- •1. Риск в менеджменте, основные принципы его анализа 10
- •2. Принятие решений в условиях стохастической информации 31
- •3. Принятие решений в конфликтных ситуациях 76
- •4. Принятие решений в условиях неопределенности состояний среды 170
- •5. Многокритериальная задача принятия решений в условиях риска 206
- •6. Принятие решений на основе нечёткой информации 230
- •7. Стоимость, время, риск 311
- •Введение
- •Понятие риска и задача принятия решений
- •1. Риск в менеджменте, основные принципы его анализа
- •1.2. Причины риска
- •1.3. Классификация экономических рисков
- •Общие принципы анализа риска
- •2. Принятие решений в условиях стохастической информации
- •2.1. Оценка риска
- •2.2. Использование неравенства Чебышева для оценки риска
- •2.3. Диверсификация как способ снижения риска
- •2.4. Коэффициент чувствительности “бета”
- •2.5. Хеджирование
- •2.6. Оптимизация риска
- •2.7. Оценка риска на основе показателей финансового состояния субъектов экономической деятельности
- •2.7.3. Алгоритм составления z-модели для субъекта предпринимательской деятельности
- •3. Принятие решений в конфликтных ситуациях
- •3.1. Предмет и задачи теории игр
- •3.2. Примеры игр Игра 1. Зачет
- •Игра 2. Игра Морра
- •Игра 3. Борьба за рынки
- •3.3. Матричные игры
- •3.3.1. Описание матричной игры
- •Игра 1. Вариант игры “Морра”
- •Игра 2. Борьба за рынки
- •3.3.2. Принцип максимина в антагонистических играх. Седловая точка
- •3.3.3. Чистые и смешанные стратегии
- •3.3.4. Основные теоремы матричных игр
- •3.3.5. Решение матричной игры (22)
- •3.3.6. Упрощение матричных игр
- •3.3.7. Решение игр 2n и m2
- •3.3.8. Решение игр mn. Эквивалентные задачи линейного программирования
- •3.3.9. Приближенный метод решения матричных игр mn
- •3.3.10. Качественная оценка элементов платёжной матрицы
- •3.3.11. Способы реализации случайного механизма выбора стратегий
- •3.4. Позиционные игры
- •3.4.1. Общие сведения
- •3.4.2. Задание позиционной игры в виде дерева
- •3.4.3. Решение позиционной игры с полной информацией
- •3.4.4. Нормализация позиционной игры
- •3.5. Бескоалиционные игры
- •3.5.1. Общие сведения
- •Ситуации, оптимальные по Паретто
- •3.5.3. Состояние равновесия по Нэшу
- •3.5.4. Описание биматричных игр
- •3.5.5. Решение биматричных игр
- •3.5.6. Пример решения биматричной игры Формулировка игры “Борьба за рынки”
- •Решение игры
- •3.5.7. Метастратегии и метарасширения
- •4. Принятие решений в условиях неопределенности состояний среды
- •4.1. Математическая модель задачи принятия решений в условиях неопределенности состояний среды
- •4.2. Критерии для принятия решений в условиях неопределенности состояний среды
- •4.2.1. Критерий Лапласа
- •Клиенты
- •4.2.2. Максиминный (минимаксный) критерий Вальда
- •4.2.3. Критерий минимаксного риска Сэвиджа
- •4.2.4. Критерий пессимизма-оптимизма Гурвица
- •4.2.5. Критерий Ходжа-Лемона
- •4.2.6. Критерий Гермейера
- •4.3. Рекомендации по принятию решений в условиях неопределенности состояния среды
- •4.4. Принятие решений по критерию Байеса с возможностью проведения эксперимента
- •5. Многокритериальная задача принятия решений в условиях риска
- •5.1. Общий подход к принятию многокритериальных решений
- •5.2. Многокритериальные решения, оптимальные по Парето
- •5.3. Методы определения коэффициентов приоритетности частных критериев
- •А. Вычисление коэффициентов приоритетности по формуле Фишберна
- •Б. Метод Уэя
- •5.4. Нормализация значений критериев
- •5.5. Аддитивный обобщенный критерий
- •5.6. Неоднозначность оптимальных решений по аддитивному и мультипликативному обобщенным критериям
- •5.7. Другие методы решения многокритериальной задачи
- •5.7.1. Оптимизация доминирующего частного критерия при ограничениях на значения доминируемых критериев
- •5.7.2. Метод последовательных уступок
- •6. Принятие решений на основе нечёткой информации
- •6.1. Неопределённость и неточность
- •6.2. Основные понятия теории нечётких множеств
- •6.3. Методы нахождения функций принадлежности
- •6.4. Операции над нечёткими множествами
- •6.5. Сравнение нечётких величин
- •6.6. Сравнение конечных нечётких множеств
- •6.7. Нечёткие отношения
- •6.8. Примеры использования теории нечётких множеств в задачах принятия решений
- •6.9. Нечёткие игры
- •6.10. Методика оценки качества на основе лингвистических переменных
- •6.10.1. Проблема оценки качества объекта исследования
- •6.10.2. Определение лингвистической переменной “качество”
- •6.10.3. Определение частных показателей лп “качество”
- •6.10.4. Определение коэффициентов приоритетности частных показателей
- •6.10.5. Нахождение комплексного показателя
- •6.10.6. Алгоритм оценки качества на основе лингвистических переменных
- •6.10.7. Достоинства рассматриваемой методики оценки качества
- •6.11. Анализ чувствительности и стабильности нечётких систем принятия решений
- •7.1. Взаимосвязь между стоимостью, временем и риском
- •7.2. Продолжительность как характеристика риска операций
- •7. Стоимость, время, риск
- •7.3. Продолжительность портфеля ценных бумаг
- •Заключение
- •Литература
6.3. Методы нахождения функций принадлежности
Из множеств методов нахождения функций принадлежности (ФП) НМ можно выделить две группы методов: прямые и косвенные.
