- •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
7.2.2. Критериальный анализ
Метод критериального анализа для технических применений на основе теории подобия был развит главным образом Вениковым. Существенные положения критериального анализа состоят в том, чтобы исследовать, как себя ведут решения при определенных изменениях входных величин и, в частности, насколько стабильными они остаются.
Системы или процессы называются подобными, если они формально описываются одной и той же математической моделью, а их переменные величины связаны между собой коэффициентами подобия. Например, подобие между величиной в рассматриваемом физическом процессе и соответству-ющей величиной в описывающей процесс модели определяется коэффициентом . На рис. 7.2 показаны подобные процессы при различных коэффициентах подобия .
Системы или процессы называются математически подобными, если их можно описать подобными уравнениями.
Рис. 7.2. Ход функции ) при различных коэффициентах подобия
Подобие уравнений в свою очередь означает, что коэффициенты , , вкупе с параметрами и моделей удовлетворяют условию
. (7.11)
Для целевой функции исходной модели
, (7.12)
при дополнительных условиях
, , (7.13)
где – целевая функция;
– число слагаемых функции;
– число переменных;
– коэффициенты подобия;
– переменные;
– показатели степени;
– число дополнительных условий,
,
следует, например, задачу минимизации
решать, полагая
;
;
;
.
Уравнение (7.2) можно сокращенно записать в форме
, (7.14)
где
. (7.15)
Веса слагаемых относительно значения функции определяются уравнением
(7.16)
причем .
Благодаря этому нормированию по отношению к имеем:
(7.17)
откуда следует .
Соотношения весов оптимального варианта целевой функции определяют так называемую соразмерность. Критериальный анализ включает исследование хода целевой функции близ оптимума путем рассмотрения весов . Эти веса легко определить с помощью уравнений (7.6) и (7.7). Целевые функции с гладким максимумом следует рассматривать, как нечувствительные, а с острым максимумом – как чувствительные. Путем задания допустимых отклонений определяется область нечувствительности целевой функции. Для этого варьируют входные величины в интервале неопределенности , и прослеживают с помощью уравнения (7.5) влияние этих величин на целевую функцию. Если мы при этом не выходим из пределов нечувствительности, то недостатком информации можно пренебречь.
Особую ценность этот метод представляет, когда не поддающимся учету факторам или техническим условиям при принятии решения отдается предпочтение и можно предполагать (хотя это я не удается сразу строго обосновать), что учет этих факторов и условий и с экономической точки зрения окажется полезным. Если с помощью критериального анализа удается показать, что даже при очень больших изменениях входных параметров решение остается нечувствительным, то можно считать задачу решенной. Такой путь весьма рационален. Часто при реализации полученного результата приходится считаться с жестко заданной стандартами шкалой параметров. Влияние такого отклонения при выборе ближайшего к результату допустимого по стандарту значения параметра также может быть надежно проконтролировано.
Критериальный анализ применим к целевым функциям, которые можно представить уже приводившимся выше уравнением (7.3):
c определителем матрицы
,
, (7.18)