
- •Глава I.
- •§ 1. Общие сведения
- •§ 2. Этапы операционного исследования
- •Глава II.
- •§ 3. Виды математических моделей, описываемых уравнениямл регрессии
- •§ 4. Дискриминация математических моделей, описываемых с помощью уравнений регрессии
- •§ 5. Проверка математической модели на адекватность
- •§ 6. Определение оптимальных решений на основе полученных уравнений регрессии
- •Глава III.
- •§7. Общие сведения
- •§ 8. Принятие решения в условиях полной определенности
- •§9. Принятие решения в условиях стохастической неопределенности, когда внешние условия задаются своими вероятностями
- •§10. Принятие решения в условиях полной неопределенности, когда вероятности внешних условий неизвестны
- •Глава IV.
- •§11. Общие сведения
- •§12. Закон распределения случайной функции. Характеристики случайной функции
- •Глава V.
- •§15. Общие сведения
- •§16. Определение вероятностей состояний системы, описываемой случайным марковским процессом с дискретными состояниями и дискретным временем
- •Глава VI.
- •§17. Общие сведения
- •§18. Одноканальная система с отказами
- •§ 20. Многоканальная система массового обслуживания с ожиданием в очереди при ограничении длины очереди
- •§ 21. Замкнутые системы массового обслуживания
- •§22. Теоретические основы метода
- •§ 23. Алгоритм для моделирования случайных величин, распределенных по показательному закону
- •§24. Решение задачи теории массового обслуживания методом статистического моделирования
- •Глава VIII.
- •§25. Общие сведения
- •§26. Решение задач линейного программирования графическим способом
- •§27. Математическая формулировка задачи линейного программирования
- •§ 28. Разрешимость системы ограничений в задачах линейного программирования
- •§29. Решение экономических задач методом линейного программирования
- •§30. Терминология, применяемая при решении задач линейного программирования
- •§ 37. Идея симплекс—метода
- •§38. Табличный симплексный метод
- •Глава IX.
- •§40. Общие сведения
- •§ 41. Проверка согласованности показаний двух экспертов
- •§42. Проверка согласованности показаний группы экспертов с помощью коэффициента конкордации Кендела
- •§ 43. Оценка компетентности экспертов
- •§ 44. Определение весов частных показателей эффективности
§10. Принятие решения в условиях полной неопределенности, когда вероятности внешних условий неизвестны
Кроме рассмотренных выше случаев (§§8 и 9);b практике решения задач могут иметь место такие ситуации, когда известны значения выигрышей для различных внешних условий, однако вероятности указанных внешних условий неизвестны. В этом случае, для определения оптимальных решений применяются рассматриваемые ниже методы или подходы, предложенные Вадьдом, Сэвиджем и Гурвицем. Рассмотрим указанные методы.
1. Максминный метод Вальда
Для определения оптимальной стратегии, согласно методу Вальда, в каждой строке табл. 4 вычисляется минимальный выигрыш и из полученных минимальных выигрышей выбирается максимальный. Решение, отвечающее этому значению, и будет оптимальным, т.е.
[где А опт. ~ оптимальное решение (оптимальная стратегия);
Qi" ~ выигрыши, отвечающие различным стратегиям, вычисленные для раз—
с* личных внешних условий.
Проиллюстрируем применение указанного метода на примере. Предположим, что 'для четырех возможных стратегий при различных внешних условиях были подсчитаны значения выигрышей (см. табл. 4). Требуется, применяя метод Вальда. определить оптимальную стратегию.
