- •Методи прийняття рішень
- •Розділ 1. Задачі прийняття рішень. Класифікація задач прийняття рішень.
- •1.1. Приклади задач прийняття рішень та їх класифікація.
- •1.2. Невизначеність в задачах прийняття рішень
- •1.3. Теоретико-ігровий підхід до прийняття рішень
- •Висновки
- •Контрольні питання
- •Завдання до розділу 1
- •Розділ 2. Задачі вибору
- •2.1. Поняття бінарного відношення
- •2.2. Способи задавання відношень
- •2.3. Операції над відношеннями
- •2.4. Властивості відношень
- •2.5. Відношення еквівалентності, порядку, домінування та переваги
- •2.6. Поняття r-оптимальності, найкращого, найгіршого, максимального та мінімального елементів
- •2.7. Поняття функції вибору. Класи функцій вибору
- •2.8. Функції корисності
- •Висновки
- •Контрольні питання
- •Завдання до розділу 2
- •Розділ 3 багатокритеріальні задачі оптимізації
- •3.1. Загальна постановка багатокритеріальної задачі оптимізації
- •3.2. Поняття ефективної альтернативи
- •3.3. Теоретичне і практичне значення ефективного рішення.
- •3.4. Властивості ефективних альтернатив і способи їх знаходження.
- •3.5. Загальна проблема пошуку компромісних рішень
- •3.5.1. Принципи рівномірності
- •3.5.2. Принципи справедливої поступки
- •3.5.3. Інші принципи оптимальності
- •3.6. Методи нормалізації критеріїв
- •3.7. Способи урахування пріоритету критеріїв
- •3.7.1. Методи урахування жорсткого пріоритету
- •3.7.2. Методи урахування гнучкого пріоритету
- •3.8. Методи розв’язання багатокритеріальних задач оптимізації
- •3.8.1. Методи зведення до узагальненого критерію (методи згортки)
- •3.8.2. Метод головного критерію
- •3.8.3. Метод послідовних поступок
- •3.9. Поняття рішення задачі багатокритеріальної оптимізації при заданій перевазі
- •3.10. Метод обмежень при пошуку компромісних рішень в задачах векторної оптимізації.
- •3.11. Метод обмежень в багатокритеріальній задачі лінійного програмування
- •Висновки
- •Контрольні запитання
- •Завдання до розділу 3
- •Розділ 4 нечіткі множини та нечіткі відношення
- •4.1. Поняття належності
- •4.2. Визначення нечіткої множини та термінологія
- •4.3. Операції над нечіткими множинами
- •4.4. Відстань між нечіткими підмножинами
- •4.5. Звичайна підмножина, найближча до нечіткої. Індекс нечіткості
- •4.6. Звичайна підмножина - рівня нечіткої множини
- •4.7. Спеціальні операції над нечіткими множинами
- •4.8. Нечіткі відношення
- •4.9. Операції над нечіткими відношеннями
- •4.10. Властивості нечітких відношень
- •4.11. Класифікація нечітких відношень
- •4.12. Відображення нечітких множин. Принцип узагальнення
- •Висновки
- •Контрольні питання
- •Завдання до розділу 4
- •5.2. Задачі нечіткого математичного програмування та їх класифікація
- •5.3. Задачі математичного програмування при нечітких обмеженнях
- •5.3.1. Розв’язок 1, який базується на множинах рівня нечіткої множини обмежень
- •5.3.2. Розв’язок 2 і еквівалентність розв’язків обох типів.
- •5.4. Прийняття рішень при нечіткому відношенні переваги на множині альтернатив
- •5.4.1.Нечіткі відношення переваги. Їх властивості.
- •5.4.2. Нечітка підмножина недомінуємих альтернатив
- •5.4.3. Альтернативи, що чітко не домінуються, та їх властивості
- •5.5. Декілька відношень переваги на множині альтернатив
- •5.6. Відношення переваги на нечіткій множині альтернатив
- •5.7. Прийняття рішень при заданій перевазі на множині ознак
- •Висновки
- •Контрольні питання
- •Завдання до розділу 5
- •Предметний покажчик
- •Список літератури
3.8.3. Метод послідовних поступок
Цей метод, також як і метод головного критерію, застосовується у випадку коли критерії впорядковані за важливістю. Опишемо його для задачі виду:
.
Сутність методу послідовних поступок полягає в тому, що вихідна багатокритеріальна задача замінюється послідовністю однокритеріальних задач, область допустимих рішень яких звужується від задачі до задачі за допомогою додаткових обмежень, які враховують вимоги до критеріїв. При формулюванні кожної задачі, по відношенню до важливішого критерію робиться поступка, величина якої залежить від вимог задачі і оптимального рішення за цим критерієм.
Опишемо схему метода.
1. Розв’язується скалярна задача оптимізації за найважливішим критерієм на всій множині допустимих альтернатив Х.
В результаті отримуємо оптимальне значення критерію : .
