- •Розділ 1. Методологічні основи дослідження операцій
- •1.1 Етапи дослідження операцій
- •1.2 Математичне моделювання. Загальна структура
- •1.3 Етапи математичного моделювання. Приклади
- •1.4 Розділи і класи задач дослідження операцій
- •1.5 Основні вимоги до математичних моделей і їх властивості
- •1.6 Формалізація принципів оптимального поводження в моделях прийняття рішення.
- •Розділ 2. Задачі лінійного програмування
- •2.1 Попередні відомості теорії лінійного програмування.
- •2.2 Графічна інтерпретація розв’язання задач лп
- •2.3 Змістовний опис симплекс-методу розв’язання задач лп
- •2.4 Знаходження початкового опорного плану
- •2.5 Знаходження оптимального плану
- •2.6 Застосування симплекс-таблиць
- •2.7 Метод штучної бази
- •2.8 Двоїсті (спряжені) задачі лінійного програмування
- •З другої групи умов доповняльної нежорсткості маємо
- •Розділ 3. Транспортні задачі (т-задачі)
- •3.1 Математична структура т-задач
- •3.2. Визначення початкового опорного плану т-задачі
- •3.3 Властивості опорних планів т-задач
- •3.4 Розв’язання т-задач методом потенціалів
- •3.6 Задача про оптимальні призначення
- •3.7 Задача про максимальний потік. Метод Форда-Фалкерсона
- •3.8 Задача про найкоротший шлях на мережi. Метод Мiнтi
- •Розділ 4. Дискретне програмування
- •4.1 Задача дискретного лп. Метод Гоморi-1)
- •4.2 Задача частково дискретного лп. Метод Гоморi-2
- •4.3 Задача дискретного лп. Метод Гоморi-3
- •4.4 Задача частково дискретного лп. Метод Дальтона-Ллевелiна
- •4.5 Задача дискретного лп. Метод гілок I границь
- •Розділ 5. Нелінійне програмування. Безумовна однопараметрична оптимізація
- •5.1 Загальні відомості
- •5.2 Методи виключення інтервалів
- •Зауваження
- •5.3 Поліноміальна апроксимація
- •5.4 Методи оптимізації з використанням похідних
- •Розділ 6. Нелінійне програмування. Методи умовної оптимізації
- •6.1 Класична задача математичного програмування
- •6.2 Задача опуклого квадратичного програмування.
- •6.3. Метод Франка – Вулфа розв’язання задач квадратичного програмування (зкп)
- •Розділ 7. Теорія прийняття рішень
- •7.1. Теорія корисності і прийняття рішень
- •7.1.1. Прийняття рішень в умовах ризику
- •7.1.2. Критерій “очікуване значення – дисперсія”
- •7.1.3. Критерій граничного рівня.
- •7.2. Прийняття рішень в умовах невизначеності
- •7.2.1. Класичні критерії прийняття рішень
- •7.2.2. Похідні критерії
- •Розділ 8. Прийняття рішень в ігрових ситуаціях
- •8.1 Класифікація ігор
- •8.2 Розв’язання матричних ігор у чистих стратегіях
- •8.3 Змішане розширення матричної гри
- •8.4 Властивості розв’язку матричних ігор
- •8.5. Алгебраїчний метод розв’язання матричних ігор
- •8.6 Графічний метод розв’язання ігор 2nіm 2.
- •8.7 Матричний метод розв’язання ігор
- •8.8. Ітеративні методи розв’язання ігор
- •8.9. Метод послідовного наближення до ціни гри
- •Розділ 9. Нескінченні антагоністичні ігри
- •9.1. Визначення нескінченної антагоністичної гри
- •9.2 Ігри з опуклими функціями виграшів
- •Розділ 10. Безкоаліційні ігри
- •Розділ 11. Кооперативні ігри
- •11.1 Характеристика кооперативних ігор
- •11.2. Характеристичні функції ігор з малим числом гравців
- •Розділ 12. Вправи для самостійної роботи та для практичних і лабораторних занять
- •12.1. Побудова математичних моделей задач
- •12.2. Розв’язання задач лінійного програмування
- •12.3 Розв’язання транспортних задач
- •12.4 Розв’язання задач цілочислового програмування
- •12.5 Розв’язання задач нелінійного програмування
- •12.6 Розв’язання матричних ігор
- •12.7 Лабораторний практикум
- •Розділ 13. Контрольна робота для студентів заочної форми навчання
- •13.1 Правила вибору задач контрольної роботи
- •13.2 Варіанти завдань контрольної роботи
- •Література
- •1.1 Етапи дослідження операцій 5
7.2. Прийняття рішень в умовах невизначеності
Припускати, що особі, що приймає рішення не протистоїть розумний супротивник. Дані, необхідні для ухвалення рішення в умовах невизначеності, звичайно задаються у формі матриці, рядки якої відповідають можливим діям, а стовпці можливим станам системи.
