- •1. Процесс принятия решений. Три условия принятия решений.
- •2. Принятие решений в условиях определенности. Структура с одним иерархическим уровнем.
- •3. Принятие решений в условиях определенности. Структура с двумя иерархическими уровнями.
- •4. Принятие решений в условиях определенности. Понятие веса и комбинированного веса.
- •5. Принятие решений в условиях определенности. Понятие матрицы парных сравнений.
- •6. Принятие решений в условиях определенности. Понятие нормализованной матрицы.
- •7. Принятие решений в условиях определенности. Пример согласованной матрицы.
- •8. Принятие решений в условиях определенности. Условие согласованности.
- •9. Принятие решений в условиях определенности. Коэффициент согласованности.
- •10. Принятие решений в условиях риска. Сравнение альтернативных решений.
- •11. Принятие решений в условиях риска. Понятие дерева решений.
- •12. Принятие решений в условиях риска. Связь между «состоянием природы» и ожидаемым платежом.
- •13. Принятие решений в условиях риска. Альтернатива на примере ремонта автомобилей.
- •14. Принятие решений в условиях риска. Критерий выбора периодичности ремонта автомобилей.
- •15. Принятие решений в условиях риска. Зависимость вероятности поломки автомобиля от срока эксплуатации.
- •16. Принятие решений в условиях риска. Априорные вероятности.
- •17. Принятие решений в условиях риска. Апостериорные вероятности.
- •18. Принятие решений в условиях риска. Вероятностные соотношения, отражающие мнение специалиста при принятии решения на основе эксперимента над исследуемой системой.
- •19. Принятие решений в условиях риска. Дерево решений при использовании апостериорных вероятностей.
- •20. Принятие решений в условиях риска. Вероятность совместного появления событий m и .
- •21. Принятие решений в условиях риска. Абсолютная вероятность.
- •22. Принятие решений в условиях риска. Выражение для апостериорной вероятности.
- •23. Принятие решений в условиях риска. Понятие функции полезности.
- •24. Принятие решений в условиях риска. Графическое изображение функции полезности.
- •25. Принятие решений в условиях риска. Процедура построения функции полезности.
- •26. Принятие решений в условиях риска. Понятие критерия ожидаемого значения.
- •27. Принятие решений в условиях риска. Составляющие критерия ожидаемого значения – дисперсия.
- •28. Принятие решений в условиях риска. Понятие критерия предельного уровня.
- •29. Принятие решений в условиях риска. Использование критерия предельного уровня в сфере массового обслуживания.
- •30. Принятие решений в условиях риска. Критерий наиболее вероятного исхода.
- •31. Принятие решений в условиях неопределенности. Критерий Лапласа.
- •32. Принятие решений в условиях неопределенности. Минимаксный критерий.
- •33. Принятие решений в условиях неопределенности. Критерий Сэвиджа.
- •34. Принятие решений в условиях неопределенности. Критерий Гурвица.
- •35. Марковские процессы. Понятие матрицы переходных вероятностей и матрицы доходов.
- •36. Марковские процессы. Стационарная стратегия.
- •37. Марковские процессы. Основной смысл решений, принимаемых садовником.
- •38. Марковские процессы. Представление задачи садовника как задачи динамического программирования с конечным числом этапов (основные элементы).
- •39. Марковские процессы. Ожидаемый доход, обусловленный одним переходом.
- •40. Марковские процессы. Понятие обратной прогонки в задаче динамического программирования.
- •41. Марковские процессы. Рекуррентное уравнение динамического программирования при условии изменения переходных вероятностей и функции дохода во времени.
- •42. Марковские процессы. Коэффициент дисконтирования. Его учет в рекуррентном уравнении динамического программирования при конечном числе этапов.
- •43. Марковские процессы. Общая характеристика методов решения задачи с бесконечным числом этапов.
- •44. Марковские процессы. Алгоритм метода полного перебора. Общая характеристика.
- •45. Марковские процессы. Пример вычисления долгосрочных стационарных вероятностей в методе полного перебора в модели с бесконечным числом этапов.
- •46. Марковские процессы. Характеристика результирующей таблицы в методе полного перебора в методе с бесконечным числом этапов.
- •47. Марковские процессы. Недостаток метода полного перебора в модели с бесконечным числом этапов.
- •48. Марковские процессы. Модификация рекуррентного уравнения в методе итераций по стратегиям при бесконечном числе этапов.
- •49. Марковские процессы. Необходимость применения итеративной процедуры в методе итераций по стратегиям при бесконечном числе этапов.
- •50. Марковские процессы. Алгоритм метода итераций по стратегиям при бесконечном числе этапов. Общая характеристика.
- •1.Шаг оценивания параметров:
- •2.Шаг улучшения стратегии:
- •51. Марковские процессы. Критерий выбора оптимального решения в методе итераций по стратегиям при бесконечном числе этапов.
- •52. Марковские процессы. Пример шага оценивания параметров в методе итераций по стратегиям при бесконечном числе этапов.
