затем на основании обработки совокупности суждений методом матричной алгебры получаются конечные оценки в решении рассматриваемой проблемы. При этом определяется относительная степень взаимного влияния в иерархии.

Цель, факторы показательного оценивания и альтернативы образуют иерархическую структуру (рис. 7).

Рис. 7 Дерево целей МАИ: f1,f2,f3 - факторы (показатели), определяющие описание альтернатив; a1,a2,...an - множество альтернатив

Рассмотрение этой схемы (рис. 7) позволяет сформулировать ряд положений, отражающих сущность метода «анализа иерархий».

1. Число уровней иерархии, описывающих конкретную прикладную задачу, может быть различно и зависит от специфики задачи. Каждый элемент верхнего уровня является «направляющим» для элементов нижнего уровня иерархии. Это означает, что важность (весовой коэффициент факторов описываемой альтернативы) рассматривается относительно цели выбора альтернатив. Поэтому при бинарном сравнении факторов каждый из них оценивается относительно поставленной цели выбора и соответственно определяет уровни взаимного предпочтения.

2. Попарные сравнения факторов осуществляются в терминах доминирования одного из элементов над другим. Эти суждения в шкале МАИ выражаются в целых числах. Если элемент А доминирует над элементом В, то клетка квадратичной матрицы, соответствующей строке А и столбцу В, заполняется целым числом, а клетка, соответствующая строке B и столбцу A, заполняется обратным к нему числом. Если A и B эквивалентны, то в обе позиции записывается 1.

3. Для получения каждой матрицы требуется n×(n-1)/2 суждений, где n – число факторов, если сравнение проводится среди них, или n – число альтернатив, если они сравниваются по каждому фактору.

4. При бинарном сравнении альтернатив, в особенности при близких оценках их показателей, возможны случаи нарушения требований транзитивности или других ошибок в суждениях, поэтому МАИ предусматривает специальный механизм определения согласованности оценок.

Обработка результатов осуществляется на базе методов матричного анализа с использованием ряда специальных процедур оценки предпочтений ЛПР на основании шкалы МАИ (табл. 18).

Таблица 18

Шкала отношений МАИ

Метод анализа иерархий (МАИ) - математический инструмент системного подхода к сложным проблемам принятия решений.

МАИ не предписывает лицу, принимающему решение (ЛПР), какого-либо «правильного» решения, а позволяет ему в интерактивном режиме найти такой вариант (альтернативу), который наилучшим образом согласуется с его пониманием сути проблемы и требованиями к её решению.

Этот метод разработан американским математиком Томасом Л. Саати , который написал о нем книги, разработал программные продукты и в течение 20 лет проводит симпозиумы ISAHP (англ. International Symposium on Analytic Hierarchy Process ). МАИ широко используется на практике и активно развивается учеными всего мира. В его основе наряду с математикой заложены и психологические аспекты. МАИ позволяет понятным и рациональным образом структурировать сложную проблему принятия решений в виде иерархии, сравнить и выполнить количественную оценку альтернативных вариантов решения. Метод анализа иерархий используется во всем мире для принятия решений в разнообразных ситуациях: от управления на межгосударственном уровне до решения отраслевых и частных проблем в бизнесе , промышленности , здравоохранении и образовании .

Для компьютерной поддержки МАИ существуют программные продукты, разработанные различными компаниями.

Анализ проблемы принятия решений в МАИ начинается с построения иерархической структуры, которая включает цель, критерии, альтернативы и другие рассматриваемые факторы, влияющие на выбор. Эта структура отражает понимание проблемы лицом, принимающим решение.

Каждый элемент иерархии может представлять различные аспекты решаемой задачи, причем во внимание могут быть приняты как материальные, так и нематериальные факторы, измеряемые количественные параметры и качественные характеристики, объективные данные и субъективные экспертные оценки . Иными словами, анализ ситуации выбора решения в МАИ напоминает процедуры и методы аргументации, которые используются на интуитивном уровне.

