- •1.Понятие системы, подсистемы. Классификация систем. Примеры. Структура системы (определения). Формы структуры системы. Примеры.
- •2. Этапы организации экспертного оценивания. Характеристики экспертов.
- •3. Методы экспертного оценивания. Получение групповой оценки. Примеры.
- •3) Метод парных оценок(применяется при большом числе альтернатив).
- •4. Оценка согласованности мнений экспертов.
- •5. Метод Дельфи и метод анализа иерархии.
- •1 Уровень (1 этап)
- •2 Уровень (2 этап)
- •6. Постановка задачи принятия решения. Классификация. Основные определения. Процесс принятия решения.
- •7.Многокретериальные задачи принятия решения (постановка). Метод оптимальности по Парето.
- •9.Многокритериальные задачи принятия решений: принципы справедливой уступки (абсолют и относит).
- •10.Многокритериальные задачи принятия решений: принцип главного критерия, лексикографический, последовательных уступок.
- •11. Нормализация критериев. Характеристики приоритета криетриев.
- •13. Принятие решений в условиях неопределенности. Постановка задачи. Виды неопределенности. Критерий Сэвиджа. Минимаксный. Критерий Гурвица.
- •4)Критерий Сэвиджа
- •Основные понятия теории автоматизированного управления (система, состояние и пр). Этапы управления.
- •Этапы управления.
- •17. Модели анализа структуры асу. Представление структуры с помощью теории графов. Цепь, контур, связность графа и др.
- •18.Порядковая функция на графе. Пример.
- •19.Топологическая декомпозиция структур асу. Алгоритм декомпозиции структуры
- •22.Модели синтеза структуры асу. Частные задачи синтеза.
13. Принятие решений в условиях неопределенности. Постановка задачи. Виды неопределенности. Критерий Сэвиджа. Минимаксный. Критерий Гурвица.
Принятие решений в условиях неопределенности.
Неопред-сть м.б.вызвана недостатком технической, социальной,экономич-й и др-й информ-ей, невозможностью получения инф-йй в силу ограниченности по времени или финансов. Неопред-сть нехваткой опыта или знаний. Поведение среды или противника,влияющее на принятие решения.
Пример:оценивание вариантов ИС(инф-ых систем).
-Коэф-т готовности ИС.
-время восстановления ИС.
-Время установления соединения при передаче инф-ии.
-зависят от степени загружности ИС.-неопред-сть.
Постановка задачи:
1)имеется некот.мн-ва аль-тив или решений.Х={x1,…,xn}
2)мн-во состояний среды.Y={y1,…,ym}
3)известны распределение оприорных вероятностях состояний среды.
P={p1,…,pm} с вероятностьюpiсреда примет состояниеyi.
4)критерий zоценки альтернатив описывается с помощью матрицы полезностиU={uij(xiyj)}i=1,n;j=1,m или матрицы потерь.
V={Vij(xi yj)}i=1,n;j=1,m.
U |
y1 |
y2 |
… |
ym |
x1 |
U(x1,y1) |
U(x1,y2) |
… |
U(x1,ym) |
… |
… |
… |
… |
… |
xn |
U(xn,y1) |
… |
… |
U(xn,ym) |
Возможны 3 вида оприорной информированности лица принимающего решения(ЛПР):
1)известно оприорное распределение pi
2)известно,что среда противодействует ЛПР.
3)промежуточный между 1 и 2 ЛПР известно приблизительная инф-ия о состоянии среды.
Минимаксный(максиминный)
z(x)=
z(x)=
Пример: таблица*.
Ответ:x*=x3
Пример:V==>
4)Критерий Сэвиджа
1)r(xi,yi)={}
2)К {r(xi,yj)} применяют минимаксный критерий.
Пример:
V=(
r=(}min=1000=>x*=x1
Пример:
|
y1 |
y2 |
y3 |
y4 |
x1 |
5 |
10 |
18 |
25 |
x2 |
8 |
7 |
8 |
23 |
x3 |
21 |
18 |
12 |
21 |
x4 |
30 |
22 |
19 |
15 |
min |
5 |
7 |
8 |
15 |
r=}min=8=>x*=x2
5)Критерий Гурвицаa€[0,1]
Z(x,y)=a
X*-наилучшая,еслиz(x*,y)=
a-1=>среда противодействует
a=0=>-среда содействует
a=1/2=>среда либо сод-ет,либо против-ет
a-показатель оптимизма.
V(xi,yj)
Z=min(a
Пример:
max |
min |
25 |
5 |
23 |
7 |
21 |
12 |
30 |
15 |
a=1/2
a min+(1-a)max |
|
15 |
|
15 |
}min=15=>x*=x1 илиx2 |
16,5 |
|
22,5 |
|
3 возможных ситуаций оприорной информированности
1)pi=>Байес-ЛаплассаB(x,p) ср.квадратич. ᵴ(x,p)
2)среда противод.=>минимакс(максимин).крит.Сэвиджа.
3)крит.Гурвица a.
Построение критерия оценки и выбора решений для разных ситуаций априорной информированности ЛПР.
1) piнеизвестны
Кр Гурвица z1(x,y)= λ1minU(xi,yj)+(1-λ1)maxU(xi,yj)
Z1(x,y)= λ1minV(xi,yj)+(1- λ1)maxV(xi,yj)
2) piизвестны
Комбинированный критерий для U(xi,yj)
Z2(x,p)= λ2B(x,p)
Z2(x,p)= λ2B(x,p)-(1- λ2)σ(x,p)
B(x,p) критерий Байса-Лапласа
σ(x,p)-сред. квадратич. отклонение
для V:z2(x,p)= λ2B(x,p)+(1- λ2)σ(x,p)
3) Строим универсальный критерий
Z(x,y,p)=Bz1(x,y)+(1-B)z2(x,p)
Для U(xi,yj)z(x*,y,p)=minz(x,y,p)
λ 1, λ2 ,Bвходят [0,1]
B=0 =>z(x,y,p)=z(x,p) => 1я ситуация априорной информ-ти
λ 2 входит {0, 0.1,…,1}
B=1 =>z(x,y,p)=z(x,y) => 2я ситуация априорной информ-ти
λ 1входит {0;0.1;0.2;…;1}
B≠0;1
B=0;0,1;…
Λ1=0;0,1;… λ2=0;0,1;….
Пример
Сравниваются 4 варианта ИС. X={x1,x2,x3,x4}
S1-низкий уровень загрузки.S2-ниже среднего.S3- сред. уровень загрузки.S4- выше среднего.S5-сверхвысокий уровень загрузки.
P={0.2,0.2,0.4,0.15,0.05}
V |
S1 |
S2 |
S3 |
S4 |
S5 |
B(x,p) |
σ(x,p) |
X1 |
0.1 |
0.4 |
0.5 |
0.8 |
1 |
0.47 |
0.243 |
X2 |
0.3 |
0.5 |
0.6 |
0.8 |
0.9 |
0.565 |
0.156 |
X3 |
0.1 |
0.3 |
0.5 |
1 |
1.1 |
0.485 |
0.309 |
X4 |
0.2 |
0.3 |
0.4 |
1 |
1.2 |
0.470 |
0.302 |
Выбрать лучший вариант проекта
z(x.y,p)=Bz1(x,y)+(1-B)z2(x,p)
B=0
z2(x,p)= λ2B(x,p)+(1- λ2)σ(x,p)
B(x,p)=
σ(x,p)=(∑(V(xi,yj)*B(x,p))2pj)1/2
|
0.1 |
0.2 |
0.3 |
0.4 |
0.5 |
0.6 |
0.7 |
0.8 |
0.9 |
X1 |
0.447 |
0.425 |
|
|
|
0.334 |
|
|
|
X2 |
0.524 |
0.483 |
|
|
|
0.319 |
|
|
|
X3 |
0.467 |
0.450 |
|
|
|
0.379 |
|
|
|
X4 |
0.453 |
0.436 |
|
|
|
0.373 |
|
|
|
Min x1 x1 x1 x1 x1 x2 x2 x2 x2
Марковские модели принятия решений.
S-динамическая.S1,S2,…,Sm
Система изменяет свои состояния мгновенно. t1<t2<…<tl<…
Марковость процесса заключается в том, что вер-ть перехода Sв какое либо состояние в моментеt(i) зависит только от состояния системы в моментt(i-1) и не зависит от того, как система в это состояние пришла заi-1 шаг.
