Autoreferat rozprawy doktorskiej SYSTEM KOMPUTEROWY UŁATWIAJĄCY WYKORZYSTANIE INFORMACJI O ZJAWISKACH SOCJALNO-EKONOMICZNYCH PRZY WYBORZE FIRM INWESTUJĄCYCH NA DANYM TERENIE mgr iŝ. Jausz Rybarski PROMOTOR: prof. dr hab. iŝ. Ryszard Tadeusiewicz Akademia Góriczo-Huticza, WEAIiE RECENZENCI: prof. dr hab. iŝ. Ewa Dudek-Dyduch -Akademia Góriczo-Huticza, WEAIiE dr hab. iŝ., prof. UEK Jacek Wołoszy Uiwersytet Ekoomiczy w Krakowie W rozprawie doktorskiej zaprezetowao projekt systemu komputerowego wykorzystującego iformacje socjalo-ekoomicze do wspomagaia procesu wyboru firm iwestujących a daym tereie. Z uwagi a to, iŝ dotychczas ajczęściej stosowae systemy tego rodzaju (systemy wspomagaia decyzji) wykorzystują główie dae liczbowe zgromadzoe w bazach daych lub (przy większych systemach) w hurtowiach daych i ie wymagają skomplikowaych procesów kodowaia czy teŝ zaawasowaych algorytmów obliczeiowych, autor w iiejszej pracy podjął próbę wykorzystaia daych róŝego rodzaju (ie tylko umeryczych) słuŝących do opisaia firm, braŝ oraz środowiska iwestycyjego. Praca zawiera opis systemu komputerowego stworzoego w oparciu o środowisko Eclipse, opis implemetacji poszczególych rozwiązań i algorytmów, opis zdefiiowaych fukcji obliczających wartości poszczególych koszyków firm (zestawu wybraych firm), jak rówieŝ zawiera iformacje a temat sposobu kodowaia iezbędych daych. W pracy zajduje się takŝe opis i propooway sposób rozwiązaia problemów pojawiających się w procesie implemetacji i testowaia poszczególych rozwiązań i algorytmów. Część empirycza pracy zawiera opis eksperymetalej metody weryfikacji działaia stworzoego systemu komputerowego poprzez porówaie sugerowaych przez system rozwiązań z decyzjami podejmowaymi (w warukach symulacji) przez wybraą grupę ludzi. Cel i zakres pracy Od mometu, gdy Polska weszła do Uii Europejskiej moŝa zaobserwować rosące zaiteresowaie iwestorów zagraiczych lokowaiem swoich przedsięwzięć a tereie aszego kraju. To, o czym aleŝy jedak pamiętać to ryzyko, które iesie za sobą kaŝda z plaowaych iwestycji, bowiem to ie tylko iwestor poosi ryzyko ulokowaia swojego przedsięwzięcia w daym regioie aszego kraju, ale takŝe lokala społeczość, a co za tym idzie, takŝe i urzędicy odpowiedziali za proces podejmowaia decyzji. Co więcej, moŝa zauwaŝyć, iŝ dla urzędików ie tylko realizacja iwestycji ma zaczeie, ale w główej mierze jej wpływ a moŝliwości rozwoju lokalej społeczości, co w dłuŝszym horyzocie czasowym owocuje w postaci kolejych, czasami jeszcze większych iwestycji. Ze względu a duŝą liczbę argumetów, parametrów i okoliczości, jakie trzeba wziąć pod uwagę w procesie podejmowaia decyzji coraz trudiej jest decydować o tak rozbudowaych procesach, jakimi są wielomilioowe iwestycje bez odpowiediego wspomagaia iformatyczego. Aalizując powyŝsze problemy autor iiejszej rozprawy doszedł do wiosku, iŝ moŝliwe jest stworzeie komputerowego systemu wykorzystującego iformacje socjalo-ekoomicze, wspomagającego proces podejmowaia decyzji. Stwierdzeie to zostało zawarte jako teza omawiaej rozprawy. Omawiając problem wyboru firm iwestujących a daym tereie, autor doszedł do wiosku, iŝ problem te moŝa zdefiiować w sposób aalogiczy do biarego problemu plecakowego jako wielowymiarowy biary problem plecakowy. Biary problem plecakowy polega a wybraiu z określoej liczby elemetów, do plecaka, tych elemetów, których sumarycza wartość jest dla wybierającego jak ajwiększa przy ograiczoej pojemości plecaka. W przypadku problemu wyboru firm iwestujących a