Следующим этапом анализа является определение приоритетов, представляющих относительную важность или предпочтительность элементов построенной иерархической структуры, с помощью процедуры парных сравнений. Безразмерные приоритеты позволяют обоснованно сравнивать разнородные факторы, что является отличительной особенностью МАИ. На заключительном этапе анализа выполняется синтез (линейная свертка) приоритетов на иерархии, в результате которой вычисляются приоритеты альтернативных решений относительно главной цели. Лучшей считается альтернатива с максимальным значением приоритета.

Пример задачи многокритериального выбора с простейшей иерархией

В данной задаче необходимо выбрать из трех кандидатов одного на должность руководителя (см. рисунок). Кандидаты оцениваются по критериям: возраст, опыт, образование и личные качества. На рисунке показана иерархия для этой задачи. Простейшая иерархия содержит три уровня: цель, критерии и альтернативы. Числа на рисунке показывают приоритеты элементов иерархии с точки зрения цели, которые вычисляются в МАИ на основе парных сравнений элементов каждого уровня относительно связанных с ними элементами вышерасположенного уровня. Приоритеты альтернатив относительно цели (глобальные приоритеты) вычисляются на заключительном этапе метода путём линейной свертки локальных приоритетов всех элементов. В данном примере лучшим кандидатом является Дик, так как имеет максимальное значение глобального приоритета

Сфера образования и научных исследований

Хотя для практического применения МАИ отсутствует необходимость специальной подготовки, основы метода преподают во многих учебных заведениях . Кроме того, этот метод широко применяется в сфере управления качеством и читается в рамках многих специализированных программ, таких как Six Sigma, Lean Six Sigma, и QFD .

Раз в два года проводится Международный симпозиум, посвященный МАИ (International Symposium on Analytic Hierarchy Process, ISAHP), на котором встречаются как ученые, так и практики, работающие с МАИ. В 2007 году симпозиум проходил в Вальпараисо, Чили, где было представлено более 90 докладов ученых из 19 стран, включая США, Германию, Японию, Чили, Малайзию, и Непал .

Методика применения МАИ

Метод анализа иерархий содержит процедуру синтеза приоритетов, вычисляемых на основе субъективных суждений экспертов. Число суждений может измеряться дюжинами или даже сотнями. Математические вычисления для задач небольшой размерности можно выполнить вручную или с помощью калькулятора, однако гораздо удобнее использовать программное обеспечение (ПО) для ввода и обработки суждений. Самый простой способ компьютерной поддержки - электронные таблицы, самое развитое ПО предусматривает применение специальных устройств для ввода суждений участниками процесса коллективного выбора.

Порядок применения МАИ:

Рассмотрим эти шаги подробнее.

Моделирование проблемы в виде иерархии

Первый шаг МАИ - построение иерархической структуры, объединяющей цель выбора, критерии, альтернативы и другие факторы, влияющие на выбор решения. Построение такой структуры помогает проанализировать все аспекты проблемы и глубже вникнуть в суть задачи.

Определение иерархической структуры

Объяснение иерархических структур, используемых в МАИ

Иерархические структуры, используемые в МАИ, представляют собой инструмент для качественного моделирования сложных проблем. Вершиной иерархии является главная цель; элементы нижнего уровня представляют множество вариантов достижения цели (альтернатив); элементы промежуточных уровней соответствуют критериям или факторам, которые связывают цель с альтернативами.

Существуют специальные термины для описания иерархической структуры МАИ. Каждый уровень состоит из узлов. Элементы, исходящие из узла, принято называть его детьми (дочерними элементами). Элементы, из которых исходит узел, называются родительскими. Группы элементов, имеющие один и тот же родительский элемент, называются группами сравнения. Родительские элементы альтернатив, как правило, исходящие из различных групп сравнения, называются покрывающими критериями. Используя эти термины для описания представленной ниже диаграммы, можно сказать, что четыре критерия - это дети цели; в свою очередь, цель - это родительский элемент для любого из критериев. Каждая Альтернатива - это дочерний элемент каждого из включающих её критериев. Всего на диаграмме присутствует две группы сравнения: группа, состоящая из четырех критериев и группа, включающая три Альтернативы.

