Управленческие решения, их виды и роль в системе управления

· «критерий с номером i важнее критерия с номером i»; информацию такого типа будем формально обозначать как inf= i pre j;

· «критерии с номерами s и t равноценны по важности»; краткое обозначение inf=s ind t.

Напрямую использовать информацию inf=pre или inf=ind для дальнейшего сокращения размера множества eff(w,iop) эффективных альтернатив и поиска наилучшего решения среди них можно только для некоторых частных случаев. Во-первых, это случай, когда шкалы всех частных критериев, относительно которых получена информация inf=pre или inf=ind, однородны и имеют небольшое число дискретных градаций. Чаще всего для этих целей используют 3-7-балльные шкалы. Это обусловлено тем, что дискретные однородные шкалы имеют важную особенность. Если в какой-то исходной векторной оценке, имеющей значения в однородной дискретной шкале.

Второй частной ситуацией, когда возможно прямое использование качественной информации о равноценности или превосходстве в важности одних частных критериев над другими, является такая, в рамках которой фигурируют сообщения о равноценности всех критериев между собой, об абсолютно строгом (лексикографическом) упорядочении критериев по важности, а также - о симметрически-лексикографическом упорядочении частных критериев по важности. Обозначениями для этих особых случаев будут inf=sym, inf=lex и inf=sl соответственно. Заметим, что информация inf= lex о лексикографическом упорядочении настолько сильна, что позволяет всегда подучить наилучшее решение даже, непосредственно из исходного множества. Технология использования лексикографической информации для поиска решения задачи выбора даже не требует преобразования шкал критериев к однородной. Однако за подобные технологические «удобства» приходится подчас жестоко расплачиваться потерей адекватности результата. Поэтому лексикографической моделью предпочтений следует пользоваться крайне осторожно.

Самая сложная в получении, но и самая действенная - это информация об относительной важности критериев в количественной форме. Это информация о величинах замещений значений критериев между собой, о значениях коэффициентов важности частных критериев, количественная информация о допустимой степени взаимной компенсации значений тех или иных критериев, а также - о виде функции агрегирования частных критериев в обобщенные критерии. В некоторых случаях такая информация поступает от ЛПР сразу. Но это - скорее исключение из правил. Значительно чаще количественную информацию приходится получать по частям.

Технология реализации базовых методов решения многокритериальных задач. Рассмотрим базовые методы решения задачи выбора, получившие широкое распространение в практике принятия решений. Наиболее известными и широко применяемыми из них являются:

· лексикографический метод и его модификации;

· метод последовательных уступок;

· метод главного критерия;

· метод агрегированного критерия («обобщенного показателя»).

Все эти методы объединяет общий прием поиска наилучшего решения: векторный критерий тем или иным способом превращается в скалярную целевую функцию, а затем решается задача оптимизации.

Лексикографические задачи, пусть ситуация обоснования решений характеризуется сведениями об абсолютном превосходстве в важности одних частных критериев над другими. В определенном смысле подобная ситуация полярно противоположна ситуации с информацией sym о предпочтениях ЛПР. Основанием для вывода об абсолютном превосходстве в важности одних частных критериев над другими является следующее. При предъявлении ЛПР для сравнения векторных оценок оно прежде всего обращает внимание на значения какого-то вполне определенного частного критерия. Следовательно, именно этот частный критерий ЛПР считает абсолютно самым важным среди других частных критериев. ЛПР сравнивает значения оценок у альтернатив вначале только по этому, самому важному частному критерию.

Если для какой-либо из альтернатив значение именно этого критерия окажется наиболее предпочтительным, то такую альтернативу ЛПР безоговорочно признает наилучшей. Другими словами, ЛПР делает свой выбор вне зависимости от того, какие у этой альтернативы значения оценок по остальным критериям.

Если же значения самого важного частного критерия у некоторых альтернатив оказались одинаковы, ЛПР обращает внимание на значения другого (также вполне определенного) частного критерия, который является следующим по важности в абсолютно упорядоченном ряду частных критериев, и т.д. Информация об абсолютном упорядочении критериев по важности столь совершенна, что позволяет задать связное отношение нестрогого предпочтения на множестве даже неоднородных векторных оценок, выделить из них лучшую и поставить ей в соответствие оптимальную стратегию. Информацию такого типа будем называть лексикографической и обозначать inf= lex, а задачи с подобной информацией об относительной важности критериев будем называть задачами лексикографической оптимизации.

