Далее будем предлолагать лишь существование оптимизированной фун-
кции предпочтения ЛПР. Причем явный аналитический вид данной функции
неизвестен и имеется возможность лишь сравнивать значения ее реализаций,
Для получения реализаций ФП используются ответы ЛПР на определенные
вопросы, например: «Укажите номер предцелевой функции, значение которой
должно быть улучшено для перехода к болве предпочтительному варианту?»;
«Каковы удовлетворительные уровни предцелевых функций?»; « каких пре-
депах находятся вероятности, с которыми необходимо улучшать значения той
или иной предцелевой функции?»; «Какой из двух вариантов предпочтитель-
нее?» и т.д. Здесь в качестве измерительного устройства выступает человек,
имеющий ограниченные психофизиологические возможности ло переработке
многомерной информации. Поэтому в условиях неопределенности требований
к качеству наилучших вариантов осознание компромисса и формирование ФП
(свертывание предцелевых функций} должны базироваться на методе «проб.
и ошибок». Важность и необходимость ошибок в ответах ЛПР объясняется
тем, что они не только обеспечивают «приближение к цели — компромиссу,
но и удаление от этой цели, что несет большую информацию, формирующую
дальнейшие шаги ЛПР»,
Таким образом, функцию предпочтения целесообразно рассматривать как
результат осреднения случайной оценочной фумнкции ИПР, реализации кото-
рой, по существу, используются при локальном сравнении вариантов. При
этом фумкция предпочтения формируется в результате агрегирования «по-
точечных» знаний ЛПР (осреднения его ответов) и понимается как асимлто-
тическая цель. Для приведения в соответствие математической постановки
уровню алгоритмизации задачу (9.2) необходимо переформулировать в виде
следующей однокритериальной задачи стохастической оптимизации (СО);
900 = ме{ Фнею» х ао 2 - иоо» 
{9.3)
где # — случайный вектор, отражающий неточность, неуверенность в ответах
ППР при сравнении реализации некоторой случайной оценочной функции
®{.] (при оценке качества того или иного варианта}; М;{-\ 
— математиче-
сков ожидание оценочной функции ЛПР по 2; Ч(к) = «[А(к), 3.., б (Х)) — не-
которая свертка предцелевых функций, строго монотонная по предпочтениям
ЛПР.
Перейдем к созданию в рамках некоторой однокритериальной задачи СО по-
тенциальных возможностей по преодолению неопределенности в требованиях к
качеству наилучшлих вариантов в нестандартных ситуациях принятия решений.
Вначале выделим универсальное свойство нестандартности ситуаций в це-
лом на алгоритмическом уровне. Такое свойство — «нелокальностьи, сВя-
занная с трудностью предсказания поведения функции предпочтения ЛПР в
области поиска наилучших вариантов. Поэтому повышение эффективности
проектируемых алгоритмов МО должно базироваться на выявлении скрытых
статистических закономерностей (случайных факторов), лежащих в ОсНове
прогнозирования осредненного поведения оценочной функции ЛПР. Для на-
хождения факторов в проектируемых алгоритмах процесс собственно поиска
наилучших вариантов должен рационально сочетаться с процессом исследо-
вания ФП (генерирования и обработки статистической информации). Как
следствие — необходимо привлекать универсальные (в первую очередь ве-
роятностные) схемы перебора для восполнения недостающей статистической
информации, а также выявлять статистические связи между переменными,
обусловленные действием случайных факторов. Последнее определяет выбор
носителей информации, участвующей в способах повышения эффективности
проектируемых алгоритмов МО. В данном случае носителями статистических
связей являются распределения, т.е. система статистически связанных слу-
чайных векторов.
145