- •Математические методы системного анализа и теория принятия решений Методическое пособие
- •1. Теория принятия решений 4
- •2. Линейное программирование 9
- •3. Нелинейное программирование 42
- •4. Игровые методы обоснования решений 51
- •5. Задачи распознавания образов 62
- •Предисловие
- •1. Теория принятия решений
- •1.1. Задачи, связанные с принятием решений Проблема оптимальности.
- •Основные понятия и принципы исследования операций.
- •Примеры задач исследования операций.
- •1.2. Математические модели операций Искусство моделирования.
- •1.3. Разновидности задач исследования операций и подходов к их решению Прямые и обратные задачи исследования операций.
- •Пример выбора решения при определенности: линейное программирование.
- •Проблема выбора решений в условиях неопределенности.
- •Выбор решения по многим критериям.
- •«Системный подход».
- •2. Линейное программирование
- •2.1. Краткое представление о математическом программировании Предмет математического программирования.
- •Краткая классификация методов математического программирования.
- •2.2. Примеры экономических задач линейного программирования Понятие линейного программирования.
- •Задача о наилучшем использовании ресурсов.
- •Задача о выборе оптимальных технологий.
- •Задача о смесях.
- •Задача о раскрое материалов.
- •Транспортная задача.
- •2.3. Линейные векторные пространства Основные понятия линейного векторного пространства.
- •Решение систем линейных уравнений методом Гаусса.
- •Реализация метода исключения неизвестных в среде Excel.
- •Различные схемы реализации метода Гаусса.
- •Опорные решения системы линейных уравнений.
- •2.4. Формы записи задачи линейного программирования Основные виды записи злп.
- •Каноническая форма представления задачи линейного программирования.
- •Переход к канонической форме.
- •2.5. Геометрическая интерпретация задачи линейного программирования Определение выпуклой области.
- •Геометрическая интерпретация.
- •2.6. Свойства решений задачи линейного программирования Свойства основной задачи линейного программирования.
- •Графический метод решения задачи линейного программирования.
- •2.7. Симплексный метод Идея симплекс-метода.
- •Теоретические обоснования симплекс-метода.
- •Переход к нехудшему опорному плану.
- •Зацикливание.
- •Алгоритм симплекс-метода.
- •2.8. Двойственность в линейном программировании Прямая и двойственная задача.
- •Связь между решениями прямой и двойственной задач.
- •Геометрическая интерпретация двойственных задач.
- •2.9. Метод искусственного базиса Идея и реализация метода искусственного базиса.
- •3. Нелинейное программирование
- •3.1. Общая задача нелинейного программирования Постановка задачи.
- •Примеры задач нелинейного программирования (экономические).
- •Геометрическая интерпретация задачи нелинейного программирования.
- •3.2. Выпуклое программирование Постановка задачи выпуклого программирования.
- •3.3. Классические методы оптимизации Метод прямого перебора.
- •Классический метод дифференциальных исчислений.
- •3.4. Метод множителей лагранжа
- •3.5. Градиентные методы решения задач нелинейного программирования Общая идея методов.
- •Метод Франка-Вулфа.
- •Метод штрафных функций.
- •4. Игровые методы обоснования решений
- •4.1. Предмет и задачи теории игр Основные понятия.
- •Классификация выборов решений.
- •Антагонистические матричные игры.
- •Чистые и смешанные стратегии и их свойства.
- •4.2. Методы решения конечных игр Упрощение матричной игры.
- •Решение матричной игры размерностью 22.
- •Графическое решение матричной игры.
- •Сведение задач теории игр к задачам линейного программирования.
- •4.3. Задачи теории статистических решений Игры с природой.
- •Критерии принятия решений.
- •5. Задачи распознавания образов
- •5.1. Общая постановка задачи распознавания образов и их классификация Проблема распознавания.
- •Обсуждение задачи опознавания.
- •Язык распознавания образов.
- •Априорные предположения — это записанные специальным образом, накопленные знания специалистов.
- •Общая постановка задачи.
- •Геометрическая интерпретация задачи распознавания.
- •Классификация задач распознавания.
- •5.2. Подготовка и анализ исходных данных Общая схема решения задачи.
- •Общая схема постановки и решения задачи Анализ данных с целью выбора постановки и метода решения
- •5.3. Методы опознавания образов Основные этапы процесса опознавания образов.
- •Методы создания системы признаков.
- •Признаковое пространство.
- •Сокращение размерности исходного описания.
- •Методы построения решающего правила.
- •5.4. Меры и метрики Понятие о сходстве.
- •Меры сходства и метрики.
- •Примеры функций мер сходства.
- •5.5. Детерминированно-статистический подход к познаванию образов Основные этапы детерминированно-статистического подхода.
- •Получение исходного описания.
- •Создание системы признаков.
- •Сокращение размерности исходного описания.
- •Нахождение решающего правила (метод эталонов).
- •Коррекция решающего правила.
- •5.6. Детерминированный метод построения решающего правила (метод эталонов) Идея метода эталонов.
- •Минимизация числа эталонов.
- •Габаритные эталоны.
- •Применение метода эталонов к частично пересекающимся образам.
- •Дополнительная минимизация числа признаков.
- •Квадратичный дискриминантный анализ.
- •Распознавание с отказами.
- •5.8. Алгоритм голотип-1 Назначение
- •Постановка задачи
- •Метод решения задачи.
- •Условия применимости.
- •Условия применимости.
- •5.10. Алгоритм направление опробования Назначение
- •Постановка задачи.
- •Метод решения задачи.
