Теория принятия решений
Основные характеристики задач оптимизации, выбора и принятия решений. Аналитические методы построения множества Парето. Методы определения весовых коэффициентов. Обработка результатов экспертных оценок. Методы замены векторного критерия скалярным.
Рубрика | Математика |
Вид | учебное пособие |
Язык | русский |
Дата добавления | 12.05.2018 |
Размер файла | 2,0 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Построение обобщённого критерия представляет собой процедуру, которая “синтезирует” пару оценок (u, v) в единую числовую оценку; формально обобщённый критерий может быть задан в виде отображения
Ф: R R R. Главное, (и, по - существу, единственное) требование, которое должно быть наложено на это отображение, состоит в том, что это отображение должно “сохранять” отношение доминирования по Парето. Поэтому можно дать следующее определение.
Опр. Под обобщённым критерием будем понимать отображение Ф: RR R , удовлетворяющее условию
(u1, v1) (u2, v2) Ф(u1, v1) > Ф(u2, v2)
Замечание. Иногда рассматривают ослабленный вариант условия (9), состоящий в импликации
(u1, v1)(u2, v2) Ф(u1, v1) Ф(u2, v2)
(Отношение понимается как объединение отношения доминирования по Парето и отношения равенства = ). Например, взвешенная сумма с неотрицательными весовыми коэффициентами удовлетворяет условию (10), а с положительными - более сильному условию.
Поскольку для обобщённого критерия Ф существенным является не сама величина Ф(u, v), а соотношение типа Ф (u1, v1) Ф(u2, v2), введём следующее определение.
Опр. Обобщённые критерии и называются эквивалентными, если для любых векторных оценок (u1, v1) и (u2, v2) выполняется равносильность:
Ф (u1, v1) (u2, v2) (u1, v1) (u2, v2)
Например, обобщённые критерии (u, v) = 2u + 3v, (u, v) = =0,4u+0,6v и (u,v)=эквивалентны между собой. Если Ф - обобщённый критерий, то функция
=
где - произвольная монотонно возрастающая функция, также будет обобщённым критерием, который эквивалентен критерию .
3. Основной задачей является выявление данных, которые требуются для построения обобщённого критерия. Предположим, что обобщённый критерий (u, v) построен. Тогда уравнение Ф(u, v)=с при каждом фиксированном значении константы с определяет на плоскости переменных (u, v) некоторую кривую, которая называется кривой безразличия. Для любых двух точек М1(u1; v1) и М2(u2; v2), принадлежащих одной кривой безразличия, Ф (u1,v1)=Ф(u2, v2), поэтому принимающий решение будет рассматривать векторные оценки (u1, v1) и (u2, v2) как равноценные.
Зафиксируем некоторую точку М(u; v) и проанализируем, что происходит при переходе от точки М к точке при движении по кривой безразличия (рис. 10).
Рис. 10. Кривая безразличия
Положим u = - u, v = - v. При переходе от точки М к точке оценка по первому критерию увеличивается на величину |u|, а оценка по второму критерию уменьшается на величину |v | (заметим, что для точек, лежащих на одной кривой безразличия, u и v всегда имеют разные знаки). Так как лицо, принимающее решение рассматривает векторные оценки (u, v) и как равноценные, то для него потеря |v| единиц по второму критерию компенсируется прибавкой |u| единиц по первому критерию. (В эквивалентной форме это можно выразить ещё так: для лица принимающего решение прибавка |v | единиц по второму критерию компенсирует потерю |u | единиц по первому критерию).
Положительное число -(v/u), указывающее соотношение "потерь-прибавок", зависит, конечно, от того, в какую точку произойдёт смещение из точки М по кривой безразличия. Чтобы исключить зависимость от точки , надо взять "бесконечно малое смещение", т.е. перейти к пределу при условии М; последнее эквивалентно тому, что u 0.
Опр. Положительное число
k = (-)
называется локальным коэффициентом замещения (ЛКЗ) в точке М(u, v).
Конечно, в общем случае ЛКЗ зависит от точки М, т.е. k = k(u, v).
Содержательный смысл локального коэффициента замещения заключается в следующем. Если u мало, то можно считать, что -v ku; приняв u за единицу, получаем |v| = -v k. Таким образом, ЛКЗ приблизительно равен той минимальной прибавке по второму критерию, которая компенсирует для лица принимающего решение потерю единицы по первому критерию (равенство тем точнее, чем меньшей взята единица по первому критерию).
Геометрический смысл ЛКЗ ясен из рис. 10: так как v/u есть тангенс угла наклона секущей Мк оси абсцисс, то, переходя к пределу при u 0, получаем следующее правило.
Правило 1. ЛКЗ в точке М(u; v) равен взятому со знаком “минус” тангенс угла наклона к оси абсцисс касательной, проведённой к кривой безразличия в точке М.
Пусть Q R2 - некоторое множество векторных оценок. Из определения кривой безразличия следует, что через каждую точку M Q проходит одна кривая безразличия. Опр. Множество всех кривых безразличия составляет карту безразличий в области Q; типичный вид карты безразличий представлен на рис.11
Рис. 11. Карта безразличий
Будем считать, что кривые безразличия являются гладкими (т.е. имеют касательную в каждой точке).
Правило 2. Задание в области Q карты безразличий равносильно заданию ЛКЗ для каждой точки M Q.
Действительно, предположим, что в области Q задана карта безразличий. Тогда для каждой точки М(u; v) Q существует единственная проходящая через неё кривая безразличия. Взятый со знаком “минус” тангенс угла наклона касательной, проведённой к этой кривой безразличия в точке М, даст по правилу 1 ЛКЗ в точке М.
Обратно, пусть для каждой точки М(u; v) Q задан соответствующий ей локальный коэффициент замещения k(u; v). Тогда для каждой точки области Q известен угловой коэффициент касательной к кривой безразличия. В этом случае можно построить (при некоторых ограничениях на функцию k(u; v)) карту безразличий - это хорошо известный в математике способ построения интегральных кривых в заданном поле направлений.
В заключение данного пункта найдём условия, при которых ЛКЗ является постоянным.
Ш Если в области векторных оценок Q R2 ЛКЗ k постоянен, то семейство кривых , составляющих карту безразличий обобщённого критерия Ф, определяется дифференциальным уравнением dv/du = -k, откуда dv=-kdu, а v = -ku + c, т.е. в этом случае карта безразличий представляет собой семейство параллельных прямых, угловой коэффициент которых равен - k.
Ш Пусть в области Q задана карта К, состоящая из семейства параллельных прямых, имеющих отрицательный угловой коэффициент -k. Тогда обобщённый критерий (u, v) = ku + v совместим с картой К (так как его карта безразличий состоит из линий ku+v=с - прямых, имеющих угловой коэффициент -k, т.е. совпадает с картой К). Получаем, что в этом случае обобщённый критерий, совместимый с картой К, может быть представлен в виде взвешенной суммы критериев u и v (с положительными постоянными коэффициентами).
Ш Предположим, что обобщённый критерий представим в виде взвешенной суммы:
Ф(u, v) =u+v
где > 0, > 0 - постоянные.
Тогда кривые безразличия этого обобщённого критерия определяются уравнением
u + v = с
где с - постоянная величина, т.е. являются прямыми с угловым коэффициентом k = -/; по правилу 1 в этом случае ЛКЗ равен / и является постоянным.
Утверждение Следующие три условия эквивалентны между собой для произвольного обобщённого критерия Ф, заданного в области векторных оценок Q.
a) Обобщённый критерий Ф представим в виде взвешенной суммы частных критериев.
b) Карта безразличий обобщённого критерия Ф состоит из семейства параллельных прямых.
c) Локальный коэффициент замещения в области Q постоянен.
В связи с этим, для представимости обобщённого критерия в виде взвешенной суммы частных критериев необходимо и достаточно постоянного ЛКЗ. Это - очень сильное требование, которое в большинстве экономических задач не выполняется.
Таким образом, при заданном в аналитической форме ЛКЗ задача построения карты безразличия сводится к задаче интегрирования дифференциального уравнения (решения дифференциального уравнения - =-k(u, v)).
Замечание. В качестве обобщённого критерия, совместимого с картой К, может быть взята любая функция, имеющая вид суперпозиции с, где - монотонно возрастающая функция одной переменной. Например, взяв (w) = , получаем обобщённый критерий с1(u, v) = u.
