- •Исследование операций
- •Учебный план
- •Тематические планы лекций Лекция № 1. Исследование операций как методологическая основа теории принятия управленческих решений. Основные термины, определения, формализация
- •Лекция № 2.Моделирование целевых установок развития сложных системах
- •Лекция № 3. Примеры моделей операций
- •Лекция № 8. Моделирование операций на основе марковских случайных процессов
- •Лекция № 9. Элементы теории массового обслуживания
- •Список источников и литературы
- •Лекция № 4. Элементы выпуклого анализа
- •Лекция № 5. Основы выпуклого программирования. Теория Куна-Таккера
- •Лекция № 6. Линейное программирование
- •Лекция № 7. Игровые методы обоснования решений
- •2. Дополнительная литература
- •Лекция № 1. Исследование операций как методологическая основа теории принятия управленческих решений. Основные термины, определения, формализация
- •1.1Цели и задачи курса «Исследование операций»
- •1.2Системный подход в решении проблем управления
- •1.2.1Формальное определение системы и примеры систем
- •1.2.2Основные понятия целевого подхода в управлении
- •1.2.3Концептуальная постановка проблемы
- •1.2.4Понятие структуризации проблемы
- •1.2.5Основные понятия объектно-субъектного подхода в управлении
- •1.2.6Формализация системы и фаз процесса принятия решений
- •1.2.6.1Выявление проблемы — анализ ее существования
- •1.2.6.2Постановка проблемы
- •1.2.6.3Поиск решения проблемы
- •1.2.6.4Принятие решения
- •1.2.6.5Исполнение решения
- •1.2.6.6Оценка выполненного решения
- •1.3Формализм теории исследования операций (модель операции)
- •1.4Оценка эффективности стратегии
- •1.4.1Оценка неопределенности стратегии
- •1.4.2Функциональная оптимизация стратегий
- •1.4.3Смешанные стратегии
- •Лекция № 2.Моделирование целевых установок в сложных системах (2 ч.)
- •2.1Классификация целей систем
- •2.2Графы целей и способы их построения
- •2.3Методы свертки показателей эффективности
- •2.3.1.1Экономический способ формирования критериев
- •2.3.1.2Критические состояния объекта
- •2.3.1.3Последовательное достижение частных целей
- •2.3.1.4Логическое объединение критериев
- •2.3.1.5Обобщенное логическое объединение
- •2.3.1.6Случайное и неопределенное объединение
- •2.3.1.7Единицы измерения целей
- •2.3.1.8Полнота системы элементарных действий над критериями
- •2.4Экспертная оценка эффективности
- •2.5Критерии эффективности организационного управления
- •Лекция № 3. Примеры моделей операций (2 ч.)
- •3.1Модель анализа технологических процессов
- •3.2Аппроксимация функций полиномами
- •3.3Модель численного поиска экстремума
- •3.4Модель действий нападения против защиты в военных операциях
- •3.5Модель производства продукции в условиях конкуренции
- •3.6Модель оценки надежности неремонтируемых систем
- •3.6.1Параллельное дублирование системы в целом
- •3.6.2«Холодное резервирование» системы в целом
- •3.6.3Параллельное дублирование агрегатов системы
- •3.6.4«Холодное резервирование» агрегатов
- •3.7Модель для выбора дальности стрельбы в дуэльной ситуации
- •3.8Линейная обработка измерений (фильтрация) координат движущихся объектов
- •3.8.1Случайное блуждание координат движущегося объекта
- •3.8.2Зависимое блуждание координат движущегося объекта
- •3.8.3Ограниченное блуждание координат движущегося объекта
- •Лекция № 4.Элементы выпуклого анализа
- •4.1Вспомним основные понятия высшей алгебры
- •4.2Определение и примеры выпуклых множеств.
- •-Мерный куб с центром в точке и ребром :
- •-Мерный шар радиуса с центром в точке :
- •4.3Проекция точки на множество. Свойства.
- •4.4Теоремы отделимости выпуклых множеств.
- •4.5Крайние точки выпуклых множеств.
- •4.6Альтернативы Фредгольма.
- •4.7Выпуклые функции и их свойства.
- •4.8Связь между выпуклыми функциями и выпуклыми множествами
- •4.9Свойства выпуклых функций.
- •4.9.1Дифференцируемость скалярной выпуклой функции.
- •4.9.2Дифференцируемость по направлению.
- •4.9.3Непрерывность.
- •4.10Выпуклые дифференцируемые функции и их экстремальные свойства
- •4.11Критерии оптимальности
- •Лекция № 5.Основы выпуклого программирования. Теория Куна-Таккера
- •5.1Основная задача выпуклого программирования
- •5.2Формальная постановка задачи выпуклого программирования
- •5.3 Классические способы отыскания решения экстремальных задач
- •5.4Условие регулярности
- •5.5Функция Лагранжа. Условия оптимальности
- •5.6Теорема (Куна-Таккера).
- •5.7Дифференциальные условия Куна-Таккера
- •5.8Общая схема решения задачи выпуклого программирования
- •Лекция № 6.Линейное программирование
- •6.1Примеры моделей операций, приводящих к злп
- •6.1.1Задача о диете
- •6.1.2Общая задача планирования выпуска продукции (распределительная задача)
- •6.1.2.1Общая задача планирования выпуска продукции
- •6.1.2.2Выпуск комплектной продукции
- •6.2.1Стандартная задача линейного программирования
- •6.1.3Транспортная задача
- •6.1.3.1Классическая транспортная задача
- •6.1.3.2Транспортная задача с фиксированными доплатами
- •6.2Различные виды злп и их эквивалентность
- •Лекция № 7. Игровые методы обоснования решений
- •7.1Теория игр как теория обоснования решений в условиях конфликта интересов
- •7.2Конфликт и его формальная модель
- •7.3Формализация принятия решения в условиях конфликта
- •7.4Оптимальность в конфликтной ситуации
1.4.1Оценка неопределенности стратегии
Учет неопределенности при построении стратегии имеет двоякий характер: зависимость условного решения от неконтролируемых факторов и прямая зависимость критерия эффективности от них, что учитывает неопределенность самого критерия для ЛПР. Заметим, что такая неопределенность описывается соответствующими компонентами векторов и .
Осреднение критерия по случайным факторам.
Рассмотрим определение
эффективности стратегий при наличии
случайных факторов. Пусть в операции
отсутствуют неопределенные факторы, и
используются только стратегииконстанты,
т.е.
=
.
Случайные факторы описываются случайной
векторной величиной
,
при этом известна некоторая информация
о распределении
.
Исходной предпосылкой при оценке эффективности стратегий в рассматриваемом случае является допущение о возможности осреднения критерия по случайным факторам.
Под
осреднением понимается замена конкретных
реализаций случайных факторов их
средними значениями, соответствующими
формализованному в квазиинформационной
гипотезе закону распределения случайной
величины
(и/или ее отдельным компонентам).
Применение осреднения критерия по
случайностям с точно известными законами
распределения
означает реализацию свертки
.
Принцип гарантированного результата (ПГР).
На базе этого принципа может быть сформировано условное решение. Использование ПГР для оценки эффективности стратегий является одним из методологических приемов, фиксирующих способ определения условного решения.
Пусть о
и
известна
только область их изменения
и
.
Полностью гарантированной оценкой эффективности стратегии формирования сценария называется величина
,
где
— функционал на множестве всех стратегий
.
Во многих случаях
указанная оценка весьма близко
соответствует реальной ситуации. Так,
если случайные факторы отсутствуют, а
есть результат деятельности активного
противника, то
будет выбираться в соответствии с его
целями. Если целевые установки противника
противоположны целевым установкам
оперирующей стороны, то он будет
стремиться уменьшить величину критерия
,
а если ему известна еще и стратегия
,
то он, естественно, выберет
так, чтобы реализовать
.
Поэтому определение заведомо близко к
реальности в условиях полностью
информированного противника, преследующего
противоположную целевую установку.
Таким образом, такая оценка часто не
является «перестраховочной», нужно
лишь в определении квазиинформационной
гипотезы, а именно множеств
и
учесть всю информацию, которой обладает
ЛПР о неуправляемых факторах.
Стратегия называется оптимальной в соответствии с принципом гарантированного результата, если
.
Для каждой стратегии,
построенной в соответствии с правилом
(18), в условном решении выбирают некоторые
неуправляемые факторы
=
,
где
.
Оценка (18) и выбор (20) отражают факт полного «пессимизма» при формировании сценария. Такая оценка является перестраховочной в том смысле, что, поскольку множества и учитывают всю информацию, которой обладает ЛПР о неуправляемых факторах, (18) гарантирует результат при заданных и .
Введем параметр
и положим
,
,
,
,
,
,
,
где
— проекция множества
на множество
.
Множество
определяет минимальный набор векторов
,
которые следует рассматривать при
построении стратегии в рамках установленной
квазиинформационной гипотезы
;
множество
определяет максимальный такой набор.
Проекции каждого из указанных множеств
на
определяют максимальный и минимальный
набор УК-факторов, которые могут
участвовать в построении стратегий.