- •53. Марковские процессы. Пример шага улучшения стратегии в методе итераций по стратегиям при бесконечном числе этапов.
- •58. Марковские процессы. Выражение (основа) для формулировки марковской задачи в виде задачи линейного программирования.
- •59. Марковские процессы. Формулировка Марковской задачи в виде задачи линейного программирования. Постановка задачи.
- •60. Марковские процессы. Пример формулировки задачи садовника без дисконтирования при бесконечном числе этапов в виде задачи линейного программирования.
- •76. Понятие регрессионного анализа.
- •77. Метод наименьших квадратов.
- •78. Понятие доверительный интервал для среднего значения оценки.
- •79. Понятие интервала предсказаний
- •80. Понятие коэффициента корреляции
- •81. Понятие тренда во временном ряду.
- •82. Модель аддитивных компонентов.
- •83. Модель мультипликативных компонентов.
- •1. Понятие эс
- •2. Назначение и области применения экспертных систем
- •3 . Структура экспертной системы
- •4. Основные классы и виды экспертных систем
- •5. Продукционные экспертные системы. Основные компоненты продукционной экспертной системы
- •6. Продукционные экспертные системы. Прямая и обратная цепочки вывода
- •7. Продукционные экспертные системы. Простая диагностирующая экспертная система
- •8. Продукционные экспертные системы. Формальное представление продукционной экспертной системы
- •9. Нейлоровские диагностирующие системы. Общие понятия
- •10. Нейлоровские диагностирующие системы. Байесовский подход
- •11. Нейлоровские диагностирующие системы. Элементы механизма логического вывода
- •12. Нейлоровские диагностирующие системы. Цены свидетельств — косвенная цепочка рассуждений
- •13. Нейлоровские диагностирующие системы. Правила остановки
- •14. Нейлоровские диагностирующие системы. Структура базы знаний
- •15. Нейлоровские диагностирующие системы. Алгоритм логического вывода
34. Принятие решений в условиях неопределенности. Критерий Гурвица.
Этот критерий охватывает ряд различных подходов к принятию решений – от наиболее оптимистичного до наиболее пессимистичного (консервативного). Пусть и величины представляют доходы. Тогда решению, выбранному по критерию Гурвица, соответствует:
Параметр - показатель оптимизма. Если , критерий Гурвица становится консервативным, так как его применение эквивалентно применению обычного минимаксного критерия. Если , критерий Гурвица становится слишком оптимистичным, ибо рассчитывает на наилучшее из наилучших условий. Мы можем конкретизировать степень оптимизма (или пессимизма) надлежащим выбором величины из интервала . При отсутствии ярко выраженной склонности к оптимизму или пессимизму выбор представляется разумным. Если величины представляют потери, то критерий принимает следующий вид:
Пример:
35. Марковские процессы. Понятие матрицы переходных вероятностей и матрицы доходов.
В Марковских процессах процесс принятия решений можно представить конечным числом состояний. Переходные вероятности между состояниями описывают Марковскую цепь. Структура вознаграждения в подобном процессе представима в виде матрицы, элементами которой являются величины дохода (или затраты), возникающие при переходе из одного состояния в другое. Матрица переходных вероятностей и матрица доходов зависят от альтернатив решения, которыми располагает лицо, принимающее решение. Целью задачи является нахождение оптимальной стратегии, максимизирующей ожидаемый доход от процесса, имеющего конечное или бесконечное число этапов.
Матрица переходных вероятностей отражает вероятности перехода системы из одного состояния в другое. С каждой матрицей переходных вероятностей связывают матрицу доходов, которая определяет прибыль или убыток в зависимости от состояний, между которыми осуществлялся переход. Соответственно, доход или убыток будет изменяться в зависимости от принятого решения.
Пример:
Матрица переходных вероятностей |
|
Матрица доходов |
||||
0,3 |
0,5 |
0,2 |
|
200 |
350 |
380 |
0,4 |
0,4 |
0,2 |
|
450 |
180 |
360 |
0,2 |
0,7 |
0,1 |
|
350 |
200 |
400 |
36. Марковские процессы. Стационарная стратегия.
Садовника может интересовать оценка ожидаемого дохода при заранее определенной стратегии поведения в случае того или иного состояния системы. Например, он может принять решение всегда применять удобрения, если состояние почвы плохое (состояние 3). В таком случае говорят, что процесс принятия решений описывается стационарной стратегией.
Каждой стационарной стратегии соответствуют свои матрицы переходных вероятностей и доходов, которые можно построить на основе матриц P1, P2, R1 и R2. Например, для стационарной стратегии, требующей применения удобрения только тогда, когда состояние почвы плохое (состояние 3), результирующие матрицы переходных вероятностей и доходов задаются следующими выражениями.
|
|
Эти матрицы отличаются от P1 и R1 только 3-ей строкой, включенной в них из матриц P2 и R2. Причина этого в том, что P2 и R2 – матрицы, соответствующие случаю, когда удобрения применяются при любом состоянии системы.