- •№1. Основные понятия теории принятия решений. Основные модели и методы тпр. Основные этапы процесса пр. Основные понятия теории принятия решений
- •Основные модели и методы тпр.- ????
- •№2. Классификация задача принятия решений.
- •№ 4. Постановка задач линейного программирования(лп). Примеры, различные задач и подходы решения.
- •2. Транспортная задача
- •3. Игра с нулевой суммой
- •Множества решений неравенств, уравнений и их систем в задачах линейного программирования. Допустимые решения. Допустимые базисные решения.
- •№6. Сведения из теории выпуклых множеств. Выпуклые множества в н-мерном пространстве.
- •Тогда точка м (x1… xn) является выпуклой линейной комбинацией м1,…мк:
- •Множество точек выпукло, если оно вместе с произвольными 2 своими точками содержит произвольную выпуклую линейную комбинацию.
- •№7. Задача линейного программирования в канонической форме. Основные теоремы о множествах оптимальных решений этой задачи.
- •8.Геометрический метод решения злп mxn. Пример для задачи mx2 (на минимум и максимум)
- •9.Аналитический метод решения злп mxn (симплекс-метод). Для задач на минимум и максимум.
- •10.Симплекс-таблицы в симплекс-методе для задач на максимум и минимум
- •11.Метод искусственного базиса в симплекс-методе.
- •12.Двойственные задачи линейного программирования.
- •13.Антогонистические матричные игры. Примеры игр: поиск, игра на уклонение, типа дуэли. Максимин и минимакс. Выигрыши двух игроков.
- •14.Ситуация равновесия в игре. Понятие седловой точки. Чистые стратегии двух игроков.
- •15. Смешанные стратегии двух игроков в матричной игре. Выигрыши игроков в игре. Теорема Дж. Фон Неймана о ситуации равновесия.
- •16. Аналитическое решение игры 2х2. Геометрическое решение игры 2x2.
- •17. Лемма о масштабе. Условия эквивалентности смешанных стратегий двух игр.
- •18. Свойства оптимальных смешанных стратегий в матричной игре.
- •19. Графический метод решения матричной игры (2xm)
- •20. Графический метод решения матричной игры (nx2)
- •21. Активные (существенные) стратегии игроков. Теоремы об активных стратегиях.
- •22.. Принцип доминирования стратегий 2х игроков. Теоремы о доминируемых стратегиях.
- •23.. Вполне смешанная игра. Решение матричной игры n*n методом обратной матрицы.
- •24.. Сведение матричной игры n*m к двойственной задаче линейного программирования. Общий подход. Методика решения матричной игры n*m симплекс-методом.
- •25.. Принятие решения в условиях полной неопределённости. Виды неопределённостей. Критерии Байеса, Лапласа, Вальда, Сэвиджа, Гурвица, Ходжа-Лемана, мм-кртерий.
- •26.. Планирование эксперимента в статистических играх в условиях неопределённости.
- •27.. Принятие решения в условиях полной определённости. Типы задач и критериев. Классификация и общая схема решения.
- •28.. Методы решения многокритериальных задач принятия решения. Нормализация критериев.
- •29. Методы равномерной оптимальности, справедливого компромисса, свертывания критериев (аддитивный критерий), главного критерия, идеальной точки, последовательных уступок.
- •30. Принятие решений в условиях риска. Метод ожидаемого значения. Этапы принятия решений. Деревья решений.
- •31. Биматричные неантагонистические игры. Постановка задачи. Функции выигрышей.
- •32. Примеры биматричных игр: борьба за рынки, дилемма узников, семейный спор, студент-преподаватель.
- •33. Принципы доминирования в биматричных играх. Пример для матриц размера 3x3.
- •34. Ситуация равновесия по Нэшу в биматричной игре в произвольной размерности. Свойства ситуаций равновесия. Теорема Дж. Нэша. Ситуация в игре называется ситуацией равновесия по Нэшу, если
- •35. Ситуация равновесия по Нэшу в биматричной игре 2x2. Поиск смешанных стратегий для двух игроков.