Вид любой иерархии МАИ будет зависеть не только от объективного характера рассматриваемой проблемы, но и от знаний, суждений, системы ценностей, мнений, желаний и т. п. участников процесса. Опубликованные описания применений МАИ часто включают в себя различные схемы и объяснения представленных иерархий . Последовательное выполнение всех шагов МАИ предусматривает возможность изменения структуры иерархии, с целью включения в неё вновь появившихся, или ранее не считавшихся важными, критериев и Альтернатив .

Расстановка приоритетов

После построения иерархии участники процесса используют МАИ для определения приоритетов всех узлов структуры. Информация для расстановки приоритетов собирается со всех участников и математически обрабатывается. В данном разделе приведена информация, на простом примере поясняющая процесс вычисления приоритетов.

Определение приоритетов и пояснения

Приоритеты - это числа, которые связаны с узлами иерархии. Они представляют собой относительные веса элементов в каждой группе. Подобно вероятностям, приоритеты - безразмерные величины, которые могут принимать значения от нуля до единицы. Чем больше величина приоритета, тем более значимым является соответствующий ему элемент. Сумма приоритетов элементов, подчиненных одному элементу выше лежащего уровня иерархии, равна единице. Приоритет цели по определению равен 1.0. Рассмотрим простой пример, поясняющий методику вычисления приоритетов.

На рисунке показана иерархия, в которой приоритеты всех элементов не устанавливались ЛПР. В таком случае по умолчанию приоритеты элементов считаются одинаковыми, то есть все четыре критерия имеют равную важность с точки зрения цели, а приоритеты всех альтернатив равны по всем критериями. Другими словами, альтернативы в этом примере неразличимы. Заметим, что сумма приоритетов элементов любого уровня, равна единице. Если бы альтернатив было две, то их приоритеты были бы равны 0.500, если бы критериев было 5, то приоритет каждого был бы равен 0.200. В этом простом примере приоритеты альтернатив по разным критериям могут не совпадать, что обычно и бывает на практике.

Приведем пример, в котором локальные приоритеты альтернатив по разным критериям не совпадают. Глобальные приоритеты альтернатив относительно цели вычисляются путём умножения локального приоритета каждой альтернативы на приоритет каждого критерия и суммирования по всем критериям.

Если приоритеты критериев изменятся, то изменятся значения глобальных приоритетов альтернатив, следовательно, может измениться их порядок. На рисунке показано решение данной задачи с изменившимися значениями приоритетов критериев, при этом наиболее предпочтительной альтернативой становится A3.

См.также

Примечания

1. Saaty, Thomas L. (2008-06). “Relative Measurement and its Generalization in Decision Making: Why Pairwise Comparisons are Central in Mathematics for the Measurement of Intangible Factors - The Analytic Hierarchy/Network Process” (PDF) . RACSAM (Review of the Royal Spanish Academy of Sciences, Series A, Mathematics) . 102 (2): 251-318. Проверено 2008-12-22 . Проверьте дату в |date= (справка на английском)
2. Drake, P.R. (1998). “Using the Analytic Hierarchy Process in Engineering Education” (PDF) . International Journal of Engineering Education . 14 (3): 191-196. Архивировано из оригинала (PDF) 2007-11-28. Проверено 2007-08-20 . Используется устаревший параметр |deadlink= (справка)
3. Bodin, Lawrence; Saul I. Gass (January, 2004). “Exercises for Teaching the Analytic Hierarchy Process” ((недоступная ссылка) - Scholar search) . INFORMS Transactions on Education . 4 (2). Проверено 2009-03-11 . Используется устаревший параметр |coauthors= (справка); Проверьте дату в |date= (справка на английском)
4. Hallowell, David L. (January 2005). “Analytical Hierarchy Process (AHP) – Getting Oriented” . ISixSigma.com . Архивировано из оригинала 2007-08-11. Проверено 2007-08-21 . Используется устаревший параметр |month= (

