- •Лекция 1. Основные понятия и определения
- •1. Люди, принимающие решения
- •2. Люди и их роли в процессе принятия решений
- •3. Особая важность проблем индивидуального выбора
- •4. Альтернативы
- •5. Критерии
- •6. Оценки по критериям
- •7. Процесс принятия решений
- •8. Множество Эджворта-Парето
- •9. Типовые задачи принятия решений
- •10. Пример согласования интересов лпр и активных групп
- •11. Многодисциплинарный характер науки о принятии решений
- •Лекция 2. Аксиоматические теории рационального поведения
- •1. Рациональный выбор в экономике
- •2. Аксиомы рационального поведения
- •3. Задачи с вазами
- •4. Деревья решений
- •5. Парадокс Алле
- •6. Нерациональное поведение. Эвристики и смещения
- •7. Объяснения отклонений от рационального поведения
- •8. Должны ли экономисты принимать во внимание отклонения поведения людей от рационального?
- •9. Теория проспектов
- •10. Теория проспектов и парадокс Алле
- •11. Новые парадоксы
- •Волшебные страны Компьютерная игра в Университете Власти
- •Лекция 3. Многокритериальные решения при объективных моделях
- •1. Модели
- •2. Подход исследования операций
- •3. Появление многокритериальное
- •4. Первые многокритериальные решения: сколько строить ракет?
- •5. Разные типы проблем
- •6. Два пространства
- •7. Многокритериальный анализ экономической политики
- •8. Две трудности для лпр
- •9. Исследование решений на множестве э-п
- •10. Постановка многокритериальной задачи линейного программирования
- •11. Человекомашинные процедуры
- •12. Весовые коэффициенты важности критериев
- •13. Классификация чмп
- •14. Прямые человекомашинные процедуры
- •15. Процедуры оценки векторов
- •16. Процедуры поиска удовлетворительных значений критериев
- •Фаза расчетов
- •Фаза анализа
- •17. Пример применения метода stem : как управлять персоналом
- •Волшебные страны Обращение ректора Университета Власти к студентам
- •Лекция 4. Оценка многокритериальных альтернатив: многокритериальная теория полезности
- •1. Снова об этапах процесса принятия решений
- •2. Различные группы задач принятия решений
- •Задачи первой группы
- •Задачи второй группы
- •3. Пример
- •4. Многокритериальная теория полезности ( maut )
- •4.1. Основные этапы подхода maut
- •4.2. Аксиоматическое обоснование
- •4.3. Основные теоремы
- •4.4. Построение однокритериальных функций полезности
- •4.5. Проверка условий независимости
- •4.6. Определение весовых коэффициентов (коэффициентов важности) критериев
- •4.7. Определение полезности альтернатив
- •5. Метод smart – простой метод многокритериальной оценки
- •6. Первый эвристический метод
- •7. Веса критериев
- •8. Как люди назначают веса критериев
- •9. Практическое применение
- •Библиографический список
- •Волшебные страны Компьютерная генетика
- •Лекция 5. Оценка многокритериальных альтернатив: подход аналитической иерархии
- •1. Основные этапы подхода аналитической иерархии
- •2. Структуризация
- •3. Попарные сравнения
- •4. Вычисление коэффициентов важности
- •5. Определение наилучшей альтернативы
- •6. Проверка согласованности суждений лпр
- •7. Система поддержки принятия решений Expert Choice
- •8. Контрпримеры и противоречия
- •9. Мультипликативный метод аналитической иерархии
- •10. Пример практического применения подхода анр
- •Библиографический список
- •Лекция 6.Оценка многокритериальных альтернатив: методыelectre
- •1. Конструктивистский подход
- •2. Два основных этапа
- •3. Свойства бинарных отношений
- •4. Метод electre I
- •5. Метод electre II
- •6. Метод electre III
- •7. Пример
