1 РЕШЕНИЕ ЗАДАЧ УПОРЯДОЧИВАНИЯ ВАРИАНТОВ С ИСПОЛЬЗОВАНИЕМ ФАКТОР-МНОЖЕСТВ, ПРЕДСТАВЛЕННЫХ АССОЦИАТИВНЫМИ МОДЕЛЯМИ Кандырин Ю.В., Кошелев А.М. В работе рассмотрены методы автоматизированного решения задач упорядочивания альтернатив на множестве однородных вариантов, позволяющие формировать очереди на ремонт технических объектов по совокупности показателей качества. Материалы статьи развивают, дополняют и детализируют методику «Сравнительного анализа технических объектов с целью формирования очередей ремонтов», опубликованную в журнале «Надежность» № 2(13) за 2005г. -С. 34-44. Существует широкий спектр задач, в которых необходимо упорядочивание объектов по принятым правилам. К ним относятся задачи оптимального планирования ремонтов по совокупности показателей качества среди однородных объектов, задачи создания критериально структурированных баз данных для справочных систем в САПР [2] - [5] и целый ряд других. В результате их решения можно создавать автоматизированные справочники для элементной базы конструкций, "настроенные" на функциональные требования; существенно повышать надежность систем и отдельных объектов за счет оптимизации порядка вывода в ремонт оборудования с учетом критериев надежности, устанавливая очереди на ремонты, обслуживание и замены оборудования, а также решать многие другие проблемы, требующие задания приоритетов вариантов по результатам сравнений. Такие задачи по существу является подклассом задач выбора < C, > где - множество возможных альтернатив (МВА) = {i}, i={1, N} а C - функция выбора, отражающая принятый принцип оптимальности (ПО). Функция выбора С = СД СК включает требования по допустимости альтернатив - СД, а также совокупность критериальных требований СК и определяет подмножество предпочтительных Д вариантов 0 среди допустимых альтернатив Д0 Д , 0Д = С(). Решение задач выбора нацелено на выделение нехудших или лучших альтернатив в принятом смысле и может осуществляться по различным принципам оптимальности. В отличие от задач выбора оптимальных вариантов, в задачах структурирования должен осуществляться не просто выбор оптимальных вариантов, а производиться последовательное упорядочивание альтернатив на всем множестве . Правила, положенные в основу задания приоритетов могут быть различными, а значит и результат упорядочивания может оказаться разным [1]. Он напрямую зависит от критерия сравнения назначаемого лицом, принимающим решения (ЛПР), исходя из целей операции. В данной работе авторами предлагается алгоритм установления приоритетов альтернатив, построенный на использовании Парето расслоений и основанный на механизме представления МВА в виде фактор-множеств заданных ассоциативными структурами. Такой алгоритм позволяет решать задачи сравнения и выбора вариантов произвольной размерности, и устанавливать предпочтения в виде очередей альтернатив на множестве . Прежде чем 2 приступать к анализу, кратко остановимся на определении фактор-множества и укажем путь решения задачи методом пересечения окрестностей фактор-множеств [2]. Пусть имеется множество исходных данных, представленное в виде реляционного отношения (рис. 1). Характеристики {Pl}, l={1,M} альтернатив {i} описываются их значениями {pil}. Варианты {i} 1 2 ------------------ N Характеристики альтернатив {Pl} и их значения Характеристика 1 Характеристика 2 ----Характеристика M (P1) (P2) (PM) ----p11 p12 p1M ----p21 p22 p2M ---------------------------------------------------------------------------pN1 pN2 pNM Рис 1. Структура исходных данных в виде реляционного отношения. Фактор-множеством /R (множества по