В начале 1970 года американский математик Томас Саати разработал процедуру поддержки принятия решений, которую назвал "Analityc hierarchy process" (AHP). Авторы русского издания перевели это название как "Метод анализа иерархий" (см. книгу: Саати Т. Принятие решений. Метод анализа иерархий. - М.: Радио и Связь, 1993). Этот метод относится к классу критериальных и занимает особое место, благодаря тому, что он получил исключительно широкое распространение и активно применяется по сей день, особенно в США. По этой причине он заслуживает подробного описания в отдельном разделе. Не следует думать, что его выдающаяся популярность объясняется какими-либо важными преимуществами этого метода, по сравнению с другими. Я думаю, что здесь мы сталкиваемся с известным психологическим феноменом: продукт, появившийся первым и удачно удовлетворяющий определенную потребность, захватывает рынок. Более поздние продукты, зачастую более совершенные, часто оказываются неспособны вытеснить удачливого первенца.

На основе этого метода разработаны достаточно серьезные системы поддержки принятия решений, например "Expert choice"

Описание метода выполним на конкретном примере выбора автомобиля.

Альтернативы:

• Жигули
• Москвич
• Волга

Критерии:

• стиль
• надежность
• экономия топлива

В основе АНР все та же линейная свертка, но оценки альтернатив и веса критериев получаются особым образом. Его мы сейчас и рассмотрим.

В модели АНР вместо критериальной таблицы принята иерархия. Представим ее следующим образом:

Уровень 0: Цель - выбрать автомобиль.

Уровень 1: Критерии -

– надежность

– экономичность

Уровней может быть сколько угодно. Например, критерий 1-го уровня "надежность" можно раскрыть уровнем 2 как: 1) надежность двигателя, 2) надежность кузова, 3) надежность ходовой части. Надежность ходовой части можно далее раскрыть уровнем 3, например, как а) надежность тормозной системы, б) надежность подвески и т.д. Мы же, для простоты объяснения, ограничимся Уровнем 1.

Теперь нужно получить оценки каждой альтернативы по каждому критерию. Если существуют объективные оценки, то они просто выписываются и нормируются таким образом, чтобы их сумма была равна единице. Например, если бы нас интересовал критерий "максимальная скорость" и имелись бы соответствующие данные по каждому автомобилю, то нужно было бы составить следующую таблицу.

А как быть с таким критерием как "стиль", для которого не существует объективных оценок? В этом случае процедура Саати рекомендует использовать парные сравнения. Для фиксации результата сравнения пары альтернатив может использоваться, например, шкала следующего типа:

Лицо, принимающее решение (ЛПР), просят попарно сравнить альтернативы. Результат парных сравнений альтернатив для критерия "стиль" записывается в виде таблицы

Простые дроби в клетках трактуются следующим образом. Например, на пересечении строки "Москвич" и столбца "Жигули" записана дробь 4/1. Это выражает мнение ЛПР о том, что "стильность" Москвича" в 4 раза выше, чем "стильность" Жигулей. Здесь вместо приведенной выше шкалы превосходства использовалось понятие "быть лучше в N раз", что также допустимо. Далее простые дроби переводятся в десятичные. Получается такая таблица.

Эта таблица есть не что иное, как таблица результатов парных сравнений (см. раздел "Некритериальное структурирование множества альтернатив"). Поступим с ней так же, как мы поступали в указанном разделе - посчитаем строчные суммы .

