Лабораторная работа №4й
.docxФГБОУ ВО
Уфимский государственный авиационный технический университет
Кафедра технической кибернетики
ОТЧЕТ
по дисциплине «Теория принятия решения»
Лабораторная работа 1 «Модели принятия решения в условиях
риска»
Вариант - 4
Выполнил: ст.гр.ИВТ-319
Сатвалов Д.Ф.
Проверил: к.т.н., доцент
Насыров Р.В.
Уфа 2020 г
ФГБОУ ВО
Уфимский государственный авиационный технический университет
Кафедра технической кибернетики
ОТЧЕТ
по дисциплине «Теория принятия решения»
Лабораторная работа 1 «Модели принятия решения в условиях
риска»
Вариант - 4
Выполнил: ст.гр.ИВТ-319
Сатвалов Д.Ф.
Проверил: к.т.н., доцент
Насыров Р.В.
Уфа 2020 г
ФГБОУ ВО
Уфимский государственный авиационный технический университет
Кафедра технической кибернетики
ОТЧЕТ
по дисциплине «Теория принятия решения»
Лабораторная работа 1 «Модели принятия решения в условиях
риска»
Вариант - 4
Выполнил: ст.гр.ИВТ-319
Сатвалов Д.Ф.
Проверил: к.т.н., доцент
Насыров Р.В.
Уфа 2020 г
ФГБОУ ВО
«Уфимский государственный авиационный технический университет»
Кафедра ТК
Отчет
По лабораторной работе №4
«Принятие решений на основе метода анализа иерархий»
по дисциплине «Теория принятия решения»
Вариант 1
Выполнил:
ст. гр. ИВТ-327
Проверил:
Насыров Р.В.
Уфа 2023
ФГБОУ ВО
Уфимский государственный авиационный технический университет
Кафедра технической кибернетики
ОТЧЕТ
по дисциплине «Теория принятия решения»
Лабораторная работа 1 «Модели принятия решения в условиях
риска»
Вариант - 4
Выполнил: ст.гр.ИВТ-319
Сатвалов Д.Ф.
Проверил: к.т.н., доцент
Насыров Р.В.
Уфа 2020 г
ФГБОУ ВО
Уфимский государственный авиационный технический университет
Кафедра технической кибернетики
ОТЧЕТ
по дисциплине «Теория принятия решения»
Лабораторная работа 1 «Модели принятия решения в условиях
риска»
Вариант - 4
Выполнил: ст.гр.ИВТ-319
Сатвалов Д.Ф.
Проверил: к.т.н., доцент
Насыров Р.В.
Цель работы: изучение особенностей применения метода анализа иерархий для принятия решений в области системотехники с использованием специально разработанного программного пакета.
Задание: для заданного сервиса предложить частные показатели удовлетворенности пользователя (8-10), выбрать 6 наиболее значимых о оценить их весовые коэффициенты
Вариант 1
Сервис |
|
1 |
Электронная почта |
Ход работы: процедура применения МАИ: необходимо выбрать способ для печати и использования в повседневной жизни или работе.
Изначально задаются следующие методы печати (Высокая печать, Трафаретная печать, Глубокая печать, Плоская печать, Офсетная печать, УФ-печать), а также список критериев, для оценки, то есть основные характеристики печати (цена, четкость изображений, насыщенность цвета, массовость, экологичность, производительность).
10 3 15 10 8 1тб
Претенденты |
Yandex |
gmail |
Rambler |
Ok |
Yahoo |
|
Безопасность |
9 |
8 |
9 |
7 |
5 |
6 |
Объем рабочего пространства |
6 |
3 |
7 |
6 |
5 |
9 |
Наличие средства защиты от вирусов |
7 |
8 |
9 |
3 |
2 |
4 |
Массовость |
9 |
6 |
3 |
1 |
1 |
1 |
Удобства интерфейса |
8 |
9 |
8 |
5 |
2 |
4 |
Функционал |
8 |
7 |
9 |
4 |
1 |
2 |
Рисунок 1 – Заданные претенденты и критерии.
