Силаенков А.Н. Практикум по СППР - файл n1.doc

приобрести
Силаенков А.Н. Практикум по СППР
скачать (1256 kb.)
Доступные файлы (1):
n1.doc1256kb.09.09.2012 01:34скачать

n1.doc

  1   2   3   4

Федеральное агентство по образованию

Государственное образовательное учреждение

высшего профессионального образования

«Омский государственный технический университет»




КОМПЬЮТЕРНЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ

РЕШЕНИЙ


Сборник заданий к практическим занятиям




Омск 2007




Составитель: Силаенков Александр Николаевич, канд. техн. наук, доц. каф. прикладной математики и информационных систем
Даны сведения о содержании и порядке выполнению практических заданий по дисциплине «Компьютерные системы поддержки принятия решений». Методические указания предназначены для студентов дистанционной и заочной форм обучения по специальности 080801 «Прикладная информатика в экономике».

Печатается по решению редакционно-издательского совета

Омского государственного технического университета




Введение


Целью сборника заданий к выполнению практических занятий является практическое изучение студентами основ теории принятия решений, компьютерных систем поддержки принятия решений. Предполагается, что данные методические указания будут использоваться совместно с конспектом лекций «Компьютерные системы поддержки принятия решений».

Сборник заданий включает задания к восьми практическим занятиям, выполнение которых позволит получить представление о различных компьютерных системах поддержки принятия решений, предлагаемых на отечественном рынке программных продуктов.

Задание на каждое практическое занятие состоит в изучении теоретического материала, ответов на вопросы и самостоятельной работы.

Первое практическое занятие посвящено решению задачи принятию решения с использованием метода линейного программирования.

Второе практическое занятие посвящено принятию решений с помощью экспертных систем.

Третье практическое занятие знакомит с применением когнитивных моделей в принятии решений.

На четвертом практическом занятии рассматривается применение когнитивной графики в системах поддержки принятия решений.

Пятое практическое занятие посвящено изучению ситуационных центров.

Шестое практическое занятие посвящено системе поддержки принятия решений в управлении территориальными образованиями.

Седьмое практическое занятие знакомит с DSS-системами.

Восьмое практическое занятие посвящено корпоративной информационной системе «Галактика».

Полученные знания, умения и навыки могут быть использованы для проектирования информационных систем.

По результатам практикума оформляется отчет в виде пояснительной записки объемом 25–30 страниц формата А 4. Текст готовится с помощью текстового процессора Microsoft Word. Размеры полей страницы: левое – 30 мм, правое – 10 мм, верхнее – 20 мм, нижнее – 25 мм. Размер шрифта – 14 пунктов. Тип шрифта – Times New Roman. Величина абзацного отступа – 10 мм. Межстрочный интервал – полуторный. Каждый раздел записки начинается с новой страницы, номера страниц располагаются внизу страницы по центру. Рисунки и таблицы нумеруются последовательно.



Практическое занятие №1

Решение задач принятия решений методом линейного программирования

Цель работы: изучить решение задач принятия решений методом линейного программирования

Содержание:

1.1. Постановка задачи

Задача линейного программирования – задача, в которой требуется минимизировать (максимизировать) линейную форму (целевую функцию) вида



при условиях (ограничениях)

или

, .

Эту же задачу можно записать в матричной форме

(1)

Система ограничений на задачу выглядит следующим образом:

(2)

Набор чисел

,

удовлетворяющий ограничениям задачи линейного программирования, называется ее планом.

Решением задачи линейного программирования будет ее план, минимизирующий (или максимизирующий) линейную форму.

  1. 2. Варианты заданий

Для различных вариантов построить математическую модель процес-

са, обеспечивающую максимум выручки: производственная фирма может выпускать любые из шести видов продукции. Технологии их выпуска, расход ресурсов на единицу продукта, цены гарантированной реализации продукции, а также объёмы сырья и трудовых ресурсов в предстоящем временном периоде представлены в каждом из нижеприведённых вариантов.

Вариант № 1

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

2

3

5

6

7

10

204

Труд, чел./ч

11

9

7

5

3

2

180

Цена, тыс. руб.

