- •Лекции по системному анализу
- •Глава I
- •Системы
- •1.2. Общая теория систем
- •Функции и аспекты системного подхода
- •Аспекты системного подхода:
- •1.4. Взаимодействие системного подхода с другими междисциплинарными системными направлениями
- •Глава II Системный анализ
- •2.1. Системный анализ и системотехника
- •2.2. Основные этапы системного анализа
- •2.3. Модели в системном анализе
- •2. 3. 1. Отношения
- •Т.О., множество r-(X) – это множество всех элементов y м, с которыми фиксированный элемент м находиться в отношении r.
- •Рассмотрим четыре отношения специального вида:
- •Операции над отношениями.
- •В графе g(r_) присутствуют только те дуги, которые отсутствуют в графе g(r).
- •Отношение толерантности
- •Отношение порядка
- •Размытые (нечеткие) множества
- •2.2.2. Классификация моделей
- •Взаимодействие со средой.
- •При описании системы в виде конечного автомата: ,
- •2.3.1. Трехместные и n-местные отношения
- •II.4.3. Понятие нечеткой и лингвистической переменной
- •Шкала наименований:
- •Этап 5. Анализ взаимовлияния целей, альтернатив и ресурсов
- •IV.6. Этап 6. Принятие решения
- •3.1. Методы экспертного оценивания альтернатив
- •4.3.1. Методы получения качественных оценок
- •1. Метод парных сравнении
- •2. Метод множественных сравнений (мс)
- •3. Ранжирование
- •4. Метод векторов предпочтений
- •5. Задача классификации
- •4.1.2. Методы получения количественных оценок
- •2. Метод Черчмена – Акофа
- •3. Метод Терстоуна
- •Определение результирующих оценок ответов экспертов
- •1. Принцип Кондорсе
- •2. Принцип Борда
- •A Лекция №11
- •5.4.2 Меры близости на отношениях
- •Парадокс Эрроу.
- •4. 3.5. Медиана Кемени
- •Эвристический алгоритм
- •A Лекция №13
- •6.4 Показатели согласованности общественного мнения группы экспертов
- •6.4.1 Метод коэффициентов ассоциаций
- •VI.4.2 Коэффициенты ранговой корреляции
- •6.4.3 Коэффициент конкордации (от англ. Согласованность)
- •Эксперты дают одинаковые оценки разным альтернативам
- •Многокритериальные задачи принятия решения Классификация многокритериальных задач
- •1. Задачи оптимизации на множестве целей.
- •2. Задачи оптимизации на множестве объектов
- •3. Задача оптимизации на множестве условий функционирования
- •4. Задача оптимизации на множестве этапов функционирования
- •Предпочтения лпр
- •Наилучшие решения
- •Если множество maxpB не является внешне устойчивым, то для утверждения о том, что выбор следует ограничить рамками этого множества, нет основания (т.Е. Наилучший объект может этому множеству)
- •Т Лекция№16 у Слейтора все граничные точки включены в множество.
- •А Лекция №17 Концептуальные проблемы при решении многокритериальных задач
- •7.2.3. Принципы компромисса.
- •К Лекция № 19
- •IV. Методы порогов сравнимости.
- •1. Вводятся бинарные отношения.
- •2. Появился добавочный коэффициент.
- •Использование нечетких множеств в мкз
- •Методы прогнозирования Существуют 2 направления:
- •К Лекция №20
- •2. Эти методы опираются на методологию системного аналитика.
Т Лекция№16 у Слейтора все граничные точки включены в множество.
Точки, лучшие, чем y в смысле заполняют прямой угол, стороны которого параллельны осям координат (включая границы угла). Вершиной угла является точка y (сама она в это множество не включается), а точки, лучшие, чем y в смысле >, составляют внутренность этого же угла.
Отношения _, ,>, определяемые на множестве оценок, аналогичны по смыслу отношениям f, f, f предпочтений на множестве решений.
f – не менее предпочтительнее, чем
f – предпочтительнее
Отношение f является квазипорядком, а отношения f и f – строгие порядки.
Решению, наибольшему по f соответствует отношение _ из множества всех оценок. След. наибольшее по f решение обращает в max на множестве Х каждый из критериев f1,…,fm. Эти решения считаются оптимальными, но в реальной жизни их почти нет.
Решение х0Х является эффективным, если не существует решения х Х:
х f х0. – Рр(х)
Решение х0Х является слабо эффективным, если не существует решения х Х:
х f х0. – Sp(x)
Понятие эффективного решения теряет смысл, когда нужно найти несколько лучших решений.
Собственные эффективные оценки и решения
Исследования показывают, что среди эффективных могут встречаться оценки (решения), оказывающиеся в определенном смысле аномальными.
Пример: Y:{yE2/y1-y2}
E
2
– двумерное евклидово пространство
P(y)
y2
y2 = y2-(y2)0=y2>0 y2
y1 = y1-(y1)0=y1=-(y1)2<0
y1 y0 y1
Если перейти из точки y10 в достаточно близкую эффективную точку y, то будет получен выигрыш первого порядка малости по второму критерию, за счет проигрыша второго порядка малости по первому критерию.
Если критерий f1 не считать несравненно более важным, чем f2, то можно согласиться на некоторое увеличение значения f2, допустив на порядок меньшие потери по f1. Т.о. y0 является аномальной.
Этот вывод справедлив только для непрерывных функций специального вида, причем, если все процедуры рассматриваются в промежутке от 0 до 1.
Этот пример показывает, что иногда имеет смысл выделять эффективные решения без аномалий. Для общего случая определение собственной эффективности было предложено Джоффрионом в 1918 г.
Эффективная оценка y0 называется собственно эффективной (оптимальной по Джоффриону), если существует такое положительное число , что для любого iM и yY, для которых выполняется следующее неравенство: yi>(yi)o (1) и некоторого jM (M- множество критериев) такого, что yj>(yj)o (2), выполняется неравенство: (yi-(yi)o )/( yj>(yj)o) (3)
Заметим, что поскольку y0эффективна, то если существует оценка y, для которой при некотором i выполняется (1), то обязательно найдется j для которого будет выполняться (2) . Поэтому смысл этого определения в требовании существования , для которого будет выполняться (3).
Все собственные решения составляют множество G(Y)
G(Y)P(Y)S(Y)
Если множество Y конечно, то всякая эффективная оценка является и собственно эффективной. Если Р(Y) содержит более одной оценки, то искомое можно задать следующим равенством:
=max {(yi-(yi)o )/( yj>(yj)o) } ij
Наилучшая по отношению оценка y0Y является собственно эффективной, т.к. y0 _y для любого yY и (1) не выполняется. Следующее решение, обращающее в max каждый из критериев f1,…,fm, является собственно эффективным.
Понятие собственных эффективных оценок и решений не имеет смысла, когда одни критерии несравненно важнее других.
Задачи, в которых критерии упорядочены по важности так, что каждый предыдущий важнее, чем все последующие, называются лексико-графическими задачами оптимизации, т.е. в таких задачах нестрого предпочтения является лексико-графическим порядком.
Этот порядок задается следующим образом:
y_вхy’, когда выполняется одно из условий:
y1> y1’
y1= y1’ и y2> y2’
…
yi= yi’ и i=1,…(m-1) ym> ym’
…
y= y’
Для лексико-графических задач важны исключения аномальных точек.
