33.Принятие решений в условиях определенности

Принятие решений в условиях определенности сводится к решению задач векторной оптимизации. Поэтому ниже рассмотрим основные методы решения подобного класса задач и приведем их краткие характеристики.

Методы решения задач векторной оптимизации. Существует несколько методов решения задач многокритериальной оптимизации:

• метод выделения главного критерия;

• метод лексикографической оптимизации;

• методы свертывания векторного критерия в скалярный.

В методе выделения главного критерия ЛПР назначает один главный критерий, остальные выводятся в состав ограничений, т.е. указываются границы, в которых эти критерии могут находиться. Недостаток метода очевиден: нет смысла проводить глубокое системное исследование, если все критерии, кроме одного, не учитываются.

В методе лексикографической оптимизации предполагается, что критерии, составляющие векторный критерий К, могут быть упорядочены на основе отношения абсолютной предпочтительности. Пусть критерии пронумерованы так, что наиболее важному из них соответствует номер 1, Тогда на первом шаге выбирается подмножество альтернатив А1, имеющих наилучшие оценки по первому критерию. Если окажется, что А1=1, то единственная альтернатива, входящая в А и признается наилучшей. Если А1 > 1, то на втором шаге выбирается подмножество альтернатив А, имеющих наилучшие оценки по второму критерию, и так далее, до тех пор, пока не будет выявлена лучшая альтернатива.

Методы свертывания векторного критерия в скалярный.

Основной проблемой этого подхода является построение функции f, называемой сверткой. Данная проблема распадается на четыре задачи:

1. Обоснование допустимости свертки. 2.Нормализация критериев для их сопоставления. 3. Учет приоритетов (важности) критериев. 4. Построение функции свертки, позволяющей решить задачу оптимизации.

1. Обоснование допустимости свертки. Требует подтверждения, что рассматриваемые показатели эффективности являются однородными. Известно, что показатели эффективности разделяются на три группы: показатели результативности, ресурсоемкости и оперативности. В общем случае разрешается свертка показателей, входящих в обобщенный показатель для каждой группы отдельно. Свертка показателей из разных групп может привести к потере физического смысла такого критерия.

2. Нормализация критериев. Проводится подобно нормировке показателей.

3. Учет приоритетов критериев. Осуществляется в большинстве методов свертывания путем задания вектора коэффициентов важности критериев.

Определение коэффициентов важности критериев, как и в случае с показателями, сталкивается с серьезными трудностями и сводится либо к использованию формальных процедур, либо к применению экспертных оценок.

В результате нормализации и учета приоритетов критериев образуется новая векторная оценка.

Именно эта полученная векторная оценка подлежит преобразованию с использованием функции свертки. Способ свертки зависит от характера показателей и целей оценивания системы. Известны несколько видов свертки. Наиболее часто используются аддитивная и мультипликативная свертка компонентов векторного критерия.

4. Аддитивная свертка компонентов векторного критерия состоит в представлении обобщенного скалярного критерия в виде суммы взвешенных нормированных частных критериев.

Мультипликативная свертка компонентов векторного критерия состоит в представлении обобщенного скалярного критерия в виде произведения.

Выбор между свертками определяется степенью важности абсолютных или относительных изменений значений частных критериев соответственно.

34.Принятие решений в условиях неопределенности основано на том, что вероятности различных вариантов ситуаций развития событий субъекту, принимающему рисковое решение, неизвестны. В этом случае при выборе альтернативы принимаемого решения субъект руководствуется, с одной стороны, своим рисковым предпочтением, а с другой — соответствующим критерием выбора из всех альтернатив по составленной им «матрице решений».Основные критерии, используемые в процессе принятия решений в условиях неопределенности,:

1. Критерий Вальда (или критерий «максимина») предполагает, что из всех возможных вариантов «матрицы решений» выбирается та альтернатива, которая из всех самых неблагоприятных ситуаций развития события (минимизирующих значение эффективности) имеет наибольшее из минимальных значений (т.е. значение эффективности, лучшее из всех худших или максимальное из всех минимальных).Критерием Вальда (критерием «максимина») руководствуется при выборе рисковых решений в условиях неопределенности, как правило, субъект, не склонный к риску или рассматривающий возможные ситуации как пессимист.

2. Критерий «максимакса» предполагает, что из всех возможных вариантов «матрицы решений» выбирается та альтернатива, которая из всех самых благоприятных ситуаций развития событий (максимизирующих значение эффективности) имеет наибольшее из максимальных значений (т.е. значение эффективности лучшее из всех лучших или максимальное из максимальных).Критерий «максимакса» используют при выборе рисковых решений в условиях неопределенности, как правило, субъекты, склонные к риску, или рассматривающие возможные ситуации как оптимисты.

3. Критерий Гурвица (критерий «оптимизма-пессимизма» или «альфа-критерий») позволяет руководствоваться при выборе рискового решения в условиях неопределенности некоторым средним результатом эффективности, находящимся в поле между значениями по критериям «максимакса» и «максимина» (поле между этими значениями связано посредством выпуклой линейной функции). Оптимальная альтернатива решения по критерию Гурвица определяется на основе следующей формулы:А i=а *Э MAXi+ (1 - а) * Э MINi,где A i — средневзвешенная эффективность по критерию Гурвица для конкретной альтернативы;

а — альфа-коэффициент, принимаемый с учетом рискового предпочтения в поле от 0 до 1 (значения, приближающиеся к нулю, характерны для субъекта, не склонного к риску; значение равное 0,5 характерно для субъекта, нейтрального к риску; значения, приближающиеся к единице, характерны для субъекта, склонного к риску);Э MAXi — максимальное значение эффективности по конкретной альтернативе;Э MINi — минимальное значение эффективности по конкретной инициативе.Критерий Гурвица используют при выборе рисковых решений в условиях неопределенности те субъекты, которые хотят максимально точно идентифицировать степень своих конкретных рисковых предпочтений путем задания значения альфа-коэффициента.

4. Критерий Сэвиджа (критерий потерь от «минимакса») предполагает, что из всех возможных вариантов «матрицы решений» выбирается та альтернатива, которая минимизирует размеры максимальных потерь по каждому из возможных решений. При использовании этого критерия «матрица решения» преобразуется в «матрицу потерь» (один из вариантов «матрицы риска»), в которой вместо значений эффективности проставляются размеры потерь при различных вариантах развития событий.Критерий Сэвиджа используется при выборе рисковых решений в условиях неопределенности, как правило, субъектами, не склонными к риску.