- •Лабораторная работа n7 "Ранжирование проектов по их важности"
- •1. Порядок выполнения работы.
- •2. Варианты заданий:
- •3. Методические указания к выполнению работы.
- •3.2. Поиск результирующего ранжирования на основе Кемени-Снелла. Пусть имеется m экспертов э1, э2, ..., Эm и n проектов p1, p2, ..., Pn, подлежащих оценке.
- •P4, p2, p3, p1.
- •4. Требования к отчету
3. Методические указания к выполнению работы.
3.1. Поиск наилучшей альтернативы на основе принципа Кондорсе. Рассмотрим принцип Кондорсе, базируясь на результатах частного ранжирования альтернатив a1, a2, a3, a4, a5.
Эксперты осуществляют ранжирование альтернатив:
Э1 = (a1, a3, a2, a5, a4);
Э2 = (a1, a2, a4, a3, a5);
Э3 = (a1, a2, a5, a3, a4);
Э4 = (a2, a3, a1, a5, a4);
Э5 = (a2, a4, a3, a1, a5).
Находятся оценки mik, характеризующие предпочтение альтернатив в парных сравнениях
mik
a1
a2
a3
a4
a5
a1
3
3
4
5
a2
2
4
5
5
a3
2
1
3
4
a4
1
0
2
2
a5
0
0
1
3
Выполняются проверки согласно принципу Кондорсе: наилучшей является альтернатива ai, если mik ≥ mki для всех k ≠ i. В нашем случае при i=1 имеем: m1k≥mk1; 1<k≤5, т.е. альтернатива a1 удовлетворяет правилу Кондорсе.
Выбирается альтернатива Кондорсе. В данном случае - это a1.
3.2. Поиск результирующего ранжирования на основе Кемени-Снелла. Пусть имеется m экспертов э1, э2, ..., Эm и n проектов p1, p2, ..., Pn, подлежащих оценке.
Все эксперты ранжируют проекты по их важности: самый важный проект получает оценку 1, менее важный – 2 и т.д. Несколько проектов могут иметь одну и ту же оценку. В результате получаем матрицу частных ранжирований:
P1
P2
…
Pn
Э1
С11
С12
…
С1n
Э2
С21
С22
…
С2n
…
…
…
…
…
Эm
Сm1
Сm2
…
Сmn
На основании частных ранжирований определяются матрицы бинарных предпочтений экспертов (для каждого эксперта отдельная матрица) с элементами:
k – номер эксперта, 1≤k≤m.
Эk |
P1 |
P2 |
… |
Pn |
P1 |
|
ρk12 |
… |
ρk1n |
P2 |
ρk21 |
|
… |
ρk2n |
… |
… |
… |
|
… |
Pn |
ρkn1 |
ρkn2 |
… |
|
Составляется матрица потерь с оценками:
,
Эk |
P1 |
P2 |
… |
Pn |
P1 |
|
r12 |
… |
r 1n |
P2 |
r21 |
|
… |
r2n |
… |
… |
… |
|
… |
Pn |
rn1 |
rn2 |
… |
|
Выполняется обработка матрицы потерь (в несколько циклов). В каждом цикле для каждого показателя определяется сумма по строке. Показатель с меньшей суммой ставится на первое место, относящиеся к нему строка и столбец вычеркиваются. Процедура продолжается для усеченной матрицы.
Пример 1. Допустим, что четыре проекта P1, P2, P3, P4 оценивают 5 экспертов.
Составим матрицу частных ранжирований
P1
P2
P3
P4
Э1
4
2
3
1
Э2
4
2
3
1
Э3
3
1
4
2
Э4
3
2
3
1
Э5
4
1
3
2
Найдем для каждого эксперта матрицу бинарных предпочтений:
Э1 |
P1 |
P2 |
P3 |
P4 |
|
Э2 |
P1 |
P2 |
P3 |
P4 |
P1 |
|
-1 |
-1 |
-1 |
|
P1 |
|
-1 |
-1 |
-1 |
P2 |
1 |
|
1 |
-1 |
|
P2 |
1 |
|
1 |
-1 |
P3 |
1 |
-1 |
|
-1 |
|
P3 |
1 |
-1 |
|
-1 |
P4 |
1 |
1 |
1 |
|
|
P4 |
1 |
1 |
1 |
|
Э3 |
P1 |
P2 |
P3 |
P4 |
|
Э4 |
P1 |
P2 |
P3 |
P4 |
P1 |
|
-1 |
1 |
-1 |
|
P1 |
|
-1 |
0 |
-1 |
P2 |
1 |
|
1 |
1 |
|
P2 |
1 |
|
1 |
-1 |
P3 |
-1 |
-1 |
|
-1 |
|
P3 |
0 |
-1 |
|
-1 |
P4 |
1 |
-1 |
1 |
|
|
P4 |
1 |
1 |
1 |
|
Э5 |
P1 |
P2 |
P3 |
P4 |
P1 |
|
-1 |
-1 |
-1 |
P2 |
1 |
|
1 |
1 |
P3 |
1 |
-1 |
|
-1 |
P4 |
1 |
-1 |
1 |
|
Формируем матрицу потерь
P1
P2
P3
P4
P1
10
7
10
P2
0
0
6
P3
3
10
10
P4
0
4
0
Вычисляем суммы оценок по строчкам:
∑1 = 27; ∑2 = 6; ∑3 = 23; ∑4 = 4.
Находим минимальное число: это 4, следовательно, P4 исключается из матрицы потерь. Все повторяем:
|
P1 |
P2 |
P3 |
P1 |
|
10 |
7 |
P2 |
0 |
|
0 |
P3 |
3 |
10 |
|
∑1 = 17; ∑2 = 0; ∑3 = 13.
Из матрицы потерь исключается P2.
|
P1 |
P3 |
P1 |
|
7 |
P3 |
3 |
|
∑1 = 7; ∑3 = 3.
Из матрицы потерь сначала исключается P3, затем P1.
Находится искомое результирующее ранжирование: