- •3. Основи теорій прийняття рішень
- •3.1 Загальна схема процесу прийняття рішень
- •3.2 Класифікація задач прийняття рішень
- •3.3 Опис переваг особи, яка приймає рішення
- •3.3.1 Виявлення переваг опр
- •3.3.2 Види показників ефективності
- •3.3.2.1 Метод узагальненого показника
- •3.3.2.2 Метод „затрати/ефект”
- •3.3.2.3 Метод цільового програмування
- •3.3.2.4. Метод головного показника
- •3.4 Одноетапні процедури прийняття рішень в умовах невизначеності
- •3.4.1 Мінімаксний критерій
- •3.4.2 Критерій Байєса – Лапласа
- •3.4.3 Критерій Севіджа
- •3.4.4 Застосування класичних критеріїв
- •3.5. Похідні критерії прийняття рішень
- •3.5.1 Критерій Гурвіца
- •3.5.2 Критерій Ходжа – Лемана
- •3.5.3 Критерій Гермейєра
- •3.5.4. Критерій добутків
- •3.5.5 Прийняття рішення за похідними критеріями
- •3.6 Задачі прийняття рішень в умовах ризику та невизначеності
- •Одноетапні процедури прийняття рішень в умовах ризику
- •3.7 Використання експериментальних даних для прийняття рішень в умовах ризику
- •Багатоетапні процедури прийняття рішень в умовах ризику
- •Запитання і завдання для самоконтролю
3.5.3 Критерій Гермейєра
Критерій Гермейєра орієнтований на величини втрат, тобто на негативні значення усіх еij.
У якості оціночної функції виступає
(3.15)
=
(3.16)
Сам критерій визначає, що
Е0
(3.17)
Виходячи з того, що у господарчих задачах переважно мають справу з цінами і затратами, умова еij < 0 звичайно виконується. У тому випадку, коли серед величин еij зустрічаються й позитивні значення, можна перейти до строго негативних значень за допомогою перетворення еij – а при належним чином підібраним а > 0. (Необхідно мати на увазі, що оптимальний варіант рішення залежить від а).
Правило вибору згідно критерію G формулюється так:
Матриця рішень доповнюється ще одним стовпчиком, який містить у кожному рядку найменший добуток результату, який є у неї, на ймовірність відповідного стану Fj. Вибирають ті варіанти Еіо, у рядках яких знаходиться найбільше значення еir цього стовпчика.
У відомому відношенні G – критерій узагальнює ММ – критерій. У випадку рівномірного розподілу qj = 1/n, j = 1, …, n, вони стають ідентичними.
Умови його застосування такі:
- ймовірності появ станів Fj відомі;
- з появою тих чи інших станів, окремо або в комплексі, необхідно враховувати;
- допускається деякий ризик;
- рішення може реалізовуватися один або багато разів.
Якщо функція розподілу відома не дуже надійно, а числа реалізацій малі, то G – критерій дає великий ризик, що дає деяку волю суб’єктивних дій.
3.5.4. Критерій добутків
Критерій добутків (Р) до цього часу в теорії прийняття рішень не застосовувався. У теорії нечітких множин ця П – операція служить для фільтрації інформації. З самого початку цей критерій орієнтований на величини виграшів, тобто на позитивні значення eij.
Визначимо оціночну функцію:
Тоді
3.20
Правило вибору у цьому випадку формулюється так: матриця рішень доповнюється новим стовпчиком, який містить добуток усіх результатів кожного рядка. Вибираються ті варіанти Еіо, у рядках яких знаходиться найбільше значення цього стовпчика.
Застосування цього критерію обумовлене такими обставинами:
- імовірність появи станів Fj невідомі;
- появу кожного із станів Fj окремо необхідно враховувати;
- критерій можна застосовувати й при малому числі реалізацій рішення;
- допускається деякий ризик.
Як вже
відмічалося, Р – критерій пристосований
у першу чергу для випадків, коли усі eij
> 0.
Якщо ця умова порушується , а Р-критерій
треба застосувати, то необхідно зробити
деякий здвиг eij
+ а з визначеною константою
.
При цьому результат критерію суттєво
залежить від значення а. На практиці а
=
.
Якщо ніяка константа не може бути визначеною такою, що має сенс, то Р-критерій застосовувати не можна.
У випадку застосування Р-критерію здійснюється деяке вирівнювання між великими і малими значеннями eij й, встановлюючи оптимальний варіант рішення за допомогою Р-критерію, ми можемо при фіксованих станах Fj отримати більшу користь, чим при використанні ММ-критерію але необхідно враховувати й можливість появи гірших результатів.