daym tereie, wielość tereu przezaczoego pod iwestycje, zapotrzebowaie a media (prąd, wodę, gaz) czy ie ograiczeia są rówowaŝe wielkości plecaka. Zapotrzebowaie daej firmy a tere iwestycyjy i media odpowiada wielkości (cięŝarowi) wybieraego przedmiotu. Wartość, jaką wybraa firma przedstawia dla lokalej społeczości (wyraŝoa a przykład w wartości iwestycji bądź ilości zatrudioych osób) rówowaŝa jest z kolei wartości przedmiotu. Przedstawioa powyŝej krótka charakterystyka obrazuje skalę trudości problemu. W przypadku przeglądaia wszystkich moŝliwych rozwiązań (ag. Brute Force) złoŝoość obliczeiowa przedstawioego problemu wyosi 2 N co w przypadku 20 firm daje aŝ 048576 potecjalych rozwiązań (ie koieczie spełiających wszystkie ograiczeia). Istieje wiele sposobów rozwiązaia omawiaego problemu. W iiejszej pracy autor wykorzystał algorytmy geetyczy oraz metodę optymalizacji w sesie Pareto polegającą a poszukiwaiu rozwiązań Pareto-optymalych tzw. iezdomiowaych (zadaie zostało sprowadzoe do zalezieia koszyków firm, dla których ie istieją rozwiązaia lepsze ze względu a wszystkie fukcje, spełiające zadae ograiczeia). W dostępej literaturze przedmiotu zajdziemy opis wielu algorytmów geetyczych wykorzystywaych do poszukiwaia rozwiązań Pareto-optymalych (ag. Multi Object Evolutary Alghorithm - MOEA) takie jak: Schaffer s Vector Evaluated Geetic Algorithm (VEGA) - Hajela ad Li s Weightigbased Geetic Algorithm (HLGA) Foseca ad Flemig s Multiobjective Geetic Algorithm (FFGA), Hor, Nafpliotis, ad Goldberg s Niched Pareto Geetic Algorithm (NPGA) - Sriivas ad Deb s Nodomiated Sortig Geetic Algorithm (NSGA). W omawiaym systemie autor, po wcześiejszym przeaalizowaiu dostępych wyszczególioych w pracy pozycji literaturowych porówujących działaie wyŝej wymieioych algorytmów przy rozwiązywaiu problemu plecakowego, wykorzystał algorytm o azwie: Strage Pareto Evloutary Algorythm (SPEA). Wybray algorytm charakteryzuje się astępującymi cechami: przechowuje w zewętrzym zbiorze (ag. Exteral Set) chromosomy reprezetujące iezdomioway frot Pareto, wykorzystuje klasteryzację w celu redukcji ilości rozwiązań, wykorzystuje zasadę domiacji Pareto w celu obliczeia skalarej wartości fukcji przystosowaia odpowiadającej kaŝdemu chromosomowi. Rys. : Schemat działaia algorytmu SPEA System komputerowy Ze względu a skomplikowaą budowę tworzoego systemu oraz koieczość zapewieia modułowości platformy umoŝliwiającą dalszą jej rozbudowę oraz modyfikację, autor zdecydował się a wykorzystaie otwartej platformy apisaej w języku Java o azwie Eclipse: Rys. 2: Schemat platformy Eclipse NiezaleŜe moduły odpowiedziale za wykoywaie operacji związaych z działaiem algorytmów geetyczych, optymalizacji Pareto czy obliczaia wartość fukcji przystosowaia (fukcji celu rozwaŝaego problemu optymalizacji) zostały zaimplemetowae jako wtyczki (ag. plugis) co umoŝliwia ich wykorzystaie takŝe w iych projektach opartych o tę samą platformę. 2
