Библиографическое описание:

Суслова Т. Е., Королева И. Ю. Использование методов принятия решений в условиях неопределенности при разработке обучающих систем для студентов экономических специальностей вузов // Молодой ученый. — 2015. — №23. — С. 70-74.

Использование методов принятия решений в условиях неопределенности при разработке обучающих систем для студентов экономических специальностей вузов

Суслова Татьяна Евгеньевна, магистрант;

Королева Ирина Юрьевна, кандидат технических наук, доцент

Волгоградский государственный технический университет

 

В современном мире деятельность различных фирм, предприятий, компаний, заводов и их сотрудников тесно связана с принятием решений. Решения принимаются ежедневно, примером могут служить выбор направления развития предприятия, способа автоматизации, типа выпускаемой продукции, оборудования, распределение задач в команде, выбор соисполнителя или кредитора и т. д. От того, насколько правильно и профессионально происходил выбор решения, зависит дальнейшее развитие фирмы, её деятельность и эффективность. Хорошую помощь руководителю при выборе варианта решения могут оказывать информационные системы, такие как Системы поддержки принятия решений.

Умение воспользоваться в работе системой подобного рода, правильно использовать предлагаемые ею результаты обработки данных основывается, в том числе, на знаниях алгоритмов принятия решений в общем и в экономике, в частности.

На данный момент в ВУЗах важную роль играет обучение студентов младших курсов экономических специальностей основам экономико-математического моделирования процесса принятия решения. Потребность в таком обучении возникла потому, что в настоящее время математическое моделирование занимает одно из ключевых мест среди методов исследования экономических систем и процессов. Широкое распространение математического моделирования в экономике в значительной степени обусловлено развитием информационных инструментальных сред, которые позволяют переводить экономико-математические модели из классической символьной формы представления в компьютерную и, тем самым, предоставляют пользователю доступные и эффективные средства всестороннего анализа моделей, что для практической деятельности играет решающую роль.

Одним из основных направлений повышения эффективности обучения, усвоения информации и сокращения затрат на процесс обучения является разработка и использования автоматизированных обучающих систем (АОС). АОС имеют множество преимуществ, таких как: интерактивное взаимодействие обучаемых и преподавателя в процессе обучения, возможность дистанционного обучения и повышение эффективности подготовки специалистов.

В данный момент на рынке программного обеспечения не представлены программные системы, которые бы совмещали в себе свойства автоматизированных обучающих систем и систем поддержки принятия решений, а также обеспечивали бы возможность обучения студентов основам экономико-математического моделирования и теории принятия решений в условиях неопределённости. Предлагаются только системы поддержки принятия решений или СППР (DecisionSupportSystem) — компьютерные системы, которые путём сбора и анализа большого количества информации могут влиять на процесс принятия решений организационного плана в бизнесе и предпринимательстве. С помощью СПРР можно проследить за всеми доступными информационными активами, получить сравнительные значения объёмов продаж, спрогнозировать доход организации при гипотетическом внедрении новой технологии, а также рассмотреть все возможные альтернативные решения. Примерами таких систем могут служить «СППР Выбор» (ДТК СОФТ), «СППР Эксперт» (LaboratoryVnigeosysremofGeoinformatics), «Император 3.1» (Нейросплав), «MPRIORITY» (Абакаров А. Ш.).

Но данные приложения не предназначены для учебных целей. Предлагаемая обучающая система «Использование методов принятия решений в условиях неопределённости в экономике» должна совмещать в себе простоту и функциональность, быть ориентирована на студентов первого курса, у которых ещё недостаточно знаний и опыта для работы в сложных программных системах. Также она предназначена для того, чтобы помочь студентам понять прикладную область базисных знаний по теории принятия решений в экономике.

Задача принятия решений в условиях неопределённости

Прежде чем говорить о процессе принятия решений в условиях неопределённости, необходимо сформулировать определение задачи принятия решений.

Главной задачей, которую приходится разрешать при принятии решения, является выбор альтернативы, наилучшей для достижения некоторой цели, или ранжирование множества возможных альтернатив по степени их влияния на достижение этой цели [9]. Под целью понимается идеальное представление желаемого состояния или результата деятельности. Субъектом всякого решения является лицо принимающее решение (ЛПР). Необходимость выбора вызвана какой-либо проблемной ситуацией, в которой имеются два состояния: желаемое и действительное, а способов достижения желаемой цели-состояния — не менее двух. Таким образом, у человека в такой ситуации есть некоторая свобода выбора между несколькими альтернативными вариантами [2, с. 20]. Каждый вариант выбора (выбор альтернативы) приводит к результату, который называется исходом. В общем, случае задачу принятия решений можно разделить на несколько основных этапов:

1)     постановка проблемы;

2)     выявление альтернатив;

3)     выбор лучшей альтернативы или альтернатив;

4)     внедрение решения в практику;

5)     проверка результата.