11,8

11,7

10,5

9,4

9,3

10

 

Вариант № 2

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

3

4

6

7

8

11

204

Труд, чел./ч

12

10

8

6

4

3

288

Цена, тыс. руб.

23,7

19,4

18,2

17,9

13,6

15,2

 

Вариант № 3

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

4

5

7

8

9

12

600

Труд, чел./ч

13

11

9

7

5

4

360

Цена, тыс. руб.

33,4

29,9

30,7

24,2

20,7

25,2

 

Вариант № 4

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

5

6

8

9

10

13

504

Труд, чел./ч

14

12

10

8

6

5

504

Цена, тыс. руб.

46,9

46,2

39

34,3

33,6

31

 

Вариант № 5

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

6

7

9

10

11

14

504

Труд, чел./ч

15

13

11

9

7

6

684

Цена, тыс. руб.

67,2

56,3

52,1

51,2

40,3

41,6

 

Вариант № 6

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

7

8

10

11

12

15

1080

Труд, чел./ч

16

14

12

10

8

7

768

Цена, тыс. руб.

79,3

72,2

73

59,9

52,8

60

 

Вариант № 7

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

8

9

11

12

13

16

948

Труд, чел./ч

17

15

13

11

9

8

972

Цена, тыс. руб.

98,2

96,9

83,7

75,4

74,1

68,2

 

Вариант № 8

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

9

10

12

13

14

17

948

Труд, чел./ч

18

16

14

12

10

9

1224

Цена, тыс. руб.

126,9

109,4

102,2

100,7

83,2

84,2

 

Вариант № 9

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

10

11

13

14

15

18

1704

Труд, чел./ч

19

17

15

13

11

10

1320

Цена, тыс. руб.

141,4

130,7

131,5

111,8

101,1

111

 

Вариант № 10

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

1

2

4

5

6

9

355

Труд, чел./ч

10

8

6

4

2

1

145

Цена, тыс. руб.

10

9,2

9,4

8,6

7,8

9,9

 

Вариант № 11

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

2

3

5

6

7

10

274

Труд, чел./ч

11

9

7

5

3

2

264

Цена, тыс. руб.

19

18

16,2

14,2

13,2

14,2

 



Вариант № 12

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

3

4

6

7

8

11

274

Труд, чел./ч

12

10

8

6

4

3

414

Цена, тыс. руб.

31,8

26,6

24,8

23,6

18,4

20,3

 

Вариант № 13

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

4

5

7

8

9

12

733

Труд, чел./ч

13

11

9

7

5

4

451

Цена, тыс. руб.

42,4

38

38,2

30,8

26,4

31,2

 

Вариант № 14

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

5

6

8

9

10

13

616

Труд, чел./ч

14

12

10

8

6

5

630

Цена, тыс. руб.

56,8

55,2

47,4

41,8

40,2

37,9

 

Вариант № 15

Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

6

7

9

10

11

14

616

Труд, чел./ч

15

13

11

9

7

6

852

Цена, тыс. руб.

78

66,2

61,4

59,6

47,8

49,4

 



Дополнительный материал к практическому занятию №1

Цель: научиться решать задачи принятия решений методом линейного программирования

Содержание:

Постановка задачи

В задаче линейного программирования требуется минимизировать (максимизировать) линейную форму (целевую функцию) вида



при условиях (ограничениях)

или

, .

Эту же задачу можно записать в матричной форме

(1)

Система ограничений на задачу выглядит следующим образом:

(2)

Набор чисел

,

удовлетворяющий ограничениям задачи линейного программирования, называется ее планом.

Решением задачи линейного программирования будет ее план, минимизирующий (или максимизирующий) линейную форму.

Вариант задания


Продукт

1

2

3

4

5

6

Ресурсы

Сырьё, кг

6

7

9

10

11

14

504

Труд, чел./ч

15

13

11

9

7

6

684

Цена, тыс. руб.

67,2

56,3

52,1

51,2

40,3

41,6






Математическая постановка задачи
Целевая функция:

67,2*х1+56,3*х2+52,1*х3+51,2*х4+40,3*х5=41,6*х6 max

Набор ограничений:




6х1+7х2+9х3+10х4+11х5+14х6<=504,

15x1+13x2+11x3+9x4+7x5+6x6<=684.
Для решения задач линейного программирования в Microsoft Excel подключите к Excel надстройку «Поиск решения» командой Сервис|Надстройки: выберите Поиск решения и щелкните на кнопке ОК.