Parametry te zostały astępie zakodowae w pliku postaci XML, którego postać gwaratuje moŝliwość dodawaia bądź teŝ usuwaia poszczególych daych opisujących wybrae firmy pozwalając uŝytkowikowi defiiować dae wykorzystywae do ocey wartości poszczególych firm. Rys. 3: Iterfejs systemu komputerowego Poszczególe koszyki firm (zbiory firm), które podlegają procesowi decyzyjemu, zostały zakodowae w postaci biarej, w którym to kodowaiu, w daym chromosomie poszczególe elemety (gey) odpowiadające firmom przyjmują wartość, która ozacza, iŝ daa firma została wybraa i moŝe iwestować a daym tereie, bądź 0 co z kolei ozacza, iŝ daa firma ie będzie miała moŝliwości iwestycji. Długość całkowita chromosomu odpowiada całkowitej liczbie firm, które są zaiteresowae iwestycją a daym tereie. Rys. 4: Sposób kodowaia firm. Wszystkie firmy biorące udział w procesie podejmowaia decyzji zostały przez autora opisae za pomocą astępujących parametrów: azwa firmy, zgłoszoe zapotrzebowaie a gruty, zgłoszoe zapotrzebowaie a media (prąd, woda, gaz), iformacje dotyczące wpływu a środowisko (zikomy, mały, średi, duŝy), iformacje a temat uciąŝliwości dla lokalej społeczości (zikoma, mała, średia, duŝa) opis produkcji, braŝa w jakiej firma działa, rodzaj działalości, struktura własości zawierająca kraj pochodzeia firmy wraz z udziałem procetowym, plaowaa wartość iwestycji w PLN, plaowae zatrudieie, preferoway rodzaj trasportu. <firm id="0"> <ame>cebal Tuba Sp. z o.o.</ame> <data> <parameter id="pl.rybarski.firms.size">582.0 <parameter id="pl.rybarski.firms.power">2.0 <parameter id="pl.rybarski.firms.gas">32.0 <parameter id="pl.rybarski.firms.water">2.0 <parameter id="pl.rybarski.firms.productio">tworzywa sztucze - opakowaia polietyleowe <parameter id="pl.rybarski.firms.trade">chemicza <parameter id="pl.rybarski.firms.ivestitio">.2e7 <parameter id="pl.rybarski.firms.workers">45 <parameter id="pl.rybarski.firms.eviromet"> <e id="eviromet" value="średia" /> <e id="persos" value="średia" /> <parameter id="pl.rybarski.firms.cotributio"> <co coutry="fracja" value="58.0" /> <co coutry="polska" value="42.0" /> <parameter id="pl.rybarski.firms.productiotype"> <prod>produkcyja</prod> <parameter id="pl.rybarski.firms.trasport"> <tras>samochodowy</tras> </data> </firm> Listig. Struktura pliku zawierającego iformacje o firmach Tere przezaczoego pod iwestycję został opisay za pomocą astępujących daych: wielkości tereu iwestycyjego, dostępości mediów wraz z iformacją o kosztach związaych ze zwiększeiem ich wydajości (o ile taka operacja jest moŝliwa) zgłoszoe zapotrzebowaie a media (prąd, woda, gaz), iformacji o wydajości oczyszczali ścieków, rodzaju dostępego trasportu, iformacji a temat uciąŝliwości dla lokalej społeczości (zikoma, mała, średia, duŝa), iformacji a temat ifrastruktury telekomuikacyjej zajdującej się a tereie przezaczoym pod iwestycje. Aby moŝliwa była ocea wartości poszczególych koszyków firm oraz ich wpływu a rozwój lokalej społeczości autor zdefiiował fukcje ocey wymieioe poiŝej: fukcja sumująca - umoŝliwiająca obliczeie sumy dowolie wybraego parametru firmy (wielkość zajętej 3
