
- •Предисловие
- •Введение
- •Глава 1. Графическое представление критерИев
- •1.1. Критерии с прямоугольными конусами предпочтения
- •1.1.1. Минимаксный критерий
- •1.1.2. Критерий Гермейера
- •1.1.3. Критерий Сэвиджа
- •1.1.4. Критерий азартного игрока
- •1.2. Критерий с прямыми предпочтения
- •1.3. Производные критерии
- •1.3.1. Критерий Ходжа-Лемана
- •1.3.2. Критерий произведений
- •1.3.3. Критерий Гурвица
- •1.3.4. Критерий Байеса-Лапласа
- •1.3.5. Обобщенные критерии
- •Глава 2. Количественные характеристики ситуации принятия решений
- •2.1. Влияние информации на процесс принятия решения
- •2.2. Значимость независимого параметра
- •2.3. Энтропия независимого параметра
- •2.4. Доверительные факторы принятия решений
- •2.4.1. Эмпирический доверительный фактор
- •2.4.2. Прогностический доверительный фактор
- •2.4.3. Эмпирико-прогностический доверительный фактор
- •2.4.4. Использование доверительных факторов в задачах принятия решения
- •2.5. Принятие решений в условиях рисков
- •2.6. Пример оценки значимости параметра
- •Глава 3. Гибкие критерии выбора решения
- •3.1. Свойства гибкого критерия
- •3.2. Применение гибкого критерия
- •Параметров в заданных интервалах для выборки сочетаний исходных данных при (случай 1)
- •3.3. Адаптивный критерий Кофлера-Менга с использованием кусочно-линейной информации
- •Глава 4. СубъективНые оценки параметРов
- •4.1. Основные проблемные вопросы
- •4.2. Подготовка и проведение оценок
- •4.3. Обработка данных
- •4.3.1. Интерквартиль оцениваемой величины
- •4.3.2. Взвешивание оцениваемой величины
- •4.4. Гибкий выбор принятия решения при субъективной полезной информации
- •4.5. Примеры проведения оценок
- •Глава 5. Анализ ситуаций выбора решения
- •5.1. Общая структура выбора решения
- •5.2. Методы выбора решений
- •5.3. Ошибки решения
- •5.3.1. Количественный анализ ошибок
- •5.3.2. Качественный анализ ошибок
- •5.4. Схемы принятия решений
- •5.4.1. Одношаговые схемы принятия решений
- •5.4.2. Многошаговые схемы принятия решений
- •5.5. Дискретизация и комбинирование внешних состояний
- •5.5.1. Разделение общего числа представительных значений по параметрам внешнего состояния
- •5.5.2. Распределение заданного числа представительных значений по диапазону неопределенности параметра
- •5.6. Пример расчета числа дискретизирующих шагов для оценочной функции
- •Глава 6. Полезность вариантов решения. Риск
- •6.1. Полезность вариантов решения
- •6.2. Понятие риска
- •6.3. Сравнение степеней риска
- •6.4. Формальное описание риска
- •6.5. Виды рисков
- •6.6. Многократные риски
- •6. Изложить понятие неоднократного риска. Глава 7. Многоцелевые решения. Альтернативные методы
- •7.1. Многоцелевые решения
- •7.1.1. Общий подход
- •7.1.2. Реализация целей
- •7.1.3. Методы выбора внутри эффективных множеств
- •7.2. Альтернативные методы
- •7.2.1. Основные пути выбора решения
- •7.2.2. Критериальный анализ
- •7.2.3. Применение нечетких множеств
- •Заключение
5.3. Ошибки решения
5.3.1. Количественный анализ ошибок
На практике часто
встречается случай, когда функция
полезности
,
где
характеризует состояния исходных
данных, а
– варианты решения, известна не точно,
а с некоторой неопределенностью или
ошибкой
,
так что принимающему решение приходится
иметь дело не с самой функцией полезности
,
а с отягощенной ошибкой ее формой
.
Возникает вопрос,
какая погрешность возникает, когда
оптимизацию приходится проводить,
исходя из функции
вместо функции
.
Можно, правда, предположить, что
достаточно малая погрешность
мало повлияет на максимальную
эффективность и доминирующие варианты
решения, но нельзя ожидать, что это общее
предположение будет справедливо в
одинаковой мере для всех критериев
выбора и ошибок
.
Если, однако, величина
постоянна и не зависит от
и
,
то есть
,
что на практике является весьма нередким
частным случаем, то при использовании
различных ранее обсуждавшихся критериев
получаются такие же оптимальные варианты
решения, как и для задачи, не отягощенной
погрешностями оценок. Мы покажем это
на важных примерах критерия
Байеса-Лапласа, а также минимаксного
и гибкого критериев. Будем в общем случае
исходить из того, что переменные
и
могут изменяться как непрерывно, так и
дискретно, и независимо от природы
переменных пронормируем диапазон
их изменения в пределы [0,1]. Сформулированное
выше высказывание верно, когда при
использовании критерия
оптимальное значение величины оценочной
функции
,
которое мы хотим получить, не зависящая
от
и
ошибка
и соответствующая ей погрешность
подчиняются уравнению
,
то есть
.
Для минимаксного критерия с оценочной
функцией
и
непосредственно получаем
,
т.с.
В случае критерия Байеса-Лапласа вместо прежней дискретной формы
используем для
непрерывно меняющихся переменных с
произвольной функцией распределения
непрерывную форму:
.
Отсюда следует
,
и поскольку
,
то
.
Наконец, для гибкого критерия, исходя из выражения
с
,
Получим
,
и, следовательно,
снова
.
Таким образом, подтверждается положение, что постоянная, то есть не зависящая от внешних состояний и вариантов решения ошибка в определении функции полезности для рассмотренных нами случаев ведет к постоянной и такой же по величине погрешности оценочной функции, однако сами оптимальные варианты решений остаются теми же, что и в случае отсутствия ошибки.
О зависимости
значения оценочной функции от погрешности
функции полезности и о воздействии этой
погрешности на выбор оптимального
варианта нужно еще сказать следующее.
Мы принимаем, что значение оценочной
функции
для критерия
соответствует состоянию исходных данных
и оптимальному варианту решения
,
то есть справедливо равенство
,
и можно упростить символику обозначений,
записывая функциональную зависимость
символом
.
При этом функция
предполагается дифференцируемой,
так что существует производная
,
и поскольку
,
то
.
Если теперь вместо функции полезности
мы располагаем отягощенной ошибкой
функцией
и максимальное значение последней
соответствует варианту решения
,
то для ошибки
в случае
справедлива оценка
.
При этом аргумент
во второй производной
имеет промежуточное значение между
и
.
Коль скоро для
предполагается так называемый гладкий
максимум и первая производная
в
будет меняться лишь незначительно, то
и значение второй производной
в окрестности
будет мало и даже при больших отклонениях
оптимального варианта решения
от
ошибка
будет определяться главным образом
ошибкой функции полезности
.