2. Розв’язується задача оптимізації по наступному за важливістю критерію при додатковому обмеженні, де – допустима поступка по першому критерію. Тобто розв’язуємо таку задачу:
В результаті рішення задачі отримуємо оптимальне значення критерію : .
Нехай в результаті k кроків отримані значення
тоді на (k+1) - му кроці розв’язується задача:
і буде одержано значення критерію .
Коли будуть розглянуті всі критерії – задачу вирішено. Оптимальним рішенням багатокритеріальної задачі буде рішення останньої скалярної задачі.
Таким чином, початкова багатокритеріальна задача зведена до послідовного вирішення ряду скалярних задач. А саме, кількість задач буде дорівнювати числу критеріїв.
Цей метод дає можливість врахувати пріоритети критеріїв і не допустити підвищення значень критеріїв більш, ніж деякий допустимий рівень ( у випадку, коли критерії максимізуються – не допустити зниження їх рівня нижче допустимого). До складнощів його застосування відноситися суб'єктивізм у визначенні цих допустимих рівнів. Зазвичай допустима поступка визначається експертами, виходячи з оптимального значення критерію і вимог задачі .
Зауваження. У випадку коли критерій максимізується відповідне йому обмеження формулюється, як , де – допустима поступка по цьому критерію.
Для ілюстрації цього методу розв’яжемо таку задачу.
П р и к л а д 3.13. Розв’язати методом послідовної поступки задачу багатокритеріальної оптимізації:
Вважати критерії впорядкованими за важливістю.
Розв’язування
Згідно методу послідовної поступки розв’язуємо спочатку задачу оптимізації за критерієм, який має найвищий пріоритет (у даному випадку це перший критерій) на вихідній множині допустимих альтернатив. Тобто задачу виду:
Оптимальне рішення цієї задачі досягається якщо , , значення критеріїв на цьому рішенні .
Припустимо, що експертами визначена допустима поступка за першим критерієм у розмірі = 2.. Тоді друга задача формулюється за таким правилом: оптимізація проводиться за наступним за важністю критерієм, до обмежень додається додаткове обмеження, отримане із попереднього критерію. Оскільки за першим критерієм проводилася максимізація, то обмеження буде мати вигляд: , тобто .
Задача другого етапу тоді набуває вигляду:
Рішенням цієї задачі буде , , значення критеріїв на цьому рішенні .
Тепер робимо поступку за другим критерієм. припустимо, що експерти визначили можливу поступку у розмірі . Враховуючи, що другий критерій мінімізується, відповідне йому додаткове обмеження формулюється таким чином: , а саме , і задача наступного етапу набуває вигляду:
Рішенням цієї задачі буде , , значення критеріїв на цьому рішенні , ,.
Таким чином, у результаті рішення трьох скалярних задач отримано рішення багатокритеріальної задачі оптимізації. Варіюючи значення поступки можна отримати інші рішення вихідної багатокритеріальної задачі.
Зауважимо, що більшість методів багатокритеріальної оптимізації передбачають виділення оптимального рішення безпосередньо із множини всіх рішень. У зв'язку з цим корисно проаналізувати отримані результати, щоб з'ясувати чи завжди вони приводять до отримання ефективних рішень, і якщо ні, то спеціально передбачити можливість поліпшення рішення, що виділяється, до ефективного.
Для ілюстрації розглянемо такий приклад:
Існує оригінальний метод багатокритеріальної оптимізації для лінійних задач, що формально полягає в наступному: спочатку знаходять точки оптимуму кожного критерію окремо, а потім оптимальне рішення y0 виходить як така опукла комбінація точок yi (, де i 0, i = 1, 2, … , m; =1), для якої максимальне із нормованих відхилень значень критеріїв fi від відповідного оптимуму мінімально, тобто
,
де М = {1, 2, …, m}, – оптимальне значення i-го критерію.
Таке визначення оптимального рішення має суттєві недоліки.
По-перше, якщо деякий критерій має декілька точок оптимуму на X, то не ясно, яку з них слід використовувати, оскільки кожній точці yi відповідатиме своє рішення y0 .
По-друге, отримане вказаним шляхом оптимальне рішення, як правило, не буде не тільки ефективним, але і слабо ефективним.
0 A B C D
Рис. 3.15. Визначення оптимального рішення
Цю ситуацію проілюстровано на рис. 3.15. Тут обидва критерії у1 та у2 максимізуються, область допустимих рішень 0ABCD показана товстою лінією. Вочевидь, оптимальним рішенням за критерієм у1 буде точка D = у1, за критерієм у2 оптимальними будуть всі точки відрізку AB. Вибір за оптимум цього критерію точки y2̋ дає за описаним методом рішення багатокритеріальної задачі y0̋, відповідно, якщо обрати за оптимум у2ˊ – отримаємо рішення y0ˊ. Проте жодне з них не буде ефективним, оскільки рішення y0* буде кращим за кожне з них, причому відразу за обома критеріями.
Пізніше це визначення було вдосконалене: оптимальним запропоновано вважати рішення y*, визначуване з умови
.