powierzchi iwestycyjej, wartości zapotrzebowaia a media, sumarycza wartość iwestycji itp.) = i= c i x i Gdzie: ch chromosom c i wartość parametru i-tej firmy x i wartość geu ozaczająca i-tą firmę (0 lub ) () Fukcja sumująca z ograiczeiami - odmiaą zdefiiowaej powyŝej fukcji sumującej jest fukcja sumująca z ograiczeiami. UmoŜliwia oa arzuceie ieliiowości w procesie sumowaia wyikającej a przykład ze zaczego wzrostu kosztu iwestycji w przypadku przekroczeia graiczej wydajości określoych mediów (p.: koieczość zbudowaia dodawaej oczyszczali ścieków w przypadku przekroczeia ilości odpadów, którą jest w staie przyjąć działająca oczyszczalia ścieków) f = ci xi ch) i= g( ch) ( 0 dla dla δ > δ gdzie: g(ch) fukcja obliczająca wartość chromosomu (2) Fukcja obliczająca rozkład braŝ w daym koszyku. Jedym z ajpowaŝiejszych problemów, który aleŝy wziąć pod uwagę podczas wyboru firm iwestujących a daym tereie jest taki dobór firm oraz braŝ tak, aby w przypadku problemów ekoomiczych jedej z braŝ, do miimum ograiczyć skutki powstałego kryzysu (a przykład grupowych zwolień pracowików). Zapropoowaa przez autora fukcja oblicza wartość odchyleia stadardowego próby zawierającej ilość firm daej braŝy iwestującej a określoym tereie. Zak mius został doday w celu miimalizacji wartości odchyleia (maksymalizacji współczyika) = ( x i x) i= Przy czym: ch - chromosom ilość braŝ x i liczba firm z daej braŝy x - średia ilość firm w braŝach 2 (3) Fukcja obliczająca potecjalą ilość osób zatrudioych. Przy tworzeiu koszyka firm, które zaiwestują a daym tereie, aleŝy pamiętać, iŝ kaŝda braŝa charakteryzuje się pewą specyfiką produkcji, która to z kolei wymusza takie bądź ie wykształceie zatrudiaych osób. W celu obliczeia tak zdefiiowaego przyszłego zatrudieia w daym regioie, autor zapropoował fukcję pozwalającą wykorzystać iformacje a temat bezrobocia (jego wielkości i profilu) oraz zapotrzebowaia firm a osoby o daym wykształceiu. Do obliczeia wartości fukcji wykorzystywaa jest tabela określająca procetowe zapotrzebowaie braŝ a pracowików o daym wykształceiu. Fukcja została zdefiiowaa w sposób pokazay poiŝej = p z w i i I g G (4) Przy czym dla pokazaej fukcji zdefiiowao zbiór I będący zbiorem rodzajów wykształceia (podstawowe, zasadicze, średie, wyŝsze), a takŝe określoo p i, który jest procetową wartością określającą ilość bezrobotych z daym wykształceiem a tereie gmiy. Dla kaŝdej firmy g zdefiiowao zmieą z g jako wartość określającą zapotrzebowaie a określoą liczbę pracowików oraz zmieą w ig ozaczającą współczyik procetowego zapotrzebowaia a pracowików o daym wykształceiu i. Fukcja obliczająca wartość powiązań pomiędzy braŝami. Ostatią ze stworzoych fukcji jest fukcja pozwalająca oceić sumaryczą wartość powiązań pomiędzy firmami a podstawie tabeli powiązań między braŝami. Tworząc koszyk firm moŝa, bowiem tak dobrać poszczególe firmy, aby współpracując ze sobą tworzyły coś a kształt