Для решения задачи нужно подготовить исходную таблицу на рабочем листе Microsoft Excel. Она может выглядеть, например, так:

В данном случае ячейки В6…В11 пусты, в них Excel позже разместит оптимальное базовое решение. В ячейки I1 и I2 нужно занести формулы, соответствующие ограничениям линейной модели. Эти формулы будут выглядеть так:



=A2*B6+B2*B7+C2*B8+D2*B9+E2*B10+F2*B11

В ячейку I3 нужно занести формулу, соответствующую целевой функции, а именно:



Теперь дайте команду Сервис|Поиск решения:


В данном случае целевой ячейкой является I3, она стремится к максимальному решению.

Изменяемые ячейки: В6… и В11.

Теперь нужно добавить ограничения. Их будет  — собственно ограничения линейной модели (их 2) и ограничения, касающиеся переменных B6:B11 — они должны быть  0 (6 ограничений) и целочисленными (еще 6 условий). Чтобы добавить ограничения, нажмите кнопку Добавить.

Ограничения, касающиеся линейной модели, показаны на следующем рисунке:


Вот что получится в окне «Поиск решения» после щелчка на кнопке Выполнить:



Вывод: максимальную прибыль 3456 тыс. руб. обеспечивает выпуск продукции Х1=24 и х4= 36.


    1. Практическая работа.

Для решения задачи разработать приложение в среде Delphi 7.0.

Практическое занятие № 2. Принятие решения с помощью экспертной системы

2.1. Характеристики экспертных систем

Экспертная система (ЭС) ? это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

Основными компонентами информационной технологии, используемой в экспертной системе, являются (рис.1): интерфейс пользователя, база знаний, интерпретатор, модуль создания системы.



Рис. 1. Структура экспертной системы
Интерфейс пользователя. Менеджер (специалист) использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации их нее. Команды включают в себя параметры, направляющие процесс обработки знаний. Информация обычно выдается в форме значений, присваиваемых определенным переменным.

Менеджер может использовать четыре метода ввода информации: меню, команды, естественный язык и собственный интерфейс.

Технология экспертных систем предусматривает возможность получать в качестве выходной информации не только решение, но и необходимые объяснения. Различают два вида объяснений:

Хотя технология работы с экспертной системой не является простой, пользовательский интерфейс этих систем является дружественным и обычно не вызывает трудностей при ведении диалога.

База данных. Она содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условия, которое может выполняться или нет, и действия, которое следует произвести, если условие выполняется.

Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил.

Все виды знаний в зависимости от специфики предметной области и квалификации проектировщика (инженера по знаниям) с той или иной степенью адекватности могут быть представлены с помощью одной либо нескольких семантических моделей. К наиболее распространенным моделям относятся логические, продукционные, фреймовые и семантические сети.

Интерпретатор. Это часть экспертной системы, производящая в определенном порядке обработку знаний (мышление) находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы.

Кроме того, во многих экспертных системах вводятся дополнительные блоки: база данных, блок расчета, блок ввода и корректировки данных. Блок расчета необходим в ситуациях, связанных с принятием управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных.

Модуль создания системы. Он служит для создания набора (иерархии) правил. Существуют два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования и использование оболочек экспертных систем.

Для предоставления базы знаний специально разработаны языки Лисп и Пролог, хотя можно использовать и любой известный алгоритмический язык.

Оболочка экспертных систем представляет собой готовую программную среду, которая может быть приспособлена к решению определенной проблемы путем создания соответствующей базы знаний. В большинстве случаев использование оболочек позволяет создавать экспертные системы быстрее и легче в сравнении с программированием.

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличии от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

Экспертная система отличается от прочих прикладных программ наличием следующих признаков:

Экспертная система должна обладать способностью объяснить почему предложено именно такое решение, и доказать его обоснованность.

