Постановка задачи принятия решений

 

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«Нижегородский государственный университет им. Н.И. Лобачевского»

 

Арзамасский филиал

 

Физико-математический факультет

 

 

Кафедра математического анализа и прикладной информатики

 

 

Выполнила:

Абянова Д.Р.

студентка IV курса,

 «Прикладная информатика  в экономике»

32 группа

 

 

 

 

 

 

Реферат на тему:

 

 

Постановка задачи принятия решений

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Арзамас

2014

 

Введение

Человек наделён сознанием, существо свободное и обречено на выбор решений, стараясь сделать всё наилучшим образом. Темой моей курсовой работы «Теория принятия решений». В наиболее общем смысле теория принятия решений представляет собой совокупность математических и численных методов, ориентированных на нахождение наилучших вариантов из множества альтернатив и позволяющих избежать их полного перебора.

Проблема исследования - решение практических задач с применением методов теории принятия решений. Объектом исследования являются теоретические сведения и практический опыт решения задач в различных условиях. Предмет исследования - общий вид задачи теории принятия решений и наиболее распространенные методы решения задач.

Цель работы: изучить и описать постановку задач теории принятия решений и основные понятия. Однако, как правило, большинство реальных инженерных задач содержит в том или ином виде неопределенность. Можно даже утверждать, что решение задач с учетом разного вида неопределенностей является общим случаем, а принятие решений без их учета - частным. Мы рассмотрим действие теории математических решений, целесообразность применения критериев Вальда, Лапласа, Гурвица, Сэвиджа, для каждого случая, научимся действовать практически разумно, найдем их плюсы и минусы, а также будет доказана суть всей работы и эффективность применения их в различных ситуациях.

Задачами этой курсовой работы заключаются:

1. Постановка задач теории принятия  решений, связь теории принятия  решений и теории игр;

2. Метод принятия решений в  случае известных вероятностей  вариантов обстановки;

3. Принятие решений в условиях  неопределенности. Различные критерии  принятия решений (минимаксный критерий, критерий Сэвиджа, Гурвица);

4. Последовательное принятие решений, дерево решений.

Методы исследования: анализ литературы, анализ задач решаемых методами теории принятия решений, систематизация и обобщение материала.

 

1. Теоретическая часть

1.1 Постановка задач теории принятия решений

Несмотря на то, что методы принятия решений отличаются универсальностью, их успешное применение в значительной мере зависит от профессиональной подготовки специалиста, который должен иметь четкое представление о специфических особенностях изучаемой системы и уметь корректно поставить задачу. Искусство постановки задач постигается на примерах успешно реализованных разработок и основывается на четком представлении преимуществ, недостатков и специфики различных методов оптимизации. В первом приближении можно сформулировать следующую последовательность действий, которые составляют содержание процесса постановки задачи:

- установление границы подлежащей  оптимизации системы, т.е. представление  системы в виде некоторой изолированной  части реального мира. Расширение  границ системы повышает размерность  и сложность многокомпонентной  системы и, тем самым, затрудняет  ее анализ.

- определение показателя эффективности, на основе которого можно оценить  характеристики системы или ее  проекта с тем, чтобы выявить  «наилучший» проект или множество  «наилучших» условий функционирования  системы. В инженерных приложениях обычно выбираются показатели или технологического характера.

- выбор внутрисистемных независимых  переменных, которые должны адекватно  описывать допустимые проекты  или условия функционирования  системы и способствовать тому, чтобы все важнейшие технико-экономические  решения нашли отражение в  формулировке задачи;

- построение модели, которая описывает  взаимосвязи между переменными  задачи и отражает влияние  независимых переменных на значение  показателя эффективности. В самом  общем случае структура модели  включает основные уравнения  материальных и энергетических  балансов, соотношения, связанные с  проектными решениями, уравнения, описывающие  физические процессы, протекающие  в системе, неравенства, которые  определяют область допустимых  значений независимых переменных  и устанавливают лимиты имеющихся  ресурсов [4, 63].

Как правило, решение практических задач, связанных с оценкой качества и надежности изделий лесного машиностроения, зависит не только от оперирующей стороны (допустим, конструктора), но и от действий других субъектов системы (например, технолога-лесозаготовителя). Каждая из сторон преследует собственные цели, не всегда совпадающие друг с другом. Неопределенность такого рода при принятии решений относят к классу поведенческих неопределенностей. Теоретической основой нахождения оптимального решения в условиях неопределенности и конфликтных ситуаций является теория игр. Игра - это математическая модель процесса функционирования конфликтующих элементов систем, в котором действия игроков происходят по определенным правилам, называемых стратегиями. Ее широкому распространению в последнее время способствовало как развитие ЭВМ, так и создание аналитического аппарата, позволяющего находить аналитические решения для широкого класса задач. Основной постулат теории игр - любой субъект системы, по меньшей мере, так же разумен, как и оперирующая сторона и делает все возможное, чтобы достигнуть своих целей. От реального конфликта игра (математическая модель конфликта) отличается тем, что она ведется по определенным правилам, которые устанавливают порядок и очередность действий субъектов системы, их информированность, порядок обмена информацией, формирование результата игры.

Другая особенность применения методов теории игр заключается в выборе решений, получаемых на основе анализа конфликтной ситуации. В теории игр доказывается теорема о том, что оптимальная стратегия для каждого из игроков является оптимальной и другого. Так, если решение игры получено в чистых стратегиях (имеется седловая точка), то выбор решения однозначен [12, 28].

Несмотря на то, что методы принятия решений отличаются универсальностью, их успешное применение в значительной мере зависит от профессиональной подготовки специалиста, который должен иметь четкое представление о специфических особенностях изучаемой системы и уметь корректно поставить задачу. Искусство постановки задач постигается на примерах успешно реализованных разработок и основывается на четком представлении преимуществ, недостатков и специфики различных методов оптимизации [5, 273].

Все оптимизационные задачи имеют общую структуру. Их можно классифицировать как задачи минимизации (максимизации) M-векторного векторного показателя эффективности Wm(x), m=1,2,…, M, N-мерного векторного аргумента x=(x1, x2,…, xN), компоненты которого удовлетворяют системе ограничений-равенств hk(x)=0, k=1,2…K, ограничений-неравенств gj(x)>0, j=1,2,… J, областным ограничениям xli<xi<xui, i=1,2…N.

Все задачи принятия оптимальных решений можно классифицировать в соответствии с видом функций и размерностью Wm(x), hk(x), gj(x) и размерностью и содержанием вектора x:

· одноцелевое принятие решений - Wm(x) - скаляр;

· многоцелевое принятие решений - Wm(x) - вектор;

· принятие решений в условиях определенности - исходные данные - детерминированные;

· принятие решений в условиях неопределенности - исходные данные - случайные.

Наиболее разработан и широко используется на практике аппарат одноцелевого принятия решений в условиях определенности, который получил название математического программирования [3, 196].

 

1.2 Принятие решений в условиях неопределенности

Условиями неопределённости считается ситуация, когда результаты принимаемых решений неизвестны. Неопределенность подразделяется на стохастическую (имеется информация о распределении вероятности на множестве результатов), поведенческую (имеется информация о влиянии на результаты поведения участников), природную (имеется информация только о возможных результатах и отсутствует о связи между решениями и результатами) и априорную (нет информации и о возможных результатах). Задача обоснования решений в условиях неопределенности всех типов, кроме априорной, сводится к сужению исходного множества альтернатив на основе информации, которой располагает ЛПР. Качество рекомендаций для принятия решений в условиях стохастической неопределенности повышается при учете таких характеристик личности ЛПР, как отношение к своим выигрышам и проигрышам, склонность к риску. Обоснование решений в условиях априорной неопределенности возможно построением алгоритмов адаптивного управления. Большинство реальных инженерных задач содержит в том или ином виде неопределенность. Можно даже утверждать, что решение задач с учетом разного вида неопределенностей является общим случаем, а принятие решений без их учета - частным [8, 210]. Однако из-за концептуальных и методических трудностей в настоящее время не существует единого методологического подхода к решению таких задач. Тем не менее, накоплено достаточно большое число методов формализации постановки и принятия решений с учетом неопределенностей. При использовании этих методов следует иметь в виду, что все они носят рекомендательный характер и выбор окончательного решения всегда остается за человеком. При решении конкретных задач с учетом неопределенностей инженер сталкивается с разными их типами. В исследовании операций принято различать три типа неопределенностей:

· неопределенность целей;

· неопределенность наших знаний об окружающей обстановке и действующих в данном явлении факторах (неопределенность природы);

· неопределенность действий активного или пассивного партнера или противника.

В приведенной выше классификации тип неопределенностей рассматривается с позиций того или иного элемента математической модели. Так, например, неопределенность целей отражается при постановке задачи на выборе либо отдельных критериев, либо всего вектора полезного эффекта.

