УЧЕБНИКИ 3 Экономика / Управленческие решения / Степанов А.Г. Разработка управленческого решения средствами пакета Excel. 2001
.pdfчение параметра c1 равно 6,86 и ему соответствует старое решение и значение целевой функции равное 31,33.
Если диапазон изменения параметров не укладывается в пределы чувствительности, могут появиться несколько решений, соответствующих различным положениям внутри трубки риска. Тогда в качестве оптимального решения следует выбрать решение, соответствующее среднему значению случайного параметра, а предельные значения целевой функции (трубку риска) следует пересчитать в соответствии с этим решением. Очевидно, что размер трубки риска в этом случае возрастет.
Предположим теперь, что в распоряжении менеджера отсутствуют конкретные значения выборок случайных процессов, однако ему известна определенная ранее функция распределения случайного процесса F(c1). Целью решения задачи в этом случае является определение набора переменных X = (x1,x2 ,...xl ), максимизирующих математическое ожидание целевой функции (M-постановка) или вероятность того, что значение целевой функции будет превышать некоторое наперед заданное значение (P-постановка). Дополнительно в обоих случаях представляет интерес отыскание функции распределения целевой функции F(E). Как следует из определения функции распределения, ее значения представляют собой вероятность того, что реальное значение случайной величины x будет меньше или равно аргументу функции P( x ≤ x0 )= F ( x0 ) . Если предположить, что c1 распределен по нормальному закону со средним значением 9,14 и стандартным отклонением 1, то набору значений вероятностей {0,00001; 0,10; 0,20; 0,30; 0,40; 0,50; 0,60; 0,70; 0,80; 0,90; 0,99999} соответствует следующий набор значений аргументов функции {4,87; 7,86; 8,30; 8,62; 8,89; 9,14; 9,39; 9,66; 9,98; 10,42; 13,41}. Очевидно, что, как и в предыдущем случае, решением задачи в M-постановке является набор переменных X = {1,13; 0,00; 0,00; 3,10}, обеспечивающий оптимальное значение целевой функции округленно равное 33,90 при общем суммарном расходе ресурсов равном 185,59 и имеющий место при задании вероятности 0,5 (справедливо только для линейных задач). На рис. 3.8 изображена рассчитанная функция распределения целевой функции решаемой задачи.
Рассмотрим теперь P-постановку задачи. Исходные данные примера подобраны таким образом, что во всем разумном диапазоне изменения случайного параметра существует только одно оптимальное решение X = {1,13; 0,00; 0,00; 3,10}, найденное при M-постановке задачи. Именно это решение будет оптимальным и при P-постановке задачи.
81
|
1,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
появления |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
0,9 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,7 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Вероятность |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
27 |
28 |
29 |
30 |
31 |
32 |
33 |
34 |
35 |
36 |
37 |
38 |
39 |
40 |
|
|
|
|
|
Значения целевой функции |
|
|
|
|
|
|
Рис. 3.8. Функция распределения целевой функции |
|
|
||||||
|
1,1 |
|
|
|
|
|
|
|
|
|
появления |
1 |
|
|
|
|
|
|
|
|
|
0,9 |
|
|
|
|
|
|
|
|
|
|
0,8 |
|
|
|
|
|
|
|
|
|
|
0,7 |
|
|
|
|
|
|
|
|
|
|
0,6 |
|
|
|
|
|
|
|
|
|
|
Вероятность |
|
|
|
|
|
|
|
|
|
|
0,5 |
|
|
|
|
|
|
|
|
|
|
0,4 |
|
|
|
|
|
|
|
|
|
|
0,3 |
|
|
|
|
|
|
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
|
|
0,1 |
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
0 |
10 |
20 |
30 |
40 |
50 |
60 |
70 |
80 |
90 |
|
|
|
|
Значения целевой функции |
|
|
|
|
|
Решение 1 |
|
|
|
Решение 2 |
|
Решение 3 |
|
|
|
|
|
|
|||
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
Рис. 3.9. Функция распределения целевой функции при различных вариантах решений
Изменим условия задачи. Будем считать, что c1 распределен по нормальному закону со стандартным отклонением 5, а не 1, как в предыдущем случае. Все остальные параметры задачи сохраним. Решением задачи в M-постановке по-прежнему является набор переменных X = {1,13; 0,00; 0,00; 3,10}, обеспечивающий оптимальное значение целевой функции округленно равное 33,90. А решение задачи в P-поста-
82
новке, представленное в табл. 3.13, существенно отличается при разных уровнях задаваемых вероятностей.
