Во всех этих случаях речь идет о качественной информации, позволяющей
выяснить, насколько важно для разработчиков схемы сокращения списка ИР
в критических ситуациях, связанных © трудностью обеспечения ОМС задан-
ными объемами ресурсов. Применение соответствующих имитационных и
многокритериальных моделей задачи выбора наилучших вариантов связано
© попыткой развернуть качественную информацию в количественную.
Для организации процесса имитационного моделирования используют на--
бор разноименных показателей у) (предцелевых Функций}, / = , М, с помо-
щью которых учитывают экспертную информацию @ важности ИР при реали-
зации определенных принципов многоцелевой оптимизации (компромисса).
Для ответа на поставленные вопросы необходимо организовать диалог с
ЛПР на языке разноименных показателей М, характеризующих интенсивность
использования ресурсов из соответствующих ИР. В результате приходим к
многокритериальной постановке задачи выбора наилучших вариантов ресур-
сного обеспечения мелиорации. Вопросу о дефицитности ресурсов в ИР со-
ответствует следующая модель МО:
„ а.
и х
екуеое 
{9.1)
-
уу
где & — матрица ||х{| размерности М х М, а у` — вектор размерности М,
Введение в качестве управляющих переменных разноименных предцелевых
Функций у) позволяет сформировать целевую Функцию (8.1} балансовой мо-
дели. Коэффициенты Д, которые учитывакт относительную влажность и фи-
зическую размерность показателей у можно выбрать на основе экспертной
информации о приоритете ИР в рамках лексикографического подхода к МО.
Причем чем выше приоритет /-го ИР, тем больнге Ёр
Вместо попытки априорного сворачивания предцелевых функций у) пред-
лагается решить адаптивную алгоритмизацию задачи выбора наилучших ва-
риантов ресурснога обеспечения мелиорации. В данном случае величины й),
удовлетворяющие условию нормировки, интерпретируются как вероятности
привлечения в качестве основной цели ресурсной оптимизации отдельных
предцелевых функций.
В диалоговых адаптивных алгоритмах учитывается возможность получения
текущей экспертной информации и повышения способности ЛПР к оценке
предпочтительности варианта ресурсного обеспечения в процессе имитаци-
онного моделирования. При этом преследуется цель сокращения перечня воз-
можных ИР, В качестве советующей информации эксперты получают систему
компенсации, т.е. сведения о возможности наращивания мощностей ряда
ИР за счет отказа от других при заданных контрольных цифрах развития ме-
лиорации. В результате диалога с ЛПР формируется целевая Функция и ста-
новится совместной система ограничений балансовой модели.
Данная целевая функция стимулирует экономию дефицитных ресурсов. В
предлагаемой технологии моделирования она «рождается» на основе конт-
рольных цифр развития мелиорации. Ёе формирование позволяет преодолеть
трудности, характерные для многоцелевых задач принятия решений в ситу-
ациях, когда имеется большое число разноименных предцелевых функций и
возможно оперировать лишь значениями этих функций, так как отсутствует
их явный аналитический вид.
Адаптивная алгоритынизация слабоформализаванных задач ресурсной
оптимизации. Низкий информационный уровень математического описания
слабоформализованных задач выбора связан с неопределенностью требова-
ний к качеству наилучших вариантов и нестандартностью ситуаций принятия
решений.
143