Методы последовательной оптимизации.
Недостатки свёртывания нескольких критериев заставляют искать другие подходы к решению задач многокритериального выбора. В данной лекции мы будем рассматривать методы последовательной оптимизации.
К методам последовательной оптимизации относят метод последовательных уступок и как частный случай данного метода - метод главного критерия, лексикографический критерий и метод равенства частных критериев.
Метод главного критерия.
Существует один, часто применяемый способ свести многокритериальную задачу к однокритериальной - это выделить один (главный, основной) критерий F1 и стремиться его обратить в максимум (минимум), а на остальные F2, F3 , . . Fm частные критерии наложить только некоторые ограничения, потребовав, чтобы они были не меньше (больше) каких-то заданных величин. Таким образом, идея метода главного критерия заключается в том, что частные критерии обычно неравнозначны между собой (одни из них более важны, чем другие) и это позволяет выделит главный критерий, а остальные (критерии) рассматривать как дополнительные, сопутствующие. Например, при оптимизации плана работы предприятия можно потребовать, чтобы прибыль была максимальна, план по ассортименту - выполнен или перевыполнен, а себестоимость продукции - не выше заданной. При таком подходе все показатели, кроме одного - главного, переводятся в разряд ограничений. Такое различие позволяет сформулировать задачу многокритериальной оптимизации как задачу нахождения условного экстремума основного (главного) критерия:
Метод последовательных уступок.
Встречаются случаи, когда пользователь готов на некоторое снижение величин более важных критериев, чтобы повысить величину менее важных. В таких ситуациях можно воспользоваться методом уступок. Идею этого метода можно изложить следующим образом.
Метод последовательных уступок. Согласно этому методу локальные критерии предварительно ранжируются по важности. Затем ищется наилучшее решение по наиболее важному критерию. На следующем шаге ищется решение наилучшее по следующему по важности критерию, причем допускается потеря в значении первого критерия не более чем на некоторую обусловленную величину, т.е. делается уступка по первому критерию. На третьем шаге оптимизируется решение по третьему критерию, при заданных уступках по первому и второму и т.д., пока не будет рассмотрен последний по важности критерий.
При решении многокритериальных задач методом последовательных уступок вначале нужно определить важность частных критериев, т.е. расположить частные критерии в порядке убывания важности. Таким образом, главным считается критерий F1 , менее важным F2, . . . , Fm. Минимизируется первый по важности критерий и определяется его наименьшее значение F1min . Затем назначается величина допустимого снижения уступки 10 критерия F1 и ищется наименьшее значение критерия F2 при условии, что значение F1 должно быть не больше, чем F1min+1. Снова назначается уступка 20, но уже по второму критерию, которая вместе с первой используется при нахождении условного минимума F3 и т.д. Наконец, минимизируется последний по важности критерий Fm при условии, что значения каждого критерия Fi из m-1 предыдущих должны быть не больше соответствующей величины Fimin+i .Получаемое в итоге решение считается оптимальным.
Таким образом, оптимальным считается всякое решение, являющимся решением последней задачи из следующей последовательности задач
1) Найти F1 min=min F1(X)
XD
2) Найти F2 min.=min F2(X) (1)
XD
F1 F1min+1
m) Найти Fm min.=min Fm(X)
XD
Fi Fimin+i
i=1,2, . . . ,m-1
Величины уступок выбирают в пределах инженерной точности, т.е. 5-10% от наименьшего значения критерия.
Пример. Пусть в области D={0;4} заданы два критерия F1(x)=(x-1)2+1 F2(x)=(x-2)2+2, которые нужно минимизировать (рис.1). Критерий F1важнее критерия F2 (F1 предпочтительнее F2).
1. Согласно алгоритму минимизируем первый по важности критерий, и определяется его наименьшее значение F1min. Формулируем задачу оптимизации
найти min F1(x)= min[(x-1)2+1]
при ограничениях
x{0;4}
Минимум для первого критерия достигается в точке x1opt=1 и равен F1(x1opt)=1
2. Затем назначается величина уступки 1=0.1 критерия F1 и ищется наименьшее значение критерия F2 при условии, что значение F1 должно быть не больше, чем F1min+1. Таким образом, мы получили следующую задачу оптимизации
minF2(x)=min[(x-2)2+2]
при ограничениях
x{0;4}
(x-1)2+11+0.1
Для решения воспользуемся методом множителей Лагранжа. В результате получим безусловную задачу оптимизации
Ф(x, ?)= (x-2)2+2+ ?((x-1)2-0.1).