Информация lex является весьма сильной в том смысле, что для дискретных множеств А стратегий она дает возможность практически всегда выделять единственное решение. В то же время описанный алгоритм лексикографического выбора имеет существенные недостатки. Во-первых, получаемые решения обладают резко выраженной ортодоксальностью, в том смысле, что они ориентированы исключительно на более предпочтительные частные критерии. В итоге допускается любой мыслимый ущерб значениям остальных критериев. Во-вторых, в основе идеи перехода к сравнению по следующего по важности компонента лежит вывод об «одинаковости значений». На самом деле точно одинаковыми значения частных критериев могут оказаться только при использовании дискретных шкал, что само по себе достаточная редкость, а, следовательно, делая подобный вывод, ЛПР всегда имеет в виду некоторую зону неразличимости (нечувствительности) к значениям критериев. Симметрически лексикографические задачи. Иногда, рассматривая задачи с равноценными однородными критериями, ЛПР может считать недопустимой компенсацию уменьшения меньших значений одинаково важных критериев сколь угодно значительным увеличением больших. Основанием для вынесения такого суждения может служить следующий факт. При сравнении альтернатив ЛПР обращает внимание на самые низкие значения частных критериев, вне зависимости от их конкретного наполнения. Если у каких-либо альтернатив самые малые значения частных компонентов векторных оценок равны (но больше, чем у остальных альтернатив), то ЛПР принимает во внимание следующие по величине компоненты и т.д. Поскольку эта информация о равноценных частных критериях, сравнение величин которых ЛПР осуществляет, по сути, лексикографически, то подобный частный случай информации о равноценности будем обозначать symlex или информацией sl. Информация sl является более сильной, чем просто информация sym о равноценности частных критериев, так как обладает всеми преимуществами лексикографической. Но одновременно symlex-задачи приобретают и все недостатки лексикографических.

Искусственные лексикографические задачи. В практике часто применяют прием сведения задачи обоснования решений с различающимися по важности частными критериями к задаче лексикографической оптимизации. Без потери общности можно считать, что упорядочение частных критериев по относительной важности задается информацией {1 рге2, 2рте3,..., (m-1) рге m}. Еще раз подчеркнем, что различие в важности по информации {г рге m} не носит абсолютного, лексикографического характера. От ЛПР получают информацию о том, какие минимальные значения wdi по каждому из частных критериев Wj его бы вполне устроили. Информацию об этих «уровнях притязаний» в виде ограничений вида Wi>wdj, i=-1,2, ..., m вводят в условия задачи. После этого в ходе поиска наилучшего решения вначале стремятся достигнуть минимально допустимой величины по первому критерию (или немного превысить уровень притязания), затем - минимально допустимой величины по второму критерию, при условии, что значение первого критерия не опускается ниже уровня притязания и т.д. Этот прием формально соответствует преобразованию исходного критерия W с компонентами wi,- в новый критерий Wyn с лексикографическим упорядочением компонентов wi, yn=min {wi, wdi}.

Метод последовательных уступок. В его основе лежит идея понижения размерности исходной задачи путем назначения главного критерия в специально формируемых двухмерных подзадачах условной оптимизации. Для этого в ходе вербального анализа исходов операции все частные критерии wi, i= l,2,...,m ранжируют и нумеруют в порядке убывания важности. Затем максимизируют первый, самый важный критерий w1 и находят его наибольшее значение w1max. Далее, исходя из практических соображений, лицом, принимающим решения, назначается некоторая уступка ∆1 от достигнутого значения w1max. Величина уступки - это своеобразная плата за возможность повысить значения очередного по важности критерия w2 от его достигнутого к данному шагу уровня w2(a) для альтернативы a, обеспечивающей величину w1max . В результате второй критерий может достичь величины w2max(∆1), зависящей, естественно, от величины ∆1 уступки по первому критерию. Затем назначают уступку ∆2 по критерию w2 (от значения w2max(∆1)), ценой которой стремятся увеличить значения критерия w3, и т.д. Таким образом, величины уступок последовательно назначаются в результате анализа только попарной взаимосвязи критериев. Выбирая уступки, ЛПР должно рассматривать только зависимость, wi(wi+1), не обращая внимания на остальные критерии. При этом чаще всего вначале даже незначительная уступка ∆1,- от значения w1max приводит к существенному увеличению значения критерия wi+1, а затем с ростом величины уступки маргинальные приращения в значениях критерия wi+1 резко уменьшаются. Сопоставляя получаемый в этом случае выигрыш по критерию Wi+1 с потерями в значениях критерия wi, ЛПР окончательно назначает величину уступки ∆1,- и определяет значение wi+1max(∆1). Следовательно, именно ранжирование критериев по важности позволяет ЛПР ограничиваться назначением величины уступки для предыдущего критерия только с учетом поведения последующего.

Наряду с рассмотренными методами используются модифицированный лексикографический метод, метод главного критерия, метод агрегированного критерия («метод обобщенного показателя»), метод семантического структурно-компенсационного исследования. С целью смягчения недостатков, присущих методам последовательных уступок, главного и агрегированного критерия, а также сокращения затрат времени на поиск наилучшего решения и повышения убедительности выводов и рекомендаций в 1993 г. разработан специальный эвристический метод исследования проблемной ситуаций и решения задач построения функции выбора в условиях определенности. Основу метода составляет процесс построения двух специальных графов, названных иерархическая семантическая структура (ИСС) и иерархическая компенсационная структура (ИКС) соответственно. Кроме того, в этом методе предложен специальный алгоритм преобразования натуральных шкал частных критериев в однородную шкалу и эвристический подход к определению коэффициентов важности этих критериев в интерактивно формируемой функции агрегирования. Углубленный семантический анализ разнообразных практических целей и задач позволил выявить как характерные в предпочтениях ЛПР следующие особенности:

· «нижние» и (или) «верхние» уровни притязаний;

· «зоны нечувствительности» на отдельных фрагментах натуральной шкалы частного критерия;

· точки натуральной шкалы частного критерия, к которым явно устремлено предпочтение ЛПР или которые являются нормативно заданными (квалификационными) значениями.