Обозначим событие Ski – в момент времениti система приняла состояниеSkк=1,m,i=0 начальное состояние системы,p(Ski) вероятность, что наi-м шаге система примет состояниеSk.
=1
Решение-стратегия. G={Xli} –мн-во допустимых решений.
Pjk(i/Xli-1)-вер-ть перехода изSj в Sk при условии, что наi-1 шаге приняли решениеXli-1
Pjk(i/Xli-1)=p(Ski/Sji-1,Xl,i-1)
p(i/Xli-1)={pjk(i/Xli-1)}mj,k-1 матрица переходных вероятностей сi-1 наi-й шаг.
Пример. Садовник, проводя хим. анализ почвы каждый год в начале сезона, оценивает состояние почвы как хорошее, удовлетворит., или плохое. Это позволяет ему принять одно из допустимых решений: 1) не вносить удобрения; 2) вносить удобрения. Садовник планирует проработать еще Nлет и его интересует оптимальная стратегия.
Состояния
S1 хорошее
S2 удовлетворительное
S3 плохое
X1-не удобрять почву.
P1=
P1(S1i|S3i-1)=0
X2-вносить удобрения.
P2=
Матрица дохода R(i|Xli-1)={rjk(i|Xli-1)}
Uj(Xli-1)==ожидаемый доход при доходе из состоянияSj.
Задача максимизировать доход за Nшагов. ЕслиNконечное, то с конечным горизонтом планирования. ЕслиNбесконечная, то с бесконечным горизонтом планирования.
Если ЛПР решает, что после i-1 этапа если система находится в состоянииSjнужно принимать решениеX* независимо от состояния наi-м этапе, то говорят, что процесс принятия решений описывается стационарными стратегиями.
Пример.
P1=p2=
Стационарная стратегия- вносить удобрения тогда и только тогда, когда состояние почвы плохое S3.
P=
R=
Обозначим fi(j)-оптимальный ожидаемый доход за этапыi,i+1,…,Nпри условии, что после (i-1) шага система находится в состоянииSj,j=1,m
Будем считать, что N<бесконечности.
SN+1(j)=0
Uj(Xli-1))=
fi(j) зависит также от того, какой оптимальный ожидаемый доходfi+1(к)k=1,m
был получен на шаге i+1.
fi(j)=max{Uj(Xli-1)+∑pjk(i|Xli-1)*fi+1(k)} fN+1(j)=0
Пример. Метод итерации по стратегиям.
Выбрать оптимальную стратегию поведения садовника при N=3.
f4(j)=0
U1(X1)=0.2*7+0.5*6+0.3*3=5.3
U2(X1)=0*0+0.5*5+0.5*1=3
U3(X1)=0*0+0*0+1*(-1)=-1
U1(X2)=0.3*6+0.6*5+0.1*(-1)=4.7
U2(X2)=0.1*7+0.6*4+0.3*0=3.1
U3(X2)=0.05*6+0.4*3+0.55*(-2)=0.4
S |
Ui(xk) |
f3(j) |
Опт решение | |
X1 |
X2 | |||
1 |
5,3 |
4,7 |
5,3 |
X1 |
2 |
3 |
3,1 |
3,1 |
X2 |
3 |
-1 |
0,4 |
0,4 |
X2 |
S |
Uj(Xli-1)+∑pjk(i|Xli-1)*fi+1(k) |
f2(j) |
Опт решение | |
X1 |
X2 | |||
1 |
5.3+0.2*5.3+0.5*3.1+0.3*0.4=8.03 |
4.7+0.3*5.3+0.6*3.1+0.1*0.4=8.19 |
8.19 |
X2 |
2 |
4.75 |
5.61 |
5.61 |
X2 |
3 |
-0.6 |
2.125 |
2.125 |
X2 |
S |
Uj+∑pjk*f2(k) |
f1(j) |
Опт решение | |
X1 |
X2 | |||
1 |
10.38 |
4.7+0.3*8.19+0.6*5.61+0.1*2.125=10.74 |
10.74 |
X2 |
2 |
6.87 |
7.92 |
7.92 |
X2 |
3 |
1.13 |
4.23 |
4.23 |
X2 |