5. Критерий Гурвица.

Стараясь занять наиболее уравновешенную позицию, Гурвиц предположил оценочную функцию, которая находится где-то между точкой зрения крайнего оптимизма и крайнего пессимизма:

e_ir = Ce_ij + (1- C) e_ij ,

где С– весовой множитель.

Правило выбора согласно критерию Гурвица, формируется следующим образом:

матрица решений дополняется столбцом, содержащим среднее взвешенное наименьшего и наибольшего результатов для каждой строки. Выбираются только те варианты, в строках которых стоят наибольшие элементы e_ir этого столбца.

При С=1 критерий Гурвица превращается в ММ-критерий. При С = 0 он превращается в критерий “азартного игрока”

e_ir = e_ij ,

т.е. мы становимся на точку зрения азартного игрока, делающего ставку на то, что «выпадет» наивыгоднейший случай.

В технических приложениях сложно выбрать весовой множитель С, т.к. трудно найти количественную характеристику для тех долей оптимизма и пессимизма, которые присутствуют при принятии решения. Поэтому чаще всего С:=¹/₂.

Критерий Гурвица применяется в случае, когда :

1. о вероятностях появления состояния F_j ничего не известно;

2. с появлением состояния F_j необходимо считаться;

3. реализуется только малое количество решений;

4. допускается некоторый риск.

7. Сведение матричной игры к задаче линейного программирования

Предположим, что цена игры положительна ( > 0). Если это не так, то согласно свойству 6 всегда можно подобрать такое число с, прибавление которого ко всем элементам матрицы выигрышей даёт матрицу с положительными элементами, и следовательно, с положительным значением цены игры. При этом оптимальные смешанные стратегии обоих игроков не изменяются.

Итак, пусть дана матричная игра с матрицей А порядка m ^х n. Согласно свойству 7 оптимальные смешанные стратегии х = (х₁, ..., х_m), y = (y₁, ..., y_n) соответственно игроков 1 и 2 и цена игры  должны удовлетворять соотношениям.

Разделим все уравнения и неравенства в (1) и (2) на  (это можно сделать, т.к. по предположению  > 0) и введём обозначения :

, ,

Тогда (1) и (2) перепишется в виде :

, ,, ,

, ,, .

Поскольку первый игрок стремится найти такие значения х_i и, следовательно, p_i , чтобы цена игры  была максимальной, то решение первой задачи сводится к нахождению таких неотрицательных значений p_i , при которых

, .

Поскольку второй игрок стремится найти такие значения y_j и, следовательно, q_j, чтобы цена игры  была наименьшей, то решение второй задачи сводится к нахождению таких неотрицательных значений q_j, , при которых

, .

Формулы (3) и (4) выражают двойственные друг другу задачи линейного программирования (ЛП).

Решив эти задачи, получим значения p_i , q_j и .Тогда смешанные стратегии, т.е. x_i и y_j получаются по формулам :

Пример. Найти решение игры, определяемой матрицей.

Решение. При решении этой игры к каждому элементу матрицы А прибавим 1 и получим следующую матрицу

Составим теперь пару взаимно-двойственных задач :

Решим вторую из них

Б.п.	q1	q2	q3	q4	q5	q6	Решение		Отношение
	1	1	1	0	0	0	0	3
q4	1	2	0	1	0	0	1	5	—
q5	1	0	1	0	1	0	1	4
q6	2	1	0	0	0	1	1	5	—

Б.п.	q1	q2	q3	q4	q5	q6	Решение		Отношение
	0	1	0	0	1	0	1	1
q4	1	2	0	1	0	0	1	5
q3	1	0	1	0	1	0	1	4	—
q6	2	1	0	0	0	1	1	5

Б.п.	q1	q2	q3	q4	q5	q6	Решение		Отношение
		0	0		1	0
q2		1	0		0	0
q3	1	0	1	0	1	0	1	4
q6		0	0		0	1

Из оптимальной симплекс-таблицы следует, что

(q₁, q₂, q₃) = (0;; 1),

а из соотношений двойственности следует, что

( p₁, p₂, p₃) = (; 1; 0).

Следовательно, цена игры с платёжной матрицей А₁ равна

. ,

а игры с платёжной матрицей А :

.

При этом оптимальные стратегии игроков имеют вид:

Х = (х₁, х₂, х₃) = (р₁; р₂; р₃) = =

Y = (y₁, y₂, y₃) = (q₁; q₂; q₃) = = .