- •Глава 1. Описание задач принятия решения на содержательном уровне
- •1.1. Примеры задач принятия решения
- •1.2. Основные требования к задачам принятия решения.
- •1.3. Типы критериев в задачах принятия решений.
- •1.4. Типы шкалы для измерения критериев
- •1.5. Основные понятия, используемые в задачах принятия решения
- •1.6. Специфика зпр
- •1.7. Классификация задач принятия решения
- •Глава 2. Основная математическая модель зпр
- •2.1. Модель зпр в табличной форме
- •2.2. Модель зпр в аналитической форме
- •2.3. Модель зпр в графической форме
- •Глава 3. Решение зпр в условиях определенности
- •3.1. Этапы решения зпр в условиях определённости
- •3.2. Способы свертки векторных критериев
- •3.2.1. Сильные и слабые критерии
- •3.2.2. Свёртка сильных критериев
- •Аддитивный способ свертки.
- •Нормирование частных критериев.
- •Мультипликативный способ свертки.
- •4) Критерий минимального удаления от идеала.
- •5). Статистические обобщенные критерии.
- •3.3. Способы определения весовых коэффициентов в сильных обобщенных критериях
- •3.3.1. Метод непосредственного определения усреднённых экспертных оценок весовых коэффициентов при наличии нескольких экспертов.
- •3.3.2. Метод ранжирования для определения весовых коэффициентов.
- •3.3.3. Определение весовых коэффициентов путём усреднения предпочтений при наличии нескольких экспертов.
- •3.3.4. Метод объективизации значений весовых коэффициентов (метод попарного сравнения, метод последовательных предпочтений).
- •3. 4. Слабые критерии оптимальности
- •3. 4. 1. Критерий удовлетворения техническим требованиям
- •3. 4. 2. Критерий принадлежности множеству Парето
- •3.4.3. Виды множеств Парето. Правило паруса.
- •3.4.4. Алгоритм формирования множества Парето
- •3.4.5. Графический способ построения множества Парето
- •3.5. Множество Парето и другие критерии оптимальности
- •3.5.1. Множество Парето и критерий удовлетворения тз
- •3.5.2. Множество Парето и обобщенный критерий в виде самого важного частного и остальных критериев как ограничений.
- •3.5.3. Множество Парето и требование экстремума одного из частных критериев
- •3.5.4. Множество Парето и обобщенный аддитивный критерий
- •3.5.5. Множество Парето и обобщенный мультипликативный критерий
- •3.5.6. Множество Парето и критерий последовательной уступки
- •3.6. Множество Парето и шкалы измерений
- •3.7. Достоинства множества Парето
- •3.8. Выражение предпочтений лпр в критериях оптимальности
- •3.9. Общая схема решения зпр в условиях определенности
- •Глава 4. Принятие решения в условиях неопределенности
- •4.1. Постановка задачи
- •4.2. Основные методы принятия решений в условиях неопределенности
- •4.2.1. Метод максимина или гарантированного выигрыша
- •4.2.2. Метод Сэвиджа (метод матрицы сожалений)
- •4.2.3. Метод Гурвица
- •4.3. Принятие решений в условиях риска
- •4.3.1. Постановка задачи
- •4.3.2. Kритерий математического ожидания
- •4.3.3. Критерий равновозможности состоянии
- •Глава 5. Принятие решений в задачах с нечисловыми критериями
- •5.1. Основные типы отношений.
- •5.2. Способы задания отношений.
- •5.3 Основные операции над отношениями
- •Помимо типовых существуют специальные операции над отношениями.
- •5.4. Основные свойства отношений
- •5.5. Два подхода к выявлению предпочтений в зпр с нечисловыми критериями.
- •5.6. Типы решающих правил при определении предпочтений
- •5.7. Парадоксы голосования.
- •5.8. Критерий Неймана-Моргенштерна
- •Глава 6. Основы теории выбора оптимальной стратегии действий
- •6.1. Основные понятия теории игр
- •6.2. Понятие устойчивости игры и равновесия по Нэшу
- •1. Выбор стратегии Зарей.
- •2. Выбор стратегии Лучом.
- •6.3. Понятие об играх со смешанной стратегией
4.3. Принятие решений в условиях риска
4.3.1. Постановка задачи
В случае принятия решений в условиях риска каждое j-е состояние среды bj оценивается вероятностью pj его появления и модель задачи принимает вид:
Альтернативы |
b1/p1 |
b2/p2 |
... |
bm/pm |
a1 |
|
|
... |
|
a2 |
|
|
... |
|
... |
... |
... |
... |
... |
an |
|
|
... |
|
Риск состоит в том, что каждое состояние среды появляется хотя и с известной вероятностью, но не гарантированно. Поэтому ориентироваться на появление того или иного состояния среды в каждой конкретной ситуации выбора нельзя и можно рассчитывать на это состояние только статистически, в среднем, при рассмотрении достаточно большого числа ситуаций выбора. Для принятия решения в условиях риска используются различные методы, два из которых рассматриваются ниже.
4.3.2. Kритерий математического ожидания
В этом случае перспективность каждой альтернативы оценивается ее полезностью, которая равна математическому ожиданию выигрыша каждой i-ой альтернативы
Пример:
Пусть даны вероятности наступления разной погоды:
р1=0.6 - вероятность дождя, р2=0.1 - вероятность жары; Р3=0.3 - вероятность умеренной погоды.
Тогда полезности альтернатив для вышеописанного примера (см. п. 4.1) будут:
П1 = 0.6*90+0.1*60+0.3*40=72 .
П2 = 0.6*25+0.1*100+0.3*50=40
П3 = 0.6*70+0.1*50+0.3*60=65
Так как П1 = 72 максимальное значение полезности, то первая альтернатива предпочтительней.
Следует иметь в виду, что значение полезности является среднестатистической величиной и для её получения нужно иметь множество реализаций данной задачи, то есть продукция должна выпускаться много лет. При выборе первой альтернативы и однократном выпуске продукции полезность, как случайная величина, может принять любое из трёх вычисленных выше значений. При выборе первой альтернативы и многократном выпуске продукции среднее значение получаемых каждый раз полезностей будет стремиться к 72.
4.3.3. Критерий равновозможности состоянии
Этот критерий является частным случаем предыдущего критерия, в котором все состояния среды равновероятны:
pj=1/m
где m — количество состояний среды.
Тогда полезность Пi каждой альтернативы определяется формулой:
Поскольку значение m для всех альтернатив одинаково, то его можно не принимать во внимание и оценивать полезность каждой альтернативы формулой:
Выбирается альтернатива с максимальным значением Пi .
Задачу в условиях неопределенности можно также рассматривать, как задачу в условиях риска с одинаковыми вероятностями наступления каждого состояния среды. Однако в условиях риска задача носит статистический, а в условиях неопределенности - детерминированный характер. Поэтому выигрыш, исчисляемый в условиях риска, может наступить лишь при достаточно большом количестве реализаций данного решения, тогда как методы максимина и Севиджа дают гарантированный результат при каждой реализации.