- •1.Основные понятия системного анализа
- •1.1.Определения и свойства системы
- •1.2.Виды описаний систем
- •1.3.Понятие системного подхода
- •1.4.Аспекты системного подхода
- •2.Классификация систем
- •3.Модели систем
- •4.Постановка задач принятия решений.
- •5.Классификация задач принятия решений.
- •6.Этапы решения задач.
- •6.1.Одношаговые схемы принятия решения
- •6.2.Многошаговые решения
- •7.Экспертные процедуры.
- •7.1. Задачи оценивания.
- •7.2. Алгоритмы экспертизы.
- •7.3 Методы получения экспертной информации.
- •7.4. Шкалы измерений, методы экспертных измерений.
- •7.5.Проверка согласованности мнений экспертов и классификация экспертных мнений.
- •7.6.Нахождение итогового мнения комиссии экспертов.
- •7.6.1.Бинарные отношения и расстояние Кемени.
- •7.6.2.Медиана Кемени и законы больших чисел.
- •7.7. Основные стадии экспертного опроса.
- •7.8. Оценка компетентности экспертов.
- •7.9. Методы обработки экспертной информации.
- •7.9.1. Статистические методы
- •7.9.2. Алгебраический метод.
- •7.9.3 Методы шкалирования.
- •2. Метод троек.
- •8. Формирование исходного множества альтернатив и Морфологический анализ.
- •8.1. Общая характеристика алгоритмов
- •8.2. Алгоритмы формирования има
- •8.3. Морфологический анализ.
- •9.Методы многокритериальной оценки альтернатив.
- •9.1. Различные группы задач принятия решений.
- •9.2.Многокритериальная теория полезности (maut)(Аксиоматические методы многкритериальной оценки).
- •9.2.1. Основные этапы подхода maut
- •9.2.2. Аксиоматическое обоснование
- •9.2.3.Основные теоремы.
- •9.2.4.Построение однокритериальных функций полезности
- •9.2.5. Проверка условий независимости
- •9.3.Проверка условий независимости по полезности
- •9.2.6.Определение весовых коэффициентов (коэффициентов важности) критериев
- •9.2.7.Определение полезности альтернатив
- •9.2.8.Веса критериев
- •9.2.9.Как люди назначают веса критериев
- •9.2.10.Практическое применение
- •9.2.11.Метод smart - простой метод многокритериальной оценки.
- •9.2.12.Первый эвристический метод
- •9.2.13.Выводы
- •9.3. Подход аналитической иерархии.
- •9.3.1.Основные этапы подхода аналитической иерархии
- •9.3.2.Структуризация
- •9.3.3.Попарные сравнения.
- •9.3.4.Определение наилучшей альтернативы
- •9.3.5.Проверка согласованности суждений лпр
- •9.3.6.Система поддержки принятия решений Expert Choice
- •9.3.7.Контрпримеры и противоречия.
- •9.4.Мультипликативный метод аналитической иерархии
- •9.5.Пример практического применения подхода анр
- •9.6.Выводы
- •9.7. Методы electre(Прямые методы многокритериальной оценки альтернатив).
- •9.7.1.Конструктивистский подход
- •9.7.2.Два основных этапа
- •9.7.3.Свойства бинарных отношений
- •9.8.Метод electre I
- •9.8.1.Этап разработки индексов
- •9.8.2.Этап исследования множества альтернатив
- •9.9.Метод electre II
- •9.9.1.Этап разработки индексов
- •9.9.2.Этап исследования множества альтернатив
- •9.10.Метод electre III
- •9.10.1. Этап разработки индексов
- •9.10.2.Этап исследования альтернатив
- •Пример.
- •9.10.3.Пример практического применения метода electre III
- •9.10.4.Некоторые сопоставления
- •9.11.Выводы
- •10.Деревья решений.
- •Рнс. 10.1. Дерево решений
- •11. Методы принятия решений в многокритериальных задачах и постулируемые принципы оптимальности.
- •11.1.Метод главного критерия
- •11.2.Метод доминантной структуры (альтернативы)
- •11.3.Метод "эффективность - стоимость"
- •11.4.Построение множества Парсто (компромиссы Парето)
- •11.5.Отказ от рассмотрения проблемы многокритериального выбора
- •11.6.Методы порогов сравнимости
- •11.7.Компромиссное распределение ресурсов между целями.
