2015-05-22
326
Предложенный адаптированный генетический алгоритм и его реализация для ценовых характеристик позволяет определить вектор количественных параметров товара (2.14). Исходные данные для формирования этого вектора носят числовой характер.
Вторым видом характеристик товара являются показатели выраженные качественно. Применить для их непосредственной обработки предложенный алгоритм нельзя. Для решения задачи получения характеристик конкурентоспособного товара его необходимо дополнить.
Обозначим неценовые характеристики товара:
| (2.15) |
где w" - общее число характеристик товара, имеющих качественное выражение; hNCy - y-я неценовая характеристика товара.
Неценовая конкуренция является для монополистического рынка унаследованным признаком от монополий. Под качественно определенной величиной следует понимать показатель привлекательности товара, выраженный одним или множеством лингвистических конструкций (слово или словосочетание) естественного или искусственного языка, принятого в той или иной предметной области. Например: «марка компании - известная», «Удобство доставки товара - среднее» и так далее.
|
|
|
Причем:
| (2.16) |
Благодаря информированности участников рынка можно из качественных характеристик сформировать матрицу HNC:
| 1 | … | y | … | w’’ | ||||
| t1 | 
| … | 
| … | 
| |||
|
| … |
| … |
| |||
| HNC= | tk | 
| … | 
| … | 
| , | (2.17) |
|
|
| … |
| … |
| |||
| ts | 
| … | 
| … | 
|
где hkNCy - значение y-й качественной характеристики k-го товара на рынке R.
Значения hkNCy в (2.17) определяются экспертным путем, на основе результатов изучения рынка и опроса его участников.
По аналогии с количественными характеристиками будем полагать hkNCy = "-", если y-й параметр у k-го товара на рынке R отсутствует у данного товара.
Применительно к (2.17) необходимо определить такой вектор характеристик, которые бы обеспечивали конкурентные преимущества предприятию.
Целесообразность применения адаптированного генетического алгоритма подтверждается теми же обстоятельствами, что и в случае ценовых характеристик. В отличие от (2.4), элементы (2.17) представляют собой лингвистические конструкции, которые не могут использоваться в алгоритме. Поэтому предлагаем следующую технологию решения поставленной задачи на основе применения генетического алгоритма (рис. 1).
Лингвистические конструкции
|
Данные в числовой форме
 |
Лингвистические конструкции
Рис.1 Технология применения генетического алгоритма к качественным характеристикам товара
|
|
|
Применение модели 
(*) и 
(**)
позволяет перейти от набора лингвистических конструкции к числовому представлению характеристик. Этот переход обязателен, так как разные параметры могут иметь различный набор терминов, используемых для их характеристики. Переход к числовой форме позволяет их унифицировать.
Следует отметить, что все параметры и переменные генетического алгоритма определяются, исходя из данных выше рекомендаций, и уточнений не требуется.
В результате может быть получена матрица, которую следует рассматривать, как исходную популяцию хромосом. Последующее применение генетического алгоритма (2.9)-(2.13) позволит по достижению условия останова получить вектор оптимальных характеристик:
| (2.18) |
Однако, в отличие от (2.17), элементы вектора (2.18) будет представлены в числовой форме. Для полного завершения генетического алгоритма требуется выполнить обратное преобразование к лингвистическим конструкциям, которое предлагается осуществить на основе шкалы, заданной нормализованными значениями:
| (2.19) |
Рассмотрим эту процедуру на примере рынка трех товаров. Пусть характеристики этих товаров имеют значения, представленные в таблице 2.1.
Таблица 2.1
Неценовые характеристики товаров рынка R
| t \ hNC | Известность предприятия | Удобства доставки товара | Качество обслуживания |
| Товар1 | Неизвестная | Среднее | - |
| Товар2 | Известная | Высокое | Высокое |
| Товар3 | Средне | - | Низкое |
Зададим независимую шкалу, характеризующую степень отличия и состоящую из пар «Описание: степень предпочтительности»
| (***) |
где dl – количество степеней предпочтительности.