klastra. Fukcja ta oparta o fukcję sumującą wykorzystuje tabelę powiązań pomiędzy braŝami. Weryfikacja poprawości implemetacji fukcji: Celem weryfikacji poprawości implemetacji algorytmu geetyczego, algorytmu SPEA oraz algorytmu zajdowaia rozwiązaia Paretooptymalych zostały przeprowadzoe testy mające a celu porówaie otrzymaego za pomocą metody Brute Force rozwiązaia z rozwiązaiami otrzymaymi z wykorzystaiem algorytmów geetyczych. Ze względu a złoŝoość obliczeiową problemu plecakowego przy rozwiązywaiu metodą brute force autor ograiczył wielkość chromosomu (ilość wybieraych firm) oraz wielkości populacji początkowej. Została takŝe ograiczoa ilość fukcji Klaster- zajdująca się w geograficzym sąsiedztwie grupa przedsiębiorstw i powiązaych z imi istytucji zajmujących się określoą dziedzią, połączoą podobieństwami i wzajemie się uzupełiającą źródło: www.klaster.pl g ig 4
oceiających koszyki firm do fukcji obliczającej sumaryczą wartość iwestycji oraz fukcji obliczającej sumaryczą ilość zatrudioych osób. W tabeli poiŝej zaprezetowao ustawieia algorytmu geetyczego. Tabela. Parametry działaia algorytmu geetyczego Wielkość chromosomu 20 Wielkość populacji 200 Prawdopodobieństwo krzyŝowaia 0,8 Prawdopodobieństwo mutacji 0, Ilość iteracji 300 Rys. 5: Porówaie wyików otrzymaych za pomocą algorytmu geetyczego z wyikami otrzymaymi metodą Brute Force. Problematyka tworzeia populacji początkowej oraz problematyka rozwiązań dopuszczalych W rozdziale 3.6 autor przedstawił problematykę tworzeia populacji początkowej w zaleŝości od ilości ustaloych geów w chromosomie (ilości wybraych firm w koszyku) oraz zapropoował algorytm umoŝliwiający określeie maksymalej ilości ustaloych geów gwaratujących otrzymaie populacji o załoŝoej procetowo liczbie chromosomów poprawych. ograiczeia. Działaie zapropoowaego algorytmu polega a losowym kolejym usuwaiu firm, które zostały wybrae i mogą iwestować a daym tereie do mometu, w którym koszyk (chromosom) spełia wszystkie ałoŝoe ograiczeia. Weryfikacja działaia komputerowego systemu wspomagaia decyzji. W celu przeprowadzeia weryfikacji działaia systemu komputerowego wspomagaia decyzji autor poprosił grupę składającą się z 37 studetów kieruku Gospodarka i Admiistracja Publicza Uiwersytetu Ekoomiczego w Krakowie o podjęcie i uzasadieie decyzji wyboru firm iwestujących a daym tereie. W pracy autor umieścił pełą aalizę podjętych przez ludzi decyzji. PoiŜej zaprezetowao ogólą charakterystykę rozwiązań otrzymaych przez męŝczyz oraz kobiety. Tabela 2. Krótka charakterystyka koszyków firm otrzymaych przez męŝczyz Mi Max Średia Ilość firm 7,00 7,00,43 Ilość braŝ 2,00 0,00 6,00 Zajęta 272 722,0 69 853,0 578 785,0 powierzchia Prąd zuŝycie 83,00 46,00 29,29 Gaz zuŝycie 0,00 47,00 78,43 Woda zuŝycie 29,00 373,00 73,07 Wartość 28750000,0 37573500,0 696524387,79 iwestycji Wielkość zatrudieia 65,00 209,00 222,00 Tabela 3. Krótka charakterystyka koszyków firm otrzymaych przez kobiety Mi Max Średia Ilość firm 4,00 30,00,27 Ilość braŝ 3,00 2,00 6,76 Zajęta powierzchia 272 722,00 69926,00 589852,99 Prąd zuŝycie 3,00 64,00 235,65 Gaz zuŝycie 0,00 89,00 77,24 