- •П.И. Тутубалин, л.Т. Моисеева теория принятия решений
- •Оглавление
- •1. Основные понятия теории принятия решений 2
- •2. Классификация решений 5
- •4. Линейные модели задач принятия решений 16
- •5. Нелинейные модели задач принятия решений 42
- •6. Методы решения двухкритериальных задач принятия решений 53
- •1. Основные понятия теории принятия решений
- •2. Классификация решений
- •3. Общая математическая модель формирования оптимальных решений
- •3.1. Классификация математических моделей в задачах принятия решений
- •3.2. Краткая характеристика математических методов формирования оптимальных решений
- •4. Линейные модели задач принятия решений
- •4.1. Задача выбора оптимальной производственной программы предприятия
- •4.2. Распределительные задачи принятия решений
- •4.2.1. Задача распределения количества заказов по предприятиям
- •4.2.2. Задача распределения грузов по средствам доставки
- •4.2.3. Задача оптимизации перевозок однородного продукта
- •4.2.4. Метод минимальной стоимости для решения закрытой транспортной задачи
- •4.2.5. Задача о назначениях
- •4.3. Задача оптимального выбора
- •4.3.1. Задача о ранце
- •4.3.2. Задача оптимального выбора выполняемых работ
- •5. Нелинейные модели задач принятия решений
- •5.1. Задача о выборе геометрических размеров бака заданного объема
- •5.2. Задача оптимального размещения предприятий
- •5.3. Стохастическая модель выбора оптимальной производственной программы
- •5.4. Стохастическая модель стоимости товаров в торговых центрах
- •6. Методы решения двухкритериальных задач принятия решений
- •6.1. Решение двухкритериальной задачи о баке
- •6.2. Решение двухкритериальной стохастической задачи стоимости товаров в торговых центрах
- •Литература
6. Методы решения двухкритериальных задач принятия решений
В приведенных выше задачах использовалось несколько критериев оптимальности решений, характерных именно для задач ТПР.
Отметим, что если в однокритериальных задачах возможно получение единственного оптимального решения (рис. 6.1 а), то в многокритериальных ЗПР такая возможность отсутствует (рис. 6.1 б).
В многокритериальных задачах возможно получение совокупности компромиссных вариантов (СКВ) решений на интервале [х1 опт, х2 опт].
З десь х1 опт, х2 опт соответственно точки максимума функций . Из рисунка 6.1 б видно, что точка, доставляющая максимум обеим функциям одновременно, отсутствует.
Для решения многокритериальных задач обычно используют два подхода:
Сведение многокритериальных задач к однокритериальным путем «свертки» критериев (в данном случае можно получить единственное оптимальное решение x0).
Построение множества эффективных решений (оптимальных по Парето).
Рассмотрим наиболее распространенную на практике двухкритериальную ММ, которая в общем виде записывается как:
; (6.1)
; (6.2)
, ; (6.3)
; х2 ≥ 0. (6.4)
Ограничения (6.3), (6,4) определяют область допустимых решений задачи (6.1) - (6.4), то есть замкнутую область на плоскости (рис. 6.2).
Выберем в этом множестве точку с координатами , подставим координаты этой точки в целевые функции (6.1) и (6.2) и получим значения .
Рис. 6.2
Введем в рассмотрение пространство значений критериев . В этом пространстве величины определяют некоторую точку (см. рис. 6.2). Перебирая все точки множества , получим в пространстве критериев некоторое замкнутое множество , называемое множеством достижимости задачи (6.1) - (6.4). Таким образом, можно утверждать, что функции (6.1) и (6.2) проводят отображение множества в множество .
Выделим в множестве четыре точки: .
Точка является внутренней точкой множества , точка порождается решением однокритериальной задачи вида (6.2) - (6.4). Решение этой задачи обозначим как , , . Точка является наиболее удаленной точкой множества по оси .
