Критерии принятия решений - файл n1.doc

приобрести
Критерии принятия решений
скачать (336.2 kb.)
Доступные файлы (1):
n1.doc553kb.24.03.2006 19:41скачать

n1.doc

1   2   3

1.Критерии принятия решений

Критерий принятия решений - это функция, выражающая предпочтения лица, принимающего решения (ЛПР), и определяющая правило, по которому выбирается приемлемый или оптимальный вариант решения.

Всякое решений в условиях неполной информации принимается в с учетом количественных характеристик ситуаций, в которой принимаются решения. Наиболее часто принимаются следующие критерии принятия Севиджа, критерий Гурвица, критерий Ходжа-Лимона, критерий Гермейера, соответствии с решений: минимаксный критерий, критерий Байеса-Лапласа, критерий какой-либо оценочной информацией, выбор которой должен осуществляться критерий произведений, составной критерий Байеса-Лапласа минимаксный.

Эти критерии можно использовать поочередно, причем после вычисления их значений среди нескольких вариантов приходится произвольным образом выделять некоторое окончательное решение. Что позволяет, во-первых, лучше проникнуть во все внутренние связи проблемы принятия решений и, во-вторых, ослабить влияние субъективного фактора.

Классические критерии принятия решений.

1.1. Минимаксный критерий (ММ) использует оценочную функцию ZММ, соответствующую позицию крайней осторожности.

ZММ=max eir и eir=min eij.

где zmm — оценочная функция ММ-критерия.

Поскольку в области технических задач построение множества Е вариантов уже само по себе требует весьма значительных усилий, причем иногда возникает необходимость в их рассмотрении с различных точек зрения. Оно должно напоминать о том, что совокупность вариантов необходимо исследовать возможно более полным образом, чтобы была обеспечена оптимальность выбираемого варианта.

Правило выбора решения в соответствии с этим критерием можно интерпретировать следующим образом:

Матрица решений дополняется еще одним столбцом из наименьших результатов eir каждой строки. Выбрать надлежит те варианты Eio, в строках которых стоят наибольшие значения eir этого столбца.

Выбранные таким образом варианты полностью исключают риск. Это означает, что принимающий решение не может столкнуться с худшим результатом, чем тот, на который он ориентируется. Какие бы условия Fj ни встретились, соответствующий результат не может оказаться ниже Zмм. Это свойство заставляет считать минимаксный критерий одним из фундаментальных. Поэтому в технических задачах он применяется чаще всего, как сознательно, так и неосознанно. Однако положение об отсутствии риска стоит различных потерь.
1.2. Критерий Сэвиджа.

С помощью обозначения

аij=max eij – eij – это eir=maxaij = max(max eij-eij),

формируется оценочная функция
Zs=min eir = min [max (maxeij – eij)]

Соответствующее правило выбора теперь интерпретируется так:

Каждый элемент матрицы решений вычитается из наибольшего результата соответствующего столбца. Эти разности образуют матрицу остатков. Эта матрица пополняется столбцом наибольших разностей eir. Выбираются те решения Еio, в строках которых стоит наименьшее значение для этого столбца

и строится множество оптимальных вариантов решения

Для понимания этого критерия определяемую соотношением величину aij = max eij - eij можно трактовать как максимальный дополнительный выигрыш, который достигается, если в состоянии Fj вместо варианта Ei выбрать другой, оптимальный для этого внешнего состояния вариант. Мы можем, однако, интерпретировать aij и как потери (штрафы), возникающие в состоянии Fi при замене оптимального для него варианта на вариант Ei. Тогда определяемая соотношением величина eir представляет собой — при интерпретации аij в качестве потерь—максимальные возможные (по всем внешним состояниям Fj, j==1, ..., n) потери в случае выбора варианта Ei. Эти максимально возможные потери минимизируются за счет выбора подходящего варианта Ei.

Соответствующее S-критерию правило выбора теперь интерпретируется так:

каждый элемент матрицы решений ||eij|| вычитается из наибольшего результата max eij соответствующего столбца.

Разности aij образуют матрицу остатков ||aij|| Эта матрица пополняется столбцом наибольших разностей eir. Выбираются те варианты Eio, в строках которых стоит наименьшее для этого столбца значение.

По выражению оценивается значение результатов тех состояний, которые, вследствие выбора соответствующего распределения вероятностей, оказывают одинаковое влияние на решение, с точки зрения результатов матрицы ||eij|| S-критерий связан с риском, однако, с позиций матрицы ||aij|| он от риска свободен.

1.3. Критерий Байеса-Лапласа.

