- •5В060200 «информатика»
- •Оглавление
- •Лекция 1-7 (тема 1) Сущность проблемы принятия решений. Тема 1 (1). Основные понятия. Система поддержки принятия решения.
- •Построение средств информационной поддержки принятия решений по финансовому управлению крупных предприятий в условиях перехода к рыночной экономике (экономический аспект).
- •Тема 2 (1). Процесс выработки решений
- •Срсп, основные акценты
- •Тема 3 (1). Стандартные методы решения задачи моделирования предпочтений
- •Срсп, основные акценты
- •Тема 4 (1). Структура механизма выбора решений коллективом экспертов
- •Экспертиза
- •Голосование
- •Ранжирование
- •Точность и доверие к результатам экспертизы. Оценка экспертов
- •Срсп, основные акценты
- •Тема 5 (1). Неформальный синтез
- •Срсп, основные акценты
- •Лекция 8-11 (тема 2) Выработка решений в условиях определенности тема 1 (2). Необходимые и достаточные условия оптимальности выбора решений при определенности.
- •Тема 2 (2). Методы выбора решений при определенности
- •Тема 3(2). Прикладные задачи выбора решений в условиях определенности
- •Срсп, акценты темы
- •Лекция 12-16 (тема 3) Выработка решений в условиях неопределенности в цели Тема1(3). Необходимые и достаточные условия оптимальности выбора решений при целевой неопределенности
- •Тема 2(3). Методы выбора решений при целевой неопределенности
- •Увеличить на величину шага h, сохранив другие компоненты вектора q неизменными
- •Если и вектор q не изменился за последние (I-1) итераций, изменить длину шага:
- •Тема 3(3). Прикладные задачи выбора решений в условиях целевой неопределенности
- •Срсп, основные акценты
- •Литература
- •Литература
- •Нечеткие выводы
- •Тема 2(6). Прикладные задачи принятия решений на основе теории нечетких множеств
- •Информация о предприятии ип Пошивкин а.С.
- •2.2 Определение критериев для отбора кандидатов
- •2.3 Разработка анкеты и вопросов собеседования
- •2.4 Процесс принятия решения о выборе кандидата на должность главного менеджера
- •Лекция 29-30 (тема 7) Итоговое занятие
Литература
Катулев А.Н., Северцев Н.А. Математические методы в системах поддержки принятия решений, М., 2005
Д. Мур, Л.Уэдерфорд Экономическое моделирование в Microsoft Excel – М.. 2004, С.25-67
Г.М.Мутанов, В.П.Куликов, В.П.Куликова Информационная поддержка принятия инвестиционного решения в условиях неопределенности, Астана, 2005
Хэмди А.Таха Введение в исследование операций, М., 2011
Лекция 17-20 (тема 4) Выработка решений в условиях конфликта
тема 1(4). Необходимые и достаточные условия оптимальности выбора решений при конфликте.
Структура механизма для условий конфликта. Условия выбора решений по принципу максимина: стратегии для статических задач; стратегии в динамическом непрерывном конфликте двух сторон; стратегии матричной игры
тема 2(4). Методы выбора решений при конфликте
Метод обобщенного градиента в безусловной негладкой локально-выпуклой задаче выбора решения. Конечно-разностный метод минимизации липшицевых критериальных функций. Структура метода условного градиента в задаче выбора решения при ограничениях. Метод наискорейшего спуска. Решение минимаксной задачи как задачи математического программирования.
тема 3(4). Прикладные задачи выбора решений в условиях конфликта
(режим повтора) Теория игр: матричные игры, биматричные игры.
СРСП, основные акценты
Классификацию игр можно проводить: по количеству игроков, количеству стратегий, характеру взаимодействия игроков, характеру выигрыша, количеству ходов, состоянию информации и т.д.