	Жигули	Москвич	Иж	Волга	Сумма по строке
Жигули	1,00	0,25	4,00	0,17	5,42
Москвич	4,00	1,00	4,00	0,25	9,25
Иж	0,25	0,25	1,00	0,20	1,70
Волга	6,00	4,00	5,00	1,00	16,00
				Сумма	32,37

Теперь, в отличие от прежнего, нормируем суммы таким образом, чтобы их сумма в свою очередь была равна 1. Для этого просто разделим сумму каждой строки на 32,37 (сумма последнего столбца, т.е. сумма самих строчных сумм). Получим:

	Жигули	Москвич	Иж	Волга	Сумма
Жигули	1,00	0,25	4,00	0,17	0,116
Москвич	4,00	1,00	4,00	0,25	0,247
Иж	0,25	0,25	1,00	0,20	0,060
Волга	6,00	4,00	5,00	1,00	0,577
				Сумма	1,00

В методе Саати полученные таким образом нормированные суммы принимаются в качестве оценок альтернатив по критерию "стильность". Отметим, что полученные оценки отражают исключительно точку зрения конкретного ЛПР. На самом деле, вместо строчных сумм Саати рекомендует использовать собственный вектор матрицы парных сравнений, считая его более точной оценкой. Мы же для простоты ограничимся строчными суммами, которые допустимы, но, с точки зрения Саати, менее точны.

Аналогичным образом получаются веса критериев. Предположим, конкретное ЛПР сравнило попарно критерии с точки зрения их сравнительной важности. Запишем результаты сравнений в виде таблицы.

Как и прежде, утверждение типа "надежность в 2 раза важнее стиля" записывается в виде дроби 2/1.

Применяя к этой таблице описанную выше процедуру, получим веса критериев:

w 1 = 0,32 (стиль), w 2 = 0,56 (надежность), w 3 = 0,12 (экономичность).

Таким образом, мы можем получить как веса критериев, так и оценки альтернатив по критериям:

Жигули - 0,306;
Москвич - 0,272;
Иж - 0,094;
Волга - 0,328.

Затем производится анализ отношения стоимость/эффективность. Используется отношение полученной интегральной оценки к нормированной стоимости. Наилучшей считается альтернатива, для которой указанное отношение максимально .

В рамках нашего примера, сведем все необходимые данные в следующую таблицу:

	Стоимость в $	Стоимость нормированная	Функция полезности	Отношение
Жигули	4 000	0,24	0,306	1,28
Москвич	3 000	0,18	0,272	1,51
Иж	2 500	0,15	0,094	0,63
Волга	7 000	0,43	0,328	0,76
Сумма	16 000	1,00	1,00

Таким образом, учитывая предпочтения данного конкретного ЛПР, процедура АНР рекомендует ему выбрать Москвич.

Несколько заключительных замечаний

Как я уже отметил в начале этого раздела, исключительно широкий опыт практического использования АНР придал процедуре этакий магический ореол. Не смотря на это, я попробую, по возможности объективно, отметить ее достоинства и недостатки.

Главным достоинством процедуры я считаю тот факт, что веса критериев и оценки по субъективным критериям не назначаются прямым волевым методом (как чаще всего пытаются делать, не сильно задумываясь о корректности такого волюнтаризма), а на основе парных сравнений. При этом, на мой взгляд, остается неопределенным (интуитивным) понятие "превосходство в N раз", но все равно - это большой шаг вперед. Нельзя не отметить, что сравнительно недавно Подиновским сделана попытка точно определить, что означает количественное превосходство одного критерия над другим (см. журнал "Автоматика и телемеханика" №5 за 2000 год).

Другое достоинство - представление критериев в виде иерархии (дерева). Такая структура, если вдуматься, внутренне присуща самому понятию "критерий", т.е. критерии по своей природе иерархичны. Используя одну критериальную таблицу, мы по сути дела упрощаем ситуацию, выполняя оценку либо для верхних уровней дерева критериев, либо для самых нижних (как говорят математики "для листьев дерева"). Большой беды в этом нет, но при оценке сложных альтернатив полезнее мыслить в терминах дерева критериев.

Теперь о недостатках. Первый касается шкалы превосходства. Напомню, что Саати предлагает следующую шкалу:

Теперь представим ситуацию, когда одновременно справедливы следующие 2 утверждения: а) "альтернатива А1 очень сильно превосходит альтернативу А2" и б) "альтернатива А2 очень сильно превосходит альтернативу А3". Что можно сказать о превосходстве альтернативы А1 над альтернативой А3? Логично было бы сделать заключение, что альтернатива А1 превосходит альтернативу А3 в 49 раз (7 умножить на 7)!? Но этот вывод явно не укладывается в рамки заданной шкалы. Как же быть? Процедура АНР не дает ответа на этот каверзный вопрос. Скорее всего, придется удовлетвориться утверждением типа: "альтернатива А1 имеет высшее превосходство над альтернативой А3" и в дальнейшем использовать градацию шкалы "9".