Этот критерий учитывает каждое из возможных следствий. Пусть qj – вероятность появления внешнего состояния Fj, тогда для этого критерия оценочная функция запишется так:
ZBL=max eir, eir= eijqj.
Тогда правило выбора будет записано так:

Матрица решений дополняется еще одним столбцом, содержащим математическое ожидание значений каждой из строк. Выбираются те варианты Eio, в строках которых стоит наибольшее значение eir этого столбца.

1.4. Расширенный минимаксный критерий.

В нем используются простейшие понятия теории вероятностей, а также, в известном смысле, теории игр. В технических приложениях этот критерий до сегоднешнего времени применяется мало.

Основным здесь является предположение о том, что каждому из n возможных внешних состояний Fj приписана вероятность его появления : 0< q<1.
Тогда расширенный ММ-критерий формулируется следующим образом:


где р—вероятностный вектор для Ei , a q—вероятностный вектор для Fj.

Таким образом, расширенный ММ-критерий задается целью найти наивыгоднейшее распределение Ei вероятностей на множестве вариантов, когда в многократно воспроизводящейся ситуации ничего не известно о вероятностях состояний Fj. Поэтому предполагается, что Fj распределены наименее выгодным образом.


1.5.Критерий произведений.

С самого начала этот критерий ориентирован на величины выигрышей, то есть на положительные значения величины е

Определим оценочную функцию:

Zp=max eir.
Привило выбора в этом случае формулируется так:

Матрица решений дополняется новым столбцом, содержащим произведения всех результатов каждой строки. Выбираются те варианты Еiо, в строках которых находятся наибольшие значения этого столбца.

Применение этого критерия обусловлено следующими обстоятельствами:

Вероятности появления состояний Fj неизвестны; с появлением каждого из состояний Fj по отдельности необходимо считаться; критерий применим при малом числе реализаций решения; некоторый риск допускается.

Как уже упоминалось, этот критерий приспособлен в первую очередь для случаев, когда все eij положительны. Если указанное условие нарушается, а этот критерий приходится применять и в этом случае, то следует выполнить некоторый сдвиг eij+a с некоторой константой а > | min eij |. Разумеется, результат применения критерия существенно зависит от этого значения а. На практике в качестве значения, а охотно используют величину | min eij | + 1. Если же никакая константа не может быть признана имеющей смысл, то к таким проблемам этот критерий не применим.

Выбор оптимального решения согласно критерию произведений оказывается значительно минее пессимистическим, чем, например, выбор в соответствии с минимаксным критерием. В результате применения критерия произведений происходит некоторое выравнивание между большими и малыми значениями eij, и, устанавливая оптимальный вариант решения с помощью этого критерия, мы можем при фиксированных состояниях Fj получить большую выгоду, чем при использовании минимаксного критерия, но при этом должна учитываться возможность появления и худших результатов. Следует отметить, что при использовании этого критерия ни число реализаций, ни информация о распределении вероятностей не принимаются во внимание.
1.6.Критерий Гермейера.

Отправляясь от подхода Гермейера к отысканию эффективных и пригодных к компромиссу решений в области полиоптимизации – т.е. всех решений, которые не считаются заведомо худшими, чем другие, - можно предположить еще один критерий, обладающий в некотором отношении определенной эластичностью. Он с самого начала ориентирован на величины потерь, т.е. на отрицательные значения eij.

В качестве оценочной функции выступает

ZG=max eij

Поскольку в хозяйственных задачах преимущественно имеют дело с ценами и затратами, условие eij<0 обычно выполняется. В случае же, когда среди величин eij встречаются и положительные значения, можно перейти к строго отрицательным значениям с помощью преобразования eij - а при подходящим образом подобранном а>0.

Правило выбора согласно критерию Гермейера формулируется следующим образом:

Матрица решений дополняется еще одним столбцом, содержащим в каждой строке наименьшее произведение имеющегося в ней результата на вероятность соответствующего состояния Fj. Выбираются те решения Еiо, в строках которых находится наибольшее значение eir этого столбца.
1.7.Критерий Гурвица.

Стараясь занять наиболее уравновешенную позицию, Гурвиц предложил критерий, оценочная функция которого находится где-то между точками зрения предельного оптимизма и крайнего пессимизма:
ZHW=max eir.

