Принятие управленческих решений путем определения класса коммерческой недвижимости методом сходства и включения

Автор: Могилевский Алексей Александрович

Журнал: Известия Волгоградского государственного педагогического университета @izvestia-vspu

Рубрика: Экономика

Статья в выпуске: 3 (57), 2011 года.

Бесплатный доступ

Описываются параметры, характеризирующие отнесение того или иного объекта коммерческой недвижимости к определенному классу по средствам метода сходства и включения. Каждый объект характеризуется определенным набором факторов. Их наличие или отсутствие показывает в большей или меньшей степени включение определенного признака в данный набор факторов. Для сравнения используемых параметров на бóльшую оригинальность используются квадратные матрицы.

Оригинальный признак, типичный признак, матрицы сходства и сравнения, множества, графы и орграфы

Короткий адрес: https://sciup.org/148164619

IDR: 148164619

Текст научной статьи Принятие управленческих решений путем определения класса коммерческой недвижимости методом сходства и включения

Рассмотрим порядок отнесения того или иного объекта коммерческой недвижимости к классу А, В+ или В. Первоначально приведем классификацию параметров:

Категории отнесения

Класс А

Класс В+

Класс В

Местоположение/доступность

1

1

1

Срок службы

1

1

1

Репутация/положение на рынке

1

1

0

Состояние здания: внешние элементы

1

1

1

территория

1

0

0

общие площади

1

0

1

офисные площади

1

1

1

прочие

1

0

0

Системы здания: лифты

1

1

1

вентиляция

1

1

1

ночная охрана

1

1

0

безопасность

1

1

1

прочее

1

0

0

Наличные площади: местоположение

1

1

0

половое покрытие

1

1

1

оконные модули

1

1

1

прочее

1

0

0

Парковка: откр./закр./ гараж

1

1

1

гостевые места

1

0

0

стоимость для арендатора

1

0

0

прочее

1

0

0

Комфортабельность/особенности

1

1

0

Представленная матрица характеризует только качественные показатели отнесения бизнес-центра к тому или иному классу, поскольку количественными показателями может быть выражена только цена аренды, к тому же ее можно заменить словами «высокая» или «низкая». Международная классификация офисных помещений основана именно на качественных показателях. Используем для определения класса объекта метод включения . Он отражает меру включения одного объекта в другой и позволяет выявить, какой из двух сравниваемых объектов содержит больше специфических признаков, т.е. какой из них более оригинален, а какой более типичен для множества анализируемых объектов. Мера включения множества S2 во множество S1 и S1 в S2 определяется следующим образом: W(S1; S2)=

m (S 1 П S 2 )             ,     m (S i n S 2 )

=     1    2 , W(S1; S2) =               . (1.1)

m (S1 )                       m (S2)

Меры включения несимметричны, а включение J-го описания в самом себе стопроцентно, т.к. m(Sj ∩ Sj) = m(Sj). Для более полного анализа множеств исследуемых объектов рас- считываются меры сходства и включения для всех пар объектов. Полученные после вычислений значения соответствующих мер сводятся в квадратные матрицы порядка q х q, номерами строк и столбцов которых являются номера изучаемых объектов.

Алгоритм построения матриц отношения сходства и включения

Этот алгоритм отличается для указанных двух мер лишь методом расчета значений матриц сходства и включения.

Шаг 1. Формируются два множества: множество исследуемых объектов J = { S1, S2,…, Sq} и множество признаков Z = { Z1 Z2,… , , Zp}. Каждый объект Si является подмножеством признаков Z _ е Z , выступающим качественным признаковым образом. Все образы объектов систематизируются в матрицу образов, где представляются индексированными множествами. В нашем примере множеством исследуемых объектов будут являться объекты коммерческой недвижимости соответствующего класса, а множеству признаков будут соответствовать категории отнесения (см. табл.).

Шаг 2. Генерируются все парные сочетания объектов, для каждой пары описаний объектов Si и Sj строится матрица В = = xij ; i = 1,p; j = 1, 2, где р – число строк матри- цы образов, соответствующее числу рассматриваемых признаков m (Z). На основе матрицы рассчитываются меры сходства С(Si; Sj) или включения W(Si; Sj). Для определения меры сходства может быть использована одна из формул, указанных выше. Расчет мер включения осуществляется по формулам (1.1) [1, c. 127]. Тогда применительно к нашему примеру, получаются следующие показатели:

Матрица В

S1

S2

S3

Z1

1

1

1

Z2

1

1

1

Z3

1

1

0

Z4

1

1

1

Z5

1

0

0

Z6

1

0

1

Z7

1

1

1

Z8

1

0

0

Z9

1

1

1

Z10

1

1

1

Z11

1

1

0

Z12

1

1

1

Z13

1

0

0

Z14

1

1

0

Z15

1

1

1

Z16

1

1

1

Z17

1

0

0

Z18

1

1

1

Z19

1

0

0

Z20

1

0

0

Z21

1

0

0

Z22

1

1

0

2 2 xi 1 xi 2

Мера сходства с ( s 1 , s 2 ) = 22  1 22 —= 22—14 = 0,78.

2 x, i + 2 x2

i = 1 i = 1

2 xi 1 xi 2    14

Мера включения W ( s 1 , s 2 ) = i = 22 ---= ~ = 1.

2 X 2    14

i = 1

2 xi 1 xi 2

Мера включения w ( s 2 , s 1 ) = i = 22---= — = 0,63.

2 x, i    22

i = 1

2 2 x 1 Xi 3

Мера сходства с ( s 1 , s 3) = 22 ‘=1 22

2 x,i + 2 х,з i=1

2 - 11

22 + 11

= 0,67.

2 xi 1 x ,3 ii

Мера включения W ( s 1 , s 3 ) = ^= 22---= — = 1.

2 х,з i=1

2 xn Xi3

Мера включения W ( s 3 , s 1 ) = ^= 22---= — = 0’5.

2 x,1

i = 1

2 2 Xi2Xi3

Мера сходства с ( s 2 , s 3 ) = 22 i = 1 22 — = ^—^ = 0,8.

2 x ,2 + 2 x , 3   14 + 11

i=1

2 xi 2 xi 3

Мера включения w ( s 2 , s 3 ) = i = 22----= — = 0,9.

2 x,3

i = 1

2 x13xi2

Мера включения W ( s 3 , s 2 ) = i = 22----= — = 0,714.

2 Xi2

i = 1

Шаг 3. На основе рассчитанных на шаге 2 значений мер сходства и включения (матрица В) строятся соответствующие матрицы размерностью qxq - матрица мер сходства (С) и матрица мер включения (D).

Матрица С

S1

S2

S3

S1

1

0,78

0,67

S2

0,78

1

0,8

S3

0,67

1

Матрица мер сходства

Матрица D

S1

S2

S3

S1

1

0,63

0,5

S2

1

1

0,714

S3

1

0,9

1

Матрица мер включения

Матрица мер сходства симметрична относительно главной диагонали, а матрица мер включения таким свойством в общем случае не обладает. В приведенной матрице включения число 0,63 (второй столбец и первая строка) – W(S2;S1), а число 1 (первый столбец и вторая строка) соответствует W(S1;S2). Таким образом, индекс при названии первого множества в скобках указывает номер столбца, а второе – номер строки матрицы включения. При построении матрицы сходства индекс при первом множестве в мере сходства указывает на номер строки матрицы, а при втором – номер столбца.

Шаг 4. Задается отношение сходства или включения в следующем виде: C A , J >= { s , , s j е J |с ( s , , s j ) а } ;

< W A , J >= { s , , s j е J W ( s , , s, ) > A } ;

где A - произвольное число, (0 <  A <1); i , j е J .

Для заданного значения «дельта» строится матрица сходства (матрица Е) или включения (матрица F), в которой все значения, большие или равные «дельта», заменяются единицами, а оставшиеся – нулями.

ны графами и орграфами соответственно (рис. 1–2). Дуги и стрелки соединяют те объекты, которые имеют единицу на пересечении соответствующих строк и столбцов матриц. Направление стрелки в графе отношения включения устанавливается таким образом, что она начинается в вершине графа, соответствующего Si-объекту, принадлежащему i-й строке матрицы, и заканчивается в Sj-м объекте, принадлежащем j-му столбцу матрицы. При этом Si-й и Sj-й объекты должны быть связаны отношением включения, т.е. иметь на пересечении Si-ого и Sj-ого объектов в матрице отношений включения единицу. Чем больше стрелок входит в тот или иной объект, тем более он оригинален по сравнению с другим объектом. Например, наиболее оригинальным являются объекты S2 и S3. При практическом использовании вышеприведенных отношений величину «дельта» находят путем перебора серии значений, добиваясь при этом установления всех существенных связей.

Рис. 2

Обработка количественных признаков образов

Для случая применения количественных данных:           m

m (Sj Q Sk) = Z min(Xy, x,k );

i = 1

m

m(Sj Q Sk) = Z max(Xj, х,^), i =1

где n – число признаков, представляющее объединение множеств признаков двух текущих сравниваемых описаний объектов Sj и Sk.

Пусть даны три объекта S1, S2, S3, которые охарактеризованы опытным путем по множеству критериев качества: K1 – ме-стоположение/доступность, К2 – репута-ция/положение на рынке, К3 – срок службы, К4 – состояние здания (внешние элементы), К5 – территория, К6 – общие площади, К7 – офисные площади, К8 – прочие, К9 – системы здания (лифты), К10 – вентиляция, К11 – ночная охрана, К12 – безопасность, К13 – прочее, К14 – наличные площади (местоположение), К15 – половое покрытие, К16 – оконные модули, К17 – прочее, К18 – парковка (откр./закр./ гараж), К19 – гостевые места, К20 – стоимость для арендатора, К21 – прочее, К22 – комфортабель-ность/особенности.