Таблица 4. Определение оптимальной стратегии согласно методу Вальда
Решения, стратегии, альтер- |
внешние условия и отвечающие hn выигрышей для каждой стратегии |
значения |
Mit-ijl |
|
нативы, виды продукции |
Глина |
Песок |
Супесь |
|
П |
У2 |
уз |
||
Х1 |
ап=0,20 |
а 12 = 0,30 |
а13-0.15 |
aj = 0,15 |
\ Х£ |
а 21= 0,75 |
а 22 = 0,20 |
а 23 = 0,35 |
а2= 0,20 |
Х3 |
а 31= 0,25 |
а32=0,80 |
азз-0,75 |
а з = 0,25 |
Х4 |
а 41= 0,85 |
а42 = 0,05 |
а43=0,45 |
а4= 0,05 |
Рассматривая значения, помещенные в последнем столбце таб.л. 4, видим, что наибольшее значение из минимальных выигрышей равно 0,25, что отвечает стратегии Х3. Это значит, что для рассматриваемой задачи оптимальной, согласно методу Вальда, является стратегия Xj(cm. [6], [14] и др.).Метод Вальда называют методом крайнего пессимизма, так как согласно этому мзтоду "Всегда надо рассчитывать на худшее".
2. Метод минимаксного риска Сэвиджа
Метод Сэвиджа подобен методу Вальда с той лишь разницей, что значения критериев эффективности в статистической таб.лице выражаются в величинах риска. Пересчет величин выигрыша в значения риска производится с помощью приведенной выше формулы (,Е). Так, например, для условий, показанных в табл. 4, имеем
Таб.лица 5
Решения, стратегии, Внешние условия альтернативы, виды Глина Песок Супесь продукции M^LM-] У1 У2 УЗ хх Чп=0,65 Ч12 = 0,50 Ч13 = 0,30 Чг=0,65 х2 Ч21=0,10 Ч22=0,60 Ч2з=0,10 Ч2=0,60 хз Ч31=0,60 Ч32=0,00 Ч33=0Д0 Ч3 = 0,60 х4 Ч41 = 0,0 Ч42 = 0,75 Ч43 = 0,75 Ч4=0,75 |
Согласно методу Сэвиджа,в каждой строке статистической таб,лицы (табл. 5) вычисляется максимальное значение риска и из полученных значений выбирается минимальный риск. Решение, отвечающее этому значению, и будет оптимальным> т.е.
Как видим, для рассмотренного примера оптимальной стратегией, подсчитанной согласно методу Сэвиджа, является стратегия Х^ или Х^ , т.е. решения, полученные с помощью метода Вальда и метода Сэвиджа, совпадают.
Заметим, что метод Сэвиджа, так же как и метод Вальда, является методом крайнего пессимизма. Однако пессимизм в случае применения метода Сэвиджа проявляется в том, что из максимальных значений рисков выбирается минимальный.
3. Метод пессимизма—оптимизма Гурвица
Для условий, когда внешние условия не заданы своими вероятностями (случай под-ной неопределенности), оптимальная стратегия может определяться не только с помощью методов Вальда и,ли Сэвиджа, но и с помощью метода Гурвица. Метод Гурвица позволяет определять оптимальную стратегию в некотором диапазоне от крайнего пессимизма до крайнего оптимизма.
Оптимальная стратегия, согласно этому методу,вычисляется по форму.ле
где К - коэффициент, лежащий в пределах 0 $: К 4 Ь Нетрудно видеть, что при К = 1 метод Гурвица преобразуется в метод Вальда. При К = 0 метод Гурвица преобразуется в метод крайнего оптимизма. При среднем значении К , например, при 0,4 $• К$ $.0,6 метод Гурвица является средним между методом крайнего пессимизма и крайнего оптимизма.
Проиллюстрируем
порядок определения оптимальной
стратегии, согласно методу Гурвица
для условий, показанных в табл. 4, при
К = 0,6. Тогда
В главе кратко рассмотрены методы определения оптимальной стратегии для условий, когда математическая модель исследуемого явления задается в виде статистической таблицы, в которой для каждой из сравниваемых стратегий и различных внешних условий приведены значения частных критериев эффективности системы, выраженные в выигрышах и,ли в значениях риска. Указанные методы применяются при сравнительном анализе различных видов автомобильных и дорожных средств и систем. В ^частности, при решении задачи о конкурентной способности автомобилей и дорожностроительных машин Советского Союза.