Методы решения задач планирования в условиях полной определенности

В данном случае необходимо различать однокритериальные и многокритериальные методы выбора плановых решений.

1. Однокритериальные методы выбора. Считается известным:

• исходное множество альтернатив ;

• оценки результатов выбираемых альтернатив f(A_i);

• критерий выбора или .

Следовательно, выбор характеризуется однозначной связью между принятым решением A_i и его результатом f(A_i). В процессе решения задачи определяется альтернатива A*, для которой f(A*)=max f(A_i) или f(A*)=min f(A_i).

2. Многокритериальные методы выбора. В достаточно большом количестве практических случаев принятия решений при планировании действий приходится учитывать не один, а несколько критериев. Не умаляя общности, можно считать, что все критерии стремятся к максимуму, так как если некоторые критерии минимизируются, то путем умножения их на (-1) они будут стремиться к максимуму, причем решение при этом не изменяется. Матрица исходных данных принятия решений имеет вид (табл. 2).

Если в табл. 2 находится доминирующая альтернатива, то проблемы выбора как таковой не существует, а именно данная альтернатива и принимается в качестве планового решения.

Таблица 2

Матрица исходных данных для многокритериальных методов выбора

Альтернативы, Ai	Критерии (цели)
	Z1	Z2	…	Zn
А1	e11	e12	…	e1n
А2	e21	e22	…	e2n
…	…	…	…	…
Am	em1	em2	…	emn

Однако, как было отмечено ранее, доминирующие стратегии т практике встречаются довольно редко. Поэтому приходится применять методы многокритериального выбора, причем решение должно быть наилучшим в определенном смысле. Итак, выделение существенных для модели рассматриваемой экономической системы показателей качества альтернатив выбора, соответствующих поставленным целям, приводит к задаче векторной оптимизации, которая заключается в нахождении максимума вектор-функции:

,

где D – область допустимых решений модели.

В случае многокритериальной оптимизации возникают три проблемы. Первая проблема связана с выбором принципа оптимальности. В математическом отношении эта проблема эквивалентна задаче упорядочения векторных множеств, а выбор принципа оптимальности - выбору отношений порядка. Вторая проблема связана с нормализацией векторного критерия F(х). Дело в том, что частные критерии имеют различные единицы измерения, поэтому их необходимо привести к единому масштабу измерения, т. е. нормализовать(обычно приводят к безразличным величинам). Третья проблема связана с учетом приоритета (степени важности) частных критериев. Часто для учета приоритета вводится вектор распределения важности или значимости критериев .

В задаче многокритериального выбора решение почти всегда ищется в области компромиссов или в области решений, оптимальных по Парето, Известен целый ряд методов решения многокритериальных задач, которые можно разбить на четыре группы:

1. Сведение многих критериев к одному путем введения весовых коэффициентов для каждого критерия (более важный критерий получает больший вес).

2. Минимизация максимальных отклонений от наилучших значений по всем критериям.

3. Оптимизация одного критерия (почему-либо признанного наиболее важным), а остальные критерии выступают в роли дополнительных ограничений.

4. Упорядочение (ранжирование) множества критериев и последовательная оптимизация по каждому из них.

В рассматриваемой постановке множество допустимых планов есть совокупность альтернатив , а значения критериев равны:

f_j(A_i)=e_ij.

Покажем применение некоторых методов многокритериальной оптимизации к решению задач планирования в системе управления фирмой.

Метод равномерной оптимизации:

(1)

Он применяется, если глобальное качество альтернативы представляет собой сумму локальных (частных) качеств и, кроме того, все критерии имеют одну и ту же единицу измерения, например денежное выражение либо безразмерные величины. Главный недостаток метода -это возможность компенсации малых значений некоторых критериев достаточно большими значениями других.

Метод справедливого компромисса:

(2)

Он применяется, во-первых, потому что существуют разнообразные схемы, приводящие к такому методу, во-вторых, потому что имеется тесная связь с решением в некооперативных играх.

Метод свертывания критериев:

(3)

Здесь каждому из критериев приписываются весовые коэффициенты а, определяющие предпочтения ЛПР.

Метод главного критерия:

(4)

Здесь f₁(х) - главный (наиболее важный из всех для ЛПР) критерий, d_j- нижняя граница j-го критерия, устанавливаемая ЛПР.

Метод идеальной точки. Ищется план, удовлетворяющий условию равномерного сжатия:

(5)

Метод последовательных уступок (или пороговых значений):

где h_j - уступка по критерию f_j(x), т. е. величина, на которую ЛПР согласен уменьшить значение данного критерия по сравнению с его максимальным значением.

Метод группировки критериев. Суть метода заключается в том, что множество критериев, значения которых предварительно вычислены на некотором оптимальном по Парето плане x°, разбивается на три группы. Первая группа включает критерии, значения которых могут быть уменьшены по сравнению со значениями, вычисленными на плане x° Вторая группа состоит из критериев, значения которых желательно увеличить. Третья группа включает критерии, значения которых не хотелось бы уменьшать по сравнению с достигнутыми на плане x°. Далее отыскивается план уже в новой системе ограничений, который позволяет максимально увеличить значение критерия второй группы.

Так как критерии могут иметь различные масштабы и шкалы измерения, то прежде, чем приступить к решению многокритериальной задачи, их необходимо привести к одной единице измерения (обычно к безразмерному виду). Этот процесс называется нормализацией. Существуют различные методы нормализации, Предлагается следующий способ получения безразмерной формы критериев:

(6)

где

Рассмотрим следующую многокритериальную задачу планирования. Пусть фирма имеет возможность реализовывать свои товары на 4-х различных рынках (альтернативы А₁, А₂, А₃, А₄). При этом ставятся одновременно следующие цели: минимизация затрат на рекламу, завоевание максимальной доли рынка и максимальный объем продаж в течение планируемого периода. Исходные данные приведены в табл. 3.

Таблица 3