С другой стороны, два другие типа неопределенностей влияют, в основном, на составление целевой функции уравнений ограничений и метода принятия решения. Конечно, приведенное выше утверждение является достаточно условным, как, впрочем, и любая классификация. Я приведу его лишь с целью выделить еще некоторые особенности неопределенностей, которые надо иметь в виду в процессе принятия решений. Можно различать стохастическую (вероятностную) неопределенность, когда неизвестные факторы статистически устойчивы и поэтому представляют собой обычные объекты теории вероятностей - случайные величины (или случайные функции, события и т.д.). При этом должны быть известны или определены при постановке задачи все необходимые характеристики (законы распределения и их параметры). Примером таких задач могут быть, в частности, система технического обслуживания и ремонта любого вида техники, система организации рубок ухода и т.д. [13, 486].

 

1.3 Различные критерии принятия решений

Критерии Вальда, Сэвиджа, Гурвица и Лапласа уже давно и прочно вошли в теорию принятия решений.

В соответствии с критерием Вальда в качестве оптимальной выбирается стратегия, гарантирующая выигрыш не меньший, чем «нижняя цена игры с природой»:

Правило выбора решения в соответствии с критерием Вальда можно интерпретировать следующим образом: матрица решений [Wir] дополняется еще одним столбцом из наименьших результатов Wir каждой строки. Выбрать надлежит тот вариант, в строке которого стоит наибольшее значение Wir этого столбца.

Выбранное таким образом решение полностью исключает риск. Это означает, что принимающий решение не может столкнуться с худшим результатом, чем тот, на который он ориентируется. Какие бы условия Vj не встретились, соответствующий результат не может оказаться ниже W. Это свойство заставляет считать критерий Вальда одним из фундаментальных. Поэтому в технических задачах он применяется чаще всего как сознательно, так и неосознанно. Однако в практических ситуациях излишний пессимизм этого критерия может оказаться очень невыгодным [6, 194].

Критерий Байеса-Лапласа в отличие от критерия Вальда, учитывает каждое из возможных следствий всех вариантов решений:

Соответствующее правило выбора можно интерпретировать следующим образом: матрица решений [Wij] дополняется еще одним столбцом, содержащим математическое ожидание значений каждой из строк. Выбирается тот вариант, в строках которого стоит наибольшее значение Wir этого столбца.

Критерий Байеса-Лапласа предъявляет к ситуации, в которой принимается решение, следующие требования:

· вероятность появления состояния Vj известна и не зависит от времени;

· принятое решение теоретически допускает бесконечно большое

· количество реализаций;

· допускается некоторый риск при малых числах реализаций.

В соответствии с критерием Сэвиджа в качестве оптимальной выбирается такая стратегия, при которой величина риска принимает наименьшее значение в самой неблагополучной ситуации:

Здесь величину W можно трактовать как максимальный дополнительный выигрыш, который достигается, если в состоянии Vj вместо варианта Ui выбрать другой, оптимальный для этого внешнего состояния, вариант [15, 108].

Соответствующее критерию Сэвиджа правило выбора следующее: каждый элемент матрицы решений [Wij] вычитается из наибольшего результата max Wijсоответствующего столбца. Разности образуют матрицу остатков. Эта матрица пополняется столбцом наибольших разностей Wir. Выбирается тот вариант, в строке которого стоит наименьшее значение.

Согласно критерию Гурвица выбирается такая стратегия, которая занимает некоторое промежуточное положение между крайним пессимизмом и оптимизмом:

Где  r - коэффициент пессимизма, выбираемый в интервале [0,1].

Правило выбора согласно этому критерию следующее: матрица решений [Wij] дополняется столбцом, содержащим средние взвешенные наименьшего и наибольшего результатов для каждой строки. Выбирается тот вариант, в строках которого стоят наибольшие элементы Wir этого столбца.

При r =1 критерий Гурвица превращается в критерий Вальда (пессимиста), а при r =0 - в критерий азартного игрока. Отсюда ясно, какое значение имеет весовой множитель r. В технических приложениях правильно выбрать этот множитель бывает так же трудно, как правильно выбрать критерий. Поэтому чаще всего весовой множитель r =0.5 принимается в качестве средней точки зрения.

Критерий Гурвица предъявляет к ситуации, в которой принимается решение, следующие требования:

· о вероятности появления состояния Vj ничего не известно;

· с появлением состояния Vj необходимо считаться;

· реализуется лишь малое количество решений;

· допускается некоторый риск [7, 138].

Критерий Ходжа-Лемана базируется одновременно на критериях Вальда и Байеса-Лапласа:

Правило выбора, соответствующее этому критерию, формулируется следующим образом: матрица решений [Wij] дополняется столбцом, составленным из средних взвешенных (с постоянными весами) математического ожидания и наименьшего результата каждой строки. Отбирается тот вариант решения, в строке которого стоит наибольшее значение этого столбца.