- •В.П. Некрасов
- •Введение 4
- •1.1. Множества и векторы 6
- •1.2. Отношения 7
- •6.2. Критерий Вальда 34
- •1. Необходимые сведения из дискретной математики и теории измерений
- •1.1. Множества и векторы
- •1.2. Отношения
- •Определение бинарного отношения
- •Свойства отношений
- •1.3. Шкалы измерений
- •2. Системный подход к принятию решений
- •3. Математическая модель принятия решения Математическая модель (мм) принятия решения является формализацией системного похода к зпр.
- •Введем следующие понятия:
- •Содержательная интерпретация зпр
- •4. Многокритериальная оптимизация в условиях определённости
- •4.1. Отношение доминирования по Парето
- •4.2. Проблема оптимальности для многокритериальных зпр
- •4.3. Выбор альтернатив в парето-оптимальном множестве
- •4.3.1. Указание нижних границ критериев
- •4.3.2. Субоптимизация
- •4.3.3. Лексикографическая оптимизация
- •3.3.4. Линейная свёртка
- •4.4. Выбор претендента на вакантную должность
- •5. Метод анализа иерархий т. Саати
- •6. Принятие решений в условиях неопределённости
- •6.1.Критерий Лапласа
- •6.2. Критерий Вальда
- •6.3. Критерий Гурвица
- •6.4. Критерий Сэвиджа
- •6.5. Выбор товара для производства
- •Критерий Сэвиджа
- •7. Принятие решений в условиях риска
- •7.1. Построение обобщённого критерия
- •7.2. Выбор варианта производимого товара
- •Литература
Критерий Сэвиджа
В соответствии с (4) добавим к исходной матрице выигрышей строку столбцовых максимумов j (таблица 6.8).
-
Таблица 6.8 – Матрица выигрышей
B1
B2
B3
B4
A1
7
5
1
10
A2
5
2
8
4
A3
1
3
4
12
A4
8
5
1
10
j
8
5
8
12
Преобразуем матрицу выигрышей в матрицу рисков (таблица 6.9).
-
Таблица 6.9 – Матрица рисков
B1
B2
B3
B4
max
A1
1
0
7
2
7
A2
3
3
0
8
8
A3
7
2
4
0
7
A4
0
0
7
2
7
В столбце max содержатся строчные масимумы, которые характеризуют наибольший риск при выборе соответствующей альтернативы.
Выбираем альтернативу, минимизирующую максимальный риск:
min (7, 8, 7, 7) = 7. Оптимальными являются альтернативы A1, A3, A4.
7. Принятие решений в условиях риска
Дано: X — множество допустимых альтернатив, X = n;
Y — множество состояний среды, Y = m;
A — множество исходов, A = n m;
F: X Y A — функция реализации;
На множестве состояний среды Y, Y= m задана вероятностная мера. Она задана вероятностным вектором y = (y1, y2, …, ym), yi ≥ 0,
где yj, — вероятность наступления состояния j.
Матрица выигрышей имеет вид (таблица 7.1):
-
Таблица 7.1 – Матрица выигрышей
Состояние среды
Альтернатива
y1
1
…
yj
j
…
ym
m
1
a11
…
a1j
…
a1m
…
…
…
…
…
…
i
ai1
…
aij
…
aim
…
…
…
…
…
…
n
an1
…
anj
…
anm
Выбирая альтернативу i, игрок знает, что получит один из выигрышей ai1, …, aim с вероятностями y1, …, ym соответственно.
Таким образом, исходом для ЛПР при выборе им альтернативы i является случайная величина
-
ai1, …, aim
i =
y1, …, ym
Поэтому сравнение двух альтернатив i1 и i2 сводится к сравнению случайных величин 1 и 2.
7.1. Построение обобщённого критерия
Случайная величина i может быть охарактеризована парой показателей (Mi, i), где Mi = Mi — математическое ожидание случайной величины i, а i = — среднеквадратическое отклонение.
В теории вероятностей в качестве «меры разброса» берётся дисперсия D или среднеквадратическое отклонение i = .
D = M( - M)2= M2 – (M)2.
Получили задачу двухкритериальной оптимизации, где в качестве критериев имеем M и .
Единый критерий имеет вид: q(M, ) = M - λ, где λ – некоторая константа.
При этом, критерий M — позитивный, а критерий — негативный.
При λ > 0 оценка случайной величины : q < M, что характерно для осторожного человека, не склонного к риску.
При λ < 0: q > M, что характеризует человека, склонного к риску.
При λ = 0: q = M, что характеризует человека, безразличного к риску.
Таким образом, λ — это субъективный показатель меры несклонности к риску ЛПР.
Как сравнивать альтернативы по обобщённому критерию q?
Пусть имеются две альтернативы:
Рассмотрим два случая:
а) Альтернативы и сравнимы по Парето, например . Тогда ≥ и ≤ .
б) Альтернативы и не сравнимы по Парето. Например, при
> , > – больший ожидаемый выигрыш связан с большим риском. Условие - > - равносильно тому, что .
Таким образом: , если
Обозначим: ,
,
где - нижняя граница несклонности к риску;
- верхняя граница несклонности к риску.
Таким образом, для ЗПР в условиях риска применение обобщённого критерия q сводит проблему нахождения оптимального решения к проблеме установления для ЛПР его меры несклонности к риску λ.