Критерии для 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 Z_ММ, соответствующую позицию крайней осторожности.

Z_ММ=max eir и eir=min eij.

где z_mm — оценочная функция ММ-критерия.

Поскольку в области технических задач построение множества Е вариантовуже 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 e_irкаждой строки. Выбрать надлежит те варианты E_io, в строках которых стоят наибольшие значения eirэтого 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 Fjни встретились, соответствующий результат не может оказаться ниже Z_мм. 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 (maxe_ij – e_ij)]

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 e_ir. Выбираются те решения Е_io, в строках которых стоит наименьшее значение для этого столбца

и строится множество оптимальных вариантов решения

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

Соответствующее S-критерию правило выбора теперь интерпретируется так:

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

Разности a_ij образуют матрицу остатков ||a_ij|| Эта матрица пополняется столбцом наибольших разностей e_ir. Выбираются те варианты E_io, 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 ||e_ij|| S-критерий связан с риском, однако, с позиций матрицы ||a_ij|| он от риска свободен.

1.3. Критерий Байеса-Лапласа.

Этот критерий учитывает каждое из возможных следствий. Пусть qj – вероятность появления внешнего состояния F_j, тогда для этого критерия оценочная функция запишется так:

Z_BL=max eir, eir= åeijqj.

Тогда правило выбора будет записано так:

Матрица решений дополняется еще одним столбцом, содержащим математическое ожидание значений каждой из строк. Выбираются те варианты E_io, в строках которых стоит наибольшее значение e_ir 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 E_i , a q—вероятностный вектор для F_j.

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

Z_G=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

⇐ Предыдущая12345

Поделиться:

Воспользуйтесь поиском по сайту: