- •Введение
- •Лекция 1. Основные положения теории принятия решений
- •1.1. Определения
- •1.2. Этапы принятия решений
- •1.3. Формулирование проблемы
- •1.4. Выявление целей
- •1.5. Формирование критериев
- •1.6. Генерирование альтернатив
- •1.7. Основные понятия лекции №1
- •Литература
- •Лекция 2. Классификация задач принятия решений и методов их решения
- •2.1. Классификационное дерево задач принятия решений (зпр) и методов их решения
- •2.2. Общая постановка однокритериальной задачи принятия решения
- •2.3. Общая формулировка задачи со стохастической неопределенностью
- •2.4. Основные понятия лекции №2
- •Литература
- •Лекция 3. Задачи и методы критериального выбора
- •3.1. Классификация задач и методов критериального выбора
- •3.2. Поиск альтернативы с заданными свойствами
- •3.3. Отбор недоминируемых альтернатив
- •3.4. Принцип справедливой уступки
- •3.4.1. Принцип абсолютной уступки
- •3.4.2. Принцип относительной уступки
- •3.5. Приоритет важнейшего критерия
- •3.5.1. Условная максимизация с ограничениями по равенству
- •3.5.2. Условная максимизация с ограничениями по неравенству
- •3.5.3. Метод уступок
- •3.6. Сведение многокритериальной задачи к однокритериальной
- •3.7. Способы нормализации локальных критериев
- •3.8. Способы задания и учета приоритета локальных критериев
- •3.9. Пример многокритериальной задачи принятия решений
- •3.10. Основные понятия лекции №3
- •Литература
- •Лекция 4. Задачи Принятия решений в условиях неопределнности
- •4.1. Схема оптимизационного исследования в условиях неопределенности
- •4.2. Нечеткие модели оптимизации
- •4.2.1.Элементы теории нечетких множеств
- •4.2.2. Лингвистические переменные
- •4.3. Шкала отношений и матрицы парных сравнений
- •4.4. Построение функции принадлежности
- •4.5. Многокритериальный выбор альтернатив на основе пересечения нечетких множеств
- •4.6. Многокритериальный выбор альтернатив на основе нечеткого отношения предпочтения
- •4.7. Примеры прикладных задач
- •4.7.1. Выбор лучшего банка для размещения денежных средств физическим лицом
- •4.7.2. Выбор конкурентоспособного товара
- •4.8. Основные понятия лекции №4
- •Литература
- •Содержание
2.3. Общая формулировка задачи со стохастической неопределенностью
Каждая выбранная стратегия управления в условиях риска связана с множеством возможных исходов, причем каждый исход имеет определенную вероятность появления, известную заранее человеку, принимающему решение.
При оптимизации решения в подобной ситуации стохастическую ЗПР сводят к детерминированной. Широко используют при этом следующие два принципа: искусственное сведение к детерминированной схемеиоптимизация в среднем.
В первом случае неопределенная, вероятностная картина явления приближенно заменяется детерминированной. Для этого все участвующие в задаче случайные факторы приближенно заменяются какими-то неслучайными характеристиками этих факторов (как правило, их математическими ожиданиями).
Этот прием используется в грубых, ориентировочных расчетах, а также в тех случаях, когда диапазон возможных значений случайных величин сравнительно мал. В тех случаях, когда показатель эффективности управления линейно зависит от случайных параметров, этот прием приводит к тому же результату, что и «оптимизация в среднем».
Прием «оптимизация в среднем» заключается в переходе от исходного показателя эффективности Q, являющегося случайной величиной:
где X− вектор управления;
А− массив детерминированных факторов;
y1y2,...,yk− конкретные реализации случайных фиксированных факторовY1,Y2,...,Yk
к его усредненной, статической характеристике, например, к его математическому ожиданию M[Q]:
(7)
где Вмассив известных статистических характеристик случайных величинY1,Y2, ...,Yk;
закон распределения вероятностей случайных величин Y1,Y2, ...,Yk.
При оптимизации в среднем по критерию (7) в качестве оптимальной стратегии будет выбрана такая, стратегия, которая, удовлетворяя ограничениям на областьQxдопустимых значений вектораX, максимизирует значение математического ожиданияF=M[Q] исходного показателя эффективностиQ, т. е.
(8)
В том случае, если число возможных стратегий iконечнои число возможных исходовjконечно, то выражение (8) переписывается в виде
, (9)
где Qijзначение показателя эффективности управления в случае появленияjго исхода при выбореiстратегии управления;
Рij вероятность появления jго исхода при реализации iтой стратегии.
Из выражений (8) и (9) следует, что оптимальная стратегия приводит к гарантированному наилучшему результату только при многократном повторении ситуации в одинаковых условиях. Эффективность каждого отдельного выбора связана с риском и может отличаться от средней величины как в лучшую, так и в худшую сторону.
Сравнение двух рассмотренных принципов оптимизации в стохастических ЗПР показывает, что они представляют собой детерминизацию исходной задачи на разных уровнях влияния стохастических факторов. «Искусственное сведение к детерминированной схеме» представляет собой детерминизацию на уровне факторов, «оптимизация в среднем» на уровне показателя эффективности.
После выполнения детерминизации могут быть использованы все методы, применимые для решения однокритериальных статических детерминированных ЗПР.
Примероднокритериальной статической ЗПР в условиях риска.
Для создания картографической базы данных необходимо кодировать картографическую информацию. Использование поэлементного кодирования приводит к необходимости использования чрезвычайно больших объемов памяти. Известен ряд методов кодирования, позволяющих существенно сократить требуемый объем памяти (например, линейная интерполяция, интерполяция классическими многочленами, кубические сплайны и т.п.). Основным показателем эффективности метода кодирования является коэффициент сжатия информации. Однако значение этого коэффициента зависит от вида кодируемой картографической информации (гидрография, границы вида графической кодируемой информации и т. п.). Обозначим через Qijзначение коэффициента сжатияiго метода кодирования дляjтого вида информации (). Конкретный район, подлежащий кодированию, заранее неизвестен. Однако предварительный анализ картографической информации всего региона и опыт предыдущих разработок позволяет вычислить вероятность появления каждого из видов информации. Обозначим черезРjвероятность появления информацииjго вида, . Тогда, используя метод оптимизации в среднем, следует выбрать такой метод кодирования, для которого
.