
- •Часть IV
- •Глава 20
- •20.4. Классификация задач и методов коллективного выбора
- •Глава 21 голосование
- •21.9. Свойства процедур голосования
- •Свойства процедур голосования
- •Глава 22
- •22.7. Условия рациональности выбора в функциональной модели
- •Глава 23
- •23.1. Многокритериальный подход к коллективному выбору
- •23.3. Статистический анализ экспертных суждений
- •7. Для каждого варианта задается показатель его удаленности от наихудшего опорного варианта как
- •23.11. Особенности групповых
- •23.12. Общая характеристика методов коллективного выбора
- •Глава 21 голосование 299
- •Глава 22 313
- •Глава 23 340
23.11. Особенности групповых
многокритериальных методов
Современные методы многокритериального коллективного выбора носят в основном эвристический характер и сочетают подходы, присущие методам Многокритериального индивидуального выбора, экспертного оценивания и агрегирования индивидуальных предпочтений.
Эти методы позволяют экспертам/членам ГПР индивидуально оценивать каждый вариант по многим критериям и находить наилучшее или приемлемое для всех решение задачи коллективного выбора. В процессе решения суперЛПР имеет возможность выражать свои предпочтения, устанавливая компетентность экспертов и задавая различную важность критериев, по которым оцениваются варианты. Наряду с этим, если необходимо, каждый эксперт также может вводить свои собственные индивидуальные веса критериев.
Характерная особенность принятия коллективных решений при наличии нескольких независимых ЛПР и/или экспертов заключается в неоднозначности их оценок, которая может быть обусловлена разнообразными причинами. Большие сложности решения задач группового многокритериального выбора создают множественность и повторяемость признаков, описывающих варианты. Дополнительные трудности связаны с необходимостью одновременного учета различных числовых и вербальных показателей, спецификой их обработки.
В групповых методах многокритериального анализа и выбора нередко используются такие известные приемы многокритериальной оптимизации, как усреднение показателей и свертка критериев, с помощью которых множественное представление рассматриваемых многопризнаковых вариантов сводится к более простому. Усреднение числовых оценок вариантов по экспертам позволяет объединить совокупность многих векторов оценок в единственный вектор, а усреднение по вариантам — сделать сопоставимыми оценки по разнородным количественным шкалам. Свертка критериев делает многокритериальную оценку од- нокритериальной. Подобные преобразования числовых данных облегчают поиск лучшего группового решения.
Вычисление средних значений экспертных оценок, в частности средних баллов, и свертка критериев являются весьма популярными на практике приемами для представления коллективного мнения. Вместе с тем стремление все усреднять ведет к нивелированию различий в индивидуальных суждениях экспертов, сглаживанию и устранению крайних точек зрения, в которых, быть может, и заключено рациональное зерно. Усредненные же оценки только выражают обезличенное коллективное мнение экспертов, которое либо может оказаться тривиальным, либо давать худшее, а иногда и совсем плохое решение стоящей проблемы.
Примечательно в этом отношении мнение А. Курно, который еще в 1843 г. отмечал ограниченность использования операции усреднения, указывая, что средние значения элементов сложной системы могут быть несовместимы друг с другом. Например, треугольник, имеющий стороны, длины которых суть средние арифметические длин соответствующих сторон нескольких прямоугольных треугольников, сам уже прямоугольным треугольником не будет.
Для обработки вербальных (не числовых) оценок вариантов нередко качественные шкалы превращают в числовые, что не всегда является допустимой операцией. Применение же для качественных признаков процедуры «усреднения» вообще некорректно.
Более обоснованным подходом представляется использование для описания многопризнаковых вариантов формализма теории мультимножеств, при котором не происходит «перемешивания» количественных и качественных признаков и усреднения их значений, а каждый из видов признаков сохраняет свою природу на протяжении всего процесса решения задачи. Разнообразие и большее, чем у множеств, число допустимых для мультимножеств операций открывает новые возможности для агрегирования и дезагрегирования значений признаков, группирования и анализа многопризнаковых вариантов. Такого рода преобразования не вносят искажений в исходные данные и существенно упрощают процедуры обработки информации.
Методы принятия групповых многокритериальных решений в целом пока еще не получили широкого распространения, как из-за недостаточного числа практических задач, где возможно их использование, так и вследствие трудностей организации экспертизы вариантов, которая обеспечивала бы надежное получение необходимой для выбора информации. Существенно, что применение разных методов коллективного многокритериального выбора может давать разные итоговые результаты, что, впрочем, характерно не только для этих методов. Вместе с тем потребность в методах группового многокритериального выбора постоянно возрастает, привлекая к ним все большее внимание исследователей и практиков.