Неопределённость — это неполнота или недостоверность информации об условиях реализации решения, наличие фактора случайности или противодействия.

Говорят, что решение принимается в условиях неопределённости тогда, когда невозможно оценить вероятность результатов. Это возможно в том случае, когда учитывающиеся при принятии решения факторы настолько новы и сложны, что невозможно получить достаточно релевантной информации, которая помогает объективно определить вероятность, либо в том случае, когда ситуация не подчиняется известным закономерностям. Поэтому вероятность определённого последствия невозможно предсказать с достаточной степенью достоверности. Неопределённость характерна для тех решений, которые принимаются в быстро меняющихся условиях [7, с. 55].

Примерами задач принятия решения в условиях неопределённости могут служить: выбор направления развития предприятия, выбор варианта производимого товара, выбор банка для вклада или кредита, выбор проекта электростанции.

Классификация задач принятия решений

На рисунке 1 представлена классификация задач принятия решений в разрабатываемом обучающем комплексе будут рассмотрены однокритериальные ЗПР в условиях риска и неопределённости. В однокритериальных ЗПР сформулирована одна цель (критерий) относительно которого принимается решение. Данный тип задач принятия решений был выбран потому, что однокритериальные задачи принятия решений широко применяются в решении экономических задач и этот метод наиболее прост и нагляден для понимания студентами младших курсов экономических специальностей, которые ещё не обладают достаточными знаниями в области математического анализа.

http://www.refbzd.ru/images/referats/2577/image014.png

Рис. 1. Классификация задач принятия решений

 

Математическая модель принятия решений

Для построения математической модели принятия решения необходимо задать следующие три множества:

1)            X — множество допустимых альтернатив;

2)            Y — множество возможных состояний среды;

3)            A — множество возможных исходов.

Всегда предполагается, что множество X содержит не менее двух альтернатив — иначе надобность в принятии решения отпадает.

Каждой паре (x, y), где xX и yY, соответствует определённый исход aA. Другими словами, существует функция F: XYA, которая называется функцией реализации. Функция реализации каждой паре вида (альтернатива, состояние среды) ставит в соответствие определяемый ею исход.

Набор объектов < X, Y, A, F> составляет реализационную структуру задачи принятия решения. Реализационная структура отражает связь между выбираемыми альтернативами и исходами. Реализационная структура задачи принятия решения составляет её первую компоненту. Вторая компонента ЗПР это — оценочная структура. Приведём пример задания оценочной структуры.

Например, если принимающий решение может оценить эффективность каждого исхода aA некоторым числом (а), то оценочная структура задаётся в виде пары < А, >, где : AR; при этом  называется оценочной функцией [8, с. 132].

Методы принятия решений в условиях неопределённости

На рисунке 2 представлены методы принятия решений в условиях неопределённости.

Рис. 2. Методы принятия решения в условиях неопределённости

 

Метод системных матриц применяется тогда, когда задано дискретное множество оценок вариантов при различных условиях [6, c. 117].

Метод минимизации риска используется в тех случаях, когда заданные вероятностные или статистические характеристики и требуется минимизировать вероятность неправильного решения.

Методы комбинаторной аппроксимации применяются, если заданы «графовые предпочтения» между вариантами [2, с. 97].

Если неопределённость задана вероятностью или статистически, то для принятия решений используется метод вероятностно статистических гипотез.

В ходе исследований различных методов решения задач принятия решений было выяснено, что оптимальным методом является метод системных матриц и при помощи этого метода будет производиться расчет задачи студента в разрабатываемом обучающем комплексе.

Данный метод был выбран, потому что в задачах принятия решений в условиях неопределённости отсутствует информация о полной совокупности характеристик и оценок вариантов, а известен только дискретный ряд оценок в пространстве «варианты — условия», что означает принятие решений, если задано дискретное (обычно конечное) множество оценок вариантов при различных условиях.

Цель и задачи разработки

Для того чтобы увеличить наглядность применения средств автоматизированных информационных технологий в деятельности специалиста по менеджменту, было принято разработать клиент-серверную автоматизированную обучающую систему. Разрабатываемая система будет реализована как веб-приложение.

Данная система позволит:

1)            Представить пользователям обучающий материал; В виде текстовой информации (лекций).

2)            Получить от пользователя данные по решаемой задаче (условие задачи, список условий и альтернатив в текстовом виде, заполнить матрицу, составленную из условий (столбцы) и альтернатив (строки) системными оценками в числовом виде);

3)            Представить возможность моделирования и решения задачи пользователя;

4)            Получить выводы и диаграммы (круговые диаграммы показывающие какая альтернатива при каком условии более выигрышна) по задаче;

5)            Предоставит возможность проводить контроль знаний студента за счёт тестирования и вести электронный журнал;

6)            Для преподавателя имеется возможность добавления и изменения обучающего материала и контрольных тестов и создание отчётов об успеваемости студентов.