Нехай, наприклад, з деякого матеріалу потрібно виготовити виріб, довговічність якого при допустимих витратах неможливо визначити. Навантаження вважаються відомими. Потрібно вирішити, які розміри повинен мати виріб з даного матеріалу.
Варіанти рішення такі:
Е1 – вибір розмірів з розумінь максимальної довговічності ;
Еm– вибір розмірів з розумінь мінімальної довговічності ;
Ei – проміжні рішення.
Умови потребуючі розгляди такі :
F1 – умови, що забезпечують максимальної довговічність;
Fn – умови, що забезпечують min довговічність;
Fi – проміжні умови.
Під результатом рішення eij = е(Ei ; Fj ) тут можна розуміти оцінку, що відповідає варіантові Ei і умовам Fj і характеризує прибуток, корисність або надійність. Такий результат назвемо корисністю рішення. Тоді сімейство (матриця) рішеньмає вигляд :
|
F1 |
F2 |
. . . |
Fn |
E1 |
e11 |
e12 |
. . . |
e1n |
E2 |
e21 |
e22 |
. . . |
e2n |
. . . |
. . . . . . . . . . . . . . | |||
Em |
em1 |
em2 |
. . . |
emn |
Щоб прийти до однозначного і по можливості найвигіднішого варіанта рішення необхідно ввести оцінку (цільову) функцію. При цьому матриця рішень зводиться до одного стовпця. Кожному варіантуEi приписується, таким чином, деякий результат eir, що характеризує, у цілому, усі наслідки цього рішення. Такий результат будемо надалі позначати тим же символом eir.
7.2.1. Класичні критерії прийняття рішень
Мінімаксний критерій. Правило вибору рішення за мінімаксним критерієм (Мм-критерієм) можна інтерпретувати в таким чином: матриця рішень доповнюється ще одним стовпцем з найменших результатів eir кожного рядка. Необхідно вибрати ті варіанти в рядках яких найбільші значення eir цього стовпця.
Обрані таким чином варіанти цілком виключають ризик. Це означає, що особа, що приймає рішення не може зіштовхнутися з гіршим результатом, ніж той, на який він орієнтується. Ця властивість дозволяє вважати Мм-критерій одним з фундаментальних.
Застосування Мм-критерію буває виправдано, якщо ситуація, у якій приймається рішення буде така:
1. Про можливості появи зовнішніх станів Fj нічого не відомо;
2. Приходиться враховувати появу різних зовнішніх станів Fj;
3. Рішення реалізується тільки один раз;
4. Необхідно виключити будь-який ризик.
Критерій Байеса – Лапласа. Позначимо через qi – ймовірність появи зовнішнього стану Fj.Відповідне правило вибору можна інтерпретувати таким чином: матриця рішеньдоповнюється ще одним стовпцем, що містить математичне очікування значень кожного з рядків. Вибираються ті варіанти, у рядках яких найбільше значенняeir цього стовпця.
При цьому передбачається, що ситуація, у якій приймається рішення, характеризується такими обставинами:
1. Ймовірність появи стану Fj відома і не залежать від часу.
2. Рішення реалізується (теоретично) нескінченно багато разів.
3. Для малого числа реалізацій рішення допускається деякий ризик.
Для досить великій кількості реалізацій середнє значення поступово стабілізується. Тому при повній (нескінченної) реалізації будь-який ризик практично виключений.
Таким чином критерій Байеса-Лапласа (B-L-критерій) більш оптимістичний, ніж мінімаксний критерій, однак він потребує більшу інформативність і досить тривалу реалізацію.