отношению R) называется множество окрестностей единичного радиуса, взятых для всех i , i={1,N} . Под окрестностью Оi единичного радиуса элемента i будем понимать множество элементов {i*}, доминирующих или эквивалентных i, таких, что они могут быть описаны следующим линейным порядком: {i*},i R (для min). Очевидно, что окрестностью минимальных элементов является пустое множество. Отношение R определяет доминирование альтернатив при их бинарном сравнении. В самом общем виде это отношение может задаваться безусловными, неметрическими критериями: Парето, Слейтера, или условными, неметрическими критериями: L-критерием, критерием с уступками, а также метрическими свертками аддитивного или мультипликативного типа. В предлагаемой вниманию работе в качестве правила сравнения вариантов принимается критерий Парето, позволяющий устанавливать порядки с минимумом требуемой начальной информации. Определим окрестность Оi в фактор-множестве /kl для отношения = по показателю качества kl как Оi(/kl) {j: kl(j ) kl(i ), j,i , j = i }. Тогда фактормножество /kl можно представить как совокупность окрестностей /kl={Оi(/kl)}, i ={1,||=N}, l={1,M}. Для построения фактор-множеств, необходимо обладать информацией о линейных порядках альтернатив L(/kl), l={1,M} по показателям качества {kl}. Представление линейных порядков в виде реляционного отношения показано на рис. 2. Вид порядка Линейные порядки альтернатив для каждого kl L( | k1) <i, i+1,...,N >1 , i={1, N}, i i+1 по k1 L( | k2) <N, i+1,...,i >2 , i={1, N}, i+1 i по k2 ……………….. ……………………………………………. L( | kM) <i+1, i,...,N >N , i={1, N}, i+1 i по kM Рис 2. Линейные порядки альтернатив показателям качества Пример описания фактор-множеств совокупностью альтернативы в реляционной модели данных приведен на рис. 3. окрестностей для каждой 3 Рис 3. Фактор-множества представленные набором совокупностей окрестностей В [2] доказано, что решение задачи выбора оптимальных по Парето вариантов для совокупности показателей качества {kl}, l ={1,M} можно получить пересечением фактормножеств меньшей размерности Oi((/{k1,k2...kl}) = Oi(/k1 ) Oi(/k2) … Oi(/kl). Известно, s = ( \ что s-слой по Парето s на множестве (1) определяется как s1 U ). Причем, все элементы в каждом таком слое несравнимы между собой без привлечения дополнительной информации и каждый элемент слоя принадлежит одному и только одному классу подмножеств -расслоения на . Для построения алгоритма автоматизированного многокритериального упорядочивания оптимальных по Парето вариантов в слое введем ассоциативную модель описывающую фактормножества /kl (рис.4). Альтернативы\ i-Окрестности О1(1 /kl) О2(2 /kl) ........ ОN(N /kl) 1 2 …… N 0 B21 ……. BN1 B12 0 ……. BN2 ……. ……. ……. ……. B1N B2N ……. 0 Рис 4. Ассоциативная матрица фактор-множества /kl, представленная совокупностью окрестностей всех альтернатив. Элемент Bij ассоциативной матрицы определяется следующим образом 0, j i, i , j L( | kl ), Bi , j 0, i j , 1, , L( | k ), j i i, j l i j {1, N }, i j {1, N }, l {1, M }, l {1, M }. (2) В случае, когда альтернативы несравнимы, элемент Bi,j принимает значение "1" (см. определение окрестности альтернативы). Такие структуры могут определять фактор-множества любого порядка и позволяют решать задачи выбора на основе булевой алгебры, посредством дизъюнкции ассоциативных матриц. В результате пересечения фактор-множеств по каждому из показателей качества может быть получена результирующая ассоциативная матрица (РАМ) более высокого порядка для совокупности показателей качества, представленная на рис. 5. 4 Альтернативы\ i-Окрестности О1(1 /{kl}) О2(2 /{kl}) ........ ОN(N /kl) 1 2 …… N 0 G12 ……. G1N G21 ……. GN1 0 ……. GN2 ……. ……. ……. G2N ……. 0 Рис 5. Результирующая ассоциативная матрица (РАМ) Элемент РАМ определяется следующим образом: 1 2 l M 1, Bi , j Bi , j ...Bi , j ... Bi , j 1 Gi , j 1 2 l M 0, Bi , j Bi , j ...Bi , j .. Bi , j 0 , (3) где Bil, j - элемент ассоциативной матрицы для показателей качества {kl}. Альтернатива i включается в множество -решений, если для столбца, т. е. для окрестности альтернативы i: Оi(i/{kl}) выполняется условие N G i 1 i, j 0, (4) означающее отсутствие альтернатив, доминирующих вариант i. Так как "0" окрестности (4) однозначно определяют -оптимальные варианты, то после их удаления, для дальнейшего структурирования можно переходить к поиску второго слоя. Следующий, второй слой, будет содержать все 2 - нехудшие варианты для \1. Далее осуществляется переход к следующему -слою, содержащему нехудшие варианты из оставшегося множества, не включающего альтернативы предыдущих слоев. Если после исключения альтернатив всех предыдущих слоёв мощность \ s1 U , то задача - структурирования вариантов на МВА завершена. Рассмотрим методы получения -расслоений в ассоциативных структурах фактормножеств. Метод исключения столбцов и строк из РАМ Цель метода – найти все s-слои на МВА . Для этого последовательно из результирующей матрицы удаляются столбцы и строки, соответствующие вариантам, имеющим на данном шаге пустые окрестности Оi(i/{kl}) = . То есть, если i - входит в множество нехудших решений s, то столбец Оi(i /{kl}) и строка i исключается из ассоциативной матрицы (рис. 6). 5 Альтернативы \ Окрестности О1(1 /{kl}) 0 1 2 … i … N G21 ……. Gi1 … GN1 ... Оi(i /{kl}) … ОN(N /{kl}) … G1i = 0 … G1N … … … … … G2i = 0 … … … … … G2N … Gii = 0 … GNi = 0 ……. GiN … 0 Рис 6. Исключение альтернативы i из РАМ Если в матрице на s-шаге окажется q нулевых столбцов, то удаляются все эти столбцы и соответствующие им строки (рис. 7). Альтернативы \ Окрестности О1(1 /{kl}) G11 1 G21 2 ………………………… ……. GN-q,1 N-q О2(2 /{kl}) … ОN-q (N-q /{kl}) G12 G22 ……. GN-q,2 … … … … G1N-q G2N-q ……. GN-q,N-q Рис 7. Матрица, полученная в результате исключений нехудших вариантов Как видно из рис. 7, результирующая матрица уже не содержит альтернатив предыдущих s-1 -слоёв и их окрестностей. Дальнейший анализ, сводится к использованию выражения (4) и дальнейшему исключению альтернатив, входящих в последующее (s+1) множество нехудших решений. Достоинством данного метода является наглядность и простота при эвристическом анализе ассоциативных матриц, а недостатком - трудоемкость реализации в компьютерном варианте. Удаление столбцов и строк может оказаться затруднительным, т. к. это требует перехода либо к новой матрице, либо наделения каждого столбца и каждой строки свойством, отражающим возможность пропуска обработки строки (столбца). Рассмотрим далее еще один предлагаемый вариант введения -расслоения. Метод последовательного перемещения слоев в РАМ. Будем изменять результирующую ассоциативную матрицу так, чтобы искусственно ухудшать нехудшие альтернативы каждого текущего s -слоя. Идея последовательного анализа принадлежности вариантов к текущему паретовскому слою, с последующим его «ухудшением» демонстрируется рис. 8 (для min). 6 Третий Парето слой Второй Парето слой ПК 2 Первый Парето слой 3. Ухудшение третьего слоя 2. Ухудшение второго слоя 1. Ухудшение первого слоя ПК 1 Рис. 8. Последовательное ухудшение s - слоёв для установления приоритетов Пусть, например (рис. 6), альтернатива i входит в первый 1-слой, т.