- •8. Пример практического применения метода electre III
- •9. Некоторые сопоставления
- •Модель человеческого мозга «Грандом», созданная в Монтландии
- •Лекция 7. Человеческая система переработки информации и ее связь с принятием решений
- •1. Этапы переработки информации, типы памяти
- •2. Модель памяти
- •3. Кратковременная память
- •3.1. Три этапа переработки информации в кратковременной памяти
- •3.2. Кодирование
- •3.3. Хранение
- •3.4. Магическое число
- •3.5. Денежный насос
- •3.6. Последовательная обработка информации
- •3.7. Извлечение
- •4. Дескриптивные исследования многокритериальных проблем
- •4.1. Прослеживание процесса принятия решений
- •4.2. Результаты дескриптивных исследований
- •5. Долговременная память
- •5.1. Кодирование
- •5.2. Хранение
- •5.3. Извлечение
- •6. Рабочая память
- •7. Психологические теории человеческого поведения при принятии решений
- •7.1. Теория поиска доминантной структуры
- •7.2. Теория конструирования стратегий
- •8. Исследование возможностей человека в задачах классификации многомерных объектов
- •8.1. Схема экспериментов
- •8.2. Параметры, используемые для оценки поведения испытуемых в задачах классификации
- •8.3. Описание экспериментов
- •8.4. Результаты экспериментов
- •8.5. Обсуждение результатов первой серии экспериментов
- •8.6. Анализ и обсуждение результатов второй серии экспериментов
- •8.7. Общее обсуждение
- •Библиографический список
- •История бюрократии в Монтландии
- •Лекция 8. Оценка многокритериальных альтернатив: вербальный анализ решений
- •1. Особый класс задач принятия решений: неструктурированные проблемы с качественными переменными
- •2. Качественная модель лица , принимающего решения
- •2.1. Черты человеческой системы переработки информации
- •2.2 Особенности поведения человека при принятии решений
- •3. Какими должны быть методы анализа неструктурированных проблем
- •4. Измерения
- •4.1. Качественные измерения
- •4.2. Сравнительные качественные оценки
- •5. Построение решающего правила
- •6. Проверка информации лпр на непротиворечивость
- •7. Обучающие процедуры
- •8. Получение объяснений
- •9. Основные характеристики методов вербального анализа решений
- •10. Метод запрос ( Замкнутые Процедуры у Опорных Ситуаций )
- •10.1. Постановка задачи
- •10. 2. Пример : как оценить проекты ?
- •10.3. Выявление предпочтений лпр
- •10.4. Сравнение альтернатив
- •10.5. Преимущества метода запрос
- •10.6. Практическое применение метода запрос
- •11. Сравнение трех сппр
- •Библиографический список
- •Контрольное задание
- •Компьютерные двойники
- •Лекция 9. Повторяющиеся решения. Построение баз экспертных знаний
- •1. Процесс мышления как манипулирование символами
- •2. Два типа знания
- •3. Время и условия становления эксперта
- •4. Трансформация системы переработки информации
- •5. Иерархические структуры хранения знаний
- •6. Черты поведения эксперта
- •7. Подсознательный характер экспертных знаний
- •8. Трудности получения экспертных знаний
- •9. Экспертные знания в задачах классификации с явными признаками
- •10. Формальная постановка задачи классификации
- •11. Основные идеи метода экспертной классификации
- •11.1. Структуризация проблем
- •11.2. Классификация состояний объекта исследования
- •11.3. Гипотеза о характерности
- •11.4. Проверка информации эксперта и гипотезы о характерности
- •11.5. Определение последовательности состояний для предъявления эксперту в процессе классификации
- •11.6. Трудоемкость построения баз знаний
- •11.7. Проверка качества баз знаний
- •12. Граничные элементы классификации