Критерій Сэвиджа.
Величину aij можна трактувати як максимальний додатковий виграш, що досягається, якщо в стані Fj замість варіанта Ei вибирати інший, оптимальний для цього зовнішнього стану варіант. Величину aij можна інтерпретувати і як втрати (штрафи), що виникають у стані Fj при заміні оптимального для нього варіанта на варіант Ei. В останньому випадку eir є максимально можливими (по всіх зовнішніх станах Fj , j =) втратами у випадку вибору варіанта Ei.
Відповідному критерієві Сэвиджа правило вибору трактується так:
1). Кожен елемент матриці рішень віднімається з найбільшого результатуmax eij відповідного стовпця.
2). Різниці aij утворять матрицю залишків. Ця матриця поповнюється стовпцем найбільших різницьeir. Вибирають ті варіанти, у рядках яких найменше для цього стовпця значення.
Вимоги, що запропоновані до ситуації, у якій приймається рішення, збігаються з вимогою до Мм-критерію.
З вимог, запропонованих до розглянутих критеріїв стає ясно, що внаслідок їх твердих вихідних позицій вони застосовні тільки для ідеалізованих практичних рішень. Коли можлива надто сильна ідеалізація, можна застосовувати одночасно по черзі різні критерії. Після цього серед варіантів ОПР вольовим методом вибирає остаточне рішення. Такий підхід дозволяє, по-перше, краще проникнути в усі внутрішні зв'язки проблеми прийняття рішень і, по-друге, послабляє вплив суб'єктивного фактора.
Приклад 7.4. Під час роботи ЕОМ необхідно періодично припиняти обробку інформації і перевіряти ЕОМ на наявність у ній вірусів. Припинення в обробці інформації приводять до визначених економічних витрат. У випадку ж якщо вірус вчасно виявлений не буде, можлива втрата і деякої частини інформації, що приведе і ще до додаткових втрат.
Варіанти рішення такі:
Е1– повна перевірка;
Е2– мінімальна перевірка;
Е3– відмовлення від перевірки.
ЕОМ може знаходитися в таких станах:
F1– вірус відсутній;
F2– вірус є, але він не встиг зашкодити інформацію;
F3– є файли, що бідують у відновленні.
Результати, що включають витрати на пошук вірусу і його ліквідацію, а також витрати, пов'язані з відновленням інформації мають вигляд:
|
|
|
|
Мм-критерій |
критерій B-L | ||
|
F1 |
F2 |
F3 |
eir=eij |
eir |
eir = |
eir |
E1 |
-20.0 |
-22.0 |
-25.0 |
-25.0 |
-25.0 |
-22.33 |
|
E2 |
-14.0 |
-23.0 |
-31.0 |
-31.0 |
|
-22.67 |
|
E3 |
0 |
-24.0 |
-40.0 |
-40.0 |
|
-21.33 |
-21.33 |
Відповідно до Мм-критерію слід проводити повну перевірку. Критерій Байеса-Лапласа, у припущенні, що всі стани машини рівноймовірні. P(Fj) = qj = 0.33, рекомендується відмовитися від перевірки. Матриця залишків для цього приклада і їх оцінка (у тисячах) відповідно до критерію Сэвиджа має вигляд:
|
|
|
|
Критерій Сэвиджа | |
|
F1 |
F2 |
F3 |
eir=aij |
eir |
E1 |
+20.0 |
0 |
0 |
+20.0 |
|
E2 |
+14.0 |
+1.0 |
+6.0 |
+14.0 |
+14.0 |
E3 |
0 |
+2.0 |
+15.0 |
+15.0 |
|
Приклад спеціально підібраний таким чином, щоб кожен критерій пропонував нове рішення. Невизначеність стану, у якому перевірка застає ЕОМ, перетворюється в неясність, якому критерієві випливати.
Оскільки різні критерії зв'язані з різними умовами, у яких приймається рішення, краще всього для порівняльної оцінки рекомендації тих або інших критеріїв отримати додаткову інформацію про саму ситуацію. Зокрема, якщо прийняте рішення відноситься до сотень машин з однаковими параметрами, то рекомендується застосовувати критерій Байеса-Лапласа. Якщо ж кількість машин не велика, краще користуватися критеріями мінімакса або Севиджа.