Находим частные производные и приравниваем их к нулю. В результате получим систему уравнений
Решая эту систему, получим x2opt=1.32.
Согласно алгоритму, решение, полученное на последнем этапе, и будет считаться оптимальным, т.е. xopt=1.32.
Решим данную задачу, используя систему MathCad.
f(x):=(x-2)2+2 целевая функция
x:=1 начальное приближение
Given
0?x?4
(x-1)2?0.1
p:=Minimize(f,x) p=1.316.
Ответ: xopt=1.32.
Зам. Метод последовательных уступок целесообразно применять для решения тех инженерных задач, в которых все частные критерии упорядочены по степени важности, причём каждый критерий настолько более важен, чем последующий, что можно ограничиться учётом только попарной связи критериев и выбирать величину допустимого снижения очередного критерия с учётом поведения лишь одного следующего критерия.
Недостатком метода являются трудности с назначением и согласованием величин уступок, возрастающие с ростом размерности векторного критерия, а также необходимость формирования неизменного для всей задачи априорного ранжирования критериев.
Как видим, в методе уступок предполагается, что разница в важности критериев не слишком велика. Можно предположить, что величина уступок как-то связана с нашим ощущением этой разницы.
Лексикографический критерий
Противоположным крайним случаем является ситуация, в которой разница между упорядоченными критериями настолько велика, что следующий в этом ряду критерий рассматривается только в том случае, сравниваемые альтернативы неразличимы по старшим критериям. Ни о каких уступках при этом не может быть и речи. В этой ситуации выбор довольно часто заканчивается на первом же шаге, а до последнего критерия дело обычно не доходит (точнее он “изобретается” в том чрезвычайно редком экзотическом случае, когда принятые ранее критерии не выделили единственной альтернативы). Такой выбор получил название лексикографического упорядочивания альтернатив, поскольку этот метод используется при упорядочивании слов в различных словарях (предпочтительность определяется алфавитным рангом очередной буквы в данном слове).
Наиболее часто МЗ с таким жестким упорядочиванием частных критериев по важности возникает при последовательном введении дополнительных критериев в обычные скалярные задачи оптимизации, которые могут иметь неединственное решение.
Пусть, например, задача с одним критерием F1 имеет несколько решений. Подобное положение часто возникает в задачах линейного программирования, дискретного программирования. При этом для окончательного выбора можно использовать второй, дополнительный критерий F2 и отыскивать решение, которое обращает в минимум критерий F1 и доставляет критерию F2 наименьшее значение. Если и второй критерий не выделяет единственное решение, то можно ввести третий критерий F3 и т.д.
Определение. МЗО со строго упорядоченными по важности критериями называют лексикографическими.
Наиболее часто МЗ с жестким упорядочением частных критериев возникают при последовательном введении дополнительных критериев в обычные, скалярные задачи оптимизации, которые могут иметь не единственное решение.
Постановка детерминированной лексикографической задачи оптимизации
Пусть имеется стратегия X1, которой соответствует вектор значений частных критериев (F1(X1), F2(X1),…,Fm(X1)). Все частные критерии образующие векторный критерий F=(F1, F2, …, Fm),строго упорядочены по важности. При сравнении пары стратегий в первую очередь используется первый критерий F1 и лучшей считается та стратегия, для которой значение этого критерия меньше (больше, если находят максимум). Если значение первого критерия для обеих стратегий оказываются равными, то применяется второй критерий F2, и предпочтение отдаётся той стратегии, для которой его значение меньше (больше), если второй критерий не позволяет выделить лучшую стратегию, привлекается третий частный критерий, и т.д. до Fm.
Если же значение каждого частного критерия для рассматриваемых стратегий оказываются равными, то эти стратегии считаются эквивалентными, т.е. равноценными в смысле векторного критерия F.
Таким образом, стратегия X1 предпочтительнее стратегии X2 , если выполняется одно из условий:
1) F1(X1) < F1(X2);
2) F1(X1) = F1(X2), F2(X1)<F2(X2);
m) Fi(X1) = Fi(X2), i=1, 2, , m-1, Fm(X1)<Fm(X2).
Стратегии X1 и X2 эквивалентны (X1~X2), если выполнено условие
F(X1) = F(X2)
Опр. Стратегия X1 лексикографически не хуже чем стратегия X2 (X1X2), если выполнено одно из условий (1) или (2).
Опр. Оптимальной называется такая стратегия X*, которая не хуже любой другой стратегии X, т.е. если (X*X).
Это определение аналогично определению оптимальных стратегий в обычных скалярных задачах с единственным критерием.
Зам. В лексикографической постановке формулируются задачи оптимизации сложных систем, состоящей из взаимосвязанных подсистем, относящихся к разным иерархическим уровням.
Зам. Лексикографическое упорядочивание часто используется для установления правил старшинства, приоритета и т.д. Очень много примеров можно найти в спорте: достаточно вспомнить определение победителей в соревнованиях по хоккею, футболу, шахматным турнирам и т.д. Например, 1) первое место занимает команда, набравшая наибольшее количество очков;
2) если одинаковое количество очков, то чемпионом будет сборная, имеющая лучший результат (очкам) во встречах между этими командами;
3) разница между забитыми и пропущенными шайбами;
4) отношение забитых шайб к пропущенным;
5) по буллитам;
6) подбрасывается монета.
Метод равенства частных критериев
Критерии работают на принципе компромисса, основанного на идее равномерности. Основываясь на идее равномерного компромисса, стараются найти такие значения переменных X, при которых нормированные значения всех частных критериев становятся равными между собой, т.е.
fi(X)=K , i=1, 2, . . ., m
или в другой форме f1(X)= f2(X)= …=fm(X).
С учётом весовых коэффициентов важности частных критериев выражение (3) запишется в виде
i fi(X)=K, i=1, 2, . . ., m
Зам. При большом числе частных критериев из-за сложности взаимосвязей иногда трудно добиться выполнения соотношений (3) и (4).
Пример. Применим метод равенства частных критериев для определения оптимальных параметров переносного автомата. Будем считать, что частные критерии одинаковы по важности, тогда
,
Выразим F2 через F1. Получим
или
и подставим в уравнение для массы автомата
Сделаем замену Получим квадратное уравнение 1.6x2+c·x-4=0. Решаем это уравнение и выбираем, положительный корень x=1.024.Учитывая замену, получим L=1.05 м. Таким образом, получим следующие значения оптимальных параметров: Nopt=46, Lopt=1.05м, Vopt=152 м/сек (K=0.697).
Размещено на Allbest.ur
...Подобные документы
Принятие решения по многим критериям (многокритериальная оптимизация). Эффект несравнимости исходов. Отношение доминирования по Парето при сравнении векторных оценок. Нижние границы критериев. Учет неопределенных пассивных условий, выбор стратегии.
курсовая работа [71,6 K], добавлен 17.12.2009Выполнение алгебраических преобразований, логическая культура и техника исследования. Основные типы задач с параметрами, нахождение количества решений в зависимости от значения параметра. Основные методы решения задач, методы построения графиков функций.
методичка [88,2 K], добавлен 19.04.2010Постановка задач принятия решений в условиях неопределенности, генерация и оценки альтернативных вариантов их решения для хорошо и слабо структурированных проблем. Аналитическая иерархическая процедура Саати, метод порогов несравнимости "Электра".
курсовая работа [38,3 K], добавлен 10.04.2011Основные положения теории принятия решений, разработанной на основе математических методов и формальной логики, классификация управленческих решений. Некорректно поставленные задачи и регуляризирующие (робастные) алгоритмы: адаптивные, инвариантные.
курсовая работа [1,1 M], добавлен 23.11.2010Проектирование методов математического моделирования и оптимизации проектных решений. Использование кусочной интерполяции при решении задач строительства автомобильных дорог. Методы линейного программирования. Решение специальных транспортных задач.