В прямых методах эксперт или группа экспертов просто задают для каждого x X значение ФП. Как правило, прямые методы построения ФП используются для таких свойств, которые могут быть измерены по некоторой количественной шкале. Процесс задания ФП на основе некоторого количественного значения измеримого признака получил специальное название – фазификация (приведение к нечёткости). Поскольку абсолютная точность измерений является лишь удобной идеализацией для построения математических моделей, то фазификация более адекватно представляет объективно присутствующую неточность результатов физических измерений.
Для задания ФП может быть использована следующая процедура экспертного опроса. Если на вопрос о принадлежности элемента xi к НМ A L1 экспертов из L экспертов отвечает положительно, то
. (6.4)
При прямых методах можно использовать и статистические данные наблюдения за объектом исследования. На основе статистических данных строится гистограмма той или иной неизвестной точно величины, которая и используется для задания ФП.
При использовании прямых методов построения ФП следует учитывать то обстоятельство, что не требуется абсолютно точного задания ФП, а достаточно фиксации лишь наиболее характерных её значений (например, для трапециевидной ФП – задание границ носителей и ядер).
Косвенные методы определения ФП используются в тех случаях, когда отсутствуют очевидные измерения свойства объекта исследования. При этом значения ФП должны удовлетворять заранее сформулированным условиям, а экспертные оценки являются исходными для их дальнейшей обработки. Дополнительные условия могут налагаться как на вид получаемой информации, так и на процедуру обработки.
Для
конечных нечётких множеств среди
косвенных методов нашёл широкое
применение метод попарных сравнений,
который основан на следующем предположении.
Если бы значения искомой ФП были известны,
то попарные сравнения элементов нечёткого
множества A
можно было бы представить в виде матрицы
S
с элементами
.
На
практике вначале строят матрицу сравнений
S,
в которой
,
,
где n
– число элементов НМ. Для определения
элементов Sij
можно использовать, например, шкалу
относительной важности элемента НМ,
приведённую в табл. 6.1.
Таблица 6.1.
Построение функции принадлежности сводится к нахождению вектора W = 1, 2, …, n, который является решением матричного уравнения
, (6.5)
где E – единичная матрица;
max – максимальное собственное число матрицы S;
T – означает транспонирование (вектор-строка превращается в вектор-столбец).
Вычисленные
значения вектора W
принимаются в качестве значений ФП:
.
Поскольку все значения элементов матрицы
S
положительны по построению, то решение
уравнения (6.5) существует и является
положительным. Так как всегда выполняется
равенство
,
то величина отклонения max
от n
может служить мерой согласованности
мнений экспертов. Количество вопросов
к эксперту при данном методе равно
,
так как по определению
а
.
Из-за необходимости решать матричное
уравнение данный метод является
трудоёмким.
Другим косвенным методом построения функции принадлежности, не требующим решения матричного уравнения, является метод ранговых оценок. Под рангом rij элемента xi X нечёткого множества A понимается число, характеризующее значимость этого элемента в формировании множества A. Естественно, что чем больше ранг элемента, тем больше значение его функции принадлежности. Предлагается выполнение условия
. (6.6)
Если добавить условие нормировки, например вида
, (6.7)
то значения ФП A(xi) легко находятся из уравнений (6.6) и (6.7):
. (6.8)
Выражение (6.8) даёт возможность определять ФП по абсолютным значениям рангов ri, которые могут определяться по 9-ти бальной шкале в соответствии с табл. 6.1.
Пример. Нечёткая переменная А состоит из пяти элементов xi Х, ранги которых по 9-ти бальной шкале равны: r1 2; r2 9;r3 4; r4 8; r5 6. Необходимо определить ФП нечёткой переменной A.
Решение. Используя метод ранговых оценок, в соответствии с (6.8) получаем: 1 0,22; 2 1; 3 0,44; 4 0,89; 5 0,67.
В заключение отметим, что с одной стороны одна и та же ФП может описывать качественно различные НМ, а с другой, – одно и то же НМ может быть представлено различными ФП, отражающими неоднозначность субъективных представлений о нём.
