- •1. Принятие управленческих решений в условиях полной определенности.
- •1. Однокритериальные методы выбора управленческих решений.
- •Исходные данные многокритериальной задачи
- •Преобразованные исходные данные
- •Матрица отклонений значений критериев от наилучших значений имеет вид: Матрица отклонений
- •2. Принятие управленческих решений в условиях неопределенности и риска.
- •3. Метод минимаксного сожаления (метод Сэвиджа).
- •Рекомендации по применению рассмотренных методов:
- •7. Метод среднеквадратического отклонения и коэффициента вариации
- •8. Метод суммы мест
1. Однокритериальные методы выбора управленческих решений.
Считается известным:
• исходное
множество альтернатив
• оценки результатов выбираемых альтернатив f(Ai);
критерий выбора
или
.
Следовательно, выбор характеризуется однозначной связью между принятым решением Ai и его результатом f(Ai). В процессе решения задачи определяется альтернатива A*, для которой f(A*)=max f(Ai) или f(A*)=min f(Ai). 2. Многокритериальные методы выбора управленческих решений.
В достаточно большом количестве практических случаев принятия решений при планировании действий приходится учитывать не один, а несколько критериев. Можно считать, что все критерии стремятся к максимуму, так как если некоторые критерии минимизируются, то путем умножения их на (-1) они будут стремиться к максимуму, причем решение при этом не изменяется.
Матрица исходных данных принятия решений имеет вид (табл. 2).
Таблица 2
Матрица исходных данных для многокритериальных методов выбора
Альтернативы, Аi |
Критерии (цели) |
|||
Z1 |
Z2 |
…. |
Zn |
|
А1 |
e11 |
e12 |
…. |
e1n |
А2 |
e21 |
e22 |
…. |
e1n |
…. |
|
|
…. |
|
Аm |
em1 |
em2 |
…. |
emn |
Значимость критерия, αj |
α1 |
α2 |
…. |
αn |
В случае многокритериальной оптимизации возникают три проблемы.
Первая проблема связана с выбором принципа оптимальности. В математическом отношении эта проблема эквивалентна задаче упорядочения векторных множеств, а выбор принципа оптимальности - выбору отношений порядка.
Вторая проблема связана с нормализацией векторного критерия F(х). Дело в том, что частные критерии имеют различные единицы измерения, поэтому их необходимо привести к единому масштабу измерения, т. е. нормализовать(обычно приводят к безразличным величинам).
Третья
проблема связана с учетом приоритета
(степени важности) частных критериев.
Часто для учета приоритета вводится
вектор распределения важности или
значимости критериев
.
Рассмотрим методы многокритериальной оптимизации:
1.
Метод
равномерной оптимизации:
(1)
Он
применяется, если глобальное качество
альтернативы представляет собой сумму
локальных (частных) качеств и, кроме
того, все критерии имеют одну и ту же
единицу измерения, например денежное
выражение либо безразмерные величины.
Главный недостаток метода -это возможность
компенсации малых значений некоторых
критериев достаточно большими значениями
других.
2.
Метод
справедливого компромисса:
(2)
3.
Метод
свертывания критериев:
(3)
Здесь
каждому из критериев приписываются
весовые коэффициенты αj
Метод главного критерия:
(4)
Здесь f1(х)
- главный (наиболее важный из всех)
критерий.
Метод идеальной точки. Ищется план, удовлетворяющий условию:
(5)
На первом этапе применяется метод
нормализации критериев (получение
безразмерной формы критериев).
Так
как критерии могут иметь различные
масштабы и шкалы измерения, то прежде,
чем приступить к решению многокритериальной
задачи, их необходимо привести к одной
единице измерения (обычно к безразмерному
виду). Этот процесс называется
нормализацией. Существуют различные
методы нормализации, Предлагается
следующий способ получения безразмерной
формы критериев:
(6)
где
Рассмотрим
пример
многокритериальной задачи управления.
Пусть фирма имеет возможность реализовывать
свои товары на 4-х различных рынках
(альтернативы А1,
А2,
А3,
А4).
При этом ставятся одновременно следующие
цели: минимизация затрат на рекламу,
завоевание максимальной доли рынка и
максимальный объем продаж в течение
планируемого периода. Исходные данные
приведены в табл. 3.
Таблица 3
