- •1. Теория принятия решений: задача принятия решений, цель, проблема, проблемная ситуация.
- •2.Измерения при формировании решений: ранжирование, парное сравнение, непосредственная оценка, виды неопределенностей и их измерение.
- •3.Виды экспертиз.
- •4.Метод Дельфы
- •5. Дерево целей и решений.
- •6.Определение усредненного мнения экспертов (среднее арифметическое, среднее геометрическое, мода, медиана Кемени
- •7.Определение согласованности мнений экспертов (коэффициент конкордации).
- •8.Виды критериев оптимальности и их содержание.
- •9. Критериальный анализ ситуации: метод базовых шкал, ранжирование и выбор критериев.
- •10.Нечеткие множества и основные операции над ними.
- •11.Экспертные методы определения функций принадлежности.
- •12. Аналитический и оптимизационный методы определения функций принадлежности.
- •13. Нечеткая задача оптимизации выбора вариантов проектов.
- •14. Модели стохастического математического программирования
- •15. Генерация альтернатив решений: понятие генетического алгоритма.
- •16. Генерация альтернатив решений: Дерево решений
- •17. Многокритериальная оптимизация. Проблемы многокритериальной оптимизации
- •18. Многокритериальная оптимизация. Множество Парето.
- •19. Многокритериальная оптимизация. Метод идеальной точки.
- •20. Принятие решений по многим критериям: Метод последовательных уступок
- •21. Принятие решений по многим критериям: Парето оптимальное решение
- •23.Принятие решений по многим критериям: Гарантированные достоинства и недостатки.
- •24.Принятие решений по многим критериям: Правило Борда.
- •25.Принятие решений по многим критериям: Принцип Беллмана-Заде
- •26. Принятие решений по многим критериям: Турнирная таблица
- •30.Согласование групповых решений: принцип большинства голосов, принцип диктатора, принцип вето, идеальной точки, консенсус.
- •31.Согласование групповых решений по Парето.
- •32. Согласование групповых решений: Метод идеальной точки
- •33. Марковская модель согласования решений.
- •34. Согласования групповых решений. (принципы Курно, Парето, Эджворта).
- •35. Теория игр: платежная матрица, чистые и смешанные стратегии, решение игры.
- •36. Решение игры в чистых стратегиях. Игры с седловой точкой.
- •37.Решение игры в смешанных стратегиях. Теорема фон Неймана.
- •38.Решение матричных игр МхN (сведение к задаче линейного программирования).
- •39.Игры с природой (теория статистических решений). Особенности платежной матрицы.
- •40.Байесовские стратегии в играх с природой (частичная неопределенность).
- •41. Критерии принятия решений в играх с природой (полная неопределенность).
- •42.Марковские процессы с дискретным временем: основные понятия и определения.
- •43.Игры с природой: оценка риска
32. Согласование групповых решений: Метод идеальной точки
Начало из 28 вопроса!
Рассмотрим один из методов, использующий множество Парето - метод идеальной точки.Пусть у нас есть некоторое множество е, каждая точка которого описывается двумя функциямU=Ф(х;у) иV=Р(х;y)/).(UиV- средние выигрыши игроков А и В соответственно,axиy - вероятности выбора стратегий для получения этого выигрыша).
Теперь в данном множестве ε попытаемся найти такую точку, в которой обе функции U иV принимают свои максимальные значения. В общем случае эта точка окажется вне множества ε. То есть, не существует стратегий, при которых оба игрока получат максимальный для каждого выигрыш. Точка, в которой функцииUиV достигают своих максимальных значений, называетсяточкой утопии.
Поэтому строится множество Парето и на нем ищется точка, ближайшая к точке утопии — идеальная точка (см. рис. 6.2).
Значения функций U иV в идеальной точке и есть оптимальные средние выигрыши для каждого игрока.
33. Марковская модель согласования решений.