к. Оi(i/{kl}) = и, следовательно, должна быть перенесена в самый «худший слой». Перенос альтернативы производится по следующему правилу: в столбец, соответствующий Оi(i /{kl}) в ячейки заносится «1» (это означает, что Альтернативы\Окрестности 1 2 ........ i 1 2 … i G11 G21 G12 G22 ……. ……. 1 1 G1N G2N ……. 0 ……. GN1 ……. 0 ……. GN2 ……. ……. ……. ……. ……. 0 ……. 1 ……. 0 ……. GNN … N ........ N Рис 9. Искусственное перемещение -слоев альтернатива i будет хуже всех вариантов, кроме самой себя), в остальные столбцы, в ячейки, соответвующие i заносится «0» (альтернативы становятся лучше исключаемой (рис. 9)). При перемещении нескольких альтернатив {j}, j = {1, q N} изменяются только те значения элементов, которые не имеют индексов перемещаемых альтернатив. При этом значения Gip , Gpi для i {j} принимают вид Gpi = 1, p ≠ i, p ≠ j, p = {1, [N - (q - 1)]}, j = {1, q N}, i = {1, N} Gip = 0, p i, p ≠ j, p = {1, (N - q}, j = {1, q N}, i = {1, N} (5) где i – индекс исключаемых альтернатив: i {j}. Выражение (5) иллюстрируется ниже приведенным примером. Ограничение p ≠ j необходимо для сохранения информации о доминируемости между альтернативами. Если его снять, то перемещаемый слой расслоится на j слоев. Указанное преобразование должно быть проведено для всех исключаемых альтернатив. Полученная ассоциативная матрица вновь исследуется на наличие нехудших решений по 7 правилу (4), после переноса s-1 решения по правилу (5), осуществляется переход к следующему паретовскому слою и т. д. Главным достоинством данного метода является сохранение размерности (N) результирующей матрицы, что существенно облегчает алгоритм реализации на ЭВМ. Критерии остановки перемещения -слоёв. В работе предлагается несколько способов контроля последнего шага в методе последовательного перемещения слоев: Накапливание альтернатив. Ведется подсчет ухудшаемых альтернатив. Как только была включена последняя альтернатива из , поиск останавливается. Перенос s -слоя, состоящего из Λ альтернатив приводит к s s s s s = (s-1) + Λ; где s – накопленное количество альтернатив. s При этом условие прекращения построения расслоений s = N s Сравнение ассоциативных матриц слоев. Каждый последующий s -слой, идентифицируется с первым 1 посредством сравнения матриц. При их совпадении, поиск прекращается. Условие прекращения построения слоев можно выявить тождеством АМs АМ1 , где АМs - ассоциативная матрица текущего s -слоя (т.е. слоя, где осуществляется, в настоящий момент, поиск нехудших альтернатив), АМ1 ассоциативная матрица первого 1 -слоя. При использовании метода исключения столбцов, прекращение поиска осуществляется при удалении последней строки и последнего столбца матрицы, соответствующих последней исключаемой альтернативе. Рассмотрим пример, иллюстрирующий применение метода последовательного перемещения слоев для установления приоритетов вариантов на МВА . Пример Пусть исходное множество задано шестью альтернативами, для каждой из которых определены три числовые характеристики – показатели качества k1, k2, k3 . Описание исходного множества представим реляционной моделью (рис. 10). Пусть требуется получить очередь альтернатив при следующих ингредиентах Р1 = k1 , Р2 = k2 двух показателей качества. Альтернативы \ Характеристики k1 k2 k3 1 2 3 4 5 6 20 10 30 5 40 35 30 15 20 10 35 40 1.5 2 1.7 2 1.0 1.9 Рис. 10. Реляционная модель исходных данных 8 Решение задачи начнем с построения линейных порядков по k1 и k2. (Построение линейного порядка по столбцу k3 не требуется, т. к. эта характеристика не используется по условию задачи.) L(/k1) = < 5, 6, 3, 1, 2, 4 >, L(/k2) = < 6, 5, 1, 3, 2, 4 >. Построим ассоциативные