Пусть
— способ учета неопределенности
условного решения, используемый для
формирования стратегии;
,
— область определения и область
значений преобразования
.
Для любого способа учета неопределенности условного решения найдется множество
,
для которого выполнено:
,
=
=
.
Для способа учета неопределенности
=
.
Множество определяет набор УК-факторов, допустимых при формировании сценария. Его топологические свойства могут быть весьма разнообразны в зависимости от свойств преобразования .
Пусть в фазовом
пространстве
задана некоторая мера
,
где
В дальнейшем для определенности будем
предполагать, что все рассматриваемые
далее множества измеримы по мере
.
Числа
и
характеризуют меру максимальной и
минимальной «свободы управления» после
учета неопределенности,
— меру допустимой свободы управления
после применения способа учета
неопределенности
,
или «сколько осталось УК-факторов
после учета неопределенности». Множество
=
описывает множество УК-факторов,
которые дополнительно по сравнению с
ПГР могут быть использованы ЛПР, если
будет проявлен оптимизм и принят способ
учета неопределенности
.
-мерой
оптимизма способа учета неопределенности
условного решения называется величина
=
.
Минимальная
-мера
оптимизма, соответствующая принципу
гарантированного результата, равна
,
максимальная
-мера
задается величиной
=
.
-мера
(25) характеризует величину оптимизма
относительно ПГР. Она выражена в
-мере
множества УК-факторов, определяемых
способом учета неопределенности
и нормирована относительно
-меры
максимально широкого множества
УК-факторов, допустимых КИГ
.
Являясь обобщенными характеристиками
применяемого способа, (25) и (26) дают
возможность сравнивать удаленность
различных предположений ЛПР по оценке
неопределенности.
Осреднение критерия по случайным факторам при различной информированности ЛПР.
Если ЛПР не согласно на осреднение критерия, то в этом случае случайный фактор приравнивают к неопределенному и в соответствии с принципом гарантированного результата полагают
.
Если ЛПР разрешает осреднение, принципиально возможны три случая информированности о случайностях:
оперирующая сторона разрешает осреднение критерия по случайностям с точно известными законами распределения , тогда используется оценка (17);
оперирующая сторона разрешает осреднение критерия по случайным факторам с известными типами законов распределения
из класса
,
но неизвестными параметрами распределения
:
={
,
};
оперирующая сторона разрешает осреднение критерия по случайным факторам с неизвестными законами распределения , но известно или ограничено конечное число его характеристик, например, математическое ожидание, дисперсия и другие моменты закона распределения. В этом случае ограничения неопределенности выглядят так:
— неубывающая функция, и при
;
.
Все описанные случаи информированности формально можно записать в виде неравенств
,
где
— известные функции,
,
—
заданные постоянные.
В общем случае оценка эффективности строится в виде
.
Теоретической основой использования предлагаемого подхода является
[3]. Пусть критерий
и функции
непрерывны по
;
множество
— замкнутый параллелепипед. Тогда для
любой стратегииконстанты
выполнено:
=
,
где
стандартный симплекс.
Оценка эффективности при наличии противника.
При антагонистических интересах применяется оценка (18).
Пусть противник имеет интересы, выражаемые его критерием эффективности (случайные факторы отсутствуют):
.
Если оперирующей
стороне известен этот критерий противника,
то исследователь, уточняя
,
может улучшить оценку
,
оставаясь на позициях гарантированного
результата. Например, можно предполагать,
что противник знает стратегию
и будет стремиться максимизировать
величину
,
т.е. выбор неуправляемых факторов определяется множеством
,
если
максимум функции
достижим для противника. Тогда за оценку
эффективности стратегии
следует принять
,
т.е.
исходное множество
заменить на множество
.
Однако следует иметь в виду, что последней оценкой можно пользоваться только тогда, когда гарантировано (точно известно или, может быть, с допустимым риском принято ЛПР), что
а) противник придерживается критерия ,
б) противнику известна стратегия ,
в) противнику ничто
не мешает реализовать свою стратегию
из множества
.
Если хоть одно из условий не выполнено, то необходимо вернуться к оценке с исходным множеством .
Оценка эффективности стратегий при наличии случайных и неопределенных факторов зависит от информированности противника (неопределенный фактор) о случайностях:
пусть не зависит от , т.е. — стратегия противника, который не знает случайной величины , либо — природная неопределенность. Разрешено осреднять критерий. Тогда оценка эффективности произвольной стратегии имеет вид:
.
Предположим, зависит от . Тогда
.
Отметим, что оценка неопределенности стратегии завершается указанием:
выбранного способа учета неопределенности ;
значений
неуправляемых факторов, на которые
ориентируется ЛПР.
