- •Характерные особенности задач принятия решений
- •1.3. Процесс принятия решений
- •1. Математическая модель задачи принятия решений.
- •1.1. Основные понятия
- •1.2. Содержание задачи
- •2. Предпочтение и полезность
- •2.1. Основные положения
- •Если же в качестве основного бинарного отношения берется , то отношение безразличия и отношение нестрогого предпочтения определяются на основе как
- •Полезность.
- •Линейная функция полезности
- •Аксиомы для линейной функции полезности
- •Аксиомы тпр
- •4.Теория рационального поведения
- •4.1. Проблемы рационального выбора
- •4.2. Аксиомы рационального поведения
- •4.3. Парадоксы выбора
- •6. Эвристики нерационального поведения
- •3. Оценка полезности
- •3.1. Предварительные процедуры для фактической оценки полезности
- •3.2. Определение соответствующих качественных параметров
- •3.3. Формирование количественных ограничений
- •3.4. Выбор функции полезности
- •3.5. Проверка на согласованность.
- •Оценочная функция
- •Принятие решений в условиях риска - Критерий Байеса-Лапласа (бл)
- •Критерий Гурвица
- •1. Числовая форма представления неопределенности суждений
- •1.1. Вероятность, основанная на физических явлениях
- •1.2. Вероятность, основанная на имеющихся данных и результатах моделирования
- •1.3. Определение вероятности одиночного события
- •1.4. Оценочные суждения о распределении вероятностей
- •1.5. Практические соображения при оценке экспертных вероятностей
- •Многофакторная теория полезности
- •Аддитивные функции полезности.
- •Условие независимости
- •Аксиоматическое обоснование
- •Разброс оценок вариантов постройки аэропорта
- •Проверка условия независимости по предпочтению
Оценочная функция
Чтобы прийти к однозначному и по возможности наивыгоднейшему варианту решения даже в том случае, когда каким-то вариантам решений αi могут соответствовать различные условия Qj, можно ввести подходящие оценочные (целевые) функции. При этом матрица решений А=\\aij\\ сводится к одному столбцу. Каждому варианту ri приписывается, таким образом, некоторый результат aim характеризующий, в целом, все последствия этого решения. Такой результат мы будем в дальнейшем обозначать тем же символом aim
Возникает, однако, проблема, какой вложить смысл в результат aim
Если, например, последствия каждого из альтернативных решений характеризовать комбинацией из его наибольшего и наименьшего результатов, то можно принять
aim = min aij+ max aij .
j j
Наилучший в этом смысле результат имеет вид
Кк = max aim = max (min aij+ max aij ). (1)
i i j j
Формируя таким образом желаемый результат, конструктор исходит из компромисса между оптимистическим и пессимистическим подходами.
Рассмотрим теперь некоторые другие оценочные функции, которые в данном примере мог бы выбрать конструктор, а также соответствующие им исходные позиции.
Оптимистическая позиция:
Kо= max aim= max (max aij ). (2)
i i j
Из матрицы результатов решений (табл.) выбирается вариант (строка), содержащий в качестве возможного следствия наибольший из всех возможных результатов. Наш конструктор становится на точку зрения азартного игрока. Он делает ставку на то, что выпадет наивыгоднейший случай, и исходя из этого выбирает размеры изделия.
Позиция нейтралитета:
Kн = max aim= max (3)
i j
Конструктор исходит из того, что все встречающиеся отклонения результата решения от «среднего» случая допустимы, и выбирает размеры, оптимальные с этой точки зрения.
Пессимистическая позиция: - Критерий максимина (MM)
Kmm= max aim = max (min aij ). (4)
i i j
Конструктор исходит из того, что надо ориентироваться на наименее благоприятный случай и приписывает каждому из альтернативных вариантов наихудший из возможных результатов. После этого он выбирает самый выгодный вариант, т. е. ожидает наилучшего результата в наихудшем случае. Для каждого иного внешнего состояния результат может быть только равным этому или лучшим.
Позиция относительного пессимизма: - Критерий Сэвиджа
Kc = min aim = min max(max aij _– aij). (5)
i i j j
Для каждого варианта решения конструктор оценивает потери в результате по сравнению с определенным по каждому варианту наилучшим результатом, а затем из совокупности наихудших результатов выбирает наилучший согласно представленной оценочной функции.
Пусть природа находится в состоянии Qs, найдем максимальный элемент s-го столбца табл. 1.1,
.
Мера сожаления определяется как разность
где если если Тогда при состоянии природы Qs лучшей операцией является : для нее сожаление равно нулю. Изменяя последовательно значения s, s = 1,2,…, n, получим сожаление для каждой операции ai, i=1,2,…, m, при любом состояния природы Qs, s=1,2,…, n. Матрица сожалений представлена в табл. 1.2.
Для принятия решения к табл. 1.2 применяется критерий минимакса (minmax): для каждой операции ai, i=1,2,…, m, находится наибольшее сожаление,
Таблица 1.2
Q j ai |
Q1 |
Q2 |
… |
Qn |
a1 |
11 |
12 |
… |
1n |
a2 |
21 |
22 |
… |
2n |
… |
… |
… |
… |
… |
am |
m1 |
m2 |
… |
mn |
Затем среди членов последовательности , i=1,2,…, m, s = 1,2,…, n, находится минимальный
Последние два равенства соединим в одно:
(1.7)
Принимаемое решение – наилучшая операция
Критерий равновозможных состояний
По этому критерию выбирается та операция ai0, для которой сумма полезностей максимальна,
Kрс = . (6)