Woda zuŝycie 6,00 380,00 79,65 Wartość 7058000,0 282267022,0 669037353,76 iwestycji Wielkość zatrudieia 763,00 846,00 20,32 Rys. 6: Procetowa liczba rozwiązań dopuszczalych w zaleŝości od ilości ustaloych geów dla populacji wielkości 500 i 500 chromosomów. W rozdziale 3.7 autor opisał problem otrzymywaia rozwiązań zajdujących się poza przestrzeią rozwiązań dopuszczalych. W rozdziale tym zostały omówioe dwie metody rozwiązaia zaistiałego problemu oraz opisay został algorytm umoŝliwiający aprawieie chromosomu tak, aby otrzymay chromosom spełiał wszystkie zadae 5
00,00% 90,00% 80,00% 70,00% 60,00% 50,00% 40,00% 30,00% 20,00% 0,00% 0,00% budowlaa ceramicza chemicza elektroicza eergetycza IT logistycza meblowa mechaicza MęŜczyźi medycza Kobiety metalowa papiericza recyclig samochodowa spoŝywcza tekstyla Rys. 9: Porówaie wyików symulacji z decyzjami decydetów dla 2 fukcji odliczających: sumaryczą wartość iwestycji oraz sumę osób zatrudioych Rys. 7: Procetowy udział braŝ w poszczególych koszykach decyzje podejmowae przez ludzi. Otrzymae wyiki zostały astępie porówae z wyikami uzyskaymi w wyiku działaia stworzoego systemu komputerowego. Symulacje zostały przeprowadzoe dla róŝych zestawów fukcji celu jak rówieŝ przy róŝych zdaych ograiczeiach. W tabeli 4 zajdują się podstawowe parametry działaia algorytmu geetyczego. Tabela 4. Parametry działaia algorytmu geetyczego Wielkość chromosomu 02 Wielkość populacji początkowej 200 Prawdopodobieństwo krzyŝowaia 0,8 Prawdopodobieństwo mutacji 0, Ilość iteracji 700 Otrzymae wyiki zostały przedstawioe w postaci dwuwymiarowych wykresów porówujących rezultaty symulacji komputerowych z decyzjami podejmowaymi przez ludzi. Wyiki symulacji komputerowych potwierdziły postawioą a początku rozprawy tezę, iŝ moŝliwe jest stworzeie systemu komputerowego wspomagającego proces decyzyjy wykorzystującego iformacje socjalo-ekoomicze przy wyborze firm iwestujących a daym tereie. Co więcej, udało się wykazać iŝ system te jest w staie podejmować decyzje rówie dobre jak decyzje podejmowae przez człowieka, gwaratując bezstroość w podejmowaiu decyzji oraz odporość a czyiki typowo ludzkie związae z procesem podejmowaia decyzji (stres, zmęczeie itp.). Publikacje doktorata:. J. Rybarski, Eclipse Graphical Editig Framework - graficzy edytor daych a przykładzie edytora diagramu kształtów (Shape Diagram Editor), Software Developer's Joural r 6(49), Czewiec 2007, s. 40-45 2. J. Rybarski, J. Plesar,Pojedyek gigatów - NetBeas vs Eclipse, Software Developer's Joural r 2(46), Luty 2007, s. 24-28 3. J. Rybarski, JasperReports oraz ireports - raportowaie z baz daych, Software Developer's Joural r (43), Listopad 2006, s. 52-57 4. J. Rybarski, R. Tadeusiewicz, Problem optymalego doboru firm iwestujących w daym regioie jako iformatyczy biary problem plecakowy, Iformatyka Teoretycza i Stosowaa, vol. 5, r 9, 2006, s. 87-93 5. S. Habdak-Wojewódzki, J. Rybarski, The Kohoe Neural Network, Overload 74, Aug. 2006, ISSN 354-372. Rys. 8: Porówaie wyików symulacji z decyzjami decydetów dla 2 fukcji obliczających: odchyleie stadardowe braŝ oraz współczyik zatrudieia 6