Правило выбора согласно HW-критерию формулируется так:

Матрица решений дополняется столбцом, содержащим средние взвешенные наибольшего и наименьшего результатов для каждой строки. Выбираются те варианты Eio, в строках которых стоят наибольшие элементы eij этого столбца. В технических приложениях правильно выбрать множитель с бывает так же трудно, как правильно выбрать критерий. Вряд ли возможно найти количественную характеристику для тех долей оптимизма и пессимизма, которые присутствуют при принятии решения. Поэтому чаще всего весовой множитель с=0,5 без возражений принимается в качестве некоторой «средней» точки зрения. При обосновании выбора применяют обратный порядок действий. Для приглянувшегося решения вычисляется весовой множитель с, и он интерпретируется как показатель соотношения оптимизма и пессимизма. Таким образом, позиция исходя из которых принимаются решения, можно рассортировать, по крайней мере, задним числом.

Этот критерий предъявляет к ситуации, в которой принимается решение, следующие требования:

О вероятностях появления состояния Fj ничего не известно; с появлением состояния Fj необходимо считаться; реализуется лишь малое количество решений; допускается некоторый риск
1.8. Составной критерий Байеса-Лапласа минимаксный.

Стремление получить критерии, которые бы лучше приспосабливались к имеющейся ситуации, чем все до сих пор рассмотренные, привело к построению так называемых состав­ных критериев.

Исходным для построенного был BL-критерий Вследствие того, что распределение q=(q1, ..., qn) устанавливается эмпирически и потому известно неточно, про­исходит, с одной стороны, ослабление критерия, а с другой, напротив, с помощью заданных границ для риска и посредством MM-Kритерня обеспечивается соответствующая свобода действий. Точные формулировки состоят в следующем.

Зафиксируем прежде всего задаваемое ММ-критерием опорное значение:



где i0 и j0—оптимизирующие индексы для рассматриваемых вариантов решений и, соответственно, состояний.

Посредством некоторого заданного или выбираемого уровня допустимого риска Eдоп>0 определим некоторое множество со­гласия, являющееся подмножеством множества индексов {1, ... ..., т}:



Величина Ei:=ei0j0 - minjeij для всех i I1 характеризует наибольшие возможные потери в сравнении со значением ei0j0, задаваемым ММ-критерием. С другой стороны, в результате такого снижения открываются и возможности для увеличения выигрыша по сравнению с тем, который обеспечивается ММ-критерием. Поэтому мы рассматриваем также (опять-таки как подмножество множества {1, ..., m}) некоторое выигрышное множество

Т
огда в множество-пересечение I1 I2 мы соберем только такие варианты решений, для которых, с одной стороны, в определенных состояниях могут иметь место потери по сравнению с состоянием, задаваемым ММ-критерием, но зато в других состоя­ниях имеется по меньшей мере такой же прирост выигрыша. Теперь оптимальными в смысле BL (ММ)-критерия будут решения


Правило выбора для этого критерия формулируется следующим образом.

Матрица решений ||еij|| дополняется еще тремя столбцами. В первом из них записываются математические ожидания каждой из строк, во втором—разности между опорным значением ei0j0 = ZMM и наименьшим значением minjij) соответствующей строки. В третьем столбце помещаются разности между наибольшим значением maxj еij каждой строки и наибольшим значением max ei0j той строки, в которой находится значение ei0j0. Выбираются те варианты Ei0 строки которых (при соблюдении приводимых ниже соотношений между элементами второго и третьего столбцов) дают наибольшее математическое ожидание. А именно, соответствующее значение ei0j0 – minj еij из второго столбца должно быть меньше или равно некоторому заранее заданному уров­ню риска εдоп. Значение же из третьего столбца должно быть больше значения из второго столбца.

Применение этого критерия обусловлено следующими признаками ситуации, в которой принимается решение:

Таким образом, спектр применимости теории распро­страняется далеко за пределы предыдущих критериев. Особо следует подчеркнуть, что действие новых критериев остается вполне обозримым, хотя функция распределения может играть лишь подчиненную роль.

BL (ММ)-критерий хорошо приспособлен для построения практических решений прежде всего в области техники и мо­жет считаться достаточно надежным. Однако задание границы риска εдоп и, соответственно, оценок риска εi не учитывает ни число применений решения, ни иную подобную информацию. Влияние субъективного фактора хотя и ослаблено, но не исключено полностью;

Условие maxj еij maxjеi0 j >= εi существенно в тех случаях, когда решение реализуется только один или малое число раз. В этих случаях недостаточно ориентироваться на риск, связан­ный лишь с невыгодными внешними состояниями и средними значениями. Из-за этого, правда, можно понести некоторые по­тери в удачных внешних состояниях. При большом числе реа­лизации это условие перестает быть таким уж важным. Оно даже допускает разумные альтернативы.

2.Постановка задачи
1   2   3


1.Критерии принятия решений
Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации