Исследование сложных динамических технических (социальных, экономических, экологических и пр. систем), как правило, связано с необходимостью учета большого числа различного рода оценочных показателей (например, [1]). При этом актуальной является задача нахождения оптимального (рационального) набора показателей, минимизирующего затраты на оценивание вариантов (в рамках синтеза сложных систем) при сохранении требуемого качества оценки, определяемого набором требований.
Полагаем, что каждый набор показателей Ind = <Ind1, Ind2,… Indn > из конечного пространства возможных наборов IND может быть экспертно оценен (с использованием вербально-числовой шкалы, построенной на основе смещенного семантического дифференциала Ч. Осгуда) по мере его соответствия требованиям R = < R1, R2,…, Rm>. Для нахождения оптимального набора показателей целесообразно провести предварительную кластеризацию пространства выбора, что позволяет разбить задачу на два этапа: нахождение нужного кластера и нахождение нужного набора в найденном кластере.
Высокая размерность пространства оценочных показателей обуславливает необходимость применения биоинспирированных методов кластеризации (в частности, основанных на применении принципа клональной селекции), что позволяет избежать полного перебора пар сравниваемых наборов показателей. При этом использовался взвешенный вариант функции сходства Рассела-Рао:
,
где весовые коэффициенты w1, w2,…, wm (wi 0, w1 + w2 +…+ wm = 1), отражают относительные значимости требований R1, R2,…, Rm. Предложенный подход в сочетании с анализом чувствительности результатов кластеризации от изменений экспертных суждений [2] позволяет повысить научную обоснованность оценок сложных систем.
Работа выполнена при финансовой поддержке РФФИ в рамках научных проектов № 14-07-00246, № 15-07-05715, № 15-07-02371.
Библиографическая ссылка
Ломазов В.А., Ломазова. В.И., Петросов Д.А. КЛАСТЕРИЗАЦИЯ ПРОСТРАНСТВА ОЦЕНОЧНЫХ ПОКАЗАТЕЛЕЙ СЛОЖНЫХ СИСТЕМ МЕТОДОМ КЛОНАЛЬНОЙ СЕЛЕКЦИИ // Международный журнал прикладных и фундаментальных исследований. – 2016. – № 7-1. – С. 127-127;URL: https://applied-research.ru/ru/article/view?id=9773 (дата обращения: 21.11.2024).