Точка получается из решения задачи (6.1), (6.3), (6.4). Эта точка является наиболее удаленной точкой множества по оси .
Точка является заведомо «плохой», так как в множестве можно найти более лучшую точку (например, D) такую, что и .
Для точек более лучших точек в пространстве критериев не существует. Именно такие точки, для которых не существует точек более лучших, составляют множество точек оптимальных по Парето в пространстве критериев. В нашем случае такое множество составляют точки, лежащие на кривой .
Для выявления лучших (эффективных) точек множества используется правило ортанта (конуса) с вершиной в точке . Уравнение этого конуса имеет вид:
Графически данный конус представлен на рис. 6.3.
П равило выделения эффективных точек: Если в конусе лежит хотя бы одна точка , то она является более предпочтительной, чем точка . Все точки множества , для которых соответствующие конусы являются пустыми, составляют множество паретооптимальных решений в пространстве критериев.
Строя обратное отображение этого множества в пространстве решений (в множество допустимых решений, задаваемое неравенствами (6.3), (6.4)), получаем множество оптимальных по Парето решений в пространстве решений. На рис. 6.2 эти точки лежат на кривой АВ.
Аналогичный подход рассматривается и для других видов двухкритериальных задач. В частности, уравнения конусов для соответствующих задач примут вид:
для задачи ; (6.5)
для задачи ; (6.6)
для задачи ; (6.7)
Пусть требуется решить задачу вида (6.1) - (6.4). Пусть критерий является более важным для принятия решения, чем критерий . Заказчик оценил степени важности критериев с помощью двух чисел , таких, что . Построим на их основе функцию
, (6.8)
которая называется линейной сверткой критериев и . Тогда оптимальное решение задачи (6.1) - (6.4) получается как решение задачи вида:
. (6.9)
Задача (6.5) может быть сведена к задаче (или ). Свертка будет иметь вид:
.
Свертка для задачи (6.6): . Для задачи (6.7): или .
Вводя обозначение , свертку (6.8) можно переписать как:
. (6.10)
Здесь параметр свертки должен удовлетворять условию
. (6.11)
Решая задачу максимизации свертки при различных значениях , удовлетворяющих условию (6.11), получаем множество оптимальных решений вида
. (6.12)
Эти решения называются оптимальными решениями по Парето в пространстве решений. Подставляя их в целевые функции, получаем
. (6.13)
Эти выражения описывают на координатной плоскости некоторую кривую, которую называют оптимальным по Парето решением в пространстве критериев. На рис. 6.2 – это кривая А*В*. Точка * – наиболее удаленная по координате . Эта точка получается, если в свертке (6.10) положить = 0 и решить задачу вида: ; точка * является наиболее удаленной точкой по координате . Ее координаты получаются при из решения задачи оптимизации вида .
Доказано, что если множество допустимых решений выпукло и ограничено, а целевые функции и являются унимодальными функциями (имеют один максимум или один минимум в области допустимых решений), то произвольная точка получается при подстановке в решение (6.12) произвольного значения параметра , удовлетворяющему условию (6.11).
Определим алгоритм решения задачи:
1) Разбиваем интервал (6.11) на точки: .
2) Каждое значение , подставляется в свертку (6.10) и решается однокритериальная задача . В результате получается решение вида (6.12) для .
3) Эти решения подставляются в целевые функции (6.13); строится кривая А*В*, то есть оптимальные по Парето решения в пространстве критериев . Эта кривая А*В* используется ЛПР для выбора из всего множества решений (6.12) единственного оптимального решения.
При движении по кривой из точки * в * значение целевой функции будет ухудшаться (она уменьшается), а значение будет улучшаться (она увеличивается). ЛПР, исходя из неформальных соображений, должен выбрать некоторый компромисс – точку D*, значения критериев в которой его устраивают. Для данной точки D* устанавливается то значение , при котором она была получена и с помощью выражения (6.12) находится единственное оптимальное решение.