Матричная игра – это конечная игра двух игроков с нулевой суммой, в которой задается выигрыш игрока 1 в виде матрицы (строка матрицы соответствует номеру применяемой стратегии игрока 2, столбец – номеру применяемой стратегии игрока 2; на пересечении строки и столбца матрицы находится выигрыш игрока 1, соответствующий применяемым стратегиям).
Для матричных игр доказано, что любая из них имеет решение и оно может быть легко найдено путем сведения игры к задаче линейного программирования.
Биматричная игра – это конечная игра двух игроков с ненулевой суммой, в которой выигрыши каждого игрока задаются матрицами отдельно для соответствующего игрока (в каждой матрице строка соответствует стратегии игрока 1, столбец – стратегии игрока 2, на пересечении строки и столбца в первой матрице находится выигрыш игрока 1, во второй матрице – выигрыш игрока 2.)
Для биматричных игр также разработана теория оптимального поведения игроков, однако решать такие игры сложнее, чем обычные матричные.
Литература
Катулев А.Н., Северцев Н.А. Математические методы в системах поддержки принятия решений, М., 2005
Д. Мур, Л.Уэдерфорд Экономическое моделирование в Microsoft Excel – М.. 2004, С.25-67
Г.М.Мутанов, В.П.Куликов, В.П.Куликова Информационная поддержка принятия инвестиционного решения в условиях неопределенности, Астана, 2005
Хэмди А.Таха Введение в исследование операций, М., 2011
Лекция 21-26 (тема 5) Выработка решений в условиях риска и неопределенности состояний природы
тема 1(5). Структура механизма для условий неопределенности.
Структура механизма для условий риска; нечеткости исходной информации. Необходимые и достаточны условия формирования механизмов выбора оптимальных решений при риске. Структуры байесовских механизмов выбора оптимальных решений. Структуры небайесовских механизмов выработки решений. Непараметрические механизмы выбора решений.
тема 2(5). Методы выбора решений при риске
Использование отношения функции правдоподобия: последовательный метод обнаружения изменения свойств контролируемого процесса; метод классификации текущего состояния контролируемого процесса. Непараметрические методы выбора решения – свободные от вида распределения. Упорядочение и отбор признаков для выбора решений. Задача стохастического управления марковской динамической системой (обзорно).
тема 3(5). Прикладные задачи выбора решений в условиях риска
Критерий ожидаемого значения. Дерево решений. Апостериорные вероятности Байеса. Максимизация вероятности достижения цели. Марковские процессы принятия решений. Модели принятия решений в теории массового обслуживания. Вероятностные модели управления запасами.
СРСП, основные акценты
См. Ситуация для анализа
тема 4(5). Прикладные задачи выбора решений в условиях неопределенности состояний природы
Условия природной неопределенности. Теория минимакса. Критерии Лапласа, Вальда, Сэвиджа, Гурвица, Байеса. Тип личности, отношение к риску и принятие решений.
СРСП, основные акценты
См. Ситуация для анализа
Лекция 27-28 (тема 6) Принятие решений в нечеткой среде
тема 1(6). Основные элементы
Нечеткий логический вывод. Нечеткие или приближенные рассуждения. Прямой (восходящий) логический вывод. Обратный (нисходящий) вывод. Нечеткое сравнение.
Режим повтора (Методы обработки неопределенных данных)
Многочисленные исследования показывают, что лица, принимающие решения без дополнительной аналитической поддержки, используют упрощенные, а иногда и противоречивые решающие правила. Поддержка принятия решения требуется во всех без исключения областях прикладной деятельности человека, что связано с увеличивающимся объемом информации, необходимостью учитывать большое количество противоречивых факторов, объективных и субъективных составляющих при принятии решений.
Элементы теории нечетких множеств успешно применяются для принятия решений. Экспертные оценки альтернативных вариантов по критериям могут быть представлены как нечеткие множества или числа, выраженные с помощью функций принадлежности. Для упорядочения нечетких чисел существует множество методов, которые отличаются друг от друга способом свертки и построения нечетких отношений. Последние можно определить как отношения предпочтительности между объектами.