2.2. Принятие решения с помощью экспертной системы

Особенности предметной области с точки зрения методов принятии решения с помощью экспертной системы можно характеризовать следующими параметрами:

размер, определяющий объем пространства, в котором предстоит искать решение;

изменяемость области, характеризует степень изменяемости области во времени и пространстве (здесь будем выделять статические и динамические области);

полнота модели, описывающей область, характеризует адекватность модели, используемой для описания данной области;

определенность данных о решаемой задаче, характеризует степень точности (ошибочности) и полноты (неполноты) данных.

На этапе принятия решения в экспертной системе используются различные алгоритмы, которые модифицируются так, чтобы обеспечить выполнение следующих условий:

Одной из возможных стратегий для оптимизирования запросов является стратегия получения в первую очередь той информации, которая подтверждает либо опровергает наиболее вероятный на текущий момент результат.

Идеальной будет такая ситуация, при которой можно в определенной предметной области предоставить компьютеру в приемлемом для него виде множество определений, которые он сможет использовать примерно так же, как человек-эксперт. Именно это и пытается делать такая программа, как Малая экспертная система 2.0.

2.3. Разработка базы данных

В ЭС большая часть информации учетом байесовской системы логического вывода не является абсолютно точной, а носит вероятностный характер. Суть в том, что система задает множество вопросов, содержащихся в виде символьных строк <Симптом_1>, <Симптом_2> и т.д.

В качестве примера рассмотрим задачу определения вероятностей наличия различных заболеваний у пациента. Программа в данном случае выступает в роли врача (эксперта), который задаёт пациенту вопросы относительно симптомов и на основе полученных сведений ставит диагноз. Пациенту задаются только самые важные вопросы, от ответа на которые в большей степени зависит окончательное установление болезни. Экспертная система запрашивает у пользователя оценку истинности самого важного свидетельства, на основе ответа корректирует вероятности исходов и переходит к следующему свидетельству, выбрав снова самое актуальное. Таким образом, достигается наискорейшее получение результата при минимальном количестве запросов.

В ЭС болезни оформлены в виде полей табл. 1.

Таблица 1




Болезнь

p

[j, py, pn]

1

Болезнь_1

p1

[j, py, pn]1

2

Болезнь_2

p2

[j, py, pn]2

N

Болезнь_N

pn

[j, py, pn]n



Поле Болезнь характеризует название возможного исхода, например "Грипп". Следующее поле – p ? это априорная вероятность такого исхода P(H), т.е. вероятность исхода в случае отсутствия дополнительной информации. После этого идет ряд повторяющихся полей из трех элементов. Первый элемент ? j ? это номер соответствующего симптома (свидетельства, переменной, вопроса, если вы хотите назвать его по-другому). Следующие два элемента ? P(E: H) и P(E: не H) — соответственно вероятности получения ответа "Да" на этот вопрос, если возможные исход верен и неверен. Например:


2010

Грипп

0.01

(1, 0.9, 0.01); (2, 1, 0.01); (3, 0, 0.01)



Здесь указано, что существует априорная вероятность P(H)=0.01, что любой наугад взятый человек болеет гриппом.

Допустим, программа задает вопрос 1 (симптом 1). Тогда величина P(E: H)=0.9 и P(E: не H)=0.01, а это означает, что если у пациента грипп, то он в девяти случаях из десяти ответит "да" на этот вопрос, а если у него нет гриппа, он ответит "да" лишь в одном случае из ста. Очевидно, ответ "да" подтверждает гипотезу о том, что у него грипп. Ответ "нет" позволяет предположить, что человек гриппом не болеет.

Так же и во второй группе симптомов (2, 1, 0.01). В этом случае P(E : H)=0.9, т.е. если у человека грипп, то этот симптом должен присутствовать. Соответствующий симптом может иметь место и при отсутствии гриппа (P(E: не H)=0.01), но это маловероятно.

Вопрос 3 исключает грипп при ответе "да", потому что P (E: H)=0. Это может быть вопрос вроде такого: "наблюдаете ли вы такой симптом на протяжении большей части жизни?" — или что-нибудь вроде этого.

Нужно подумать, а если вы хотите получить хорошие результаты, то и провести исследование, чтобы установить обоснованные значения для этих вероятностей. И если быть честным, то получение такой информации— вероятно, труднейшая задача, в решении которой компьютер также сможет существенно помочь Вам. Если вы напишите программу общего назначения, ее основой будет теорема Байеса, утверждающая:

P(H: E) = P(E: H) * P(H) / (P(E: H) * P(H) +P(E: не H) * P(не H).

