- •Глава 1. Описание задач принятия решения на содержательном уровне
- •1.1. Примеры задач принятия решения
- •1.2. Основные требования к задачам принятия решения.
- •1.3. Типы критериев в задачах принятия решений.
- •1.4. Типы шкалы для измерения критериев
- •1.5. Основные понятия, используемые в задачах принятия решения
- •1.6. Специфика зпр
- •1.7. Классификация задач принятия решения
- •Глава 2. Основная математическая модель зпр
- •2.1. Модель зпр в табличной форме
- •2.2. Модель зпр в аналитической форме
- •2.3. Модель зпр в графической форме
- •Глава 3. Решение зпр в условиях определенности
- •3.1. Этапы решения зпр в условиях определённости
- •3.2. Способы свертки векторных критериев
- •3.2.1. Сильные и слабые критерии
- •3.2.2. Свёртка сильных критериев
- •Аддитивный способ свертки.
- •Нормирование частных критериев.
- •Мультипликативный способ свертки.
- •4) Критерий минимального удаления от идеала.
- •5). Статистические обобщенные критерии.
- •3.3. Способы определения весовых коэффициентов в сильных обобщенных критериях
- •3.3.1. Метод непосредственного определения усреднённых экспертных оценок весовых коэффициентов при наличии нескольких экспертов.
- •3.3.2. Метод ранжирования для определения весовых коэффициентов.
- •3.3.3. Определение весовых коэффициентов путём усреднения предпочтений при наличии нескольких экспертов.
- •3.3.4. Метод объективизации значений весовых коэффициентов (метод попарного сравнения, метод последовательных предпочтений).
- •3. 4. Слабые критерии оптимальности
- •3. 4. 1. Критерий удовлетворения техническим требованиям
- •3. 4. 2. Критерий принадлежности множеству Парето
- •3.4.3. Виды множеств Парето. Правило паруса.
- •3.4.4. Алгоритм формирования множества Парето
- •3.4.5. Графический способ построения множества Парето
- •3.5. Множество Парето и другие критерии оптимальности
- •3.5.1. Множество Парето и критерий удовлетворения тз
- •3.5.2. Множество Парето и обобщенный критерий в виде самого важного частного и остальных критериев как ограничений.
- •3.5.3. Множество Парето и требование экстремума одного из частных критериев
- •3.5.4. Множество Парето и обобщенный аддитивный критерий
- •3.5.5. Множество Парето и обобщенный мультипликативный критерий
- •3.5.6. Множество Парето и критерий последовательной уступки
- •3.6. Множество Парето и шкалы измерений
- •3.7. Достоинства множества Парето
- •3.8. Выражение предпочтений лпр в критериях оптимальности
- •3.9. Общая схема решения зпр в условиях определенности
- •Глава 4. Принятие решения в условиях неопределенности
- •4.1. Постановка задачи
- •4.2. Основные методы принятия решений в условиях неопределенности
- •4.2.1. Метод максимина или гарантированного выигрыша
- •4.2.2. Метод Сэвиджа (метод матрицы сожалений)
- •4.2.3. Метод Гурвица
- •4.3. Принятие решений в условиях риска
- •4.3.1. Постановка задачи
- •4.3.2. Kритерий математического ожидания
- •4.3.3. Критерий равновозможности состоянии
- •Глава 5. Принятие решений в задачах с нечисловыми критериями
- •5.1. Основные типы отношений.
- •5.2. Способы задания отношений.
- •5.3 Основные операции над отношениями
- •Помимо типовых существуют специальные операции над отношениями.
- •5.4. Основные свойства отношений
- •5.5. Два подхода к выявлению предпочтений в зпр с нечисловыми критериями.
- •5.6. Типы решающих правил при определении предпочтений
- •5.7. Парадоксы голосования.
- •5.8. Критерий Неймана-Моргенштерна
- •Глава 6. Основы теории выбора оптимальной стратегии действий
- •6.1. Основные понятия теории игр
- •6.2. Понятие устойчивости игры и равновесия по Нэшу
- •1. Выбор стратегии Зарей.
- •2. Выбор стратегии Лучом.
