- •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
12.15.Выводы
Вербальный анализ решений предназначен для исследования неструктуризованных проблем, имеющих качественное, словесное описание.
Методы вербального анализа решений позволяют сохранить качественное описание проблемы на всех этапах ее анализа. В них применяются качественные способы измерений и порядковые шкалы оценок по критериям. Для построения решающего правила используют психологически корректные операции по лучения информации от ЛПР. Полученная информация проверяется на непротиворечивость. Методы вербального анализа решений позволяют ЛПР постепенно формировать решающее правило.
Одним из проверенных практикой методов вербального анализа решений является ЗАПРОС, который позволяет строить частичный порядок на множестве многокритериальных альтернатив. Метод устойчив к возможным неточностям в оценках альтернатив и к возможным ошибкам ЛПР.
13.Функция полезности.
Понятие функции полезности возникло в теории потребительного спроса при cравнении различных наборов товаров. Значение функции полезности на определенном наборе товаров выражает ценность или полезность данного набора для потребителя.
В задачах выбора значение функции полезности выражает полезность альтернатив.
Областью определения
функции полезности U
является
.Областью
значении-
. Если функция полента и известна, то
можно сравнить. любые две альтернативы
с помощью отношения Ru
, заданного формулой.
Будем считать, что все функции полезности обладают следующими двумя свойсвама, которые выделяют их из всех функций
а) Функции
полезности монотонно возрастают по
всем переменным: для любых х=<х1,…,хm>,
y=<y1,…,ym>
,
Указанное свойство запишем в виде
б) Существуют две первые производные функции полезности U:
Гиперповерхность уровня функции U (х1,.... хm) определяется как множество точек x=<z1,....zm>, для которых U(х)=сonst. Гиперповерхности уровня функции полезности называются кривыми безразличия, а семейство всех кривых безразличия—картой безразличия. Термин «кривая безразличия» связан с тем, что полезность любых двух альтернатив х и у, лежащих на одной такой кривой, одинакова: U(x) = U(y).
Введем на множестве
U
всех функции полезности отношение
,
если существует возрастающая функции
φ(*) такая что для всех
Утвержденное 1.
Пусть U1
U2.
Тогда для любого множества
Доказательство.
Пусть
,это
значит что для всех
выполнено U2(x)>U2(y).
В силу U1(x)=
φ(U2(x))>
φ(U2(y))=U1(y)
т.е. U1(x)>U1(y)
и ,следовательно,
.
Этим доказано включение
.
Обратное включение доказывается аналогично.
Утверждение 1 означает, что решение задачи (1) для всех функций одного класса эквивалентности совпадают.
Утверждение 2.
Пусть
.
Тогда
.
Разные функции полезности могут порождать одно и то же отношение Ru, которое, как следует из утверждения 4.3., однозначно определяет решение задачи(1). Поэтому далее будем использовать только такие свойства U, которые являются общими для всех функций, порождающих одно и то же отношение Ru.
Утверждение 3. Пусть , тогда
Доказательство. По правилу дифференцирования сложной функции
Аналогично
откуда
Утверждение доказано.
Величина Ur(x)/Us(x) называется предельной нормой замены между r-м и s-m критериями в точке . Предельная норма замены между любыми двумя критериями в силу утверждения 3 является функцией на Однозначно определяемой классом эквивалентности [U], содержащим U.
Утверждение 4. Доказать что предельные нормы замены положительньны.
Пусть
Для
любых двух альтернатив
и
Таких
что
В этом случае говорят, что для функции полезности U выполняется закон уменьшения предельных норм замены.
Положим
,
говорят что поверхности уровня выпуклы
к началу координат, если множества Xm
выпуклы при всех M.
Общие свойства функции полезности одного класса определяются их картами безразличия. Функцию полезности, для которой гиперповерхности уровня выпуклы кначалу координат, назовем К- выпуклой функции при m=2 приведен на рисунке.
Рис.13.1.
Функцию полезности,
для которой все предельные нормы замены
монотонны по каждой переменной, назовем
K-гетеротонными.
Знаки монотонности могут зависеть как
от номера переменной
так
и от точки x=<x1,….,xm>.
Функцию полезности назовем К-линейными,
если ее гиперповерхности уровня
представляют собой гирерплосколсти.
Полезность и функция полезности. При решении задач принятия решений для описания интересов ЛПР редко используется непосредственно отношение предпочтения. Это связано с тем, что бинарные отношения довольно неудобны для моделирования реальных систем и анализа этих моделей. Гораздо чаще используются функции полезности.
Соответствие
между отношением предпочтения f и
функцией полезности f:А0 ->
определяется условием (1)
Рассмотрим, каким ограничениям должно удовлетворять отношение предпочтения, чтобы можно было рассматривать вместо него функцию полезности. Эта задача является предметом изучения математической теории полезности [3, 8].
