Обзор существующих методов принятия управленческих решений по улучшению экологического состояния промышленного региона. Часть 2

С.А. Васин, В.М. Панарин, Л.А. Куксенко
Тульский государственный университет,
г. Тула

Методы оптимизации.Оптимизация играет важную роль при экологических исследованиях и поиске наилучших характеристик объекта или наименьших затрат ресурсов. Оптимизации подвергается целевая функция, которая в этом случае выражается через какие-либо параметры (факторы), при некоторых заданных ограничениях. В общем случае задача оптимизации формулируется следующим образом: найти значения параметров x₁, x₂, ..., xn, при которых целевая функция Y = f (x₁, x₂, ..., xn) принимает максимальное (минимальное) значение при функциональных ограничениях, выражаемых в виде равенств

и областных ограничений в виде неравенств

Для решения таких задач могут быть использованы методы: дифференцирования, множителей Лагранжа, численные методы, математическое программирование и др. [3].

Оптимизационные модели используются для решения задач по заблаговременному выбору районов дислокации сил и средств, распределения сил и средств на локальном и региональном уровнях, по обоснованию технологии ведения аварийно-спасательных работ. С помощью оперативных моделей определяются: требуемая численность спасателей, медицинского персонала, личного состава аварийно-технических команд, инженерной техники, а также показатели жизнеобеспечения [4].

Имитационное моделирование. В настоящее время имитационное моделирование - наиболее эффективный метод исследования больших систем, а часто и единственный практически доступный метод получения информации о поведении системы, особенно на этапе ее проектирования.

Имитационное моделирование – это моделирование, при котором логико-математическая модель исследуемого объекта (сложной системы) представляет собой алгоритм функционирования объекта, реализованный в виде отдельной программы, совокупности программ или программного комплекса для компьютера.

Имитационная модель - это формальное описание логики функционирования исследуемой системы и взаимодействия отдельных ее элементов во времени, учитывающее наиболее существенные причинно-следственные связи, присущие системе, и обеспечивающее проведение статистических экспериментов (основой имитационного моделирования является метод статистических испытаний).

При имитационном моделировании реализующий модель алгоритм воспроизводит процесс функционирования системы во времени, причем имитируются элементарные явления, составляющие процесс, с сохранением их логической структуры и последовательности протекания во времени, что позволяет по исходным данным получить сведения о состояниях процесса в определенные моменты времени, дающие возможность оценить характеристики системы.

Имитационные модели отображают известные исследователю представления о структуре и динамике сложной системы. Адекватность (с точки зрения выполнения некоторой цели) имитационной модели достигается за счет приближения числа ее параметров к числу параметров системы; при этом сложность модели оказывается сравнимой со сложностью самой системы. Реализация такой модели осуществляется на ЭВМ в виде комплекса программ с использованием «блочного» принципа построения (разбиения исходной системы на ряд слабозависимых подсистем, модели которых могут быть верифицированы в отдельности до их включения в общую модель).

Для реализации метода имитационного моделирования необходимо наличие имитационной системы, которая включает модель, имитирующую функционирование изучаемого объекта, и системы внутреннего и внешнего математического обеспечения. Первое (внутренне МО) представляет собой совокупность алгоритмов, программ и устройств, реализующих эффективный диалог человека и ЭВМ; второе (внешнее МО) - совокупность упрощенных моделей функционирования системы и ее подсистем, а также методов анализа этих моделей.

Общая схема имитации допускает применение разнообразных средств моделирования. Элементы и связи между ними могут быть представлены оптимизационными моделями, с помощью статистических методов, простыми функциональными зависимостями или сложными системами дифференциальных уравнений и т. д.

Необходимо отметить два важных обстоятельства для имитационного моделирования:

· взаимосвязь между отдельными элементами системы, описанными в модели, а также между некоторыми величинами (параметрами) может быть представлена в виде аналитических зависимостей

· модель можно считать реализуемой и имеющей практическую ценность только в том случае, если в ней отражены лишь те свойства реальной системы, которые влияют на значение выбранного показателя эффективности

Для ИМ практически отсутствуют ограничения на область их применения (по типу моделируемой системы), и речь может идти только о целесообразности использования ИМ в данной предметной области и об объеме трудозатрат на ее разработку.

Применение имитационного моделирования целесообразно, например, в случаях когда необходимо наблюдать за поведением системы (или отдельных ее компонентов) в течение определенного периода, в том числе с изменением скорости протекания процессов.

Положительными чертами имитационных моделей являются высокая точность прогнозов (при условии адекватности модели исследуемой системе), возможность описания поведения системы (построение диаграмм причинно-следственных связей), гибкость модели по отношению к новым ситуациям (возможность ее быстрой подстройки в силу блочного принципа построения). К отрицательным чертам имитационного моделирования следует отнести низкую возможность объяснения поведения системы, необходимость иметь достаточно большой объем эмпирической информации для идентификации и верификации модели и очень высокую стоимость разработки модели [5].

Теория графов. Язык графов удобен для описания многих физических, технических, экономических, социальных, экологических и других систем. Приведем пример приложений теории графов.

Всероссийским научно-исследовательским институтом по проблемам гражданской обороны и чрезвычайных ситуаций (ВНИИ ГОЧС) разработан методический аппарат комплексной оценки природных и техногенных рисков для населения региона, позволяющий получать показатели социального риска в зависимости от характеристик потенциально опасных объектов, природно-климатических факторов, застройки населенных пунктов, эффективности мероприятий по предупреждению чрезвычайных ситуаций и защите населения и т. п.

В основу разработки этой методики положен метод деревьев событий, основанный на представлении возможных сценариев возникновения и развития аварий и стихийных бедствий в виде графа.