Как следует из табл. 3.13, существует три варианта решения задачи: X={0,00; 1,78; 0,00; 1,87}, X={1,13; 0,00; 0,00; 3,10}, X={2,68; 0,00; 0,00; 0,00}. Каждый из этих вариантов обеспечивает свое значение целевой функции, а на рис. 3.9 представлены расчеты функций распределения целевой функции при использовании каждого из решений. Теперь перейдем собственно к решению задачи в P-постановке. Вероятность того, что целевая функция будет больше некоторого наперед заданного значения r, определяется по формуле P(E>r)=1–P(E≤ r). Зададим значение r = 20. Как следует из графика рис. 3.9, наибольшее значение P(E>r) обеспечивает решение 1 {0,00; 1,78; 0,00; 1,87}. При r = 30 лучший результат дает решение 2 {1,13; 0,00; 0,00; 3,10}, а при r = 50 – решение 3 {2,68; 0,00; 0,00; 0,00}. Около r = 40 имеет место граничное значение между двумя решениям, причем точное значение границы также может быть определено расчетным путем.
Таблица 3.13
Решение задачи в условиях риска с одним стохостическим параметром
Вероятность |
Значение |
Решение |
Решение |
Решение |
Решение |
Целевая |
|
параметра |
: |
: |
: |
: |
функция |
|
|
1 |
2 |
3 |
4 |
|
0,00001 |
–12,19 |
0,00 |
1,78 |
0,00 |
1,87 |
26,99 |
|
|
|
|
|
|
|
0,10 |
2,73 |
0,00 |
1,78 |
0,00 |
1,87 |
26,99 |
|
|
|
|
|
|
|
0,20 |
4,93 |
1,13 |
0,00 |
0,00 |
3,10 |
29,15 |
|
|
|
|
|
|
|
0,30 |
6,52 |
1,13 |
0,00 |
0,00 |
3,10 |
30,94 |
|
|
|
|
|
|
|
0,40 |
7,87 |
1,13 |
0,00 |
0,00 |
3,10 |
32,47 |
|
|
|
|
|
|
|
0,50 |
9,14 |
1,13 |
0,00 |
0,00 |
3,10 |
33,90 |
|
|
|
|
|
|
|
0,60 |
10,41 |
1,13 |
0,00 |
0,00 |
3,10 |
35,34 |
|
|
|
|
|
|
|
0,70 |
11,76 |
1,13 |
0,00 |
0,00 |
3,10 |
36,87 |
|
|
|
|
|
|
|
0,80 |
13,35 |
1,13 |
0,00 |
0,00 |
3,10 |
38,66 |
|
|
|
|
|
|
|
0,90 |
15,55 |
2,68 |
0,00 |
0,00 |
0,00 |
41,65 |
|
|
|
|
|
|
|
0,99999 |
30,47 |
2,68 |
0,00 |
0,00 |
0,00 |
81,62 |
|
|
|
|
|
|
|
Отметим, что в качестве случайного параметра можно рассматривать один из параметров, входящих в ограничения, например a1 или b1.
83
Методика решения задачи разработки управленческого решения в этом случае существенно не меняется.
Задачи в условиях риска с несколькими стохастическими параметрами
Методика решения задач в условиях риска с несколькими стохастическими параметрами базируется на расчете величины стохастической поправки, определяемой с учетом всех входящих в выражение случайных параметров. В простейшем случае случайные параметры считаются некоррелированными и распределенными по одинаковому закону распределения, например нормальному, с известными дисперсиями и математическими ожиданиями. Тогда детерминированный эквивалент вероятностного ограничения может быть записан в виде [15]
n |
|
|
|
|
|
|
n |
|
|
|
|
|
∑ |
|
x |
|
+ Ф−1 |
(α |
) |
σ |
2 x+2 |
θ |
2≤ |
|
, |
|
|
b |
||||||||||
a |
j |
|||||||||||
ij |
|
|
i ∑ |
|
ij j |
|
i |
i |
||||
j=1 |
|
|
|
|
|
|
j=1 |
|
|
|
|
|
где aij ,bi – математические ожидания, σ ij2 ,θi2 – дисперсии случайных величин aij, bi. СимволомФ−1(α i ) обозначена обратная функция нормального стандартного (в отличие от использовавшегося при решении предыдущей задачи обычного) распределения
|
1 |
t |
−t2 )dt, |
|
Ф(t) = |
∫ exp( |
|||
2π |
||||
|
−∞ |
2 |
а α i – заданный уровень вероятности. В остальном методика решения задачи совпадает с описанной ранее.
