5. Процедуры оценки векторов
В основе этих процедур лежит предположение, что ЛПР может непосредственно сравнивать решения, предъявляемые ему в виде векторов в критериальном пространстве, и систематически искать в этом пространстве наилучший вектор.
Одной из наиболее известных ЧМП оценки векторов является процедура Дайера-Джиофриона (Д-Д). Она начинается с выбора какой-либо точки в критериальном пространстве (рис. 3).
В этой точке ЛПР определяет градиент глобальной целевой функции следующим образом. Один из критериев считается опорным. Берется небольшое изменение этого критерия (в сторону улучшения) от начального. Перед ЛПР ставятся вопросы типа: какое изменение по иному критерию эквивалентно заданному изменению опорного критерия? Ответы ЛПР определяют вектор (направление), вдоль, которого изменение глобального критерия будет наиболее эффективным. Вдоль этого направления делается шаг определенной длины и получаются новые значения по всем критериям. Совокупность этих значений (вектор) предъявляется ЛПР вместе с первоначальным решением (соответствующим начальной точке). Далее перед ЛПР ставится вопрос: какое из решений лучше? Если лучше новое решение (назовем его Y1), то делается еще шаг вдоль этого же направления и вычисляется решение Y2. Далее Y1 и Y2 предъявляются ЛПР. Если Y2 лучше, то делается еще шаг в прежнем направлении, и т.д. Если Y1 лучше, чем Y2 , то в точке Y2 определяется новый градиент (направление) изменения глобальной целевой функции (см. рис. 3), и т.д. Процедура заканчивается, если ЛПР признает очередное решение вполне для него удовлетворительным.
Другим наиболее известным методом, принадлежащим к данной группе, является метод Зайонца-Валлениуса. Он представляет собой процедуру сужения множества значений весовых векторов wi. В начале задается вектор весов, имеющий равные компоненты. Далее выясняется значение глобального критерия. Обычно этому значению соответствует в области допустимых значений одна из вершин многоугольника. В смежных к ней вершинах подсчитываются значения весов критериев, при которых данная вершина могла бы быть оптимальным решением однокритериальной задачи. Также в этих вершинах подсчитываются значения вектора оценок по критериям.
ЛПР попарно предъявляются векторы значений критериев в начальной точке и каждый из векторов значений критериев в смежных вершинах. При этом ЛПР ставит вопрос, какой критериальный вектор предпочтительнее. Возможны три варианта ответа: *
1) предпочтительнее смежный критериальный вектор;
2) предпочтительнее начальный критериальный вектор;
3) нет четкого предпочтения.
На основе ответов ЛПР формируются ограничения на значения весовых коэффициентов критериев. Далее определяется центральная точка в допустимой области весовых коэффициентов, опять вычисляется значение глобального критерия и т.д.
Доказано, что метод сходится к точке, соответствующей наибольшей полезности ЛПР, если априори неизвестная функция полезности ЛПР является вогнутой.
В отличие от прямых методов мы видим в ЧМП оценки векторов систематический поиск, помогающий ЛПР найти наилучшее решение.
6. Процедуры поиска удовлетворительных значений критериев
Эти процедуры также предназначены для систематического поиска наилучшего решения. Однако такой поиск осуществляется по-иному: в порядке очереди определяется приемлемое значение по каждому из критериев.
Примером ЧМП поиска удовлетворительных значений критериев служит процедура STEM - одна из первых ЧМП. Она предназначена для решения многокритериальных задач линейного программирования, одной из которых как раз и является многокритериальная транспортная задача.
Рассмотрим фазы расчетов и анализа ЧМП STEM.
Фаза расчетов
Проводится оптимизация по каждому критерию отдельно, при этом значения всех остальных критериев заносятся в табл. 3.2.
В таблице Cij — значение i-го критерия при оптимизации по j-му критерию. Ясно, что диагональные элементы равны единице, а все прочие меньше единицы. Очевидно, что после нормирования наибольшее значение каждого критерия равно единице, а наименьшее — нулю. Любой столбец содержит значения соответствующего критерия, достигаемые при оптимизации по всем критериям.
В таблице представлена ценная информация, характеризующая область допустимых значений. Так, если значения каких-то двух столбцов близки для каждой из строк (кроме строк, содержащих единицы в этих столбцах), то два соответствующих критерия сильно зависимы, так как изменения всех иных критериев (кроме этих двух) одинаково влияют на эти два критерия. Можно выявить также и противоречивые критерии: высокая оценка по одному сопровождается низкой оценкой по другому. Такая информация весьма полезна для ЛПР, изучающего возможности, предоставляемые областью В допустимых значений.