21.Методы снятия неопределенности (принципы гарантированного результата).

В задачах существуют параметры. ЛПР должно обладать информацией о значениях этих параметров.

a_ij – значения этих параметров,

c_j – коэффициент целевой функции.

С точки зрения формализованного описания можем сказать, что ЛПР имеет представление об области допустимых значений параметров (а А).

Чем больше ОДЗ, тем больше неопределенность.

Решаем задачу «снятия неопределенности».

Приемы:

1. Принцип гарантированного результата. Этот принцип предполагает, что лицо, принимающее решение, исходит из наихудшей гипотезы о значениях параметров.

Для определенности допустим, что рассматривается некоторый параметр аi, который имеет положительный смысл (цена на продукцию, спрос на нашу продукцию)

-ОДЗ

22.Методы снятия неопределенности (метод регрессионного прогнозирования).

В задачах существуют параметры. ЛПР должно обладать информацией о значениях этих параметров.

a_ij – значения этих параметров,

c_j – коэффициент целевой функции.

С точки зрения формализованного описания можем сказать, что ЛПР имеет представление об области допустимых значений параметров (а А).

Чем больше ОДЗ, тем больше неопределенность.

Решаем задачу «снятия неопределенности».

2. Метод статистического моделирования. Идея метода заключается в следующем: ЛПР не имеет достоверной информации о значениях параметров на будущие периоды. Однако, он располагает ретро информацией о значениях этих параметров.

+δ

…….

.. …. -δ

t₀t

Бывают ситуации, когда изменение параметров характеризуется некоторой тенденцией. Если такое имеет место, то возникает идея построить некоторую функцию, которая описывает эти закономерности а = а(t)

Возьмем некоторую линейную матрицу:

а = α + βt

Есть некоторая статистика. Имея некоторые прочие данные, используя МНК рассчитываются параметры α и β. Тогда модельное значение параметров а^м= α + βt.

Рассчитывается погрешность:

Эти методы применимы только в случаях, когда медленно развиваются процессы.

23-24.Методы снятия неопределенности (метод формирования данных).

В задачах существуют параметры. ЛПР должно обладать информацией о значениях этих параметров.

a_ij – значения этих параметров,

c_j – коэффициент целевой функции.

С точки зрения формализованного описания можем сказать, что ЛПР имеет представление об области допустимых значений параметров (а А).

Чем больше ОДЗ, тем больше неопределенность.

Решаем задачу «снятия неопределенности».

3. Метод формирования данных.

ЛПР

S

а

ЛПР просит сообщить элемента значение параметра а.

S– та оценка, которую элемент сообщит наверх в качестве значения параметра.

Поскольку ЛПР имеет представление об ОДЗ, то сообщаемая оценка может колебаться в диапазоне:

Есть серьезные недостатки в этом методе: ЛПР должен понимать, что у элементов есть свое представление что сообщать и как сообщать. Элементы могут сознательно искажать информацию.

2 5-26Проектирование согласованного механизма ценообразования в двухуровневой организационной системе.

Практика рыночной экономики довольно часто диктует необходимость организации экономического взаимодействия «по горизонтали». Речь идет о том, что отсутствует некоторый центр, который взял бы на себя функции метаигрока и определил бы правила игры. Субъекты взаимодействия сами должны находить взаимосогласованный компромисс взаимодействия.

В качестве моделируемой рассмотрим систему, состоящую из двух производственных элементов ПЭ1 иПЭ2.

Первый производственный элемент вырабатывает полуфабрикат в количестве х и продает его второму, который в свою очередь производит товарную продукцию в количествеу по рыночной ценеЦ₂. Возникает вопрос, по какой ценеЦ₁, должен продаваться полуфабрикат?

Примем, что ПЭ1 имеет затраты в количествеz_i=а₁*х (а₁- норматив затрат). ЗатратыПЭ2 описываются следующей функциейz₂=a₂*у + Ц₁* х (а_г- норматив затрат, без учета затрат на приобретение полуфабриката). Считаем, что целевыми функциями дляПЭ1 и /732 являются их прибыли. Очевидно, что область допустимых решений по Ц₁, определяется условиями:

Откуда следует, что