- •Оглавление
- •Введение
- •1. Основные понятия теории системного анализа и принятия решений
- •Классификация задач принятия решения
- •Калибровочные соотношения между альтернативами
- •2.1. Однокритериальные задачи в условиях определенности
- •2.2. Многокритериальные задачи в условиях определенности
- •2.3. Принятие решений в условиях неопределенности
- •2.3.1. Принятие решений при наличии неопределенных факторов
- •Системная матрица расчетных случаев риска
- •2.3.2. Принятие решений в условиях отсутствия информации
- •2.3.3. Принятие решений в условиях нечеткой информации
- •2.3.4. Методы построения функций принадлежности
- •Качественные оценки градации альтернатив
- •3. Принятие решений с использованием критерИев
- •3.1. Минимаксный критерий
- •3.2. Расширенный минимаксный критерий
- •3.3. Критерий байеса-лапласа
- •3.4. Критерий сэвиджа
- •3.5. Модели агрегирования критериев
- •Схемы агрегирования локальных критериев
- •3.6. Основные понятия теории игр
- •Игра с нулевой суммой
- •3.7. Многомерные модели принятия решений
- •4. Методы многокритериальной оптимизации
- •4.1. Аксиоматическая теория полезности
- •4.2. Метод electre I
- •4.3. Метод electre II
- •4.4. Метод анализа иерархий (аналитическая иерархия)
- •5. Синтез оптимального управления объектами
- •5.1. Уравнение эйлера
- •5.2. Формализация задаЧи синтеза оптимальНого управления
- •5.3. Критерии оптимальности автоматических систем
- •5.4. Применение вариационного исчисления в оптимальНом управлении
- •5.5. Синтез оптимального управления. Метод бойчука
- •6. Задачи вычисления численных оценок
- •6.1. Процедура построения квазипорядка на множестве объектов (задача об упаковке)
- •6.2. ПроцедурА оптимального назначения объектов (Задача о назначениях)
- •6.2.1. Постановка многокритериальной задачи о назначениях
- •6.2.2. Формальный анализ задачи
- •6.2.3. Графы предпочтения
- •6.2.4. Матрица предпочтения
- •6.3. Задача планирования производства
- •6.4. Задача Принятия решений в условиях риска
- •6.5. Пример использования критериев
- •6.6. Задача постороенИя функций принадлежности
- •6.7. Синтез оптимального управления с использованием метода Бойчука
- •6.8. Объектно-ориентированный подход в системном анализе и управлении
- •6.8.1. Структура построения проекта задачи системного анализа с использованием ооп
- •Библиографический список
3.2. Расширенный минимаксный критерий
В критерии используются простейшие понятия теории вероятностей, а также теории игр.
Пусть существуют nвнешних состояний, которым приписана вероятность появления,. Сформируем изnвероятностей вектор. Обозначим:— множество всехn-мерных вероятностных векторов.
При достаточно долгом применении выбранного варианта xiприводит к среднему:.
Введем вектор распределения вероятностей на множестве вариантов. Введем оценку некоторого среднего варианта решения как:
В реальной ситуации вектор , как правило, неизвестен. Ориентируясь в значениина наименее выгодное распределениесостоянийи добиваясь максимального увеличенияза счет наиболее удачного распределениявариантов решения, получают значение, соответствующее расширенномуMMкритерию.
Пусть — обобщенный вариант решения, определяемый с помощью выбора вероятностного вектора, а через— множество таких вариантов. Тогда расширенныйMMкритерий формулируется следующим образом:
где — вероятностный вектор для, а— вероятностный вектор для.
Расширенный ММ — критерий задает цель найти выгодное распределение вероятностей на множестве вариантов X, когда в многократно воспроизводящейся ситуации ничего не известно о вероятностях состояний. Поэтому, предполагается, чтораспределены наименее выгодным образом.
3.3. Критерий байеса-лапласа
Для построения оценочной функции в данном критерии используется априорная информация о вероятностях появления внешних условий. Тем самым в рамках простейшей вероятностной модели учитывается каждое из возможных последствий появления различных условий. Для критерия Байеса-Лапласа справедливо следующее правило вычисления оценки:
В данном критерии в качестве оценочной функции выбирается математическое ожидание оценки, соответствующей i-му варианту. Ситуация, в которой принимается решение, характеризуется следующими обстоятельствами:
1. Вероятности появления состояний (условий) известны и не зависят от времени;
2. Решение реализуется (теоретически) бесконечно много раз;
3. Для малого числа реализаций решения допускается некоторый риск.
Позиция ЛПР на основе критерия Байеса-Лапласа, более оптимистическая, чем по минимаксному критерию.
Матрица решений дополняется еще одним столбцом, содержащим математическое ожидание значений каждой из строк. Выбираются варианты ,в строках которых стоит наибольшее значение столбца. При достаточно большом количестве реализаций среднее значение постепенно стабилизируется. При бесконечной реализации риск практически исключен.
3.4. Критерий сэвиджа
Оценочная функция критерия:
Множество оптимальных вариантов определяется на основе оценочной функции:
Величину можно трактовать как максимальный дополнительный выигрыш, который достигается, если в состояниивместо вариантавыбрать другой, оптимальный для этого внешнего состояния вариант.
Можно трактовать как потери (штрафы), возникающие в состояниипри замене оптимального для него варианта на вариант. Величинапредставляет собой (при интерпретации в качестве потерь) максимальные возможные (по всем,) потери в случае выбора варианта. Затем эти потери минимизируются за счет выбора варианта.
Правило выбора для критерия Сэвиджа:
1. Элемент матрицы решений вычитается из наибольшего результатасоответствующего столбца.
2. Разности образуют матрицу остатков. Эта матрица дополняется столбцом наибольших разностей. Выбираются те вариантыв строках которых стоит наименьшее значение для этого столбца.