Как отмечалось выше, отношение предпочтения - бинарное отношение на множестве исходов A0, удовлетворяющее, как минимум, свойству асимметрии. Для продуктивного использования, однако, необходимы дополнительные условия на отношение предпочтения. При этом то, какие дополнительные предположения необходимо сделать, чтобы получить инструмент, с которым можно работать, не отходя в то же время от встречающихся в реальной жизни предпочтений - это вопрос, который на протяжении многих лет служил предметом дискуссий и продолжает обсуждаться до сих пор. Дело в том, что подобные дополнительные предположения вводятся в виде аксиом, некоторых гипотез о закономерностях процесса выбора, и обоснованность введения тех или иных предположений отнюдь не бесспорна.
Приведем типичный набор таких аксиом (отметим, что некоторые из перечисленных ниже аксиом зависимы). Другие примеры введения аксиоматики можно найти в [8].
Введем следующие аксиомы полезности:
Если > - отношение предпочтения (асимметричное),
-отношение
неразличимости, то для любых исходов
x и y
имеет
место
одно из событий: либо x>
y,
либо
y
>
x,
либо х
y,
то
есть для любой
пары исходов либо первый исход
предпочтительнее второго,
либо второй предпочтительнее первого,
либо же исходы равнозначны.
Если
и
,
то эта аксиома выполняется
всегда.x x, для любого исхода x, то есть исход всегда неотличим от себя самого, что также очевидным образом следует из определения отношения безразличия.
Если x y, y z, то x z. Это - условие транзитивности отношения неразличимости, оно уже не столь очевидно. Существуют примеры достаточно логичных с точки здравого смысла предпочтений, когда эта аксиома не выполняется (см. ссылки в [3]).
Если x > y, y > z, то x > z (условие транзитивности отношения предпочтения).
Если x > y, y > z, то x > z, то есть если x лучше y ну равнозначно z, то x лучше z. На самом деле, эта аксиома вводит предположение о произвольно глубокой разрешающей способности агента - о том, что последний всегда может различить сколь угодно близкие ситуации.
Если x y, y > z, то x > z (аналогично аксиоме 5).
Этих предположений хватает [62], чтобы ввести функцию f(•) таким образом, чтобы выполнялось условие (1). Однако, их недостаточно, чтобы определить эту функцию однозначно. И действительно, в случае конечного числа исходов нестрогое упорядочение позволяет лишь выстроить их в порядке от наихудшего до наилучшего. Этой последовательности событий можно сопоставить любую последовательность возрастающих чисел, назначая в качестве значения функции полезности соответствующий элемент числовой последовательности (другими словами, функция полезности определена с точностью до монотонного преобразования).
Чтобы от отношения предпочтения перейти к определенной с точностью до линейного преобразования функции полезности, требуются дополнительные аксиомы (так называемые, аксиомы комбинирования), определяющие модель поведения в условиях неопределенности.
Пусть x и y - любые исходы из A0 и 0 < r, s < 1. Тогда выражение rx + (1-r)y будет обозначать исход, представляющий собой лотерею, которая реализует два исхода x и у с вероятностями r и (1-r) соответственно. Тогда от этой лотереи потребуем выполнения следующих условий:
rx+(1-r)y=(1-r)y+rx для любой лотереи r на x, y.
Это свойство коммутативности лотереи, имеющее лишь техниче ское значение. Оно, по сути, не ограничивает предпочтения.
r x + (1 - r) (s y + (1-s)z) = rx + (1- r) s y + (1 - r) (1 - s) z для любых лотерей s и r на исходах x, y, z A- Это свойство вводит предположение о том, что для ЛПР порядок лотерей не важен.
rx + (1-r)x = x (рефлексивность лотереи).
Если x z, то для любых y, r имеем
(rx + (1-r)y) ~ (rz + (1-r)y).
11. Если x > z, то для любых r > 0 и y имеем
(rx + (1-r)y) f (rz + (1-r)y).
12. Пусть x > z > y. Тогда существует 0 < г< 1, такое, что (rx + (1-r)y) z. Эта очень важная аксиома имеет отдельное название - аксиома непрерывности.
В [3] доказано (теорема фон-Неймана-Моргенштерна), что, если для отношения предпочтения > выполнены аксиомы 1-12, то существует функция f: A0 —> R, что для любых x, y из A0 и любого
Эта функция единственна с точностью до положительного линейного преобразования, то есть если некоторая функция F(*) удовлетворяет условиям (2), (3), то F(x) =αC f(x) + |3 , где α > 0 и Р - некоторые константы (доказательство можно также найти в [2, 3, 7]).