матрицы фактор-множеств по каждому линейному порядку. Элементы этих матриц определяются выражением (2). На рис.11 представлена АМ1 для фактор-множества /k1, а на рис.12 представлена АМ2 для фактор-множества /k2. Рис 11. Ассоциативная матрица АМ1 для фактор-множества /k1 Столбцы этой матрицы представляют собой окрестности соответствующих вариантов. Соответственно, пустые окрестности (О5(5 /{kl}) = ) идентифицируют недоминируемые варианты (в данной матрице - 5). Рис 12. Ассоциативная матрица АМ2 для фактор-множества /k2 Результирующую ассоциативную матрицу (РАМ) получаем путем пересечения окрестностей Oi фактор-множеств /k1 /k2 для всех альтернатив (1). 9 Рис. 13. Результирующая ассоциативная матрица фактор-множества /{k1, k2} Анализ результирующей матрицы для /{k1, k2} позволяет выделить множество нехудших решений, как совокупность недоминируемых альтернатив, имеющих пустые окрестности О5 (5) и О6 (6): {5, 6}. Для дальнейшего поиска решения воспользуемся методом последовательного перемещения слоев. Искусственно ухудшим альтернативы 1-слоя {5, 6}. Для этого по правилу (5) элементы в столбцах, соответствующих 5 и 6 должны принять значение «1», а все элементы в строках, соответствующих 5 и 6 значение «0». Серым тоном выделены строки и столбцы, подвергающиеся преобразованию. Так, как элементы 5 и 6 ухудшаются одновременно (находятся в одном слое), то элементы G56, G65, в соответствии с (5) не изменяют свое значение. Соответствующее преобразование ассоциативной матрицы показано на рис. 14. Рис 14. Преобразование матрицы / {k1, k2}, искусственным ухудшением 1 -слоя Итак, матрица /{k1, k2} после искусственного ухудшения первого 1 -слоя примет вид, представленный на рис. 15, а число ухудшенных альтернатив равно 2. 10 Рис 15. Результирующая матрица после перемещения 1 -слоя Очевидно, что теперь множество неулучшаемых альтернатив, соответствующее строкам с нулевыми элементами, задает 2-слой: π2 - {1, 3}. Вновь, преобразовывая матрицу по ранее рассмотренному правилу (5), переносим 1 и 3 в подмножество худших вариантов. Рис 16. Преобразование матрицы, представленной на рис. 15 с целью искусственного ухудшения альтернатив 1, 3 В результате матрица /{k1, k2} после «перемещения» 1 и 2 слоев в число худших, приобретает вид, представленный на рис.17, а общее число ухудшенных альтернатив становится равным 4. Рис 17. Результирующая матрица после перемещения 2 -слоя в подмножество худших вариантов Проводим дальнейшее преобразование матрицы, перемещая нехудшие варианты 3 слоя, состоящего из одного варианта {2} в число худших. 11 Рис 18. Преобразование результирующей матрицы (рис. 17) для выявления 4-го паретовского слоя В четвертом 4-слое идентифицируется одна альтернатива - 4, а общее число альтернатив, входящих в четыре 1-4 -слоя составит 5. Рис 19. Результирующая матрица после перемещения 3 -слоя в число худших Для демонстрации метода сравнения ассоциативных матриц преобразовываем матрицу, изображенную на рис.19 посредством искусственного ухудшения варианта 4 по ранее принятым правилам (5). Рис 20. Преобразование результирующей матрицы к 5-му паретовскому слою. Метод накапливания альтернатив указывает на возможность остановки поиска, так как общее число ухудшенных альтернатив достигло 6 = . 12 После преобразования матрицы получим идентифицирующую в качестве оптимальных снова 5 и 6. результирующую матрицу, Рис 21. Результирующая матрица после перемещения 4 -слоя. Сравнивая матрицы, изображенные на рис. 21 и рис. 12 убеждаемся, что они абсолютно идентичны, поэтому поиск может быть прекращён. Однако число накопленных альтернатив стало равно 6 еще до перемещения 4–го паретовского слоя, т.