Строим матрицу парных сравнений критериев (характеристик):
Поскольку элементы, симметричные относительно главной диагонали матрицы являются обратно симметричными, то достаточно заполнить только одну половину матрицы.
При использовании данного критерия, называемого также критерием максимакса, ЛПР ориентируется на то, что условия функционирования анализируемых систем будут для него наиболее благоприятными. Вследствие этого оптимальным решением является стратегия, приводящая к получению наибольшего значения критерия оптимальности в платежной матрице. Этот критерий целесообразно применять в тех случаях, когда имеется принципиальная возможность повлиять на функции противоположной стороны.Критерий Сэвиджа (критерий потерь от «минимакса») предполагает,что из всех возможных вариантов «матрицы решений» выбирается таальтернатива, которая минимизирует размеры максимальных потерь покаждому из возможных решений. При использовании этого критерия«матрица решения» преобразуется в «матрицу потерь» (один из вариантов«матрицы риска»), в которой вместо значений эффективности проставляютсяразмеры потерь при различных вариантах развития событий.Критерий Сэвиджа используется при выборе рисковых решений вусловиях неопределенности, как правило, субъектами, не склонными к рискуиз требований, предъявляемых к рассмотренным критериям,
становится ясно, что вследствие их жёстких исходных позиций они
применимы только для идеализированных практических решений. В случае,
когда возможна слишком сильная идеализация, можно применять
одновременно поочерёдно различные критерии. После этого среди
нескольких вариантов ЛПР (лицо, принимающее решение) волевым методом
выбирает окончательное решение.
Критерий Сэвиджа.
Критерий Сэвиджа (критерий потерь от «минимакса») предполагает,
что из всех возможных вариантов «матрицы решений» выбирается та
альтернатива, которая минимизирует размеры максимальных потерь по
каждому из возможных решений. При использовании этого критерия
«матрица решения» преобразуется в «матрицу потерь» (один из вариантов
«матрицы риска»), в которой вместо значений эффективности проставляются
размеры потерь при различных вариантах развития событий.
Критерий Сэвиджа используется при выборе рисковых решений в
условиях неопределенности, как правило, субъектами, не склонными к риску
import numpy as np
import random
M = [ [ random.randint(1, 100) for j in range(14)] for i in range(10) ]
K = [ [ random.randint(1, 2) for j in range(14)] for i in range(10) ]
print('Исходная матрица:')
for i in range(10):
print(M[i])
print("-------------------------------------------------------")
print("Критерий Сэвиджа: 1) Максимальный элемент в каждом столбце")
for j in range(14):
max=0
k=0
for i in range(10):
if M[i][j]>max:
max=M[i][j]
k=i
for i in range(10):
K[i][j]=abs(M[i][j]-max)
print("В столбце ", j, ": M[",k,"][",j,"] =",max)
print("2) Матрица после вычитания из каждого элемента столбца максимума столбца:")
for i in range(10):
print(K[i])
min=100
print("3) Нахождение максимума в каждой строке матрицы:")
k=0
r=0
for i in range(10):
max=0
for j in range(14):
if K[i][j]>max:
max=K[i][j]
k=j
for j in range(14):
if max<min:
min=max
r=i
print("В строке ", i, ": M[",i,"][",k,"] =",max)
print( r, " является решением, значение которого равно", min)
print("--------------------------------------------------------------")
print("Оптимистический критерий")
print("1) Нахождение максимума в каждой строке матрицы:")
max2=0
for i in range(10):
max=0
for j in range(14):
if M[i][j]>max:
max=M[i][j]
k=j
for j in range(14):
if max<min:
min=max
for j in range(14):
if max>max2:
max2=max
print("В строке ", i, ": M[",i,"][",k,"] =",max)
for i in range(10):
for j in range(14):
if M[i][j]==max2:
print(i, end=',')
print( " является решением, значение которого равно", max2)Уфа 2022