Таким образом, из всего многообразия структурируемых задач разработки управленческого решения можно выделить группу стохастических задач, решаемых специальными методами теории вероятностей и математической статистики и называемых задачами в условиях риска.
3.7.Разработка управленческого решения
вусловиях неопределенности
Задача разработки управленческого решения в условиях неопределенности является разновидностью задач в условиях риска в широком понимании этого термина. В терминологии исследования операций [5] задача в условиях неопределенности в отличие от задачи в условиях риска возникает в том случае, когда менеджер не располагает никакой статистической 84
информацией о параметрах случайных величин и, как следствие, не может составить или получить выражение для функции распределения, определить моменты и т.п. Поэтому рассчитать вероятность получения определенного значения показателя эффективности оказывается невозможным, хотя он принимает случайные значения в каждом конкретном эксперименте при многократном повторении процедуры принятия решения.
Можно выделить два случая, характеризующих вероятность получения определенного значения критериальной функции. Во-первых, эти вероятности могут не иметь физического смысла, поскольку входящие в задачу неопределенные факторы имеют нестохастическую природу. К их числу относятся стратегические неопределенности, объясняющиеся участием в задаче нескольких разумных сторон, преследующих, в частности, противоположные цели. Неопределенность в задаче возникает потому, что менеджеру неизвестны действия, которые будут предприняты сторонами (противником), и он должен принимать решение в отсутствие полной информации. Кроме этого, в задаче могут возникать концептуальные неопределенности, связанные с принятием особо сложных решений и вызванные нечетким представлением о собственных целях и возможностях, целях и возможностях других сторон. Во-вто- рых, на решение задачи могут оказывать влияние стохастические неопределенности, возникающие из-за отсутствия информации о характере влияющих процессов, но не предусматривающие разумного вмешательства. В этом случае обычно говорят о воздействии природы на решение задачи, предполагая при этом отсутствие точек излома и разрыва и наличие инерционности в характеристиках мешающих факторов.
Математически задача разработки управленческого решения в условиях неопределенности может быть записана в виде
|
E = E (C, X , Z , Z |
2 |
, |
..., Z |
r |
); |
|
|
||||||||||||||||||
|
|
|
|
|
( A , X , |
1 |
|
|
|
|
|
|
|
|
) ,{=,≤ |
≥ ;}b |
||||||||||
|
g |
i |
= g |
i |
Z |
|
, |
Z |
2i |
,..., |
Z |
ri |
||||||||||||||
|
|
|
|
|
|
i |
|
|
|
|
|
1i |
|
|
|
|
|
|
|
i |
||||||
i = 1, 2, |
|
|
|
...m , |
|
|
|
; |
|
|
|
|
|
|
|
|
|
|
||||||||
|
C= (c , |
c , ...,c |
|
); |
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
1 |
|
2 |
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
X |
= (x , x |
2 |
,..., x |
n |
); |
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
A= (a , a |
2 |
,..., a |
n |
); |
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
1 |
|
|
|
|
|
|
...), |
|
|
|
|
|
|
|
|
||||||||
|
Z |
= (z , z |
2 |
,..., z |
f |
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
85
где zf – конкретная реализация неопределенного фактора. Неконтролируемые переменные Z принимают случайное значение и могут относиться либо к категории нестохастических (игры с противником), либо стохастических (игры с природой) случайных величин.
Основные методы решения задач в условиях неопределенности разработаны в математической теории игр [5, 11, 12]. Предполагается, что правила игры известны всем ее участникам и обязательно выполняются. Каждый случай игры называется партией. Элементами партии являются ходы, которые могут быть личными (сознательное действие) и случайными. Каждый из игроков руководствуется совокупностью правил, однозначно определяющих выбор его ходов, называемую стратегией. Число таких стратегий может быть конечным или бесконечным. Результатом игры является выигрыш или проигрыш игроков. Например, если в игре участвуют только два игрока, преследующие прямо противоположные цели, то выигрыш одного игрока означает точно такой же проигрыш другого. Такая игра называется парной антагонистической игрой с нулевой суммой.
