- •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
37.Решение игры в смешанных стратегиях. Теорема фон Неймана.
Решить матричную (антагонистическую) игру – значит найти для игроковАиВих оптимальные стратегии.
Решение игры связано с матрицей (аij) и следующими понятиями:
Нижняя цена игры α=maxmin аij(сначала находится минимум в каждой строке, а
i j
потом из полученных минимумов находится максимум). Это гарантированный выигрыш игрока А при любой стратегии игрокаВ.
Верхняя цена игры β=minmax аij (сначала находится максимум в каждом столбце,
j i
а потом из полученных максимумов находится минимум). Это гарантированный проигрыш игрока В при любой стратегии игрокаА.
Очевидно α<= β. В случаеα=β говорят о цене игрыν=α=β. Соответствующие цене игры стратегии являются оптимальными, а сама игра естьигра с седловой точкой.
В случае, когда α<β седловой точки не существует. В этом случае решение игры ищестся в смешанных стратегиях. Доказано (Дж. Фон Нейман), что конечная матричная игра имеет, по крайней мере, одно оптимальное решение, возможно в смешанных стратегиях.
Смешанная стратегиясостоит в том, что при повторении игры происходит случайный выбор стратегии из множества смешиваемых стратегий и для каждой смешиваемой стратегии указывается вероятность (частота) ее выбора. В таком случае для каждого игрока указывается вектор частот, с которым следует применить ту или иную стратегию.
Для игрока АэтоР=(р1,….рm), а для игрокаВ– этоQ=(q1,…….,qn), при этом
Σ pi=1иΣ qj=1, средний выигрыш игрокаАравенНА(Р,Q)=Σ Σ аij pi qj
Если вероятность применения стратегии отлична от нуля, то такая стратегия называется активной.
Оптимальными смешанными стратегиями Р0 иQ0 называются стратегии, если выполняется неравенство:
НА(Р,Q0)=< НА(Р0,Q0)=< НА(Р0,Q)
В этом случае НА(Р0,Q0) называетсяценой игры и обозначается α=<ν=< β
Первое из неравенств означает, что отклонение игрока А от своей оптимальной смешанной стратегии при условии, что игрокВпридерживается своей оптимальной смешанной стратеги, приводит к уменьшению среднего выигрыша игрокаА. Второе из неравенств по смыслу аналогично первому с той лишь разницей что касается игрокаВ.
Решение всякой парной конечной игры с нулевой суммой может быть получено методами линейного программирования.
38.Решение матричных игр МхN (сведение к задаче линейного программирования).
Сведение матричной игры к задаче линейного программирования
Из свойств оптимальных смешанных стратегий игроков вытекает, что при любой стратегии игрока В для игрокаА имеет место неравенство:
Σ аij pi>= ν
i
Обозначая далее
xi= pi/ ν
исходное неравенство можно переписать следующим образом
Σ аij хi>=1 и Σ хi>=1/ν
i i
Поскольку игрок Астремиться максимально увеличить свой гарантированный выигрыш, то задача отыскания решения матричной игры сводится к следующей задаче линейного программирования:
Σ хi → min
i
Σ аij хi>=1
i
Рассуждая аналогичным образом со стороны игрока В – он стремиться сделать свой гарантированный проигрыш минимальным. И вводя обозначения:
yi= qi/ ν
и учитывая, что Σ аij yi<=1 получаем двойственную по отношению к
i
рассмотренной следующую задачу линейного программирования:
Σ yi → max
i
Σ аij yi<=1