- •13. Решающие правила экспертов
- •14. Система диагностики заболеваний группы
- •Библиографический список
- •Лекция 10. Анализ риска
- •1. Типы риска
- •2. Особая сложность задач анализа риска
- •3. Направления исследований
- •4. Измерение риска
- •4.1. Инженерный подход
- •4.2. Модельный подход
- •4.3. Восприятие риска
- •4.4. Сопоставление разных способов измерения риска
- •5. Установление стандартов
- •6. Человекомашинное взаимодействие
- •7. Риск катастрофических событий как независимый критерий
- •8. Распределения "с тяжелыми хвостами"”
- •9. Аварии и их анализ
- •10. Управление риском
- •11. Практический пример: выбор месторасположения нового объекта с учетом факторов риска
- •11.1. Конкретная задача: альтернативы
- •11.2. Активные группы
- •11.3. Критерии
- •11.4. Особенности задачи выбора с точки зрения теории принятия решений
- •11.5. Анализ вариантов
- •11.6. Конструирование нового варианта
- •Библиографический список
- •Контрольное задание
- •Волшебные страны Компьютерная демократия Монтландии
- •Лекция 11. Коллективные решения
- •1. Парадокс Кондорсе
- •2. Правило большинства голосов
- •3. Метод Борда
- •4. Аксиомы Эрроу
- •5. Попытки пересмотра аксиом
- •6. Теорема невозможности и реальная жизнь
- •7. Принятие коллективных решений в малых группах
- •8. Организация и проведение конференций по принятию решений
- •9. Метод организации работы гпр
- •9.1. Предварительные этапы
- •9.2. Анализ собранной информации
- •9.3. Проведение конференции по принятию решений
- •9.4. Практический пример
- •Библиографический список
- •Волшебные страны Военный переворот в Свапландии ( Статья в оппозиционной газете «Вечерний наблюдатель» , выходящей в столице Монтландии - Олоне).
- •К событиям в Свапландии ( Статья в правительственной газете «Олон - пост» , выходящей в столице Монтландии - Олоне .)
- •Лекция 12. Многокритериальная задача о назначениях
- •1. Определение и особенности
- •2. Постановка многокритериальной задачи о назначениях
- •2.1. Содержательная постановка задачи
- •2.2. Критерий оптимальности решения мзн
- •2.3. Формальная постановка задачи
- •3. Пример
- •4. Различные типы задач о назначениях
- •5. Основные алгоритмы решения многокритериальной задачи о назначениях
- •5.1. Различные индексы соответствия
- •5.2. Поиск решения многокритериальной задачи о назначениях
- •6. Этап анализа данных и проверки существования идеального решения
- •7. Формирование области допустимых решений
- •8. Выявление предпочтений лпр
- •8.1. Статистические оценки сложности задач выявления предпочтений лпр
- •8.2. Основная процедура выявления предпочтений лпр
- •8.3. Выявление предпочтений лпр ; вспомогательная процедура
- •9. Поиск окончательного решения многокритериальной задачи о назначениях
- •9.1. Поиск решения мзн типа а
- •9.2. Поиск решения мзн типа в
- •9.3. Поиск решения мзн типа с
- •9.4. Поиск решения мзн типа d
- •10. Практическое применение
- •Библиографический список
- •Контрольное задание
- •Волшебные страны Стратегия правления в Свапландии (Статья в Правительственной газете «Олон-пост», выходящей в столице Монтландии - Олоне.)
- •Прыжок в никуда
- •Лекция 13 принятие решений в организациях
- •1. Личные и деловые решения
- •2. Модель ограниченной рациональности
- •3. Эскалация решений
- •4. Тактические и стратегические решения
- •5. Модель «игра влияний» в руководстве организации
- •6. Модель обеспечения профессионального качества подготовки решений
- •7. Топографическая модель организации
- •8. Государственные или частные организации: что эффективнее?
