- •Системный анализ в менеджменте
- •Оглавление
- •Часть 5. Теория игр и принятие решений 44
- •Ключевые слова
- •Основные понятия
- •Проблемы согласования целей
- •Часть 1. Принятие решения в условиях определенности
- •1.1 Постановка задачи
- •1.2 Описание алгоритма решения задачи
- •1.3 Пример решения задачи
- •Часть 2. Принятие решения в условиях неопределенности.
- •2.1 Постановка задачи
- •2.2 Описание алгоритма решения задачи
- •2.3 Пример решения задачи
- •Часть 3. Принятие решения в условиях риска
- •3.1 Постановка задачи
- •3.2 Описание алгоритма решения задачи
- •3.3 Пример решения задачи
- •Часть 4. Марковская задача принятия решений
- •4.1 Постановка задачи
- •4.2 Описание алгоритма решения задачи
- •Модель динамического программирования с конечным числом этапов
- •Модель динамического программирования с бесконечным числом этапов
- •Метод полного перебора
- •Метод итерации по стратегиям без дисконтирования
- •4.3 Пример решения задачи для конечного числа этапов
- •4.4 Пример решения задачи с бесконечным числом этапов методом полного перебора
- •4.5 Пример решения задачи с бесконечным числом этапов методом итерации по стратегиям без дисконтирования
- •Часть 5. Теория игр и принятие решений
- •5.1 Постановка задачи
- •5.2 Игра в чистых стратегиях
- •5.3 Игра в смешанных стратегиях
- •5.3.1 Игра в смешанных стратегиях 2х2
- •5.3.2 Игра в смешанных стратегиях 2xn и mx2
- •5.3.3 Решение матричных игр методами линейного программирования
- •5.3.3.1 Решение задачи лп симплекс-методом
- •Заключение
- •Литература
- •Задание на контрольную работу
Часть 1. Принятие решения в условиях определенности
Метод анализа иерархий
1.1 Постановка задачи
Сформулировать задачу принятия решения в условиях определенности с 2 иерархическими уровнями.
На основе искомых данных задачи выбрать оптимальную альтернативу.
1.2 Описание алгоритма решения задачи
Модели линейного, динамического, сепарабельного и т.д. программирования являются примером принятия решений в условиях определенности. Эти модели применимы лишь в тех случаях, когда альтернативные решения можно связать между собой точными линейными функциями. Но существует и иной подход к принятию решений в условиях определенности, когда определяются некоторые количественные показатели, обеспечивающие числовую шкалу предпочтений для возможных альтернативных решений. Этот подход известен как метод анализа иерархий.
Этапы решения задачи:
Получить матрицы парных сравнений критериев и матрицы парных сравнений альтернатив в рамках каждого критерия от всех экспертов.
Если имеется n критериев на заданном уровне иерархии, то создается матрица А размерности , именуемую матрицей парных сравнений, которая отражает суждение лица, принимающего решение, относительно важности разных критериев. Парное сравнение выполняется таким образом, что критерий в строкеi (i=1, 2, …, n) оценивается относительно каждого из критериев, представленных n столбцами.
Обозначим через aij элемент матрицы А, находящийся на пересечении i –строки и j – столбца. В соответствии с методом анализа иерархий для описания упомянутых оценок используются целые числа от 1 до 9. При этом aij=1 означает, что i –й и j – й критерий одинаково важны, aij=5 отражает мнение, что i –й критерий значительно важнее, чем j – й, а aij=9 указывает, что i –й критерий чрезвычайно важнее и j – го. Другие промежуточные значения между 1 и 9 интерпретируются аналогично.
На матрицу парных сравнений накладываются следующие ограничения:
если aij=k, то aji=1/k.
все диагональные элементы aij матрицы А должны быть равны 1, так как они выражают оценки критериев относительно самих себя.
Определить относительные веса w критериев и альтернатив путем нормализации матрицы А (деление элементов каждого столбца на сумму элементов этого же столбца). Искомые относительные веса w вычисляются теперь в виде средних значений элементов соответствующих строк нормализованной матрицы А.
Определить согласованность матрицы A. Согласованность означает, что решение будет согласовано с определениями парных сравнений критериев или альтернатив. С математической точки зрения согласованность матрицы A означает, что для всех i, j и k. Свойство согласованности требует линейной зависимости столбцов (и строк) матрицы А. В частности, столбцы матрицы сравнения размером являются зависимыми, и, следовательно, такая матрица всегда является согласованной. Не все матрицы сравнений являются согласованными, так как строятся на основе человеческих суждений. При этом необходимо определить: является ли уровень несогласованности приемлемым. Чтобы выяснить, является ли уровень согласованности допустимым, необходимо определить соответствующую количественную меру для матрицы сравненийА. Идеально согласованная матрица А порождает нормализованную матрицу N, в которой все столбцы одинаковы.
.
Матрица сравнений А может быть получена из матрицы N путем деления элементов i-го столбца на wi (это процесс, обратный нахождению матрицы N из А).
.
Используя приведенное определение матрицы А, имеем
.
В компактной форме условие согласованности матрицы А формулируется следующим образом. Матрица А будет согласованной тогда и только тогда, когда
Aw = nw,
где w – вектор столбец относительных весов wi, i = 1, 2, …, n.
Когда матрица А не является согласованной, относительный вес wi аппроксимируется средним значением n элементов i-й строки нормализованной матрицы N. Обозначив через вычисленную оценку (среднее значение в строке), условие согласованности матрицы можно записать
где .
В случае nmaх= n матрица сравнения А является идеально согласованной.
Уровень несогласованности матрицы A вычисляется из выражения
, где
- коэффициент согласованности матрицы А,
- стохастический коэффициент согласованности матрицы А.
Стохастический коэффициент согласованности RI определяется эмпирическим путем как среднее значение коэффициента CI для большой выборки генерированных случайным образом матриц сравнения А.
Если , уровень несогласованности является приемлемым. В противном случае уровень несогласованности матрицы сравненияА является высоким и лицу, принимающему решение, рекомендуется проверить элементы парного сравнения aij матрицы A в целях получения более согласованной матрицы.
Значение nmax вычисляется на основе матричного уравнения , при этом нетрудно заметить, чтоi-е уравнение этой системы имеет вид:
, i = 1, 2, …, n.
Поскольку , сумма элементов в столбце расчетной матрицы может быть записана в следующем виде
.
Таким образом, величину nmax можно определить путем вычисления вектор - столбца с последующим суммированием его элементов.
На основе полученных весовых коэффициентов находится комбинированный вес для каждой альтернативы.
Альтернатива, комбинированный весовой коэффициент которой является наибольшим, представляет собой оптимальное решение.