- •Донбасская государственная машиностроительная академия Теория принятия решений
- •Краматорск 2011
- •Лабораторная работа № 1 Экспертные процедуры принятия решений. Методы обработки экспертной информации: одномерное шкалирование
- •Алгоритм метода одномерного шкалирования
- •Пример выполнения задания
- •Лабораторная работа № 2 Принятие решений на основе теории полезности
- •Краткие теоретические сведения Анализ и решение задач с помощью дерева решений
- •Основные определения концепции полезности
- •Лабораторная работа № 3 Принятие оптимального решения на основе теории игры
- •Краткие теоретические сведения
- •Лабораторная работа №4 Принятие многоцелевых решений
- •Краткие теоретические сведения
- •Пример выполнения задания
- •Лабораторная работа № 5 Принятие решений на основе метода динамического программирования
- •Пример выполнения задания
- •Вариант № 1, 4, 8, 15, 17, 20
- •Обработчик и визуализатор «Дерево решений»
- •Обработчик «Группировка»
- •Обработчик «Сортировка»
- •Визуализатор «Карта Кохонена»
- •Визуализатор «Правила»
- •Визуализатор «Таблица сопряженности»
- •Визуализатор «Что-если»
- •Обработчик «Автокорреляция»
- •Обработчик «Парциальная предобработка»
- •Обработчик «Скользящее окно»
- •Обработчик «Нейросеть»
- •Обработчик «Прогнозирование»и визуализатор «Диаграмма прогноза»
- •Обработчик «Разгруппировка»
- •Лабораторная работа № 7 Создание сппр для принятия решений по кредитованию
- •Лабораторная работа № 8 создание сппр для экспертной оценки объектов
- •Самостоятельная работа
- •Список рекомендуемой литературы
Лабораторная работа № 3 Принятие оптимального решения на основе теории игры
Цель: научиться осуществлять выбор альтернативы на основе теории игры и применять полученные знания при создании программных продуктов.
Постановка задачи. Предприятие выпускает определенную продукцию партиями фиксированного размера. Из-за случайных сбоев в производственном процессе возможный выпуск партий с недопустимо высоким процентом бракованной продукции. Определяют состояния внешней среды: – пригодная партия изделий,– бракованная партия изделий.
Пусть бракованные изделия в пригодной партии составляют %б(),в непригодной – %б(). Проведенные на предприятии расчеты показывают, что вероятность производства бракованной партии составляет .
Предприятие отправляет партии товаров потребителям, для которых контрактом обусловленный возможный предельный процент бракованных деталей –%б-потреб-l соответственно. За один процент превышения установленных границ предполагается штраф размером тыс.грн. С другой стороны, производство партии товаров более высокого качества увеличивает затраты предприятия натыс.грн. за каждый процент.
В результате проверки двух изделий из всей партии может быть установлено, что: 1) оба изделия пригодны; 2) одно из изделий пригодно; 3) оба изделия бракованы. Пусть – эти три возможные события соответственно.
Задание. Построить программный модуль, позволяющий:
1) принять оптимальное решение в условиях отсутствия риска (гарантированный результат);
2) принять оптимальное решение, используя априорные вероятности событий;
3) принять оптимальное решение, используя апостериорные вероятности событий.
Исходные данные представлены в таблице 1. Процент брака выбирается студентом случайным образом в заданных границах, используя генератор случайных чисел.
Предусмотреть возможность ввода задаваемого пользователем количества альтернатив (покупателей), величин процента бракованной продукции и вероятностей пребывания внешней среды в одном из своих состояний.
Программа должна выдавать сообщение о выборе оптимальной альтернативы в каждом конкретном случае (при использовании различной информации и при указанных результатах контрольной проверки деталей), а также критерий, с помощью которого принималось решение.
Таблица 1 – Исходные данные
№ варианта |
Процент брака относительно требований покупателя %б-потреб-l |
%б() |
%б() |
Количество покупателей | ||||
min |
max | |||||||
1 |
5 |
8 |
4 |
13 |
0,2 |
100 |
80 |
2 |
2 |
6 |
10 |
5 |
15 |
0,3 |
120 |
100 |
3 |
3 |
4 |
10 |
3 |
16 |
0,15 |
130 |
110 |
4 |
4 |
5 |
9 |
4 |
12 |
0,25 |
115 |
95 |
5 |
5 |
6 |
9 |
5 |
13 |
0,3 |
125 |
105 |
2 |
6 |
4 |
10 |
3 |
14 |
0,2 |
145 |
125 |
5 |
7 |
5 |
11 |
4 |
15 |
0,2 |
140 |
120 |
4 |
8 |
6 |
11 |
5 |
15 |
0,15 |
135 |
115 |
3 |
9 |
4 |
9 |
3 |
14 |
0,25 |
130 |
110 |
6 |
10 |
5 |
10 |
4 |
12 |
0,2 |
125 |
105 |
6 |
11 |
5 |
9 |
4 |
13 |
0,15 |
120 |
95 |
5 |
12 |
6 |
10 |
5 |
15 |
0,3 |
115 |
100 |
4 |
13 |
6 |
11 |
5 |
16 |
0,2 |
110 |
80 |
5 |
14 |
4 |
8 |
3 |
15 |
0,15 |
110 |
85 |
4 |
15 |
4 |
9 |
3 |
16 |
0,1 |
105 |
75 |
3 |
16 |
5 |
9 |
4 |
14 |
025 |
100 |
80 |
2 |
17 |
6 |
10 |
5 |
14 |
0,25 |
105 |
85 |
2 |
18 |
4 |
7 |
3 |
13 |
0,3 |
115 |
90 |
4 |
19 |
4 |
9 |
3 |
16 |
0,2 |
120 |
100 |
3 |
20 |
6 |
10 |
5 |
15 |
0,2 |
125 |
95 |
4 |
21 |
5 |
10 |
4 |
14 |
0,15 |
125 |
100 |
5 |
22 |
6 |
11 |
5 |
16 |
0,15 |
130 |
100 |
2 |
23 |
6 |
9 |
5 |
15 |
0,3 |
115 |
80 |
3 |
24 |
4 |
10 |
3 |
16 |
0,25 |
105 |
70 |
3 |
25 |
5 |
11 |
4 |
16 |
0,3 |
110 |
85 |
5 |