Для обучения будут использоваться простые однокритериальные задачи принятия решений в условиях неопределённости примером такой задачи может служить выбор банка для вклада или кредита.

Архитектура разрабатываемой системы

Архитектура обучающей системы представлена на рисунке 3 и включает следующие модули:

1)                 модуль представления — в данном программном модуле будет реализовываться алгоритмы, обеспечивающие создание, удаление, изменение преподавателем обучающего материала, а также просмотр и изучение обучающего материала студентом;

2)                 модуль визуализации алгоритмов принятия решений — в этом модуле представлены алгоритмы, обеспечивающие моделирование и расчёт индивидуальной задачи студента, составления выводов и диаграмм по задаче, сохранение работы студента в файл в виде протокола, а также обеспечение демонстрационного режима работы (в нём показан алгоритм работы с системой на основе решения готовой задачи);

3)                 модуль тестирования данный обеспечивает возможность преподавателю создавать, удалять и редактировать вопросы для тестирования обучающихся. Студентам предоставлена возможность проверить знания полученные в ходе работы с обучающим комплексом, после прохождения теста на экран пользователю выводится отчёт о пройденном тесте — процент правильных ответов, количество ошибок, если была допущена ошибка, то правильные ответы и указания для повторения того теоретического материала, в котором было допущена большая часть ошибок.

C:\Documents and Settings\Admin\Рабочий стол\Диаграммы и картинки диплом\Диаграмма пакетов готовая.png

Рис. 3. Архитектура разрабатываемой системы

 

Заключение

В работе была рассмотрена актуальность и необходимость создания автоматизированных обучающих систем поддержки принятия решений в области экономики. Была проведена классификация задач принятия решений. Также была изучена математическая модель принятия решений и основные методы решения задачи принятия решений в условиях неопределённости.

Была поставлена цель разработать автоматизированную обучающую систему «Использование методов принятия решений в условиях неопределённости в экономике». Для достижения данной цели была приведена архитектура обучающего комплекса, она представлена на уровне модулей. Также определены требования к системе и её функциям.

 

Литература:

 

  1.                Андрейчиков, А. В. Анализ, синтез, планирование решений в экономике / А. В. Андрейчиков, О. Н. Андрейчикова. — Москва: Финансы и статистика, 2004. — 368 с.
  2.                Блюмин, С. Л. Модели и методы принятия решений в условиях неопределённости: [монография] / С. Л. Блюмин, И. А. Шуйкова. — Липецк: ЛЭГИ, 2000. — 138 с.
  3.                Влацкая, И. В. Разработка системы поддержки принятия решений в условиях неопределенности на основе игрового моделирования / И. В. Влацкая, М. Ю. Нестеренко, П. Н. Полежаев // Вестник Оренбургского государственного университета. — 2011. — N 5, май. — С. 138–145.
  4.                Гринева, Н. В. Экономико-математическое моделирование: математическое моделирование микроэкономических процессов и систем: учебное пособие / Н. В. Гринева. — Москва: Финакадемия, 2008. — 104 с.
  5.                Евланов, Л. Г. Теория и практика принятия решений / Л. Г. Евланов; Академия народного хозяйства при Совете Министров СССР. — Москва: Экономика, 1984. — 175 с.
  6.                Козлов, В. Н. Системный анализ и принятие решений: учебное пособие / В. Н. Козлов. — Санкт-Петербург: Изд-во СПбПГУ, 2009. — 223 с.
  7.                Прохорова, М. П. Теория принятия решений в менеджменте: учебное пособие / Прохорова М. П. — Нижний Новгород: ВГИПУ, 2011. — 71 с.
  8.                Розен, В. В. Математические модели принятия решений в экономике: учеб. пособие для студентов вузов / В. В. Розен. — Москва: Высшая школа [и др.], 2002–401 с.
  9.                Тоценко, В. Системы поддержки принятия решений — ваш инструмент для правильного выбора: Украинский академик — о формальных методах решения задачи выбора [Электронный ресурс] / Тоценко Виталий. — Режим доступа: http://old.computerra.ru/1998/262/1520/
  10.            Черткова, Е. А. Визуальное моделирование модуля генерации учебно-тренировочных заданий для компьютерной обучающей системы / Е. А. Черткова, В. С. Карпов // Дистанционное и виртуальное обучение. — 2012. — № 11. — С. 26–36.

Обсуждение

Социальные комментарии Cackle