Каждая из вершин графа представляет собой некоторый этап развития аварии, характеризующийся количественными показателями (количеством опасного вещества, участвующего в аварии; скоростью ветра; интенсивностью проявления поражающих факторов; плотностью застройки; показателями защищенности людей и т.п.), а также вероятностью реализации рассматриваемого события. При этом каждая ветвь дерева событий представляет собой отдельный эффект (последовательность событий), который является точно определенным множеством функциональных взаимосвязей.

Дерево событий предоставляет возможность в строгой форме записывать последовательности событий и определять взаимосвязи между инициирующими и последующими событиями, сочетание которых приводит к чрезвычайной ситуации. Наиболее важные из рассматриваемых событий определяются путем или ранжирования, или количественного анализа.

В качестве комплексных показателей риска для населения и территории в этой методике рассматриваются: частота гибели (в год) разного количества людей от всех природных и техногенных ЧС, характерных для региона, и частота возникновения (в год) материального ущерба различного масштаба от всех природных и техногенных ЧС, характерных для региона.

Построение деревьев событий для каждой из рассматриваемых чрезвычайных ситуаций и проведение расчетов с использованием деревьев событий позволяет оценивать частоту гибели людей и частоту возникновения материального ущерба различного масштаба. Получаемые при этом пары значений «частота - последствия» по каждому из рассмотренных сценариев, как правило, представляются в виде графиков.

С использованием этих результатов комплексного анализа риска могут решаться следующие задачи:

- ранжирование потенциально опасных объектов рассматриваемого региона по степени опасности для населения и территории;

- ранжирование чрезвычайных ситуаций различного происхождения (как природного, так и техногенного) между собой по степени опасности для населения и территории. Это позволяет выделить приоритетные направления в области разработки и реализации мероприятий по предупреждению чрезвычайных ситуаций на рассматриваемой территории в целом;

- исследование эффективности различных организационных и технических мероприятий в целях снижения уровней комплексного риска для населения и территорий;

- определение рациональной величины финансовых и материальных резервов для локализации и ликвидации чрезвычайных ситуаций;

- расчет величин страховых тарифов для страхования от чрезвычайных ситуаций как для персонала отдельных промышленных предприятий, так и для населения отдельных населенных пунктов и территории региона в целом и др. [4].

В последние 20-30 лет появились подходы, рассматриваемые многими как универсальное средство решения всех сложных проблем. Наибольшую известность среди них получил так называемый системный подход. Широкое распространение получили математические модели. Появление и широкое распространение ЭВМ привело к другому универсальному рецепту – информационным системам для организационного управления.

Развитие общества, усложнение его инфраструктуры требуют более тщательного и продуманного управления как природными, так и человеческими ресурсами, овладения новыми средствами и методами обработки информации. Это — методы обработки и анализа пространственной информации, оперативного решения задач управления, оценки и контроля изменяющихся процессов.

Основное место в системе принятия экологически важных и обоснованных решений играет информация и информационные технологии.

Информационные технологии - совокупность методов, производственных и программно-технологических средств, объединенных в технологическую цепочку, обеспечивающую сбор, хранение, обработку, вывод и распространение информации.

Управление — сознательное целенаправленное информационное воздействие со стороны субъектов и органов управления на людей и объекты, осуществляемое с целью руководства их действиями и получения желаемых результатов. Процесс принятия решений - одна из важнейших функций управления. Принятие решений должно быть оперативным, отвечать целям существования системы, учитывать текущее состояние и прошлый опыт данной и подобных систем.

При обсуждении проблемы управления средой обитания подразумевается, что необходимо учесть большое количество разных, но взаимосвязанных факторов. Этому может помочь моделирование, позволяющее системно подойти к решению проблемы.

Перспективным направлением в моделировании процессов управления качеством среды обитания можно считать использование системной динамики. Это позволяет объединить несколько функциональных пространств исследуемой системы в одно целое и обеспечить организационную и количественную основу для выработки эффективной управленческой политики.

Системная динамика какметод анализа динамического поведения сложных систем был разработан в Массачусетском технологическом институте (МТИ) в Кембридже (США, штат Массачусетс).

Системная динамика позволила обойти многие трудности математического моделирования, например проблему размерностей, за счет использования ЭВМ и алгоритмических имитационных моделей. Системно-динамический подход сочетает в себе как отдельные методы системного анализа (качественные и количественные), так и принципы теории информации и управления организациями. Математический аппарат системной динамики - дифференциальные уравнения первого порядка.

Системно-динамические имитационные модели используются в основном для достижения следующих целей:

1) упорядочивания знаний и углубление понимания поведения исследуемой системы и протекающих в ней процессов;

2) поиска стратегий, способных изменить поведение системы в желаемом направлении;

3) отражения и унификации ментальных моделей, обмена знаниями о поведении сложных систем между широкими слоями населения [4].

Перечисленные методы принятия управленческих решений не являются взаимоисключающими и могут применяться при исследовании сложных объектов (систем) либо одновременно, либо в некоторой комбинации.

Список литературы:

1. Орлов А.И. Теория принятия решений. - М.: Издательство «Экзамен», 2005.

2. Экологический энциклопедический словарь. – М.: Издательский дом «Ноосфера»,1999.

3. Гринин, А.С. Математическое моделирование в экологии. - Издательство «ЮНИТИ», 2003.

4. Гершензон В. Е. Информационные технологии в управлении качеством среды обитания - М.: Академия, 2003.

5. Зельцер С.Р. Основы моделирования систем управления, 2003.

Часть 1 | Часть 2

Назад к списку