Вероятность осуществления некой гипотезы H при наличии определенных подтверждающих свидетельств Е вычисляется на основе априорной вероятности этой гипотезы без подтверждающих свидетельств и вероятности осуществления свидетельств при условиях, что гипотеза верна или неверна.

Поэтому, возвращаясь к нашим болезням, оказывается:

P(H : E) = py * p / (py * p + pn * (1 - p)) .

Работа ЭС начинается с того, что Р(Н) = р для всех болезней. Программа задает соответствующий вопрос и в зависимости от ответа вычисляет P(H: E). Ответ "да" подтверждает вышеуказанные расчеты, ответ "нет" тоже, но с (1 – py) вместо py и (1 – pn) вместо pn. Сделав так, мы забываем об этом, за исключением того, что априорная вероятность P(H) заменяется на P(H: E). Затем продолжается выполнение программы, но с учетом постоянной коррекции значения P(H) по мере поступления новой информации.

Пример. База знаний с чёткой логикой, решающей задачу классификации: «Ты геймер?» Автор: Алексей Бухнин.

Вопросы:

Ты играешь в компьютерные игры по 6 и более часов в сутки?

Ты бросаешь все дела ради новой игры?

От 3D-action игр у тебя кружится голова?

Ты ни за что не потащишь свой компьютер к другу для организации соревнований по сети?

Ты в основном тратишь деньги или на новый игровой диск, или на апгрейд компьютера?

Ты не пользуешься "мышью" в 3D-action играх?

Геймер, 0.5, 1,1,0, 2,1,0, 3,0,1, 4,0,1, 5,1,0, 6,0,1

Не геймер, 0.5, 1,0,1, 2,0,1, 3,1,0, 4,1,0, 5,0,1, 6,1,0

В этой базе знаний 6 вопросов (вообще-то семь, но нулевой вопрос «Вопросы: » не упоминается ни в одном правиле) и всего два исхода. Априорные вероятности обоих исходов равны 0.5, т.е. гипотезы, что наугад выбранный человек является или не является геймером, равновероятны. Пример загрузки медицинской базы знаний показан на рис. 3.

Практическая работа

Практическая работа заключается в создании новой базы знаний для Малой экспертной системы 2.0. База знаний должна быть экономического характера. Число вопросов для получения заключения с помощью экспертной системы – не менее шести.

Рис. 2. Сохранение базы знаний

Примечание. Для создания базы знаний использовать Редактор баз знаний 1.0. Для того, чтобы перейти в режим работы с Редактором баз знаний 1.0. необходимо выбрать папку Малая экспертная система 2.0, а затем ? MKBEditor.exe. Открывается диалоговое окно Редактор баз знаний 1.0 (рис. 4).

В этом диалоговом окне формируется база знаний. Для сохранения созданной базы данных необходимо щелкнуть на кнопке Сохранить базу знаний. Затем в диалоговом окне Сохранение базы знаний (рис. 2) задать имя базы знаний, тип файла – Базы знаний и щелкнуть на кнопке Сохранить.




Рис. 3. Медицинская база данных, загруженная в систему

Рис. 4. Пример базы данных о грибах

Практическое занятие № 3. Применение когнитивных карт в решении задач принятия решений

3.1. Когнитивные карты

Когнитивная карта (карта познания) ? это вид математической модели, представленной в виде графа и позволяющей описывать субъективное восприятие человеком или группой людей какого-либо сложного объекта, проблемы или функционирования системы.

Виды когнитивных карт:

Исходным понятием в когнитивном моделировании сложных ситуаций является понятие когнитивной карты ситуации.

Когнитивная карта ситуации представляет собой ориентированный взвешенный граф, в котором:

При анализе конкретной ситуации пользователь знает или предполагает, какие изменения базисных факторов являются для него желательными. Факторы, представляющие наибольший интерес для пользователя, называют целевыми.

Задача выработки решений по управлению процессами в ситуации состоит в том, чтобы обеспечить желательные изменения целевых факторов, это – цель управления. Цель считается корректно заданной, если желательные изменения одних целевых факторов не приводят к нежелательным изменениям других целевых факторов.