- •Условия применимости.
- •Транспортная задача Математическая постановка.
- •Постановка задачи.
- •Теоретическое введение.
- •Методы нахождения опорного плана транспортной задачи.
- •Определение оптимального плана транспортной задачи.
- •Заключение.
- •Целочисленное программирование Постановки задач, приводящие к требованию целочисленности.
- •Постановка задачи.
- •Методы отсечения.
- •Алгоритм Гомори.
- •Первый алгоритм р. Гомори решения полностью целочисленных задач.
- •Приближенные методы.
- •Заключение.
- •Параметрическое программирование Введение.
- •Формулировка задачи.
- •Теоретическая часть.
- •Общая постановка задачи.
- •Решение задачи.
- •Геометрическая интерпретация задачи.
- •Общая постановка задачи.
- •Решение задачи.
- •Геометрическая интерпретация задачи
- •Постановка задачи.
- •Решение.
- •Геометрическое решение.
- •Решение задачи симплекс-методом.
- •Результат.
- •Некооперативные игры n лиц с ненулевой суммой Введение.
- •Теоретическая часть.
- •Постановка и решение задачи.
- •Заключение.
- •Cписок литературы
4.3. Задачи теории статистических решений Игры с природой.
В рассмотренных выше задачах теории игр предполагалось, что в них принимают участие игроки, интересы которых противоположны. Поэтому действия каждого игрока направлены на увеличение выигрыша (уменьшение проигрыша). Однако во многих задачах, приводящих к игровым, неопределенность вызвана отсутствием информации об условиях, в которых осуществляется действие. Эти условия зависят не от сознательных действий другого игрока, а от объективной действительности, которую принято называть «природой». Такие игры называются играми с природой.
Человек А в играх с природой старается действовать осмотрительно, используя, например, минимаксную стратегию, позволяющую получить наименьший проигрыш. Второй игрок В (природа) действует совершенно случайно, возможные стратегии определяются как ее состояния.
В некоторых задачах для состояний природы может быть задано распределение вероятностей, в других — оно неизвестно. Условия игры задаются матрицей
А=(aij)=.
Элемент aij равен выигрышу игрока А, если он использует стратегию Аi, а состояние природы — Pj. В ряде случаев рассматривают матрицу риска R. Элементы матрицы риска rij представляют собой разность между выигрышем, который получил бы игрок А, если бы знал состояние Pj, и выигрышем, который он получит в тех же условиях, применяя стратегию Аi, т. е.
rij=j- aij, где j=.
Критерии принятия решений.
Рассмотрим ряд критериев, используемых при решении игр с природой. При известном распределении вероятностей различных состояний природы критерием принятия решения является максимум математического ожидания выигрыша (минимум математического ожидания риска).
Критерий Байеса. Если вероятности состояния природы Pj равны qj (j=1...n), =1, то выбор i-стратегии обеспечивает математическое ожидание выигрыша, равное . Принимается решение об использовании стратегии, для которой имеет место
.
Если вопрос распределения вероятностей состояний природы не решен, то используют следующие критерии.
Максиминный критерий Вальда. Этот критерий совпадает с критерием выбора стратегии, позволяющим получить нижнюю цену игры для двух лиц с нулевой суммой. Согласно этому критерию выбирается стратегия, гарантирующая при любых условиях выигрыши, не меньше, чем
.
Критерий минимального риска Сэвиджа. Этот критерий рекомендует выбирать в качестве оптимальной ту стратегию, при которой величина риска минимизируется в наихудших условиях, т. е. обеспечивается
.
Критерии Вальда и Сэвиджа основаны на самой пессимистической оценке обстановки.
Критерий Гурвица является критерием пессимизма-оптимизма. За оптимальную принимается та стратегия, для которой выполняется соотношение
, где .
При =0 имеем критерий крайнего оптимизма, а при =1 — критерий пессимизма Вальда. При желании подстраховаться в данной ситуации принимают близким к единице.
П р и м е р 1. Найти решении статистической игры, используя несколько различных критериев.
-
5
2
8
4
2
3
4
12
8
5
3
10
1
4
2
8
Р е ш е н и е.
|
|
|
B1 |
B2 |
B3 |
B4 |
|
---|---|---|---|---|---|---|---|
|
|
A1 |
5 |
2 |
8 |
4 |
2 |
|
A2 |
2 |
3 |
4 |
12 |
2 |
|
|
A3 |
8 |
5 |
3 |
10 |
3 |
|
|
A4 |
1 |
4 |
2 |
8 |
1 |
|
|
|
8 |
5 |
8 |
12 |
|
Согласно критерию Вальда находим, что , поэтому решением данной матричной игры является стратегия А3.
Воспользуемся критерием Сэвиджа. Построим матрицу рисков:
3 |
3 |
0 |
8 |
8 |
6 |
2 |
4 |
0 |
6 |
0 |
0 |
5 |
2 |
5 |
7 |
1 |
6 |
4 |
7 |
Согласно критерию Сэвиджа определяем В соответствии с этим критерием также предполагается решение А3. Воспользуемся критерием Гурвица. Положим =0.5; тогда
т. е. следует принять решение А2.
Если предположить известным распределение вероятностей для различных состояний природы, например считать эти состояния равновероятными (q1=q2=q3=q4=1/4), то для принятия решения следует найти математические ожидания выигрыша:
M1=
M2=
M3=
M4=
Так как максимальное значение имеет М3, то следует выбрать решение А3.
Таким образом, в большинстве случаев критерии указывают на стратегию А3, поэтому разумно принять именно ее.