Игры с противником
Рассмотрим задачу разработки управленческого решения с одним неопределенным фактором Z, принимающим только два возможных значения Z = (z1, z2) при выборе противником соответственно стратегий N1 и N2. Будем считать для определенности, что этот фактор непосредственно влияет на критериальную функцию E = E(C,X,Z). Если случайный фактор непосредственно влияет на ограничения, то наши рассуждения были бы аналогичными с той только разницей, что значение критериальной функции определялось бы за счет решения всей задачи с учетом ограничений. Найдем два оптимальных решения X1 и X2 , с учетом двух возможных стратегий противника N1 и N2 соответствующие выражениям
E11 = max E (C, X1, z1 ), E22 = max E (C, X 2 , z2 ).
Полученные решения X1 и X2 представляют собой оптимальные действия (стратегии) менеджера M1 и M2 в том случае, когда он угадал дальнейшее развитие событий. Рассчитаем дополнительно значение показателя эффективности при условии, что менеджер не угадал ответ противника:
86
E12 = max E (C, X1, z2 ),
E21 = max E (C, X 2 , z1 ).
На основе проведенных расчетов со- |
|
Таблица 3.14 |
||
ставим так называемую платежную мат- |
Пример платежной матрицы |
|||
рицу (табл. 3.14), где строки M и M |
|
|
|
|
1 |
2 |
Стратегии |
N1 |
N2 |
представляют собой возможные страте- |
||||
гии менеджера, а N1 и N2 – возможные |
M1 |
E11 |
E12 |
|
стратегии противника. Очевидно, что ана- |
M2 |
E21 |
E22 |
|
логичная матрица может быть построе- |
|
|
|
на и при большем числе возможных стратегий, а также при большем числе неопределенных факторов. В общем случае при конечном числе стратегий ее размер может быть m× n.
Отыщем решение игры, пользуясь методами теории игр. Найдем оптимальную стратегию для менеджера, не зависящую от действий противника. В этом случае возникает вопрос о выборе критерия оптимальности. Например, в качестве используемой менеджером стратегии можно выбрать стратегию, которая приносит возможный максимальный выигрыш. Такая стратегия может оказаться весьма рискованной, поскольку в конкретной ситуации противник может ответить стратегией, приводящей к большему проигрышу. Более разумным представляется воспользоваться стратегией, которая минимизирует возможный проигрыш менеджера. Обозначим α i минимальный выигрыш менеджера при выборе им i-й стратегии при всех возможных стратегиях противника
α i= |
min {Eij }= min{Ei1, Ei2 }. |
||
|
j=1,2,...,n |
|
|
Из всех чисел α i выбираем наибольшее |
|
min {Eij }, |
|
α = max {α |
i=} maxα{α 1, =2 } |
max |
|
i=1,2,...,n |
i=1,...,m |
j=1,...,n |
и назовем его нижней ценой игры (гарантированный выигрыш менеджера при любой стратегии противника). Если цели игроков противоположны, что имеет место в антагонистической игре, то очевидно, что противник заинтересован уменьшить выигрыш менеджера и будет выбирать соответствующие стратегии. Найдем максимальный выигрыш менеджера при каждой стратегии противника
β j |
= max {Eij }= max{E1 j , E2 j }. |
|
i=1,2,...,m |
87
Для того чтобы минимизировать свой проигрыш, противник выберет стратегию, в которой выигрыш менеджера минимален
β = min {β j }= min{β |
1,β |
2}= |
min |
max {Eij }. |
j=1,...,n |
|
|
j=1,...,n |
i=1,...,m |
Назовем этот выигрыш верхней ценой игры. Очевидно, что если по ка- ким-то причинам противник не воспользовался своей оптимальной стратегией, то выигрыш менеджера только возрастет. Если верхняя и нижняя цены игры совпадают, то их значение ν называют чистой ценой игры
α = β = ν.
Стратегии, соответствующие цене игры, называются чистыми, а их совокупность дает оптимальное решение. Используя оптимальное решение, менеджер получает минимальный гарантированный выигрыш ν независимо от поведения противника. Пара чистых стратегий Mi и Nj дает оптимальное решение игры тогда и только тогда, когда соответствующий им элемент Eij является одновременно наибольшим в своем столбце и наименьшим в своей строке. Такая ситуация называется седловой точкой, а соответствующая ей игра – игрой с седловой точкой.
