- •Глава 1.
- •§1. Предмет тпр.
- •§2. Специфика задач тпр.
- •§3. Аксиомы тпр.
- •Аксиома 1: «Существование предпочтений»
- •Аксиома 2: «Транзитивность»
- •Аксиома 3: «Сравнение простых лотерей»
- •Аксиома 4: «Численная оценка предпочтений»
- •Аксиома 5: «Численная оценка неопределенности суждений»
- •§4. Методологические основы тпр.
- •§5. Анализ общей задачи принятия решений.
- •§6. Экспертная оценка вероятностных распределений. Субъективные вероятности.
- •2. Оценочные суждения экспертов о вероятностях одиночных событий и о неизвестном распределении вероятности случайных величин.
- •§8. Выбор шкалы измерения.
- •§9. Элементы теории полезности.
- •1. Предпочтение
- •2. Полезность.
- •Глава 2. Сравнительная оценка объекта §1. Проблемы, возникающие при сравнительной оценке объектов.
- •§2. Простое ранжирование объектов.
- •§3. Групповое ранжирование объектов по Парето.
- •§4 Проверка непротиворечивости результатов парных сравнений объектов, проведённых экспертом в шкале отношений и построение вектора приоритетов.
- •4.1. Собственные векторы и собственные значения матрицы.
- •4.2. Положительные обратносимметрические матрицы, их собственные векторы и значения.
- •§5. Вычисление вектора приоритетов и оценка согласованности суждений эксперта при попарном сравнении объекта.
- •Глава 3. Анализ согласованности суждений экспертов.
- •§1.Конкордация.
- •§ 2. Ранговая корреляция. (Коэффициенты корреляции Спирмена и Кендалла.)
- •2.1 Ранговый коэффициент корреляции Спирмена.
- •Проверка значимости rs .
- •2.2 Ранговый коэффициент корреляции Кендалла.
- •Оценка значимости rk .
- •Глава 4. Теория и практика экспертных оценок
- •§1. Системный подход к получению экспертных оценок
- •§2. Принципы формирования экспертной группы
- •Метод «снежного кома»
- •Методы экспертного опроса.
- •§3. Измерение выполненных в шкале отношений
- •§4. Шкала интервалов
- •§5. Измерения, выполненные в шкале порядка (ранговой шкале)
§3. Групповое ранжирование объектов по Парето.
В §2 рассматривался однокритериальный случай сравнения объектов.
Если объекты оцениваются по нескольким разным критериям, то простое ранжирование по каждому критерию приводит к абсурду. Переходим к групповому ранжированию, используя понятие оптимальности по Парето.
Объект Oiстрого предпочтительнейOk(, доминирует его), если оценкаOiхотя бы по одному критерию превосходит оценкуOk, а по всем остальным критериям не хуже оценокOk. Тогда оптимальным по Парето объектом будет тот, для которого не существует доминирующих объектов. Множество всех таких объектов называетсяпаретооптимальным множеством.
Групповое ранжирование объектов по Парето осуществляется в несколько этапов:
1. На первом этапе выделяется паретооптимальное множество, которому присваивается ранг 1.
2. На втором этапе определяют паретооптимальное подмножество, на множестве, из которого удалена группа объектов первого ранга и этому подмножеству присваивается ранг 2 и т. д., пока не исчерпаем всё исходное множество объектов.
Пример:
Поскольку ранги объектов определяются не абсолютными, а относительными оценками, то для реализации алгоритма достаточно иметь информацию о типе отношений внутри каждой пары объектов, то есть фактически надо лишь знать для каждой пары, объектов доминирует ли один другого или нет.
Поэтому вводят булеву переменную aij=
Пример группового ранжирования по Парето.
Пусть в очереди ОС есть 9 задач, решаемых на ЭВМ. Каждая характеризуется тремя ресурсными показателями W1,W2,W3, гдеW1– время использования канала ввода/вывода;W2– время решения задач;W3– объём занимаемойRAM. Будем считать, что чем больше ресурс, требуемый для решения задачи, тем более срочной является задача (то есть её надо решать раньше).
Требуется ранжировать все 9 задач по «групповой срочности»: группу 1 решать в первую очередь и т.д.
Исходные данные (в условных единицах) приведены в таблице 1.
Таблица 2. - булева матрицаNN.
Пустые клетки – «0».
W1,W2,W3max
«1» в некоторой i-й строке определяют объектыOj, которые объектOi доминируют, поэтому если вj-ом столбце стоят одни «0», то не существует объекта, который бы доминировал объектOjи множество всех объектов с «0»-ми столбцами и будет паретооптимальным множеством.
Ранг 1: {2,6,8,9}
Ранг 2: {4,5,7}
Ранг 3: {1,3}
В первую очередь надо решать задачи {2,6,8}, во вторую {4,5,7}, и в последнюю очередь {1,3}.
§4 Проверка непротиворечивости результатов парных сравнений объектов, проведённых экспертом в шкале отношений и построение вектора приоритетов.
4.1. Собственные векторы и собственные значения матрицы.
,
- в матричном виде.
- вектор-столбец неизвестных;
;
- вектор-столбец правых частей;
;
Квадратная матрица коэффициентов:
А – линейный оператор.
.
Собственный вектор квадратной матрицы А- это такой ненулевой векторW, который удовлетворяет уравнению:(1), т.е. матрицей линейного преобразования он преобразуется в коллинеарный вектор.
Величина , соответствующая такому преобразованию, называетсясобственным значением (числом) матрицы А.
Перенесём в левую часть: (1’)
- единичная матрица.
Система (1’) представляет собой однородную систему линейных уравнений, которая всегда имеет тривиальное решение (W=0). Следовательно, по определению, собственный вектор матрицы А, это такой векторW, который является нетривиальным решением системы (1’).
Из линейной алгебры известно, что для существования нетривиального решения однородной системы линейных уравнений необходимо, чтобы матрица её коэффициентов была вырожденной, т.е. чтобы её определитель был равен нулю.
В данном случае, чтобы выполнялось: (2) – характеристическое уравнение матрицы А. Левая часть – характеристический полином матрицы А.
Имеет место следующее утверждение:ЕслиWкакой-то вектор матрицы А, то любой коллинеарный ему векторесть тоже собственный вектор матрицы А.
Часто, чтобы из этого бесконечного множества собственных векторов выбрать какие-то конкретные в качестве базисных, их нормируют (нормализуют), т.е. делят на какое-то одно и то же число. Часто таким числом выбирают модуль вектора , а для А>0:.
Собственные векторы обладают, среди прочего, одним замечательным свойством:если вn-мерном векторном пространстве выбрать в качестве базиса систему, состоящую изnсобственных векторов, то матрица А линейного преобразования получит следующий диагональный вид:
(3), где- соответствующие этим собственным векторам собственные числа матрицы А.
Следом матрицы Аназывается сумма её диагональных элементов
(4)
С учётом (3) след можно представить как
(5)
Можно показать, что след k-й степени матрицы А равен
(6).