|
заложенный в основу алгоритмов метода анализа иерархий, дает возможность «объективизировать» субъективные суждения эксперта. Хотя эти преимущества выражены достаточно абстрактными категориями, они имеют важные практические следствия. Во-первых, мы получаем, как результат субъективных суждений эксперта, объективные, или, говоря более осторожно, объективизированные количественные отношения между различными элементами разных иерархических уровней, интерпретируемые какпоказатели структуры. Во-вторых, в случае опроса ряда экспертов одновременно или одного (немногих) эксперта в режиме мониторинга (аналог панельного опроса) мы получаем пространственные или временные количественные данные, измеренные также по «высоко организованным шкалам», которые затем подлежат анализу с помощью богатейшего набора многомерных статистических методов. В-третьих, как было показано ранее, существует возможность получения также и показателей интенсивности (пример — оценка уровня социальноэкономической напряженности в виде «свертки» альтернативных оценок факторов напряженности в один индикатор по достаточно простому алгоритму). В-четвертых, удивительная гибкость логических структур многоуровневых иерархических моделей позволяет ставить разнообразные задачи прогностического плана. На последнем преимуществе следует остановиться подробнее. Несмотря на то, что с момента выхода в русском переводе основополагающей книги Т. Саати «Принятие решений. Метод анализа иерархий» прошло почти десятилетие (книга вышла в 1993 г. в издательстве «Радио и связь» тиражом 3000 экз.) — казалось бы, достаточно большой срок, практические приложения метода до сих пор, как правило, ограничивается весьма простыми иерархиями с двумя, максимум тремя разнокачественными уровнями. В то же время именно многоуровневые иерархии представляют наибольший интерес. Поднимаясь от «одномерных» двухуровневых иерархий типа «фокус — |
Отличительной чертой предлагаемых технологий является ак*гивная роль эксперта в процессе создания модели и ее адаптации к конкретной ситуации (месту жительства эксперта, его социальному статусу и т.п.). Имеется сильная “обратная связь” между интервьюируемым экспертом и “интервьюером-компьютером”, что, собственно, и делает ее экспертной системой. Отметим две характерные черты используемой нами экспертной технологии опроса, квалифицируемой как адаптивное личное и нтервью с помощ ью ко м пью те ра и визуализацией результатов в режиме реального времени. Сочетание двух методов — применяемого за рубежом, главным образом в США, метода CAPI (Computer-Assisted Personal Interviewing — личного интервью с помощью компьютера), и подхода аналитической иерархии, позволяет сопоставлять ее с новейшими технологиями исследований. Развитые средства визуализации, дружественный интерфейс экспертной системы, соответствие иерархических моделей логике мышления эксперта — все это делает возможным широкое применение экспертных технологий опроса для решения широкого круга вопросов регионального управления. Указанные выше вопросы “практического” характера важны, поскольку именно они решают успех распространения экспертных технологий опроса и признания их со стороны практиков-управленцев. Но, на наш взгляд, значительно большее методологическое значение имеет тот факт, что логический и математический аппарат, заложенный в основу алгоритмов аналитической иерархии, дает возможность “объективизировать” субъективные суждения эксперта. Хотя эти преимущества выражены достаточно абстрактными категориями, они имеют важные практические следствия. 1. Во-первых, мы получаем, как результат субъективных суждений эксперта, объективные, или, говоря более осторожно, объективизированные количественные отношения между различными элементами разных иерархических уровней, интерпретируемые как показатели с тр у кту р ы . 158 2. Во-вторых, в случае опроса ряда экспертов одновременно или одного (немногих) эксперта в режиме мониторинга мы получаем пространственные или временные количественные данные, измеренные также по “высоко организованным шкалам”, которые затем подлежат анализу с помощью всего набора многомерных статистических методов. 3. В-третьих, существует также возможность получения показателей интенсивности. 4. В-четвертых, удивительная гибкость логических структур многоуровневых иерархических моделей позволяет ставить разнообразные задачи прогностического плана. На последнем преимуществе следует остановиться подробнее. Несмотря на то, что с момента выхода в русском переводе основополагающей книги Т. Саати “Принятие решений. Метод анализа иерархий” [112] прошло почти десятилетие (книга вышла в 1993 г. в издательстве “Радио и связь” тиражом 3000 экз.) — казалось бы, достаточно большой срок, практические приложения метода в прикладных исследованиях до сих пор ограничивались весьма простыми иерархиями с двумя, максимум тремя разнокачественны м и уровнями. В то же время именно многоуровневые иерархии представляют наибольший интерес. Поднимаясь от “одномерных” двухуровневых иерархий типа “фокус — критерии” или “фокус — альтернативы” (пример — иерархия альтернатив при построении функции принадлежности в разделе 3.2) к более сложным “двумерным” трехуровневым иерархиям типа “фокус — критерии — альтернативы”, следует ожидать дальнейшего расширения их структурной сложности при переходе к трехи более мерным задачам. В диссертационной работе мы ограничились построением четырехуровневой иерархической модели типа “фокус — критерии верхнего уровня — критерии нижнего уровня — альтернативы” при постановке задачи выбор варианта переправы через реку в районе крупного города. 159 элементами разных иерархических уровней, интерпретируемые как показатели структуры; • в случае опроса ряда экспертов одновременно или одного (немногих) эксперта в режиме мониторинга мы получаем пространственные или временные количественные данные, измеренные по “высоко организованным шкалам”, которые затем подлежат анализу с помощью многомерных статистических методов; • существует возможность получения показателей интенсивности; • гибкость логических структур многоуровневых иерархических моделей позволяет ставить разнообразные задачи прогностического плана. 7. Предложены типы иерархических моделей, которые могут быть использованы при формировании приоритетов социально-экономической политики на различных уровнях экспертными методами в часто встречающихся на практике случаях, когда нет возможности выполнить широкомасштабную экономическую проработку альтернативных вариантов. Указаны направления использования экспертной системы Expert Decide 2.2 и методики опроса на ее основе для информационно-аналитического и прогнозного сопровождения управления инвестиционными экономическими процессами: • анализ путей устойчивого развития экономики региона в целом и отдельных отраслей на “элитном уровне” (инвестиционные процессы в регионе, межрегиональные связи); • определение приоритетов альтернатив проектов; • прогнозирование развития конкретных инвестиционных проектов; • решение задачи оптимального распределения ресурсов; • расчет соотношения эффективность/затраты вариантов решений; • планирование от достигнутого; • планирование от конечного результата; • решение задач управления (анализ маргинальных приоритетов). |