Итак, предположений 1-12 достаточно, чтобы построить по отношению предпочтения функцию полезности, единственную с точностью до переноса координат и изменения масштаба [7, 8], то есть описать полезность в виде функции F(x) =0С f(x) + (3 , где
f(x) - некоторая известная функция, а константы а > 0 и (3 не определены.
В постановках задач математической экономики и управления отношение предпочтения, как таковое, фигурирует крайне редко. Функция полезности в этом случае строится почти эмпирически (на самом деле при этом используются уже полученные, готовые результаты теории полезности [1, 2, 3, 5, 7, 8, 9]). Тем не менее, всегда необходимо помнить, что для корректного использования функции полезности Неймана-Моргенштерна, предпочтение, которым она определяется, должно удовлетворять аксиомам 1-12.
Выше была построена функция полезности отдельного агента. Однако задачей теории принятия решений и теории игр является исследование взаимодействия многих агентов. Поэтому интересен вопрос о том, как соотносятся друг с другом полезности разных агентов, как «привести к общему знаменателю» шкалы измерения их полезностей. Особенную актуальность этот вопрос представляет при рассмотрении игровых моделей, в которых игроки могут передавать друг другу полезность (так называемые игры с транс-ферабелъной полезностью, или ТП-игры, в отличие от игр с не-трансферабелъной полезностью, или НТП-игр, в которых передача полезности запрещена правилами игры). Передача полезности между игроками может принимать вид денежных выплат или передачи иных материальных ценностей. Поскольку целью таких платежей является воздействие на полезность (или выигрыш) игрока, понятно, что в этом случае частью описания исходов (на множестве которых определена функция полезности) должно быть количество денег или материальных ценностей, являющихся средством обмена. Можно показать [7], что для того, чтобы уменьшение полезности «донора» d при передаче некоторого количества денег соответствовало пропорциональному увеличению полезности «акцептора» a, их функции полезности Ft(*) должны иметь вид:
где Fi(*) - функция полезности игрока i, с, - сумма денег в его распоряжении, xi - остальные компоненты описания исхода для игрока i, а i(*) - полезность компонент x ситуации.
Если функции полезности имеют вид (4) для всех рассматриваемых индивидуумов, то говорят о существовании отделимого линейно трансферабельного товара. При этом соответствующим выбором масштаба функций предпочтения можно сделать приращения полезности при передаче некоторого количества денег не просто пропорциональными, но и равными по абсолютной величине. Наличие линейно трансферабельного товара облегчает исследование моделей управления организационными системами.
13.1. Методы аппроксимации функции полезности.
Существую 3 метода аппроксимации: Методы обобщенного критерия Подиновского, Методы функций ценности, Методы «уклонений».
13.1.1. Методы обобщенного критерия Подиновского.
Методы аддитивной свертки.
Эти методы можно использовать тогда, когда функция полезности представлена в аддитивной форме:
Это представление существует, если выполняются аксиомы независимости
Методы max(min) свертки.
Эти методы применяются тогда, когда частные параметры логически сворачиваются [19]. Комплексный критерий при этом имеет следующий вид
.
или
13.1.2. Методы функций ценности.
Методы мультипликативной свертки Кини .
Мультипликативная функция полезности существует тогда и только тогда, когда параметры взаимно независимы по полезности
,
где к- константа.
Методы полиаддитивной свертки.
В случае независимости параметров от своего дополнения по отношению интервалов функция ценности имеет вид [20].
13.1.3. Методы “уклонений”.
Методы “уклонения” от идеальной точки.
а) Метод Чарнса - Купера .
Все
параметры сводятся в обобщенный параметр,
имеющий смысл расстояния от рассматриваемой
оценки до некоторой идеальной точки
.
Чаще всего принимают обобщенный параметр вида
б) Методы нормированной степенной метрики.
Целени в работе [22] используют следующую метрику
где
-оптимальное
значение по
-му
параметру;
--
максимально достижимое значение по
-му
параметру.
в) Метод компьютерного уклонения .
Компромиссная процедура решения многокритериальной задачи может быть записана в виде:
Весовые коэффициенты определяются равенствами
Критерии оптимальности состоит в минимизации компромисса У.
Методы “уклонений” от точки равновесия (“статус-кво”).
В этих методах применяются различные точки уклонения от точки равновесия.
а) Метод кооперативной теории игр
Метод Сцидаровского использует следующий вид меры уклонения
(6.4.19)
где - значение -го параметра в точке равновесия (“статус-кво”).
б) Метод теоретико-игровой .
В теоретико-игровой модели компромиссный вариант ищется в виде выпуклой оптимальной комбинации совокупности задач
(6.4.20)
при