- •6.3. Понятие об играх со смешанной стратегией
2.3. Модель зпр в графической форме
Под графической моделью понимают графический способ формулировки задач принятия решений. Различают следующие варианты:
а) Если задача решается в условиях определённости (состояние среды известно), то для каждой альтернативы существует один исход. Графическая модель имеет вид:
б) Если задача решается в условиях неопределённости (состояние среды неизвестно), то для каждой альтернативы существует несколько исходов. Графическая модель имеет вид:
в) Для ЗПР в условиях риска графическая модель имеет вид:
Глава 3. Решение зпр в условиях определенности
3.1. Этапы решения зпр в условиях определённости
Формулировка ЗПР в условиях определенности сводится к следующему. Таблица принятия решений вырождается в столбец, соответствующий состоянию среды, которое известно ЛПР.
a1 |
y11, y12, … y1m |
a2 |
y21, y22, … y2m |
… |
… |
an |
yn1, yn2, … ynm |
где yij — частные критерии оптимальности.
Решение ЗПР в условиях определенности состоит из следующих этапов:
1) замена (свертка) частных критериев каким‑либо типом обобщенного критерия Y. В результате получится столбец:
a1 |
Y(y11, y12, … y1m) |
a2 |
Y(y21, y22, … y2m) |
… |
… |
aт |
Y(yn1, yn2, … ynm) |
2) вычисление численных значений Y для каждой альтернативы;
3) выбор альтернативы с наилучшим значением Y.
3.2. Способы свертки векторных критериев
3.2.1. Сильные и слабые критерии
Критерии оптимальности по их способности находить лучшую альтернативу делят на два типа:
сильные критерии — позволяют выделить среди множества альтернатив наилучшую;
слабые критерии — позволяют выделить множество лучших альтернатив, ни одна из которых не имеет предпочтения перед другими.
Пример:
Сильный критерий. Сумма взвешенных частных критериев, характеризующих каждую альтернативу:
Среди множества альтернатив можно указать лучшую (с наибольшим значением Y).
Слабый критерий. Множество точек на рисунке в координатах y1,y2,, где y1 и y2, — ”хорошие” частные критерии (чем их значение больше, тем лучше альтернатива).
3.2.2. Свёртка сильных критериев
Пусть имеем множество частных критериев: y1, y2, y3, ..., yn. Они образуют вектор частных критериев. Необходимо определить норму этого вектора (охарактеризовать вектор одним числом). Такая операция называется свёрткой векторного критерия. Существует много способов свёртки. Рассмотрим наиболее распространённые из них.
1) Выбор одного из частных критериев yk в качестве самого важного и перевод остальных частных критериев в разряд ограничений:
Y=yk
yi yi max (i k)
yj yj min (j k)
Пример:
Пусть даны следующие частные критерии:
y1 — производительность ЭВМ;
y2 — вес ЭВМ;
y3 — стоимость ЭВМ.
Выбираем самый важный частный критерий y3 — стоимость ЭВМ. Тогда можно записать:
Y=y3
y2 y2 max
y1 y1 min
Недостаток этого способв свёртки: Не всегда можно определить самый важный частный критерий.
Аддитивный способ свертки.
Критерий формируется в виде взвешенной суммы:
Сумма здесь не арифметическая, а алгебраическая, то есть слагаемые могут быть разных знаков. Для “хороших” критериев (быстродействие, производительность) слагаемые имеют знак «плюс» (чем больше хороший критерий, тем больше сумма и значение обобщённого критерия), для “плохих” критериев (цена, вес) — знак «минус». Значения весовых коэффициентов тем больше, чем важнее критерий.
Достоинство: В одном обобщенном критерии можно объединять частные критерии, представляющие различные физические величины (электрические, массогабаритные и др.).
Недостаток: Вклад разных частных критериев в значение аддитивного критерия Y может быть слишком неравномерным. Можно получить большие значения Y за счет большого значения одного частного критерия, но при недопустимо малых значениях других критериев.
Пример:
Y2 > Y1, но y1 во втором случае ниже допустимого (неравномерный вклад критериев).