
- •Оглавление
- •Введение
- •1. Основные понятия теории системного анализа и принятия решений
- •Классификация задач принятия решения
- •Калибровочные соотношения между альтернативами
- •2.1. Однокритериальные задачи в условиях определенности
- •2.2. Многокритериальные задачи в условиях определенности
- •2.3. Принятие решений в условиях неопределенности
- •2.3.1. Принятие решений при наличии неопределенных факторов
- •Системная матрица расчетных случаев риска
- •2.3.2. Принятие решений в условиях отсутствия информации
- •2.3.3. Принятие решений в условиях нечеткой информации
- •2.3.4. Методы построения функций принадлежности
- •Качественные оценки градации альтернатив
- •3. Принятие решений с использованием критерИев
- •3.1. Минимаксный критерий
- •3.2. Расширенный минимаксный критерий
- •3.3. Критерий байеса-лапласа
- •3.4. Критерий сэвиджа
- •3.5. Модели агрегирования критериев
- •Схемы агрегирования локальных критериев
- •3.6. Основные понятия теории игр
- •Игра с нулевой суммой
- •3.7. Многомерные модели принятия решений
- •4. Методы многокритериальной оптимизации
- •4.1. Аксиоматическая теория полезности
- •4.2. Метод electre I
- •4.3. Метод electre II
- •4.4. Метод анализа иерархий (аналитическая иерархия)
- •5. Синтез оптимального управления объектами
- •5.1. Уравнение эйлера
- •5.2. Формализация задаЧи синтеза оптимальНого управления
- •5.3. Критерии оптимальности автоматических систем
- •5.4. Применение вариационного исчисления в оптимальНом управлении
- •5.5. Синтез оптимального управления. Метод бойчука
- •6. Задачи вычисления численных оценок
- •6.1. Процедура построения квазипорядка на множестве объектов (задача об упаковке)
- •6.2. ПроцедурА оптимального назначения объектов (Задача о назначениях)
- •6.2.1. Постановка многокритериальной задачи о назначениях
- •6.2.2. Формальный анализ задачи
- •6.2.3. Графы предпочтения
- •6.2.4. Матрица предпочтения
- •6.3. Задача планирования производства
- •6.4. Задача Принятия решений в условиях риска
- •6.5. Пример использования критериев
- •6.6. Задача постороенИя функций принадлежности
- •6.7. Синтез оптимального управления с использованием метода Бойчука
- •6.8. Объектно-ориентированный подход в системном анализе и управлении
- •6.8.1. Структура построения проекта задачи системного анализа с использованием ооп
- •Библиографический список
6.5. Пример использования критериев
Критерии выражают жесткие требования к практической ситуации, поэтому, как правило, окончательное решение приходится принимать волевым образом.
Пусть некоторую машину (технологическую установку) требуется подвергнуть проверке с приостановкой ее эксплуатации. Выпуск продукции должен быть приостановлен, но если своевременно не обнаружить неисправность, то это может привести еще и к поломке. Варианты решений:
—полная
проверка;
—минимальная
проверка;
—отказ
от проверки;
Машина может находится в следующих состояниях:
—неисправностей
нет:
—имеется
незначительная неисправность;
—имеется
серьезная неисправность.
Оценим
варианты решений согласно критериям
минимаксному, Байеса-Лапласа, Сэвиджа.
Результаты расчетов сведены в таблицах
6.6, 6.7. Оценки— отрицательные, как затраты.
Три критерия рекомендуют разные варианты. Необходимо рассмотреть рекомендации критериев.
1. Если решение относится к сотням машин, то целесообразно придерживаться критерия Байеса-Лапласа.
2. Если число реализаций невелико, то можно воспользоваться критерием Сэвиджа или минимаксным критерием.
3. Если неисправность f3встречается вдвое чащеq1=q2,q3= 0,5, то критерий Байеса — Лапласа как и минимаксный критерий
рекомендуют полную проверку.
Таблица 6.6
Варианты решений о проверке машины (критерии ММ, Байеса-Лапласа
|
|
|
|
ММ критерий |
Байеса-Лапласа | ||
|
|
|
| ||||
|
–20,0 |
–22,0 |
–25,0 |
–25,0 |
–25,0 |
–22,11 |
|
|
–14,0 |
–23,0 |
–31,0 |
–31,0 |
|
–22,44 |
|
|
0 |
–24,0 |
–40,0 |
–40,0 |
|
–21,12 |
–21,12 |
Таблица 6.7
Варианты решений о проверке машины (критерий Сэвиджа)
|
|
|
|
Сэвиджа | |
|
| ||||
|
+20,0 |
0 |
0 |
+20,0 |
|
|
+14,0 |
+1,0 |
+6,0 |
+14,0 |
+14,0 |
|
0 |
+2,0 |
+15,0 |
+15,0 |
|
4. Если удается снизить затраты на полную проверку: (a11= –18,0;a12= –20,0;a13= –22,0), все три критерия рекомендуют полную проверку.
6.6. Задача постороенИя функций принадлежности
Потребуем,
чтобы для всех элементов нечеткого
множества
выполнялось равенство:
Степень принадлежности элементов множеству будем определять посредством парных сравнений.
Оценку
элемента
по сравнению с элементом
с точки зрения свойства
обозначим
.
Для обеспечения согласованности
примем
.
Оценки
составляют матрицу парных сравнений
.
Найдем
— собственный вектор матрицы
,
решая уравнение
,
где
— собственное значение матрицы
.
Вычисленные значения, составляющие
собственный вектор
,
принимаются в качестве степени
принадлежности элементовxмножеству
:
,
(6.18)
Всегда
выполняется равенство
.
Найденные значения тем точнее, чем ближе
к
.
Отклонениеmaxот
может служить мерой согласованности
суждений экспертов.
Рассмотрим задачу оценки освещенности предметов. Освещенность поверхности определяется как количество светового потока на единицу площади. Для нахождения различий в освещенности четырех идентичных объектов, в зависимости от расстояния до источника, был проведен эксперимент. Предметы находились на следующих расстояниях от источника света: 8, 15, 21 и 28 единиц длины. Представлены две матрицы парных сравнений освещенности предметов, пронумерованных в возрастающем порядке в зависимости от их близости к источнику света.
Матрица парных сравнений имеет вид (6.19).
Необходимо
найти собственный вектор
,
для которого выполняется условие
,
где— собственное значение матрицы:
A=(6.19)
Вычислим
собственные значения из уравнения
.
Уравнение имеет нетривиальное решение
тогда и только тогда, когда определитель
матрицы
равен нулю. Найдем его:
(6.20)
Уравнение имеет решение:
;
;
.
.
Вычисляем собственный вектор. Условие нормировки:
(6.21)
Уравнение
:
(6.22)
Получаем систему уравнений:
(6.23)
Решив (4.23) с (4.21), получаем собственный вектор:
.
.
Матрица парных сравнений во втором эксперименте:
A=.
(6.24)
Найдем определитель:
(6.25)
Приравняем найденный определитель к нулю. Уравнение имеет решение:
;
;
.
.
Найдем собственный вектор:
.
.
Матрица
парных сравнений отражает согласованные
суждения тогда и только тогда, когда
.Кроме того, всегда
.
В первом эксперименте приn= 4 —
;
мера несогласованности равна 0,390. Во
втором эксперименте
,
мера несогласованности равна 0,102.
Следовательно, во втором эксперименте
согласованность суждений экспертов
выше, чем в первом.
Можно
получить грубые оценки значений
собственного вектора матрицы парных
сравнений. Вычислить собственный вектор
матрицы как значений приоритетов
объектов
,
.
1.
Вычислить
.
Для отi=1 доi=nвычислить:
,
.
2.
,
.
3.
,
.