В соответствии с (***) можно задать шкалу важности для всех лингвистических конструкций: Таблица 2.2
Шкала сравнения
| Уровень ор | Степень предпочтительности |
| Равная важность | |
| Умеренное превосходство | |
| Существенное превосходство | |
| Значительное |
Первым неценовым критерием hNC1 является имидж марки компании. Пусть его можно охарактеризовать множеством лингвистических конструкций:
| L1 = { Известная, Средне, Неизвестная} | (2.20) |
Построим квадратную матрицу сравнения лингвистических конструкций:
| Неизвестная | Средне | Известная | |||
| Неизвестная | |||||
| SR= | Средне | 1/3 | (2.21) | ||
| Известная | 1/5 | 1/3 |
На основе применения 
и (*)-(**) вычисляем нормализованные оценки:
| Неизвестная | Средне | Известная | |||
| O1={ | 0,104729; | 0,258285; | 0,636986 | } | (2.22) |
Вторым неценовым критерием является удобство доставки. Пусть его можно охарактеризовать множеством лингвистических конструкций:
L2 = {Известная, Средне, Неизвестная} (2.23)
Квадратная матрица сравнения лингвистических конструкций:
| Низкое | Среднее | Высокое | |||
| Низкое | |||||
| SR= | Среднее | 1/3 | (2.24) | ||
| Высокое | 1/7 | 1/3 |
Нормализованные оценки:
| Низкое | Среднее | Высокое | |||
| O2={ | 0,0879462; | 0,2426369; | 0,669417 | } | (2.25) |
Третьим критерием hNCa является качество обслуживания:
L3 = {Высокое; Низкое} (2.26)
Квадратная матрица сравнения лингвистических конструкций:
| Низкое | Высокое | |||
| SR= | Низкое | (2.27) | ||
| Высокое | 1/7 |
Нормализованные оценки:
| Низкое | Высокое | |||
| O3={ | 0,125; | 0,875 | } | (2.28) |
Объединяя базовые положения методов аналитической иерархии [4, 14] и подходы теории нечетких множеств [9, 5] предлагается рассматривать полученные векторы оценок, как некоторые интервальные характеристики. Так, для качественного критерия значению «Низкое» соответствует интервал [0; 0,125], а значению «Высокое» - (0,125; 1].
Таким образом, полученные векторы (2.22), (2.25) и (2.28) на интервале [0,1] задают некоторую шкалу. Графически полученные нормализованные значения можно представить в виде диаграммы (рис. 2).
|
|
|
Рис. 2 Нормализованные оценки лингвистических конструкций
В результате формализованные неценовые характеристики этих товаров имеют значения (табл.2.3):
Таблица 2.3
Формализованные характеристики товаров
| Известность предприятия | Удобства доставки товара | Качество обслуживания | |
| Товар1 | 0,104729 | 0,2426369 | - |
| Товар2 | 0,636986 | 0,669417 | 0,875 |
| Товар3 | 0,258285 | - | 0,125 |
Фактические табл.2.3 представляет собой родительскую популяцию хромосом, гены которой представлены в количественной (числовой) форме. Таким образом, предложенный способ формализации лингвистических конструкций позволяет перейти к применению модифицированного генетического алгоритма.
Пусть в результате применения генетического алгоритма был получен вектор оптимальных характеристик:
| (2.29) |
Тогда, согласно рис.2 полученному вектору нормализованных значений можно поставить в соответствие фактические значения неценовых характеристик:
 
| (2.30) |
В результате независимого применения адаптированного генетического алгоритма к ценовым и неценовым параметрам товаров рынка монополистической конкуренции получены два вектора оптимальных характеристик (2.14) и (2.19). Результирующий вектор представляет их объединение:
| (2.31) |
Важно отметить, что (2.31) является фактически моделью идеального, с позиции потребительских (ценовых C и неценовых NC) характеристик, товара. Эти характеристики получены с учетом конкурентного взаимодействия, но без учета потребностей субъектов другого сегмента рынка. Любые отклонения от данного эталона будут приводить к потере конкурентоспособности.
Предложенные модели могут применятся, как для определения конкурентоспособных производимых, так и наиболее желаемых потребляемых товаров. Однако для получения представления о рыночном процессе требуется определить параметры товара рынка монополистической конкуренции в целом.