- •36. Графическая интерпретация решения в биматричной игре 2x2 по Нэшу.
- •39. Позиционные игры. Дерево принятия решений. Виды позиционных игры.
- •40. Нормализация позиционной игры. Привести пример для двухходовой двухпозиционной игры с полной информацией.
- •41. Сведение позиционной игры к матричной в условиях неполной информации. На примере двухходовых и трехходовых игр.
- •42. Сведение позиционной игры к матричной в условиях полной информации о стратегиях соперника.
30. Принятие решений в условиях риска. Метод ожидаемого значения. Этапы принятия решений. Деревья решений.
Принятие решений в условиях риска.
Принятие решения в условиях риска классифицируется как принятие решения, когда каждая альтернатива решений имеет несколько исходов, а каждый исход имеет определенную вероятность появления, известную ЛПР.
В таких ситуациях все рекомендации по выбору решений основаны на статистических характеристиках некоторых факторов. Основными критериями оценки являются:
- ожидаемое значение результата;
- критерий предельного уровня;
- критерий наиболее вероятного события.
Метод ожидаемого значения.
В соответствии с критерием ожидаемого значения, альтернативные значения сравниваются с учетом максимального увеличения прибыли или максимального уменьшения затрат. При этом считается, что прибыль или затраты в общем случае случайные. Критерий ожидаемого значения позволяет получить достоверную оценку, когда одно и то же решение принимается несколько раз.
Большую роль при поиске оптимального решения играют деревья решений, представляющие собой графические изображения последовательности решений и условий среды. Каждая из последовательностей решений ведет к определенному результату.
Этапы принятия решений.
Построение и анализ дерева решений включает в себя следующие этапы:
Постановка задачи и поиск альтернативных решений. Проводится анализ причин, вызвавших появление. Выявляются значимые для постановки задачи цели.
Построение дерева решений. При каждом решении или событии у дерева появляются ответвления, которые показывают каждое возможное направления действия, до тех пор, пока все логические последовательности не будут исчерпаны.
Дерево строится слева направо и содержит узлы двух типов: узлы первого типа отмечены квадратом или прямоугольником и обозначают узлы принятия решений. Альтернативы представлены в виде дуги, выходящей узла принятия решений. Если альтернатива связана с определенными затратами, то эта величина со знаком минус указывается над дугой.
Второй тип узлов изображается в виде круга и соответствует моменту появления возможных исходов в зависимости от состояния внешней среды.
Всем исходам задаются величины условных вероятностей, а конечным исходам – величины выигрыша. Ответвления соответствуют внешним состояниям среды. Сумма всех вероятностей одной группы ответвлений равна 1.
Ветви (дуги) на дереве решения тоже двух типов:
а) Пунктирные линии – для квадратов;
б) Сплошные линии – для кругов.
3) Анализ дерева решений производится справа налево, начиная с последнего принятого решения. В узлах-возможностях определяется среднее значение выигрыша. В узлах-решениях:
Процесс продолжается до тех пор, пока не будет определена оптимальная альтернатива для начального узла. Где решение принимается, ставится стрелка. Где решение не оптимальное – ветвь перекрывается.
Анализ устойчивости. Цель этого этапа состоит в определении предельного значения вероятностей, при которых происходит переход к другим альтернативным решениям.
Оценка ожидаемой ценности точной информации. Этот этап проводится в том случае, если с помощью исследуемой внешней среды можно узнать ее состояние. Проведение исследования требует затрат; поэтому исследование внешней среды целесообразно проводить, если затраты на их проведение ниже вычисленной разности критерия оценки выигрыша.
Существуют несколько подходов к оценке вероятности состояния среды:
Субъективный подход. Выносится субъективная оценка вероятности состояния среды на основе личных убеждений и знаний ЛПР.
Объективный подход. Оценка вероятности основана на формулах теории вероятности и подтверждается экспериментами.
Экспериментальный подход. Оценка вероятности выносится средствами математической статистики.
Оценочный поход (экспертная оценка). Эксперту предлагается найти случайную величину, имеющую вероятность 0.5. Дальше берутся вероятности 0.25 и 0.75.