Описание объектов имеет следующие качественные значения:

K1

K2

K3

K4

K5

K6

K7

K8

K9

K10

K11...

S1

5

5

5

5

5

5

5

5

5

5

5

S2

4

5

3

4

3

3

2

1

3

3

3

S3

3

5

2

3

2

2

1

1

2

2

2

...K12

K13

K14

K15

K16

K17

K18

K19

K20

K21

K22

S1

5

5

5

5

5

5

5

5

5

5

5

S2

2

1

3

4

5

2

5

2

4

2

4

S3

1

3

3

2

3

1

4

1

3

1

3

Найдем меры сходства и включения описаний S1, S2, S3.

Мера сходства

QSS1. 2 m (S,n S2)? ,Xmm( -"X'2'_

C ( S i , S') I                                                                   0, /64.

*’ 2 m(S,) + (S2)    22    ^ 22       110 + 68’ v 12 v 22    X Xi1 + X xi2

i=1

Мера включения

X min x n x - 2 )

W ( S 1 , S 2 ) =       ..--------

X X -2

i = 1

Матрица Н

S1

S2

S3

S1

1

0,618

0,454

S2

1

1

0,735

S3

1

1

1

Мера включения

W ( S 2 , S t) =

X min( xnX i2 ) i = 1

X X i 1 i = 1

68 = 1.

-68 = 0,618.

110     ,

Мера сходства

2 m ( S 1 H S 3 )

C (S1,S 3 ) =               = m (S1) + (S3)

2 X min( xfl xi3 ) i =1 ___________________

22      22

X x - 1 + X x - 3

i = 1         i = 1

00 = 0,625.

Мера включения

X mi n( xnx i 3 )

W ( S„ S 3 ) =     2.------

X x - 3

i = 1

.

Матрица мер сходства

Задается отношение сходства или включения в следующем виде:

  • <    C A , J >= { S i , S j e J C ( S i , S j ) >a } ;

  • <    W A , J >= { S i , S j e J W ( S i , S j ) > A } ,

где A - произвольное число (0 <  A <1); i , j e e J .

Для заданного значения «дельта» строится матрица сходства (матрица Е) или включения (матрица F), в которой все значения, большие или равные «дельта», заменяются единицами, а оставшиеся – нулями.

Мера включения

W ( S 3 , S 1 ) =

X min( X i 1 X i 3 )

i = 1

X xi 1 i = 1

00 = 0,454.

Мера сходства

C ( S 2 , S 3 ) =

2 m ( S S 3 ) = 2 X ml n x i 2 x - 3 )

m ( S 2 ) + ( S 3 )     22       22

X x i - 2 + X x i 3 i = 1          i = 1

100 = 0,847.

X min x i2 x i3 )

Мера включения W ( S 2 , S 3 ) = i = 122------

X x - 3

i = 1

50 = 1.

Матрица К (C[ A > 0,7])

S1

S2

S3

S1

1

1

0

S2

1

1

1

S3

0

1

1

Матрица L (W [ A > 0,8])

S1

S2

S3

S1

1

0

0

S2

1

1

0

S3

1

1

1

X mm ( х - з xi 2 )

Мера включения w ( s 3 , s 2 ) = i =L__-----

X xi 2

i = 1

50 = 0,735.

68     ,

Из приведенных значений видно, что при определении числа на пересечении двух множеств подсчитывается сумма минимальных значений, образующих эти множества, а при определении числа элементов множества суммируются все его значения. Далее строится матрица мер сходства и включения для числовых количественных значений признака.

Матрица G

S1

S2

S3

S1

1

0,764

0,625

S2

0,764

1

0,847

S3

0,625

0,847

1

Матрица мер включения

Матрицы К и L могут быть отражены графами и орграфами соответственно (см. рис. 3– 4). Дуги и стрелки соединяют те объекты, которые имеют единицу на пересечении соответствующих строк и столбцов матриц. Направление стрелки в графе отношения включения устанавливается таким образом, что она начинается в вершине графа, соответствующего Si-объекту, принадлежащему i-й строке матрицы, и заканчивается в Sj-м объекте, принадлежащем j-му столбцу матрицы. При этом Si-й и Sj-й объекты должны быть связаны отношением включения, т.е. иметь на пересечении в матрице отношений включения единицу. Чем больше стрелок входит в тот или иной объект, тем более он оригинален по сравнению с другим объектом. Например, наиболее оригинальным является объект S2.

Рис. 4

Статья научная