Стратегия формирования решений. Теория оптимальных решений.

СИТУАЦИОННАЯ МАТРИЦА ФОРМИРО­ВАНИЯ СТРАТЕГИИ ДЖ. ТОМПСОНА - ситуационная модель выработки страте­гии организации, фиксирующая связь уровня неопределенности (стабильности и предсказуемости) ситуации и логики выработки стратегии.Она выявляет тенденцию к снижению фактиче­ской возможности использовать управ­ленцами высшего уровня рациональных методов подготовки решений при фор­мировании организационной стратегии и к повышению степени риска от ее реа­лизации по мере роста неопределеннос­ти ситуации в организации.Эта тенденция типична для перехода органи­заций к функционированию в режиме от­крытых систем.

Матрица, представленная Дж. Томп­соном, характеризует ситуацию нараста­ния неопределенности. Одна ее сторона отражает сформированность целей и вы­бранных управленцем исходных приори­тетов, другая - определенность причин­но-следственных связей и наличие спо­соба реализации цели. Дж. Томпсон ис­ходит из трактовки ситуации высокой не­определенности, исключающей возмож­ность для менеджеров, во-первых, сколь бы то ни было достоверно предсказать фактические результаты реализации про­грамм, составленных в рамках рацио­нальной логики, во-вторых, разобраться в причинно-следственных связях между многочисленными факторами, порожда­ющими ту или иную проблему (см. Ме­неджер). Он предлагает рассматривать ло­гику формирования стратегии организа­ции в зависимости от степени неопреде­ленности условий ее жизнедеятельности (от высокой степени определенности до высокой степени неопределенности) и выделяет, соответственно, четыре теоре­тически возможные стратегии, каждая из которых адекватна своему уровню не­определенности: расчетная стратегия; стратегия суждений; стратегия компро­миссов; стратегия вдохновения.

Расчетная стратегия формируется в условиях высокого уровня определен­ности и построена на рациональной ос­нове (см.: Ситуация высокой неопределен­ности; Организация как открытая систе­ма). Она характеризуется тем, что ме­неджер, во-первых, четко определил представления о характере процессов (причинно-следственных связей) и тех­нологии (целедостижения), обусловлива­ющих логику функционирования и раз­вития организации, во-вторых, установил приоритеты целей (выбрал главную цель), а также проанализировал и про­считал варианты их достижения. При такой стратегии минимизируется риск ее реализации.

При формировании стратегии суж­дений рациональный компонент значи­тельно уменьшается, а политический воз­растает. Она возможна и оправдана в ус­ловиях среднего уровня неопределенно­сти ситуации и отличается тем, что вы­бранные предпочтения (цели) достаточ­но четко определены, а соответствующие технологии ее достижения не сформиро­ваны. Эта стратегия относится к числу стратегий среднего уровня риска.

Стратегия компромиссов тоже адекватна ситуации средней неопреде­ленности и характеризуется снижением рационального компонента и повышени­ем политического. Для нее типична сформированность представлений о при­чинно-следственных связях (технологии реализации цели) при несформированности избранных приоритетов (нечеткая цель). Эта стратегия также принадлежит к стратегиям среднего уровня риска.

Стратегия вдохновения соответ­ствует условиям ситуации высокой не­определенности. Для нее характерно то, что решения принимаются в ситуации, когда представления о причинно-следст­венных связях не определены и приори­теты управления не сформированы. Это стратегия высокого уровня риска, фактически принимаемая вне рациональной логики (выбор средств, адекватных чет­ко определенной цели). Логический (ра­циональный) компонент при ее форми­ровании практически сводится к нулю.

Основная идея Дж. Томпсона состоит в том, что каждому уровню неопределен­ности ситуации как условию принятия решений соответствует специфическая логика формирования стратегии. Единая, оправданная для любых условий логика ее формирования невозможна.

Несмотря на то, что методы принятия решений отличаются универсальностью, их успешное применение в значительной мере зависит от профессиональной подготовки специалиста, который должен иметь четкое представление о специфических особенностях изучаемой системы и уметь корректно поставить задачу. Искусство постановки задач постигается на примерах успешно реализованных разработок и основывается на четком представлении преимуществ, недостатков и специфики различных методов оптимизации. В первом приближении можно сформулировать следующую последовательность действий, которые составляют содержание процесса постановки задачи:

· установление границы подлежащей оптимизации системы, т.е. представление системы в виде некоторой изолированной части реального мира. Расширение границ системы повышает размерность и сложность многокомпонентной системы и, тем самым, затрудняет ее анализ. Следовательно, в инженерной практике следует к декомпозиции сложных систем на подсистемы, которые можно изучать по отдельности без излишнего упрощения реальной ситуации;