- •9. Централизация в принятии решений: попытка административной революции
- •10. Система «ринго»
- •11. Планирование выполнения решений
- •12. Виртуальные организации
- •13. Управление знаниями в организациях
- •14. Метод милс (Многоуровневые Информационно-Логические Структуры)
- •15. Таблицы решений
11.4. Проверка информации эксперта и гипотезы о характерности
Как отмечалось, не ошибающихся экспертов не бывает. Поэтому информацию эксперта следует подвергать проверке, основанной на использовании условий доминирования по характерности.
Формально такую проверку можно представить следующим образом. Пусть на каком-то этапе диалога «компьютер—эксперт» состояние а i было отнесено к классу P j : а i I Р i . После каждого ответа эксперта осуществлялось распространение по доминированию. Построенные конусы доминирования по характерности в общем случае пересекаются. Это означает, что некоторые состояния могут быть классифицированы несколько раз. Предположим, что при этом классификации какого-то состояния a v различаются. Тогда, например, ( a v , a j ) I D pi , но a j I P 1 , т.е. a v более характерно для класса Р i , чем a j , однако a v оказалось отнесенным (при другом ответе эксперта) к классу Р l . Этот факт может быть как ошибкой эксперта, так и проявлением зависимости диагностических признаков.
При выявлении противоречия в классификации компьютер предъявляет эксперту на экране описания двух состояний и просит еще раз их проанализировать. Если эксперт обнаруживает свою ошибку, он ее устраняет и опрос продолжается. Если эксперт подтверждает обе противоречивые классификации, то:
• с помощью эксперта выделяется подмножество зависимых диагностических признаков;
• эти признаки объединяются в один агрегированный признак, не зависящий от остальных.
Аналитические оценки показывают, что в среднем около 25% ответов экспертов проверяются, что позволяет считать созданную базу знаний непротиворечивой и надежно отражающей экспертные знания.
11.5. Определение последовательности состояний для предъявления эксперту в процессе классификации
Как было показано выше, классификация состояния объекта исследования позволяет косвенно классифицировать ряд других состояний (либо уменьшить неопределенность). Это дает возможность построить полную классификацию, т.е. решить поставленную задачу, предъявив эксперту сравнительно небольшое число состояний. Для реализации такой возможности необходимо найти стратегию выбора очередного состояния для предъявления эксперту.
Система КЛАСС [7], а также последовавшие за ней системы ДИФКЛАСС [13], СТЕПКЛАСС [14] и КЛАНШ [15] отличаются друг от друга стратегией предъявления состояний эксперту.
Так, в системе КЛАСС осуществляется выбор наиболее информативного состояния. Предпрлагается, что все возможные ответы эксперта для любого неизвестного состояния объекта равновероятны. Для каждого неклассифицированного состояния вычисляются количества косвенно классифицируемых состояний при всех возможных ответах эксперта. Далее под-считывается среднее количество, которое и характеризует информативность предъявления конкретного вектора. Компьютер осуществляет перебор всех неквалифицированных на данный момент состояний и выбирает то, для которого ожидаемое среднее количество косвенно классифицированных состояний максимально.
Существенно более эффективными (по числу обращений к эксперту) являются методы ДИФКЛАСС и КЛАНШ.
11.6. Трудоемкость построения баз знаний
Компьютерные системы построения полных и непротиворечивых баз знаний ставят эксперту вопрос за вопросом до тех пор, пока все состояния (все векторы a i из множества А) не будут отнесены к одному или нескольким классам. Для создания таких баз знаний требуется от одной—двух недель до одного— двух месяцев работы с опытным экспертом (в зависимости от объема базы знаний).
Приведем конкретные данные по системе КЛАСС [7]. Для создания базы знаний по семи коматозным заболеваниям (классифицируются 2304 состояния пациента) потребовалось 12 ч работы эксперта, по 14 болезням, начинающимся с болевого синдрома в области живота (около 20 тыс. состояний), — 60 ч. Разработка первой базы знаний заняла примерно семь дней, второй — около месяца.
Система ДИФКЛАСС позволяет классифицировать в среднем до 700 состояний объекта исследования в час [13].