е. поиск можно было прекратить раньше. Это и определяет метод накапливания альтернатив, как приоритетный по отношению к методу сравнения ассоциативных матриц слоев, из-за меньшего числа итераций. Итак, расслоение по двум показателям качества {k1, k2} приводит к следующему линейному порядку <{5, 6}, {1, 3}, 2, 4>, на основании которого может быть задана очередь на ремонт в среде однородных альтернатив. Выводы В работе рассмотрены методы упорядочивания вариантов с целью построения очередей на ремонт однородных объектов и для построения критериально упорядоченных автоматизированных справочных систем с привлечением фактор-множеств, описываемых ассоциативными структурами. Каждый из рассмотренных методов выявления приоритетов альтернатив может применяться как в автоматизированном (на ЭВМ), так и в «ручном» вариантах. Необходимо отметить, что метод ухудшения альтернатив рекомендуется к реализации на ПЭВМ, т.к. размер результирующей матрицы не изменяется. В свою очередь, метод исключения строк и столбцов целесообразно использовать при решении задач выбора без применения ПЭВМ из-за более простого и наглядного алгоритма. При построении очередей оба метода перемещения слоев дают идентичные решения, однако выбор между этими методами в пользу одного из них необходимо делать, следуя рекомендациям, указанным выше. При использовании метода последовательного перемещения слоев для построения очереди, в качестве критерия остановки процесса рекомендуется использовать сравнение исходных и перемещенных альтернатив. 13 Литература 1. Горбатов В.А. Теория частично упорядоченных систем. -М.: Сов. радио, 1976г. -336 стр. 2. Кандырин Ю.В. Методы и модели многокритериального выбора вариантов в САПР. Учебное пособие для Вузов. М.: Издательство МЭИ, 2004г. – 172с. 3. Кандырин Ю.В. Принципы построения информационных систем для автоматизированного многокритериального выбора. –М.: Журнал “Радиотехника”, 1999г. № 5. -С. 32-37 4. Кандырин Ю.В. Автоматизированный многокритериальный выбор альтернатив в инженерном проектировании. Учебное пособие. -М.: Издательство МЭИ, 1992г – 73с. 5. Кандырин Ю.В. Анализ свойств неметрических критериев выбора компонентов электронных устройств Журнал «Надежность» № 3 (10). -М.: Издательский Дом «Технологии» 2004г. – С. 48-54. 6. Кандырин Ю.В. Сравнительный анализ технических объектов с целью формирования оптимальных очередей ремонтов. Журнал «Надежность» № 2 (13). -М.: Издательский Дом «Технологии» 2005г. – С. 34 - 44. 7. Кошелев А.М., Кандырин Ю.В. Алгоритм построения фактор-множеств для решения задач многокритериального выбора. Материалы Х Международной научно-технической конференции студентов и аспирантов, -М.: Издательство МЭИ, 2-3 марта 2004г. С. 69. Сведения об авторах: Кандырин Юрий Владимирович, Академик Российской Академии надежности, профессор Московского энергетического института, зам директора Центра инженерного проектирования МЭИ, заместитель заведующего кафедрой Радиоприемных устройств МЭИ, автор более 190 работ, в том числе 9 учебных пособий для Вузов и 2-х монографий. Проблемами надежности и многокритериального выбора в САПР РЭА занимается более 35 лет. По этой тематике под его руководством защищены 6 кандидатских диссертаций. Тел. раб.: 362-79-41, Моб: 8-926-560-02-08.Тел. дом.: 360-19-56. E-mail: ywk@mail.ru Кошелев Александр Михайлович, магистрант Радиотехнического факультета МЭИ. Лауреат открытого конкурса студенческих работ, кавалер медали Министерства образования и науки РФ. Тел. Моб. 8-926-560-56-58.