
- •1. Теория принятия решений: задача принятия решений, цель, проблема, проблемная ситуация.
- •2. Концепция компьютерной поддержки принятия решений.
- •4. Этапы формирования и принятия решений
- •5. Методы формирования целей управления предприятием
- •6. Стратегии в принятии решений и управлении
- •7. Формирование дерева целей и дерева решений
- •8. Виды критериев оптимальности и их содержание
- •9. Структура компьютерной системы поддержки принятия решений
- •10 Место ксппр с асу
- •Вопрос 11: Объективные и субъективные измерения.
- •Вопрос 12: Измерения при формировании решений: ранжирование, парное сравнение, непосредственная оценка.
- •Вопрос 13: Виды неопределенностей в принятии решений и их измерение.
- •3. Использование многокритериальных функций предпочтения руководителя.
- •Вопрос 14: Виды экспертиз.
- •Вопрос 15: Определение усредненного мнения экспертов.
- •Вопрос 16: Определение согласованности мнений экспертов.
- •17. Элементы байесовских моделей
- •18, 19. Модели стохастического математического программирования: м-задача и р-задача
- •20. Нечеткие множества и основные операции над ними.
- •21. Экспертные методы определения функций принадлежности.
- •22. Аналитический и оптимизационный методы определения функций принадлежности.
- •23. Нечеткая задача оптимизации выбора вариантов проектов.
- •24. Нечеткие числа: виды нечетких чисел; операции над нечеткими числами.
- •25. Модели нечеткого математического программирования: оптимизация с нечеткими отношениями.
- •26. Модели нечеткого математического программирования: использование нечетких lr-чисел.
- •27. Генерация альтернатив решений: понятие генетического алгоритма.
- •28. Множество Парето.
- •29. Схемы компромисса.
- •30. Метод идеальной точки.
- •31. Метод последовательных уступок.
- •32. Алгоритм построения Парето оптимального решения.
- •33. Многокритериальная оптимизация. Принцип Беллмана-Заде.
- •34. Правило Борда (процедура Борда).
- •35. Метод анализа иерархий.
- •36. Правило гарантированных достоинств и недостатков.
- •37. Принципы согласования решений. (принципы Курно, Парето, Эджворта).
- •38. Простейшие алгоритмы согласования решений (согласование в среднем, согласование по Парето, метод идеальной точки).
- •39. Марковская модель согласования решений.
- •40. Цепи Маркова – основные положения
- •41. Дискретные цепи Маркова с дискретным временем
- •42. Дискретные цепи Маркова с непрерывным временем
- •43. Основные положения статистических решений (игры с природой)
- •44. Риски и критерии принятия решений (Вальда, Севиджа, Гурвица)
- •45. Риски и их виды и особенности в нефтегазовой отрасли
- •46. Расчет рисков в игре с природой
43. Основные положения статистических решений (игры с природой)
До сих пор рассматривались игры, в которых противник «разумный», и мы можем не знать о выборе его действий. Второй вид неопределнности связан с неосознанными действиями противника(Он действует случайным образом).Рассмотрим в качестве второго игрока – природу: нефтегазовый пласт, природные (суша, море, климат и др.), геолого-технологические условия (пористость, проницаемость, высота кровли пласта и т.д.) и т.п., которые активных действий не предпринимают, а неопределенность состоит в том, с какой вероятностью или шансами реализуются те или иные условия. Такие игры называются играми с природой (или теорией статистических решений).
Вначале упростим игру: в игре с природой - пассивный игрок (природа) обычно обозначается как - П.
Суть игры состоит в том, что игроку А требуется выбрать такую чистую или смешанную стратегию, которая является более выгодной, чем остальные.
Предположим, что в платежной матрице мы имеем некоторые аij и akl такие что, аij>аkl. При этом, выигрыш (аij) может быть больше второго (аkl) не за счёт нашего выбора более удачной стратегии, а за счёт того, что состояние природы Пj выгоднее для нас, чем Пi, в этом смысл удачности стратегии. Введем дополнительные показатели, который описывали бы «удачность» или «неудачность» принятия данной стратегии в данной ситуации с учётом общей благоприятности ситуации. С этой целью вводится понятие риска.
Риском игрока А
при использовании стратегии Аi
в условиях
Пj
называется
разность между выигрышем, который он
получил бы, если бы знал Пj,
и выигрышем,
который он получает в тех же условиях,
применяя стратегию Ai.
Очевидно, если бы игрок знал заранее
состояние природы Пi,
он выбрал бы ту стратегию, которой
соответствует максимальный выигрыш
в данном столбце (максимум столбца j)
- это βj.
Тогда риск
rij
есть: rij=
βi-
аij=-
аi
, где
βj=
,
rij
0.
Введенное понятие риска является мерой благоприятности состояния природы.
Используются следующие критерии для принятия решений:
1.
Наиболее просто задача о выборе решения
решается в условиях, когда нам известны
вероятности реализации состояний Пj
и их вероятности
Q(Пj).
В этом случае
за несколько партий мы получим среднее
значение выигрыша (математическое
ожидание): ,
где
-
взвешенное среднее.
Оптимальной
стратегией
= Аi
будет та,
которая удовлетворяет этому условию.
В результате задача сводится к поиску решения в среднем.
Средний риск:
Можно показать,
что стратегия максимизации
и минимизации
одна и та
же. В случае, когда известны вероятности
Q1,
Q2
.... Qn,
при решении
игры с природой всегда можно обойтись
чистыми стратегиями, то есть: средний
выигрыш
это среднее взвешенное среднего выигрыша,
соответствующее чистым стратегиям и:
Поэтому принятие
смешанной стратегии игроком А не может
быть выгоднее с любыми вероятностями
Пi
,чем применение
чистой стратегии
= Аi
.
В теории игр с природой существует три подхода к определению aj:
а) Вероятности
считаются субъективными и определяются
экспертами.
– принцип недостаточного основания
Лапласа;
б) Располагают состояние природы (гипотезы) в порядке их правдоподобности, тогда:
1)
- точечная оценка Фишбенa;
2) могут быть использованы матрицы парных сравнений и соответствующее ранжирование состояний природы;
в) существуют статистические данные о состоянии природы, на основе которых можно построить дискретный ряд вероятностей.
За оптимальное
решение принимается та стратегия
, которое
дает средний максимальный выигрыш
(минимальный суммарный риск). В целом,
применение этого критерия о выборе
решения в условиях неопределенности
при рассмотренном подходе превращается
в задачу о выборе решения в условиях
определенности, только принятое
решение является оптимальным не в каждом
отдельном случае, а в среднем.