методичка [690,6 K], добавлен 26.01.2015Задачи с параметрами и методы их решений. Использование свойств функций, параметра как равноправной переменной, симметрии аналитических выражений, "каркаса" квадратичной функции, теоремы Виета. Трансцендентные уравнения с параметром и методы их решений.
дипломная работа [3,2 M], добавлен 06.11.2013Теория игр – раздел математики, предметом которого является изучение математических моделей принятия оптимальных решений в условиях конфликта. Итеративный метод Брауна-Робинсона. Монотонный итеративный алгоритм решения матричных игр.
дипломная работа [81,0 K], добавлен 08.08.2007Понятие, виды и методы планирования экспериментальных исследований. Предварительная обработка экспериментальных данных, компьютерные методы статистической обработки и анализ результатов пассивного эксперимента, оценка погрешностей результатов наблюдений.
книга [3,1 M], добавлен 13.04.2009Понятие и содержание теории графов. Правила построения сетевых графиков и требования к ним. Сетевое планирование в условиях неопределенности. Теория принятия решений, используемые алгоритмы и основные принципы. Пример применения алгоритма Дейкстры.
курсовая работа [1,0 M], добавлен 26.09.2013Поиск оптимальных значений некоторых параметров в процессе решения задачи оптимизации. Сравнение двух альтернативных решений с помощью целевой функции. Теорема Вейерштрасса. Численные методы поиска экстремальных значений функций. Погрешность решения.
презентация [80,6 K], добавлен 18.04.2013Систематизация различных методов решения планиметрических задач. Обоснование рациональности решения планиметрической задачи методами дополнительных построений, подобия треугольников, векторного аппарата, соотношения углов и тригонометрической замены.
реферат [727,1 K], добавлен 19.02.2014Математическое программирование - область математики, в которой изучаются методы решения задач условной оптимизации. Основные понятия и определения в задачах оптимизации. Динамическое программирование – математический метод поиска оптимального управления.
презентация [112,6 K], добавлен 23.06.2013Нахождение экстремумов функций методом множителей Лагранжа. Выражение расширенной целевой функции. Схема алгоритма численного решения задачи методом штрафных функций в сочетании с методом безусловной минимизации. Построение линий ограничений.
курсовая работа [259,9 K], добавлен 04.05.2011Появление понятия функций Ляпунова. Развитие теории устойчивости движения. Применение функций Ляпунова к исследованию продолжимости решений дифференциальных уравнений. Методы построения функций Ляпунова, продолжимость решений уравнений третьего порядка.
дипломная работа [543,4 K], добавлен 29.01.2010Использование метрики Чебышева. Формулы для нахождения расстояний между точками. Использование евклидовой метрики. Центры тяжести кластеров. Разбивка массивов точек на классы. Суммарная выборочная дисперсия разброса элементов относительно центров классов.
методичка [950,4 K], добавлен 20.05.2013Понятие теории игр как раздела математики, предмет которого - анализ принятия оптимальных решений в условиях конфликта. Общие понятия в теории игр. Коалиция интересов, кооперативная или коалиционная игра. Свойства стратегических эквивалентных игр.
реферат [46,6 K], добавлен 06.05.2010Анализ межотраслевых связей, коэффициентов прямых и полных затрат труда. Определение оптимального плана выпуска продукции и решения с использованием двойственных оценок. Элементы теории игр, моделирование производственных процессов. Функция Кобба-Дугласа.
контрольная работа [113,9 K], добавлен 19.01.2015Методы условной и безусловной нелинейной оптимизации. Исследование функции на безусловный экстремум. Численные методы минимизации функции. Минимизация со смешанными ограничениями. Седловые точки функции Лагранжа. Использование пакетов MS Excel и Matlab.
лабораторная работа [600,0 K], добавлен 06.07.2009Система двух нелинейных обыкновенных дифференциальных уравнений, порождённая прямым и обратным преобразованиями Беклунда высшего аналога второго уравнения Пенлеве. Аналитические свойства решения, наличие у системы четырёхпараметрических семейств решений.
реферат [104,0 K], добавлен 28.06.2009Возникновение науки исследования операций и особенности применения операционных методов. Отделение формы задачи от ее содержания с помощью процесса абстракции. Классы задач. Некоторые математические методы, используемые для получения решений на моделях.
реферат [17,7 K], добавлен 27.06.2011