- •11.8.Метод деревьев решений
- •11.9.Метод решения многокритериальных задач при вычислимых критериях
- •12. Вербальный анализ решений и диалоговые методы принятия решений.
- •12.1. Особый класс задач принятия решений: неструктуризованные проблемы с качественными переменными
- •12.2. Качественная модель лица, принимающего решения
- •12.2.1. Черты человеческой системы переработки информации
- •12.2.2. Особенности поведения человека при принятии решений
- •12.3. Какими должны быть методы анализа неструктуризованных проблем
- •12.4. Измерения
- •12.4.1. Качественные измерения
- •12.4.2. Сравнительные качественные оценки
- •12.5. Построение решающего правила
- •12.6. Проверка информации лпр на непротиворечивость
- •12.7. Обучающие процедуры
- •12.8. Получение объяснений
- •12.9. Основные характеристики методов вербального анализа решений
- •12.10. Метод запрос (зАмкнутые пРоцедуры у Опорных Ситуаций)
- •12.10.1. Постановка задачи
- •12.10.2. Пример: как оценить проекты?
- •12.11. Выявление предпочтений лпр
- •12.11.1.Единая порядковая шкала для двух критериев
- •12.11.2.Проверка условия независимости для двух критериев
- •12.11.3.Независимость по понижению качества для группы критериев
- •12.11.4.Единая порядковая шкала оценок всех критериев
- •12.11.5.Проверка информации лпр на непротиворечивость
- •12.11.6.Частный случай
- •12.11.7. Психологическая корректность процедуры выявления предпочтений лпр
- •12.12.Сравнение альтернатив.
- •12.12.1.Упорядочение группы заданных альтернатив
- •12.13. Преимущества метода запрос
- •12.13.1. Практическое применение метода запрос
- •12.14. Сравнение трех сппр
- •12.15.Выводы
- •13.Функция полезности.
- •14. Принятие решений в условиях неопределенности.
- •15. Статические модели принятия единичных решений в условиях определенности.
- •15.1. Метод сравнительного учета затрат.
- •15.2. Метод сравнительного учета прибыли.
- •15.3. Метод сравнительного учета рентабельности.
- •15.4. Метод статических амортизационных расчетов.
- •16.Сущность глобального и локального критериев оптимальности.
- •17.Критерии принятия решений.
- •17.1. Критерий Байеса-Лапласа.
- •17.2.Составной критерий Байеса-Лапласа минимаксный.
- •17.3.Критерий Гермейера.
- •17.4. Критерий Сэвиджа.
- •17.5.Критерий Гурвица.
- •17.6.Критерий произведений.
- •18.Принятие коллективных решений.
- •18.1.Плюсы и минусы коллективных решений, современные концепции группового выбора.
- •18.2. Теорема Эрроу о невозможности. Анализ предпосылок теоремы Эрроу.
- •18.3.Правило Кондорсе.
- •18.4.Правило Борда.
- •19.Принятие решений в условиях нечеткой информации.
- •19.1.Зачем нужны нечеткие множества.
- •19.2. Операции над нечеткими множествами.
- •19.3. Задача достижения нечетко определенной цели.
- •19.4.Нечеткие отношения и их свойства.
- •19.4.1.Основные определения.
- •19.4.2.Операции над нечеткими отношениями.
- •19.4.3.Свойства нечетких отношений.
- •19.4.4.Декомпозиция нечетких отношений.
- •19.4.5.Транзитивное замыкание нечетких отношений.
- •19.4.6.Проекции нечетких отношений.
- •20.2.Кооперативные игры.
- •20.3. Дифференциальная игра.
- •20.4. Платежная матрица. Цена игры. Принципы максимина и минимакса.
- •20.5. Решение игры в смешанных стратегиях. Основная теорема теории матричных игр.
- •20.6.Сведение матричной игры к задаче линейного программирования.
- •21. Методы безусловной оптимизации
- •21.1 Классификация методов безусловной оптимизации.
- •21.2 Скорости сходимости.
- •21.3 Методы первого порядка.
- •21.4 Метод наискорейшего спуска
- •21.5 Методы сопряженных градиентов.
- •21.6 Градиентные методы.
- •21.7 Методы второго порядка.
- •21.8 Метод Ньютона и его модификации.
- •21.9 Модифицированный метод Ньютона.
- •21.10 Метод секущих.
- •21.11 Квазиньютоновские методы. Методы переменной метрики.
- •21.12 Конечно-разностная аппроксимация производных. Конечно-разностные методы.
- •21.12.1 Постановка задачи.
- •21.12.2 Общая схема.
- •21.12.3 Устойчивость схемы.
- •21.12.4 Повышение порядка аппроксимации.
- •21.12.5 О решении разностных схем.
- •21.12.6 Нелинейные задачи.
- •21.13 Методы нулевого порядка.
- •21.13.1 Основные определения
- •21.13.2 Общая характеристика методов нулевого порядка
- •21.14 Метод покоординатного спуска
- •21.15 Метод Хука—Дживса
- •21.16 Метод сопряженных направлений.
- •21.17 Методы деформируемых конфигураций.
- •21.18 Симплексные методы.
- •21.19 Комплекс-методы.
- •21.20 Решение задач многокритериальной оптимизации методами прямого поиска.
- •21.20.1 Модифицированный поиск Хука-Дживса
- •21.20.2 Методы случайного поиска
- •22. Задачи с ограничением (условная оптимизация)
- •22.1 Основные подходы к решению задач с ограничениями. Классификация задач и методов.
- •22.2 Метод проекции градиента.
- •22.3 Метод условного градиента.
- •22.4 Методы сведения задач с ограничениями к задачам безусловной оптимизации. Методы возможных направлений
- •22.4.1 Метод Зойтендейка
- •22.4.2 Метод возможных направлений для нелинейных ограничений-неравенств и равенств
- •22.4.3 Модификация метода возможных направлений
- •22.5 Методы штрафных функций
- •22.5.1 Методы внутренних штрафных функций
- •22.5.2 Методы внешних штрафных функций
- •22.6 Комбинированные алгоритмы штрафных функций
- •23. Стохастичесоке программирование
- •23.1 Задачи стохастического программирования. Прямые и непрямые методы.
- •23.2 Прямые методы. Стохастические квазиградиентные методы. Метод проектирования стохастических квазиградиентов.
- •23.3 Прямые методы. Метод стохастической аппроксимации
- •23.4 Прямые методы. Методы случайного поиска. Статистические методы поиска нелинейного программирования
- •23.5 Стохастические разностные методы. Методы конечных разностей в стохастическом программировании.
- •Статистические методы поиска нелинейного программирования
- •23.6 Стохастические задачи с ограничениями вероятностей природы.
- •24. Дискретное программирование
- •24.1 Методы и задачи дискретного программирования. Задачи целочисленного линейного программирования.
- •24.1.1 Задачи с неделимостями
- •24.1.2 Задача о рюкзаке.
- •24.1.3 Экстремальные комбинаторные задачи
- •24.1.4 Задача о коммивояжере.
- •24.1.5 Задача о покрытии.
- •24.1.6 Задачи на несвязных областях.
- •24.1.7 Задачи на невыпуклых областях.
- •24.1.8 Задачи с разрывными целевыми функциями
- •24.1.9 Задачи, сводящиеся к целочисленным
- •24.2 Методы отсечения Гомори.
- •24.3 Метод ветвей и границ.
- •24.4 Метод ветвей и границ для задачи целочисленного программирования
- •24.5 Задача о назначениях.
- •24.6 Венгерский алгоритм.
- •24.6.1 Венгерский метод для задачи о назначениях. Постановка задачи.
- •24.6.2 Описание алгоритма венгерского метода
- •24.6.3 Пример решения задачи о назначених венгерским алгоритмом.
- •24.7 Задачи оптимизации на сетях и графах.
- •Метод итераций по критерию
- •Метод итераций по стратегиям (в пространстве стратегий)
- •Минимизация средних затрат.
- •Пример 24.1
- •Пример 24.2.
- •25. Динамическое программирование
- •25.1 Метод динамического программирования для многошаговых задач принятия решений.
- •25.2 Принцип оптимальности Беллмана
- •25.3 Основное функциональное уравнение.
- •25.4 Вычислительная схема метода динамического программирования.
- •26. Общие положения о системном анализе.
- •27. Задача математического программирования.
- •27.1. Формы записи задач нечеткого математического программирования.
- •27.2. Классификация методов нелинейного математического программирования.
- •28. Линейное программирование.
- •28.1. Общие положения.
- •28.2. Геометрическая интерпретация множества решений системы линейных неравенств с 2 неизвестными.
- •28.3. Постановка задачи линейного программирования и двойственная задача линейного программирования.
- •28.3.1. Стандартная задача лп.
- •28.3.2. Каноническая задача лп.
- •28.3.3. Общая задача лп.
- •28.3.4. Двойственная задача линейного программирования.
- •28.3.5. Теорема двойственности.
- •28.3.6. Теорема равновесия.
- •28.4. Решение систем линейных неравенств. Гиперплоскость и полупространство.
- •28.5. Основные теоремы линейного программирования. Допустимые множества и оптимальные решения задач линейного программирования.
- •28.6. Симплексный метод решения задачи линейного программирования.
- •28.7. Условия существования и свойства оптимальных решений задачи линейного программирования.
- •28.7.1. Оптимальные решения.
- •28.7.2. Необходимые и достаточные условия оптимальности решения.
- •28.7.2.1. Нелинейное программирование без ограничений.
- •28.7.2.2. Нелинейное программирование с ограничениями в виде равенств и неравенств.
- •29. Двойственность в линейном программировании.
- •29.1. Общие положения.
- •29.2. Несимметричные двойственные задачи. Теорема двойственности.
- •29.3. Симметричные двойственные задачи.
- •29.4. Виды математических моделей двойственных задач.
- •29.5. Двойственный симплексный метод.
- •30.1.3. Классические способы отыскания решения экстремальных задач.
- •30.1.4. Условие регулярности.
- •30.1.5. Функция Лагранжа. Условия оптимальности.
- •30.1.6. Теорема Куна-Таккера.
- •30.1.7. Дифференциальные условия Куна-Таккера.
- •30.1.8. Общая схема решения задачи выпуклого программирования.
- •30.2. Выпуклые множества и функции.
- •30.3. Поиск экстремума функции.
- •31. Задача нелинейного программирования при ограничениях в неравенствах.
- •31.1. Теорема Куна-Таккера.
- •31.2. Седловая точка и задача нелинейного программирования.
- •31.3. Применение теоремы Куна-Таккера для задачи выпуклого программирования.
- •Список использованных источников
8.1. Общая характеристика алгоритмов
В соответствии со схемой, рассмотренной во введении, в задачах принятия решений формируют исходное множество альтернатив, а затем решают задачу выбора из ИМА. Алгоритмы формирования ИМА составляют существенную часть алгоритмического обеспечения задач принятия решений.
При отсутствии априорной информации о свойствах альтернатив в качестве исходного используют универсальное множество всех мыслимых альтернатив Ωу. Если решать задачу выбора при таком ИМА, то она оказывается сложной и не всегда разрешимой. Чтобы избежать такой ситуации, используют свойства решаемой задачи и выделяют в Ωy некоторую область возможных альтернатив Ωв. Можно считать, что Ωв=Соп (Ωу), где Соп1 — функция выбора, устанавливающая принадлежность альтернатив к множеству возможных. Альтернативы, принадлежащие множеству Ωэ\Ωв, никогда не могут быть решениями рассматриваемой задачи. Наличие дополнительной информации о свойствах задачи в виде технических, экономических и других ограничений позволяет выделить из Ωв множество допустимых альтернатив Ω, которое примем за ИМА. Можно считать, что при этом решается задача <Ωв, ОП2>, где ОП2 —принцип оптимальности, выражающий условие допустимости альтернатив.
Таким образом, в общем случае процесс формирования ИМА описывается схемой, включающей два этапа: порождения возможных альтернатив и проверки их на допустимость. В конкретных алгоритмах этапы могут совмещаться. Это связано, в частности, с тем, что порождение возможных альтернатив и проверка на допустимость могут быть осуществлены с помощью одной и той же процедуры экспертной классификации при разных параметрах экспертизы.
Заметим, что алгоритмы формирования ИМА в конкретных задачах принятия решений зависят от их специфики. В частности, альтернативы можно рассматривать как целостные объекты (например, товары) или как объекты, наделенные структурой (Например, план отрасли как совокупность планов предприятий).Способ рассмотрения альтернатив определяет схему экспертизы для их порождения. В первом случае используют экспертов близкой квалификации; во втором—требуются эксперты с разными уровнями и областями знания. В одних случаях получают сами альтернативы, в других -правила или модели их порождения. При этом модель используют как генератор альтернатив.
При проверке допустимости альтернатив для конечных ИМА проверяют каждую альтернативу, для бесконечных- устанавливают границу допустимости для всею множества.
8.2. Алгоритмы формирования има
Для построения алгоритмов введем процедуру экспертного перечисления в виде экспертизы Э10.
Экспертиза Э10:
Ω=В(Ω)
Ωэ= Ω
L—эксперты изолированы;
Q—экспертам предоставляется множество Ω и вероятности Рi формула (8.2)
Отображение <р определяется следующим образом. Получить от каждого из N экспертов множество Xi альтернатив, которые, пo его мнению, следует включить в Ω *. Построить множество
(8.1.)
Найти мaтрицу R = (rij), i=1, N; j=1, n:
Вычислить:
(8.2)
(Величина Pj рассматривается как вероятность того, что j-я альтернатива принадлежит множеству Ω*) Сформировать искомое множество альтернатив Ω*, включив в него альтернативы, для которщ Pj>P, где Р—заранее заданная величина, близкая к единице.
Обратная связь в экспертизе Э10 организуется следующим образом. Ответ каждого из экспертов рассматривается как ран-
жировка множества Ω ; j-я альтернатива получает ранг rij вычисляемый по формуле (1). Подсчитывается коэффициент конкордации W полученных N ранжировок по формуле (2.13). Если W меньше заранее заданного уровня Wo, то экспертам предоставляются множество Q и вероятности Рj и проводится следующая итерация экспертизы Э10. В противном случае экспертиза заканчивается.
Алгоритм 1. Формирование конечного ИМ А. Для порождения альтернатив и проверки их на допустимость используется экспертиза Э10.
Алгоритм реализуется следующей последовательностью шагов:
1.Выделить Ωв из Ωy с использованием Э10, в которой Ω=Ωэ, Ω* = Ωв.
2.Выделить Ω из Ωв с использованием экспертизы Э10, в которой Ω = Ωв, Ω* = Ω.
Алгоритм 2. Формирование ИМА с помощью модели. Пусть непосредственное порождение Ωв с помощью экспертизы Э10 невозможно, но известен регулярный способ (модель) порождения любой альтернативы из Ωв. Например, пусть заданы правила построения возможных расписаний авиарейсов; в то же время число всех вариантов расписаний настолько велико, что их совместный анализ эксперту провести не удается. Параметры модели заранее не известны, но могут быть найдены экспертами.
Алгоритм 2 реализуется следующей последовательностью шагов:
С помощью экспертизы Э1 определить числовые параметры модели.
Используя модель, найти множество Ωв возможных альтернатив.
Найти множество Ω с использованием экспертизы Э10, в которой Ω = Ωв, Ω * = Ω .
Сравнить величину q=| Ω |/| Ω в| оценивающую качество использованной модели, с заранее заданным числом р. Если q>p,то алгоритм прекращает работу. В противном случае провести корректировку модели и перейти к шагу 1.
Рассмотрим одну из модификаций общего алгоритма 2, известную под названием алгоритма, или метода морфологического анализа.
Алгоритм 3. Морфологический анализ. Общая схема здесь сохраняется той же, что и в алгоритме 2. Особенность состоит в том, что фиксируется конкретная модель порождения альтернатив и используется другая процедура проверки допустимости. Морфологический метод предполагает представление каждой альтернативы в виде составных частей (компонент). Под компонентами понимаются части, на которые условно разделена альтернатива. Компонентами могут быть как некоторые измеряемые параметры, так и отдельные структурные части альтернативы. Например в задаче выбора комплекса технических средств для создания автоматизированной системы управления альтернативу можно представить с помощью следующих компонент: тип ЭВМ, число периферийных устройств, системное устройство ввода, системное устройство вывода, математическое обеспечение.
Обозначим множество возможных вариантов i-й компоненты через Хi = {хi1,xi2,…,хik} (i=l,n). Тогда множество альтернатив Ωв представимо в виде Ωв=Х1 х…х Хn.Такое представление задает конкретную модель порождения возможных альтернатив.
Для проверки
допустимости используем экспертизу, в
результате которой выделим подмножество
J = {j1,..., ji}
{1,
..., n},
и укажем множество V наборов вариантов
компонент
,которые
совместно недопустимы.
Алгоритм 3 реализуется следующей последовательностью шагов:
1.Найти множества
Х{ возможных вариантов i-й
компоненты (i
= 1,n)
с помощью n
экспертиз Э10, в которых Ω = Ωy, Ω* =Xi(ч
ерез
Ωy обозначено универсальное множество
вариантов i-й
компоненты).
2. Сформировать множество возможных альтернатив Ωв=X1x….Xn.
3. Найти множество {i1,..., il}, используя экспертизу Э10, в которой Ω=Xjx…Xi, Ω*=V
4.Найти множество V совместно недопустимых наборов вари антов компонент, используя экспертизу Э10.
5.Построить функцию
F(x), x
Ωв,:
где
образуют
i-й
недопустимый набор, r = |V|,
6. Сформировать множество
Алгоритм 4. Формирование ИМА для иерархически структур. Пусть альтернативы разбиты на части, иерархически связанные между собой. Например, допустимый план развития отрасли основан на допустимых планах предприятий, а планы предприятий—на планах цехов. Воспользуемся для формирования ИМА
иерархической экспертизой, которая представляет собой последовательность экспертиз, где каждая экспертиза использует результаты предыдущих.
Рассмотрим два способа проведения иерархической экспертизы. Первый заключается в проведении экспертизы снизу вверх. Сначала проводят экспертизы на самом низком уровне иерархии. Их результаты служат исходными данными для проведения экспертиз на следующем уровне и т. д. Применительно к планированию ' это означает, что сначала определяют допустимые планы цехов, на их основе формируют допустимые планы предприятий и затем планы развития отрасли.
Второй способ заключается в проведении экспертизы сверху вниз. Здесь результаты экспертизы более высокого уровня служат ограничениями при определении допустимых альтернатив более низкого уровня. Применительно к планированию сначала определяют допустимые планы развития отрасли, затем допустимые планы предприятий и допустимые планы цехов. Допустимыми для предприятия будут только такие планы, которые обеспечивают допустимость планов отрасли.
Воспользуемся
первым способом проведения иерархической
экспертизы. Пусть
—элементы
нижнего уровня в иерархической
структуре альтернатив; элемент
k-го
уровня связан с элементами
(k—1)-го
уровня (k = 2,d; r =1
,ik).
Алгоритм 4 реализуется следующей последовательностью шагов:
Найти ИМА
для элементов
,
пользуясь в каждом случае алгоритмом
1.Положить Ωв (
)
=
Найти множество
,
используя экспертизу Э10, в которой
Ω=
.
Повторить шаги 2 и 3 для всех элементов второго уровня.
Повторить шаги 2—4 при соответствующем изменении номеров уровней и элементов.
Алгоритм 5.
Формирование бесконечного ИМА.
Пусть альтернативы являются точками
из Em.
Тогда множества возможных и допустимых
альтернатив образуют некоторые области
в Еm.
Формирование ИМА сводится к определению
границ этих областей. Будем считать,
что множество возможных альтернатив
ограничено, т. е. Ωв
Хо,
где
—
прямоугольный параллелепипед в Еm.
Поэтому можно допустить, что Ωв известно
и совпадает с Хо.
Идея алгоритма 5 состоит в аппроксимации множества Ω объединением допустимых множеств в виде параллелепипедов. Экспертам предъявляют реализации х равномерно распределенной в Ωв случайной величины. Они строят окрестность каждой реализации в виде параллелепипедов, состоящих из допустимых точек, если х допустима, и из недопустимых точек в противном случае.
Алгоритм 5 реализуется следующей последовательностью шагов:
1.Определить минимальное значение аi и максимальное значение ai оценок альтернатив по каждому из m критериев, используя экспертизу Э1 или Э2.
2. Положить Ωq = Eq = 0
3. Найти очередную реализацию х векторной случайной величины η, равномерно распределенной на Ωв = Xo.
4.Если содержится
в
то перейти к шагу 8, в противном случае-к
шагу 5.
5.Рассмотреть пару {a, b}, где а означает, что альтернатива a допустима , b—что x недопустима. Решить задачу ранжирования пары {а, b}с использованием экспертизы Э4; точка х является допустимой, если получена ранжировка <a,b> и недопустимой, если получена ранжировка <b, а>. Если х допустима, перейти к шагу 6, в противном случае—к шагу 7.
6. Построить
прямоугольный параллелепипед 6, состоящий
из допустимых точек, с использованием
любой из экспертиз Э1— ЭЗ. Положить
и
перейти к шагу 3.
7. Построить δ аналогично шагу 6. Положить Eq==EqUδ и перейти к шагу 3.
8. Положить N равным
числу попаданий подряд точки х в
множество
(включая
последнее попадание).
9.Определить вероятность
10. Найти величину
N из соотношения
при
за-[ данной заранее доверительной
вероятности Q.
11. При N < N перейти к шагу 3, в противном случае положить Ω равным Ωq. Требуемая аппроксимация построена.