Основной недостаток, на мой взгляд, заключается в том, что парные сравнения используются для получения количественных значений. Серьезные исследования последнего десятилетия приводят к выводу, что корректнее и надежнее использовать парные сравнения для получения только качественных заключений, типа: "критерий К1 важнее критерия К2", не уточняя на сколько важнее.

С то – затраты на техническое обслуживание, включая заработную плату персонала ИС;

С лс – затраты, связанные с использованием глобальных вычислительных сетей (Internet и др.);

С ни – затраты на носители информации;С проч – прочие затраты.

Наибольший удельный вес в эксплуатационных затратах принадлежит заработной плате, амортизационным отчислениям, техническому обслуживанию .

Метод анализа иерархий (МАИ)

Метод анализа иерархий (МАИ) – математический инструмент системного подхода к сложным проблемам принятия решений. МАИ не предписывает ЛПР, какого-либо «правильного» решения, а позволяет ему в интерактивном режиме найти такой вариант (альтернативу), который наилучшим образом согласуется с его пониманием сути проблемы и требованиями к ее решению. Этот метод разработан американским математиком Томасом Саати .

МАИ позволяет понятным и рациональным образом структурировать сложную проблему принятия решений в виде иерархии, сравнить и выполнить количественную оценку альтернативных вариантов решения.

Анализ проблемы принятия решений в МАИ начинается с построения иерархической структуры, которая включает цель, критерии, альтернативы и другие рассматриваемые факторы, влияющие на выбор. Эта структура отражает понимание проблемы лицом, принимающим решение. Каждый элемент иерархии может представлять различные аспекты решаемой задачи, причем во внимание могут быть приняты как материальные, так и нематериальные факторы, измеряемые количественные параметры и качественные характеристики, объективные данные и субъективные экспертные оценки.

Следующим этапом анализа является определение приоритетов, представляющих относительную важность или предпочтительность элементов построенной иерархической структуры, с помощью процедуры парных сравнений. Безразмерные приоритеты позволяют обоснованно сравнивать разнородные факторы, что является отличительной особенностью МАИ.

На заключительном этапе анализа выполняется синтез (линейная свертка) приоритетов на иерархии, в результате которой вычисляются приоритеты альтернативных решений относительно главной цели. Лучшей считается альтернатива с максимальным значением приоритета.

Порядок применения МАИ :

1) Построение качественной модели проблемы в виде иерархии, включающей цель, альтернативные варианты достижения цели и критерии для оценки качества альтернатив (см. рис. 3).

Иерархическая структура – это графическое представление проблемы в виде перевернутого дерева, где каждый элемент, за исключением самого верхнего, зависит от одного или более выше расположенных элементов. Часто в различных организациях распределение полномочий, руководство и эффективные коммуникации между сотрудниками организованы в иерархической форме.

Иерархические структуры используются для лучшего понимания сложной реальности: мы раскладываем исследуемую проблему на составные части; затем разбиваем на составные части получившиеся элементы и т. д. На каждом шаге важно фокусировать внимание на понимании текущего элемента, временно абстрагируясь от всех прочих компонентов. При проведении подобного анализа приходит понимание всей сложности и многогранности исследуемого предмета.

Когда мы решаем сложную проблему, мы можем использовать иерархию как инструмент для обработки и восприятия больших объемов информации. По мере проектирования этой структуры у нас формируется все более полное понимание проблемы.

Рис. 4. Простейшая иерархия МАИ

2) Определение приоритетов всех элементов иерархии с использованием метода парных сравнений.