· определение показателя эффективности, на основе которого можно оценить характеристики системы или ее проекта с тем, чтобы выявить "наилучший" проект или множество "наилучших" условий функционирования системы. В инженерных приложениях обычно выбираются показатели экономического (издержки, прибыль и т.д.) или технологического (производительность, энергоемкость, материалоемкость и т.д.) характера. "Наилучшему" варианту всегда соответствует экстремальное значение показателя эффективности функционирования системы;

· выбор внутрисистемных независимых переменных, которые должны адекватно описывать допустимые проекты или условия функционирования системы и способствовать тому, чтобы все важнейшие технико-экономические решения нашли отражение в формулировке задачи;

· построение модели, которая описывает взаимосвязи между переменными задачи и отражает влияние независимых переменных на значение показателя эффективности. В самом общем случае структура модели включает основные уравнения материальных и энергетических балансов, соотношения, связанные с проектными решениями, уравнения, описывающие физические процессы, протекающие в системе, неравенства, которые определяют область допустимых значений независимых переменных и устанавливают лимиты имеющихся ресурсов. Элементы модели содержат всю информацию, которая обычно используется при расчете проекта или прогнозировании характеристик инженерной системы. Очевидно, процесс построения модели является весьма трудоемким и требует четкого понимания специфических особенностей рассматриваемой системы.

Несмотря на то, модели принятия оптимальных решений отличаются универсальностью, их успешное применение зависит от профессиональной подготовки инженера, который должен иметь полное представление о специфике изучаемой системы. Основная цель рассмотрения приводимых ниже примеров - продемонстрировать разнообразие постановок оптимизационных задач на основе общности их формы.

Все оптимизационные задачи имеют общую структуру. Их можно классифицировать как задачи минимизации(максимизации) M-векторного векторного показателя эффективности W_m(x), m=1,2,...,M, N-мерного векторного аргумента x=(x₁,x₂,...,x_N), компоненты которого удовлетворяют системе ограничений-равенств h_k(x)=0, k=1,2...K, ограничений-неравенств g_j(x)>0, j=1,2,...J, областным ограничениям x_li<x_i<x_ui, i=1,2...N.

Все задачи принятия оптимальных решений можно классифицировать в соответствии с видом функций и размерностью W_m(x), h_k(x), g_j(x) и размерностью и содержанием вектора x:

· одноцелевое принятие решений - W_m(x) - скаляр;

· многоцелевое принятие решений - W_m(x) - вектор;

· принятие решений в условиях определенности - исходные данные - детерминированные;

· принятие решений в условиях неопределенности - исходные данные - случайные.

Наиболее разработан и широко используется на практике аппарат одноцелевого принятия решений в условиях определенности, который получил название математического программирования. Более подробно задачи линейного программирования (W(x), h_k(x), g_j(x) - линейны) изложены в главе 2, нелинейного программирования (W(x), h_k(x), g_j(x) - нелинейны) - в главе 3, целочисленного программирования (x - целочисленны) - в главе 4, динамического программирования (x - зависят от временного фактора) - в главе 5.

Математический аппарат одноцелевого принятия решений в условиях неопределенности, изложенный в главе 6, представляет собой стохастическое программирование (известны законы распределения случайных величин), теории игр и статистических решений (закон распределения случайных величин неизвестен).

Методы принятия многоцелевых решений изложены в 7 главе.

Рассмотрим процесс принятия решений с самых общих позиций. Психологами установлено, что решение не является начальным процессом творческой деятельности. Оказывается, непосредственно акту решения предшествует тонкий и обширный процесс работы мозга, который формирует и предопределяет направленность решения. В этот этап, который можно назвать "предрешением" входят следующие элементы:

· мотивация, то есть желание или необходимость что-то сделать. Мотивация определяет цель какого-либо действия, используя весь прошлый опыт, включая результаты;

· возможность неоднозначности результатов;

· возможность неоднозначности способов достижения результатов, то есть свобода выбора.

После этого предварительного этапа следует, собственно, этап принятия решения. Но на нем процесс не заканчивается, т.к. обычно после принятия решения следует оценка результатов и корректировка действий. Таким образом, принятие решений следует воспринимать не как единовременный акт, а как последовательный процесс.

Выдвинутые выше положения носят достаточно общий характер, обычно подробно исследуемый психологами. Более близкой с точки зрения инженера будет следующая схема процесса принятия решения. Эта схема включает в себя следующие компоненты:

· анализ исходной ситуации;

· анализ возможностей выбора;

· выбор решения;

· оценка последствий решения и его корректировка.