В исходном множестве базисных факторов выделяется совокупность так называемых управляющих факторов, через которые подаются управляющие воздействия в модель. Управляющее воздействие считается согласованным с целью, если оно не вызывает нежелательных изменений ни в каком из целевых факторов.

При корректно заданной цели управления и при наличии управляющих воздействий, согласованных с этой целью, решение задачи управления не вызывает особых трудностей.

3.2. Методика когнитивного анализа сложных ситуаций

Когнитивный анализ сложной ситуации:

  1. формулировка задачи и цели исследования;

  2. изучение социально-экономического процесса с позиций поставленной цели;

  3. сбор, систематизация, анализ существующей статистической и качественной информации по проблеме; источники ? СМИ, собственные источники и др.;

  4. выделение основных характеристических признаков изучаемого процесса и взаимосвязей, определение действия основных объективных законов (экономических, политических, социальных) развития исследуемой финансовой ситуации;

  5. определение присущих исследуемой ситуации требований, условий и ограничений;

  6. выделение основных социально-политических субъектов, связанных с ситуацией, определение их субъективных интересов в развитии данной ситуации ? это позволит определить возможные изменения в объективном развитии ситуации, выделить факторы, на которые реально могут влиять субъекты ситуации;

  7. определение путей, механизмов действия, реализации экономических и политических интересов основных социально-политических субъектов ? это позволит в дальнейшем определить стратегии поведения и, предотвращения нежелательных последствий развития ситуации.

3.3. Построение когнитивной модели проблемной ситуации

1. Выделение факторов, характеризующих проблемную ситуацию:

1.1. Выделение базисных (основных) факторов, описывающих суть проблемы. Выделение в совокупности базисных факторов целевых факторов. Например, суть проблемы неплатежей налогов можно сформулировать в факторах «Неплатежи налогов», «Доходы бюджета», «Расходы бюджета», «Дефицит бюджета» и др.

1.2. Определение факторов, влияющих на целевые факторы. Эти факторы в модели будут являться потенциально возможными рычагами воздействия на ситуацию. Например, при решении проблемы неплатеже налогов это будут факторы «Собираемость налогов», «Политическая стабильность региона», «Финансовое состояние региона», «Инвестиционный рейтинг региона» и др.

1.3. Определение факторов-индикаторов, отражающих и объясняющих развитие процессов в проблемной ситуации и их влияние на различные сферы (экономическую, социальную, политическую и др.).

2. Группировка факторов по блокам. Объединяются в один блок факторы, характеризующие данную сферу проблемы и определяющие процессы в этой сфере. Здесь возможны варианты в зависимости от специфики проблемы, целей анализа, количества субъектов ситуации и т.д. Например, геополитический, макро- и микроэкономический блок, социальные, демографические, отраслевые, федеральные и региональные блоки:

2.1. Выделение в блоке группы интегральных показателей (факторов) по изменению которых можно судить об общих тенденциях в данной сфере. Например, фактор «Дефицит бюджета» обобщено характеризует ситуацию в бюджетной сфере.

2.2. Выделение в блоке показателей (факторов), характеризующих тенденции и процессы в данной сфере, более детально.

3. Определение связей между факторами:

3.1. Определение связей и взаимосвязей между блоками факторов. Это позволит определить основные направления влияния факторов разных блоков друг на друга.

3.2. Определение непосредственных связей факторов внутри блока:

3.2.1. Определение направления влияний и взаимовлияний между факторами. Например, фактор «Уровень налогового бремени» влияет на «Неплатежи налогов».

3.2.2. Определение позитивности влияния (положительное, отрицательное, +\?).

3.2.3. Определение силы влияния и взаимовлияния факторов (слабо, сильно) Например, увеличение (уменьшение) фактора «Уровень налогового бремени» «значительно» увеличивает (уменьшает) «Неплатежи налогов».

3.3. Определение связей между факторами различных блоков.

4. Проверка адекватности модели. Если результаты сравнения неудовлетворительны, то модель корректируется и переходят к п.1.
  1   2   3   4


Федеральное агентство по образованию
Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации