Дипломная работа: Комплекс программного обеспечения для поддержки принятия решения по подбору персонала

Физическая модель БД, представлена на рисунке 2.4

Рисунок 2.4 − Физическая модель БД

Объемы памяти, занимаемые стандартными типами полей СУБД Access, используемыми в БД, представлены в таблице 2.2

Таблица 2.2 − Объем типов данных СУБД Access.

Тип данных	Объем, байт
Text(1)	1
Byte	1
Integer	4
Longinteger	6
Date/Time	8
Double	8

Примем среднее число должностей предприятия равным 200, соответственно среднее количество записей в таблицах «Должности», «Штат» и сотрудники будет равно 200. Среднее число заслуг на одного сотрудника примем равным 3, соответственно среднее число записей в таблице «Заслуги» будет составлять 200*3=600.

Таблица 2.3 − Расчет объема базы данных.

Название таблицы	Количество записей	V одной записи, байт	V таблицы, байт
Dolg	200	6+20+20+80+6=132	26400
Stat	200	6+6+6=18	3600
Sotrudnik	200	6+20+20+6+6=38	7600
Zasl	600	6+6+40+6=58	34800

Общий объём базы данных (за 10 лет):

V_общ =1,2*(26400+3600+7600+34800)= 86880 байт= 89 Мб

2.3 Проектные решения по математическому обеспечению

Алгоритм СППР по подбору персонала представлен на рисунке 2.5.

Рисунок 2.5 − Алгоритм программы

Основу математического обеспечения будет составлять описание метода поддержки принятия решения, используемого в проектируемой АС – метода анализа иерархий (МАИ).

МАИ (версия Т. Саати).

Метод анализа иерархий является систематической процедурой для иерархического представления элементов, определяющих суть проблемы. Метод состоит в декомпозиции проблемы на все более простые составляющие части и дальнейшей обработке последовательности суждений лица, принимающего решения, по парным сравнениям. В результате может быть выражена относительная степень (интенсивность) взаимодействия элементов в иерархии. Эти суждения затем выражаются численно. МАИ включает в себя процедуры синтеза множественных суждений, получения приоритетности критериев и нахождения альтернативных решений.

Этапы МАИ

1. Очертить проблему и определить, что мы хотим

2. Построить иерархию ( цель, критерии, альтернативы)

3. Построить множество матриц парных сравнений для каждого из нижних уровней по одной матрице для каждого элемента примыкающего сверху уровня

4. Проверить индекс согласованности каждой матрицы

5. Использовать иерархический синтез для взвешивания собственных векторов весами критериев и вычислить сумму по всем соответствующим взвешенным компонентам собственных векторов уровня иерархии, лежащего ниже.

Иерархия есть определенный тип системы, основанный на предположении, что элементы системы могут группироваться в несвязанные множества. Элементы каждой группы находятся под влиянием элементов некоторой вполне определенной группы и, в свою очередь, оказывают влияние на элементы другой группы. В МАИ считается, что элементы в каждой группе иерархии (называемой уровнем) независимы.

В данной модификации, как и в классическом варианте метода парных сравнений, производится сравнение изучаемых факторов между собой. Причем в данном методе факторы сравниваются попарно по отношению к их воздействию («весу», или «интенсивности») на общую для них характеристику. Пусть в конкретной задаче необходимо определить состав некоторого объекта. Причем пусть A1, A2, ...,An основные факторы, определяющие состав объекта. Тогда для определения структуры объекта заполняется матрица парных сравнений.

A1	A2	...	An
A1	1	a12	a1n
A2	a21	1	a2n
...	...
An	an1	an2	1

Если обозначить долю фактора Ai через w_i , то элемент матрицы a_ij = w_i / w_j .

Таким образом, в предлагаемом варианте применения метода парных сравнений, определяются не величины разностей значений факторов, а их отношение. При этом очевидно a_ij = 1/a_ji . Следовательно, матрица парных сравнений в данном случае является положительно определенной, обратносимметричной матрицей, имеющей ранг равный 1.

В подобной постановке задачи решение проблемы состоит в отыскании вектора (w₁ , w₂ , ..., w_n ). Существует несколько различных способов вычисления искомого вектора.

Относительная сила, величина или вероятность каждого отдельного объекта в иерархии определяется оценкой соответствующего ему элемента собственного вектора матрицы приоритетов, нормализованного к единице. Процедура определения собственных векторов матриц поддается приближению с помощью вычисления геометрической средней.

A1	...	An
A1	1	...	W1/Wn	X1=(1*(W1/W2)*...*(W1/Wn))1/n	BEC(A1)=X1/СУММА(Xi)
...	...	1	An	...	...
An	Wn/W1	...	1	Xn=((Wn/W1)*...*(Wn/Wn-1)*1)1/n	BEC(An)=Xn/СУММА(Xi)
СУММА(Xi)

Из линейной алгебры известно, что у положительно определенной, обратносимметричной матрицы, имеющей ранг равный 1, максимальное собственное число равно размерности этой матрицы (т.е. n). При проведении сравнений в реальной ситуации вычисленное максимальное собственное число l_max будет отличаться от соответствующего собственного числа для идеальной матрицы. Это различие характеризует так называемую рассогласованность реальной матрицы. И, соответственно, характеризует уровень доверия к полученным результатам. Чем больше это отличие, тем меньше доверие. Таким образом, эта модификация метода парных сравнений содержит внутренние инструменты позволяющие определить качество обрабатываемых данных и степень доверия к ним.