рехода к более предпочтительному варианту, и номера предцелевых функций,
для которых допустимо снижение качества». Информацию от ЛПР обрабатыва-
ют, корректируют параметры обучения и в результате получают новый вариант.
(В адаптивных процедурах МО предполагается возможность многократного об-
ращения к ЛПР для получения дололнительной информации. }
Технология организации диалога ЛПР - ЭВМ, связанного с целенаправ-
ленным движением в окрестности парето-оптимальных вариантов, базируется
на следующем принципе корректировки случайной величины : увеличива-
ются вероятности рр выбора в качестве основного критерия оптимальности
тех предцелевых функций, по которым достигнуты неудовлетворительные
уровни. Корректировка осуществляется в соответствии с условиями локаль-
ного улучшения, Эти условия позволяют определить, вероятности каких пред-
целевых функций необходимо увеличить, каких уменьшить, а каких оставить
без изменения.
Настройку вероятностей р ведут на основе ответов ЛПР в процессе по-
очередных оптимизаций отдельных предцелевых функций с определенным
для каждой промежуточной однокритериальной модели временным масшта-
бом работы — на один шаг работы с одной предцелевой функцией может
приходиться, например, три шага работы с другой и т.д.
Рандомизированная переформулировка исходной многоцелевой постановки
{9.2) слабоформализованных задач принятия решений в виде однокритери-
альной задачи СО (8.6} позволяет выполнить следующие важные апостери-
орные требования к условиям функционирования проектируемых адаптивных
процедур МО.
1, Организовать гибкий дизлог ЛПР — ЭВМ на естественном для ЛПР языке
разноименных предцелевых функций.
#. Работать ЛПР в процессе диалога с отдельными предцелевыми функ-
циями мли их группами.
Подчеркнем, что при работе © многомерной информацией {например, при
наличии большого числа разноименных критериев качества} ЛПР изначально
ориентировано на использование упрощенных стратегий поиска наилучших
вариантов — поочередного рассмотрения критериев («исключения 0о аслек-
там»), перевода части критериев в ограничения и компенсации, @ не на фор-
мирование ФП. В основе стратегии «исключения по аспектам» лежит следу-
ющая гипотеза о поведении человека при решении задач выбора: «Случайным
образом (с вероятностью, пропорциональной важности критерия) произво-
дится выбор критерия, затем происходит исключение альтернатив, не удов-
летворяющих ограничению го данному критерию, далее выбирается второй
критерий и т.д.». Эта гипотеза, впервые выдвинутая А.Тверским, получила
многократное экспериментальное подтверждение,
В связи с тем, что адаптивные процедуры МО оперируют лишь с реали-
зациями случайной величины А(х), стоящей в выражении {9.6} под знаком
математического ожидания, именно данная модель СО обеспечивает возмож-
ность работы ЛПР в процессе диалога с отдельными предцелевыми функ-
циями, Отметим, что здесь свертывание предцелевых функций понимается
как некоторая асимптотическая цель, достижение которой требует решения
промежуточных однокритериальных задач оптимизации.
3. Организовать процесс обучения ЛПР выбору основного критерия опти-
мальности {построению промежуточных однокритериальных оптимизацион-
ных моделей).
При построении промежуточных оптимизационных моделей ЛПР часто вы-
нужден работать с нефиксированным (изменяющимся} перечнем функций.
Так, учитывая «нежесткость» ограничений, часть из них имеет смысл рас-
сматривать в качестве дополнительных предцелевых Функций.
Введение случайной величины / позволяет осущестелять имитацию выбора
отдельных предцелевых функций в качестве основного критерия оптималь-
148