Если седловая точка в платежной матрице отсутствует, то существует несколько стратегий и менеджера, и противника, позволяющих получить цену игры. Выбор менеджером одной из чистых стратегий наталкивается на естественное противодействие противника, желающего минимизировать свой проигрыш и выбирающего ответную стратегию с учетом информации о выборе менеджера. Это обстоятельство приводит к тому, что менеджер оказывается вынужден хранить свой выбор в тайне и, кроме этого, чередовать чистые стратегии при многократном повторении игры по случайному закону. Если так не делать, то противник привыкнет к тому, что менеджер играет одинаково и с учетом этого будет строить свою игру. Смешанной стратегией SM называется применение чистых стратегий M1, M2,…, Mm с вероятностями p1, p2,…, pm, причем
∑m pi = 1. i=1
Будем записывать смешанные стратегии в виде матрицы
SM |
|
M |
, M |
|
,..., M |
|
= |
1 |
|
2 |
|
m , |
|
|
|
p1, p2 ,..., pm |
|
88
или в виде вектора SM =(p1, p2,…, pm). Смешанные стратегии противника запишем аналогично, обозначая соответствующие вероятности буквой q:
∑n q j = 1, j=1
N , N ,..., N
SN = 1 2 n
q1, q2 ,...,qn
или SN =(p1, p2,…, pn). Найдем оптимальную стратегию, обеспечивающую S M = (p1 , p2 , ... , pm ) менеджеру средний выигрыш не меньший, чем цена игры ν (α≤ν≤β ). Математическое ожидание выигрыша менеджера при реализации противником стратегии Nj
E j = ∑m |
Eij pi . |
i=1 |
|
Если ν – цена игры, то при условии ν > 0 имеем набор n ограничений
|
|
|
∑m |
Eij pi ≥ ν . |
|
|
|
i=1 |
|
Учитывая |
∑m |
pi |
= 1, будем искать набор p , обеспечивающий макси- |
|
|
i =1 |
|
|
i |
мальную цену игры ν, для чего сделаем замену переменных xi = pi/ν.
Запишем итоговые выражения для целевой функции и ограничений задачи оптимизации
|
m |
|
|
1 |
|
|
|
∑ |
xi |
= |
→ min, |
||
ν |
||||||
|
i=1 |
|
|
|
||
|
m |
|
|
|||
|
|
|
|
|
||
g j = ∑ Eij xi ≥ 1 |
||||||
|
||||||
|
|
|
i=1 |
|
|
и решим задачу линейного программирования. Элементы оптимальной смешанной стратегии менеджера SM определяются подстановкой pi = xi ν . Оптимальная смешанная стратегия противника определяется аналогично
89
|
n |
Eij q j ≤ ν , |
|
∑ |
|
|
j=1 |
|
|
|
|
∑n |
qi = 1, |
|
|
j=1 |
|
а задача линейного программирования формулируется в виде
|
n |
|
|
1 |
|
|
|
∑ |
x j |
= |
→ max, |
||
ν |
||||||
|
j=1 |
|
|
|
||
|
|
|
n |
|
|
|
|
|
|
|
|
||
gi = ∑ Eij x j ≤ 1. |
||||||
|
||||||
|
|
|
j=1 |
|
|
Тогда результатом решения задачи разработки управленческого решения будет последовательность стратегий менеджера, реализуемых по случайному закону с заданными вероятностями их появления.
В качестве примера рассмотрим еще раз распределительную задачу, описанную выше. Пусть количество имеющихся ресурсов описывается набором значений b={30,52; 51,11; 31,23; 26,28; 39,40; 57,47; 53,61; 44,30; 84,54}; матрица коэффициентов α ij имеет вид табл. 3.2, в которой столбцы имеют смысл вида соответствующей продукции, а строки – вида ресурса. Будем считать, что входящий в состав коэффициентов значимости параметр c1 носит случайный характер и принимает два возможных значения z1= 9,20 и z2=18,40. Тогда коэффициенты значимости каждого вида продукции cj могут иметь два возможных набора значений: {9,20; 7,15; 6,01; 7,61} и {18,40; 7,15; 6,01; 7,61}. Предположим, что имеет место антагонистическая игра с противником, т.е. z1, z2 определяют возможные стратегии противника N1 и N2. Будем считать, что в распоряжении менеджера также имеются две возможные стратегии M1 и M2. Построим платежную матрицу. Значение E11 определяется как целевая функция при решении задачи в предположении, что противник выбрал стратегию N1 (z1= 9,20), а менеджер стратегию M1 (стратегия противника угадана). Это решение ранее уже было получено и представляет собой набор переменных X = {1,13; 0,00; 0,00; 3,10}, обеспечивающий оптимальное значение целевой функции округленно равное 33,97 при общем суммарном расходе ресурсов равном 185,59. Значение E22
90