Иерархические структуры, используемые в МАИ, представляет собой инструмент для качественного моделирования сложных проблем. Вершиной иерархии является главная цель; элементы нижнего уровня представляют множество вариантов достижения цели (альтернатив); элементы промежуточных уровней соответствуют критериям или факторам, которые связывают цель с альтернативами.

Существуют специальные термины для описания иерархической структуры МАИ. Каждый уровень состоит из узлов. Элементы, исходящие из узла, принято называть его детьми (дочерними элементами). Элементы, из которых исходит узел, называются родительскими. Группы элементов, имеющие один и тот же родительский элемент, называются группами сравнения. Родительские элементы Альтернатив, как правило, исходящие из различных групп сравнения, называются покрывающими Критериями. Используя эти термины для описания представленной ниже диаграммы, можно сказать, что четыре Критерия – это дети Цели; в свою очередь, Цель – это родительский элемент для любого из Критериев. Каждая Альтернатива – это дочерний элемент каждого из включающих ее Критериев. Всего на диаграмме присутствует две группы сравнения: группа, состоящая из четырех Критериев и группа, включающая три Альтернативы. Вид любой иерархии МАИ будет

зависеть не только от объективного характера рассматриваемой проблемы, но и от знаний, суждений, системы ценностей, мнений, желаний и т. п. участников процесса. Опубликованные описания применений МАИ часто включают в себя различные схемы и объяснения представленных иерархий. Последовательное выполнение всех шагов МАИ предусматривает возможность изменения структуры иерархии, с целью включения в неё вновь появившихся, или ранее не считавшихся важными, Критериев и Альтернатив.

3) Синтез глобальных приоритетов альтернатив путем линейной свертки приоритетов элементов на иерархии.

После построения иерархии участники процесса используют МАИ для определения приоритетов всех узлов структуры. Информация для расстановки приоритетов собирается со всех участников и математически обрабатывается.

Приоритеты – это числа, которые связаны с узлами иерархии. Они представляют собой относительные веса элементов в каждой группе. Подобно вероятностям, приоритеты – безразмерные величины, которые могут принимать значения от нуля до единицы. Чем больше величина приоритета, тем более значимым является соответствующий ему элемент. Сумма приоритетов элементов, подчиненных одному элементу выше лежащего уровня иерархии, равна единице. Приоритет цели по определению равен 1.0. Рассмотрим простой пример, поясняющий методику вычисления приоритетов (рис. 5).

Рис. 5. Простейшая иерархическая структура МАИ с приоритетами, определенными по умолчанию

На рисунке показана иерархия, в которой приоритеты всех элементов не устанавливались ЛПР. В таком случае по умолчанию приоритеты элементов считаются одинаковыми, то есть все четыре критерия имеют равную важность с точки зрения цели, а приоритеты всех альтернатив равны по всем критериями. Другими словами, альтернативы в этом примере неразличимы. Заметим, что сумма приоритетов элементов любого уровня, равна единице. Если бы альтернатив было две, то их приоритеты были бы равны 0.500, если бы критериев было 5, то приоритет каждого был бы равен 0.200. В этом простом примере приоритеты альтернатив по разным критериям могут не совпадать, что обычно и бывает на практике. Приведем пример, в котором локальные приоритеты альтернатив по разным критериям не совпадают. Глобальные приоритеты альтернатив относительно цели вычисляются путем умножения локального приоритета каждой альтернативы на приоритет каждого критерия и суммирования по всем критериям (рис. 6).

Рис. 6. Иерархическая структура МАИ, содержащая глобальные и локальные значения приоритетов по умолчанию

Если приоритеты критериев изменятся, то изменятся значения глобальных приоритетов альтернатив, следовательно, может измениться их порядок. На рисунке показано решение данной задачи с изменившимися значениями приоритетов критериев, при этом наиболее предпочтительной альтернативой становится A3 (рис. 7).

Рис. 7. Иерархическая структура МАИ, содержащая глобальные и локальные значения приоритетов по умолчанию

4) Проверка суждений на согласованность.

5) Принятие решения на основе полученных результатов.