В настоящее время для решения задачи многокритериального выбора становится распространенным использование методов с нечетким отношением предпочтения. Такие задачи являются более общими по сравнению с задачами с обычным отношением, а также они более приближены к реальности с точки зрения практики, так как однозначная предпочтительность одного варианта по сравнению с другими в обычной жизни является слишком жестким требованием.
Чаще всего у человека, принимающего решение, имеются аргументы за какой-либо вариант по сравнению с другим, но также есть и некоторые возражения. В таких случаях обычно говорят, что у него есть некоторая степень уверенности (оцениваемая числом от 0 до 1 или в процентах) в том, что один вариант из двух более предпочтителен.
Именно с такого рода данными и работает теория нечетких множеств. Применение функций принадлежности и всего механизма теории нечетких множеств – это, скорее, идея, так как на их основе разработано несколько методов, которые по-своему использует различные механизмы. Но одновременно с этим, они имеют и общие преимущества в сравнении с другими методами.
Методы многокритериального выбора альтернатив с использованием нечетких множеств [21]:
нечеткий вывод;
отношения предпочтения;
максиминная свертка;
аддитивная свертка.
Метод аддитивной свертки предполагает оптимистический подход. В этом случае низкие оценки по каждому критерию имеют одинаковый статус в сравнении с высокими. Метод максиминной свертки является реализацией пессимистического подхода. Он игнорирует хорошие аспекты альтернатив, тогда наилучшей считается альтернатива, которая имеет минимальные недостатки по всем критериям. Метод нечеткого вывода на правилах реализует эвристический подход [22]. В экспертных системах данный метод нашел широкое применение.
С учетом использования различных механизмов вероятно получение различных результатов. Хотя значения функции принадлежности отличны друг от друга, чаще всего общий порядок ранжирования совпадает. Несовпадение результатов, полученных различными методами, объясняется разными способами представления экспертной информации, а также различием подходов процессу принятия решений.
В настоящее время методы теории нечеткости используются почти во всех прикладных областях, в том числе при управлении предприятиями, качеством продукции и технологическими процессами, при описании предпочтений потребителей и оптимизации процессов варки стали [23].
Основанные на теории нечетких множеств методы имеют общие свойства.
Методы, основанные на разных подходах, дают различные результаты. Каждый из подходов имеет свои особенности и ограничения, поэтому пользователь должен получить о них некоторое представление перед применением того или иного метода. Таким образом, главными трудностями многокритериального выбора с использованием нечетких моделей являются способы вычисления интегральных оценок и представление информации о взаимоотношениях между критериями. Эвристический подход дает наиболее широкие возможности для представления информации.
Основанные на нечетких моделях методы принятия решений позволяют качественно и удобно проводить оценку альтернатив по отдельным критериям. Добавление новых альтернатив, в отличие от других методов, не изменяет порядок наборов, ранжированных ранее. Оценка альтернатив по предложенным критериям возможна на основе точечных оценок при использовании функций принадлежности критериев. Также возможна и лингвистическая оценка.
Большинство методов принятия решений с использованием нечетких моделей показывает слабую устойчивость конечных результатов относительно начальных данных [24]. Считается, что метод, основанный на нечетких правилах, обладает наибольшей устойчивостью.
Преимуществами fuzzy-систем являются:
нечеткая формализация критериев оценки и сравнения: использование критериев «значительно», «большинство», «преимущественно», «достаточно» и т.д.;
возможность оперирования нечеткими входными данными, такими как результаты различных опросов, то есть значениями, которые нельзя задать однозначно, а также непрерывно изменяющиеся во времени значения;
возможность проведения качественных оценок как входных данных, так и выходных результатов: оперирование не только значениями используемых данных, но и их степенью достоверности;
возможность реализации быстрого моделирования очень сложных динамических систем и их сравнительного анализа с некоторой заданной степенью точности.