При создании математических моделей согласования решений должны фигурировать следующие компоненты
- конечное множество решений (альтернатив) Ki , стратегий, гдеiϵS– номер состояния системы:
- матрици переходов П[s], соответствующие тому или иному принятию к- решению
- матрицы доходов (расходов) R[s], также отражающее эффективность данного решения
Формально, управляемой цепью Маркова (УЦМ) называется случайный процесс, обладающий марковским свойством и включающий в качестве элементов математической модели конструкцию (кортеж) < Ki, П[s],R[s]>. Решение, принимаемое в каждый конкретный момент (шаг процесса) назовем частным управлением.
Таким образом, процесс функционирования системы описываемой УЦМ, выглядит следующим образом:
-если система находится в состоянии i ϵS и принимается решениеk ϵ Кi то она получает доход ri;
-состояние системы в последующий момент времени (шаг) определяется вероятностью Pij , то есть вероятность того, что система из состоянияI€S перейдет в состояниеj ϵ S, если выбрано решениеKi.
Очевидно, общий доход за n-шагов является случайной величиной, зависящей от начального состояния системы и качества принимаемых в в течение хода процесса принятия решений, причем это качество оценивается величиной среднего суммарного дохода (при конечном времени) или среднего дохода за единицу времени (при бесконечном времени). В этих двух случаях для нахождения оптимальных решений обычно сводится в первом случае к решению задач динамического стохастического программирования - рекуррентный алгоритм нахождения оптимального решения, а во втором к решению задач линейного программирования - итерационный алгоритм.
34. Согласования групповых решений. (принципы Курно, Парето, Эджворта).
Принцип Курно (принцип индивидуальной рациональности)
Если все участники решения являются независимыми друг от друга и имеют различные предпочтения, то никому из участников решения не выгодно менять предлагаемый вариант решения, если для каждого из них не существует лучшего варианта. Реализация принципа индивидуальной рациональности зависит от тех предпочтёний, которые имеет каждый участник решения. Принцип действует только тогда, когда индивидуальные предпочтения для вариантов решения таковы, что каждому участнику в итоге они не принесут большого ущерба или выгоды.
Принцип Парето.
Если все участники группового решения имеют общие и согласованные цели, то все они являются сильно зависимыми друг от друга, представляют одну коалицию, и их предпочтения могут быть таковы, чтобы принять один вариант из множества так называемых недоминированных вариантов решения. Это означает, что всем участникам коалиции невыгодны остальные варианты, которые называют доминированными вариантами решения. Решения, соответствующие этому принципу, называются решениями по принципу Парето. Рассмотрим сначала понятие доминирования. Допустим, есть два варианта решения и каждый из них описывается своими значениями, число которых равно к: B1= (x11, x12, ..., x1х), B2 = (x21, x22,...,x2х).
Вариант В1будем называть вариантом, доминирующим над вариантом В2, если все значения его характеристик не хуже значений характеристик варианта В2и значение хотя бы одной характеристики лучше. Каждый из доминирующих вариантов доминирует над областью, ограниченную значениями своих характеристик, в которую может попасть несколько вариантов. Если имеем исходное множество вариантов, число которых более двух, то среди этих вариантов можно выделить то множество, которое называется множеством недоминируемых вариантов, или множеством Парето.
Варианты множества Парето обладают двумя важными свойствами:
1) варианты множества Парето доминируют над всеми остальными вариантами исходного множества;
2) варианты внутри множества Парето находятся в противоречивых отношениях и среди них нет доминирующих вариантов.
Принцип Эджворта (Принцип коалиций).
Если число участников решения в каждой коалиции больше одного, то их предпочтения могут быть таковы, что каждой из коалиций невыгодно менять свое решение, когда у них нет лучшего решения. Этот принцип называется принципом Эджворта. По количеству коалиций этот принцип занимает промежуточное место между принципом Курно - индивидуальной рациональности и принципом Парето - сильной заинтересованности одной коалиции в выборе доминирующих вариантов решения.