.4 Технологии подготовки и реализации управленческих решений

Задачи обоснования решений в условиях неопределенности имеют ряд отличительных особенностей по сравнению с уже рассмотренными задачами. Поскольку для задач в условиях неопределенности каждой фиксированной альтернативе соответствует не один (вполне определенный), а множество возможных результатов, ЛПР существенно затруднено в выборе наилучшей альтернативы. При принятии решения для ЛПР значимыми обстоятельствами становятся не только размерность векторного критерия и важность отдельных его компонентов, но и величины предполагаемых выигрышей и потерь в каждой ситуации, а также характеристики степени возможности проявления тех или иных исходов. Другими словами, в подобных условиях для ЛПР становится далеко небезразличной степень риска, обусловленного возможностью получения неблагоприятных результатов из-за неопределенности ситуации принятия решений. Следует иметь в виду, что, обосновывая решение в условиях риска, ЛПР вынуждено упрощать ситуацию, учитывать минимум основных компонентов. В результате при описании рискованных исходов ЛПР оперирует значениями оценок результатов, степенью подверженности возможным потерям, а также оценками возможности получения выигрышей. Естественно, что при этом для рационально мыслящего ЛПР наименее рискованной следует признать ту альтернативу, которой одновременно присущи:

· наибольшая уверенность суждений о исходах;

· наибольшая точность оценки степени возможности исходов;

· наибольшая предпочтительность величины выигрышей;

· наибольшая вероятность выигрышей;

· наименьшие потери;

· наименьшая степень возможности подвергнуться неблагоприятному исходу.

Однако, как правило, значения указанных характеристик исхода для разных альтернатив сочетаются так, что не позволяют ЛПР сразу, с одного взгляда, вынести суждение о предпочтительности. В подобных ситуациях приходится глубже разбираться в обстоятельствах, применять специальные эвристические и формальные методы решения задачи выбора. И не всегда эти методы просты. Иная задача требует от ЛПР специальных теоретических знаний, специальных умений и т.п.

Но ведь ЛПР не может и не обязано знать всего, что может потребоваться для решения произвольной задачи выбора в условиях риска. Следовательно, рациональный подход в изучении технологии и методов разработки решений должен состоять в том, чтобы выяснить, с какими типами «механизмов» рискованных ситуаций чаще всего сталкивается ЛПР того или иного уровня руководства. Если это будет сделано, тогда далее можно будет целенаправленно, по мере необходимости, по частям изучать сложные методы анализа риска и совершенствоваться в их применении.

Задачи принятия решений в условиях природной неопределенности весьма характерны для деятельности «Руководителя звена», а разрешение «Конфликта» - типичная работа «Администратора» и все того же «Руководителя звена». Когда ЛПР анализирует проблемную ситуацию с неопределенным исходом, оно одновременно принимает для себя решение о том, каков «ведущий тип неопределенности». В основу суждения им кладутся информация, полученная на основе объективных научных данных.сообщения по линии масс-медиа, личные наблюдения (собственные представления о типе механизма ситуации), мнения экспертов, слухи и многое другое. Но хорошо известно, что на разных уровнях иерархии управления ЛПР по-разному оценивают точность, надежность, достоверность сведений, поступающих из разных источников. Другими словами, они по-разному им верят, придают разный вес. На уровне «Исполнителя» в качестве основных источников информации рассматриваются слухи и сведения, полученные из средств массовой информации. А вот на уровне «Высшего руководства» предпочитают больше доверять объективным научным данным, а также личным наблюдениям и опыту. «Администратору» в силу особенностей его деятельности почти не приходится оперировать точными научными данными. Он действует» используя в основном текущую информацию, слухи, опираясь на интуицию и личный опыт. Что касается «Руководителя звена», то львиную долю необходимой для руководства информации такое ЛПР получает от своего ближайшего окружения, на уровне слухов. Однако статус такого руководителя требует от него постоянно прибегать к информации из официальных источников, справочников, из приказов вышестоящего руководства и должностных инструкций, а также из средств массовой информации. Это в определенной степени делает его заложником навязываемых извне мнений, сковывает личную инициативу для принятия решений о типе «механизма ситуации». Следовательно, все из перечисленных обстоятельств также будут влиять на то, какой из возможных типов неопределенности ЛПР отнесет к «ведущему типу» и какие модели анализа решений ЛПР применит.