- •Оглавление
- •Глава 1. 5
- •Глава 2. 14
- •Глава 3. 51
- •Глава 4. 84
- •Глава 5. 119
- •5.6. Методика решения прикладных задач на эвм 166
- •Глава 6. 175
- •Глава 7. 189
- •К читателю
- •Предисловие
- •Глава 1. Анализ задач и методов теории принятия решений
- •1.1. Эволюция теории принятия решений. Эвм в принятии решений
- •1.2. Схема процесса принятия решений
- •1.3. Классификация задач принятия решений
- •1.4. Классификация методов принятия решений
- •1.5. Характеристика методов теории полезности
- •Основные понятия
- •Контрольные вопросы и задания
- •Литература
- •Глава 2. Принятие решений на основе метода анализа иерархий
- •2.1. Иерархическое представление проблемы, шкала отношений и матрицы парных сравнений Иерархическое представление проблемы
- •Шкала отношений
- •Шкала отношений (степени значимости действий)
- •Матрицы парных сравнений
- •2.2. Собственные векторы и собственные значения матриц. Оценка однородности суждений Собственные векторы и значения матриц
- •Динамические предпочтения и приоритеты
- •Динамические суждения
- •Оценка однородности суждений
- •Среднее значение индекса однородности в зависимости от порядка матрицы
- •2.3. Синтез приоритетов на иерархии и оценка ее однородности Иерархический синтез
- •Оценка однородности иерархии
- •2.4. Учет мнений нескольких экспертов
- •2.5. Методы сравнения объектов относительно стандартов и копированием Сравнение объектов относительно стандартов
- •Сравнение объектов методом копирования
- •2.6. Многокритериальный выбор на иерархиях с различным числом и составом альтернатив под критериями
- •2.7. Методика решения прикладных задач на эвм
- •2.7.1. Выбор и прогнозирование наилучшего обеспечения банковского кредита Метод статических предпочтений и приоритетов
- •Значения векторов приоритетов
- •Метод динамических предпочтений и приоритетов
- •Динамические предпочтения критериев качества
- •Динамические предпочтения альтернатив относительно критериев качества
- •Зависимость вектора приоритетов от времени
- •2.7.2. Функционально-стоимостный анализ промышленной продукции
- •2.7.3. Рациональное распределение ресурсов между альтернативами
- •Основные понятия
- •Контрольные вопросы и задания
- •Литература
- •Глава 3. Аналитическое планирование на основе метода анализа иерархий
- •3.1. Принципиальные подходы к решению задач планирования
- •3.2. Представление процесса планирования в виде иерархии
- •Обозначение векторов приоритетов
- •Шкала разностей
- •Характеристика акторов
- •3.3. Способы определения желаемых сценариев
- •Определение желаемых сценариев одним экспертом
- •Анализ сценариев
- •Проектирование желаемых сценариев несколькими экспертами
- •Анализ логических исходов
- •3.4. Методика решения прикладных задач на эвм
- •3.4.1. Прогнозирование профессиональной занятости населения крупных городов
- •Калибровка переменных состояния относительно сценариев (первый прямой процесс)
- •3.4.2. Планирование предприятием производственной деятельности в условиях конкуренции
- •Первый прямой процесс планирования: проектирование методов завоевания рынка при производстве безалкогольных напитков
- •Ранжирование переменных состояния
- •Калибровка переменных состояния относительно сценариев (первый прямой процесс)
- •Обратный процесс планирования: желаемое будущее предприятия ао "Волжанин" и его отношений с торговцами
- •Второй прямой процесс: измерение сходимости
- •Калибровка переменных состояния относительно сценариев (второй прямой процесс)
- •3.4.3. Планирование развития отрасли
- •Основные понятия
- •Контрольные вопросы и задания
- •Литература
- •Глава 4. Методы принятия решений на основе теории нечетких множеств
- •4.1. Элементы теории нечетких множеств
- •4.2. Нечеткие операции, отношения и свойства отношений
- •4.3. Многокритериальный выбор альтернатив на основе пересечения нечетких множеств
- •4.4. Многокритериальный выбор альтернатив на основе нечеткого отношения предпочтения
- •4.5. Многокритериальный выбор альтернатив с использованием правила нечеткого вывода
- •4.6. Многокритериальный выбор альтернатив на основе аддитивной свертки
- •4.7. Ранжирование альтернатив на множестве лингвистических векторных оценок
- •4.8. Методика решения прикладных задач на эвм
- •4.8.1. Многокритериальный выбор методом максиминной свертки в сфере банковского кредитования Банковское кредитование
- •Данные бухгалтерской отчетности
- •Расчетные и нормативные значения критериев качества предприятий
- •Выбор лучшего банка для размещения денежных средств физическим лицом
- •Значения критериев для альтернатив
- •Собственный вектор матрицы полярных сравнений критериев и их весовые коэффициенты
- •4.8.2. Выбор конкурентоспособного товара методом нечеткого отношения предпочтения
- •4.8.3. Метод нечеткого логического вывода в задаче выбора фирмой кандидата на замещение вакантной должности бухгалтера
- •Оценки важности правил
- •Исходные данные для логического вывода
- •Результаты работы системы нечеткого вывода
- •4.8.4. Выбор фирмой стратегии расширения доли рынка методом аддитивной свертки
- •Оценка удовлетворительности альтернатив относительно критериев
- •4.8.5. Выбор предприятия для кредитования методом лингвистических векторных оценок
- •4.8.6. Сравнительный анализ различных методов принятия решений
- •Характеристика критериев
- •Описание альтернатив
- •Решение задачи методом максиминной свертки
- •Решение задачи с использованием метода отношений предпочтения
- •Решение задачи с применением нечеткого логического вывода
- •Решение задачи методом аддитивной свертки
- •Решение задачи методом анализа иерархий
- •Сравнение полученных результатов
- •Основные понятия
- •Контрольные вопросы и задания
- •Литература
- •Глава 5. Методы комбинаторно-морфологического анализа и синтеза рациональных систем
- •5.1. Классификация задач анализа и синтеза систем
- •5.2. Постановка задач анализа и синтеза систем
- •5.3. Подготовка информации для анализа и синтеза рациональных систем Установление исходной цели синтеза
- •Способы формирования поисковых заданий
- •Морфологические таблицы
- •Разработка морфологических таблиц на основе функционально-элементного анализа систем
- •Разработка морфологических таблиц с использованием классификационных признаков
- •Представление знаний об альтернативе в виде множества классификационных признаков
- •5.4. Кластерный анализ морфологических множеств Основы кластерного анализа систем
- •Системы-классификации
- •Основные этапы построения и исследования систем-классификаций
- •Виды измерений
- •Формализация обработки качественных признаков
- •Матрица образов как семейство множеств
- •Отношения мер сходства, включения и иерархии
- •Обобщенные алгоритмы классификационных построений
- •Пример матрицы образов
- •Алгоритм построения иерархической классификация (дендрограммы)
- •Мера сходства на основе экспертной оценки
- •Матрица образов анализируемых объектов
- •Обработка количественных признаковых образов
- •Определение оригинальных и типовых систем
- •Кластеризация морфологических множеств
- •5.5. Синтез новых и рациональных систем на морфологических множествах Многокритериальный синтез
- •Значения эффективности и сходства синтезированных систем
- •Учет при синтезе различного вклада функциональных подсистем в эффективность целостной системы
- •Варианты оценки обобщенных функциональных подсистем и альтернатив
- •Результирующие векторы приоритетов альтернатив по критерию "эффективность"
- •Синтез систем на основе качественных классификационных признаков
- •Организация данных и процесс их обработки на эвм.
- •Морфологические методы синтеза рациональных вариантов систем
- •Синтез многофункциональных систем при снятых ограничениях на число и характер выполняемых ими функций
- •Исходная морфологическая таблица
- •Значение векторов приоритетов функциональных композиций
- •Исходные данные для синтеза двух функциональных систем
- •Синтез многофункциональных систем с различным числом самостоятельных составляющих подсистем
- •Варианты систем с различным числом элементов
- •Сочетания функций и их реализации
- •Анализ морфологических множеств по различным комбинациям критериев
- •Морфологическая матрица с высокоэффективным конкурирующим аналогом (a11a21a31)
- •Значения эффективности вариантов систем по различным критериям качества
- •Морфологический синтез систем по критерию комбинационной новизны
- •Морфологическая таблица
- •5.6. Методика решения прикладных задач на эвм
- •5.6.1. Анализ и синтез систем на основе функционально-стоимостного подхода
- •Морфологическая таблица с оценкой альтернатив по критериям выгод (в) и издержек (и)
- •Морфологическая таблица с оценкой альтернатив по критериям выгод (vb) и издержек (vи) и векторов приоритетов
- •5.6.2. Рациональное распределение ресурсов в системах
- •Морфологическая таблица распределения ресурсов между альтернативами в системе продвижения товара на рынок
- •Эффективность и требуемые ресурсы тернарных комбинаций альтернатив
- •Значения эффективности (э), требуемого ресурса (рt) и отношения э/рTдля единичных альтернатив и их парных сочетаний
- •Основные понятия
- •Контрольные вопросы и задания
- •Литература
- •Глава 6. Эвристические методы синтеза систем
- •6.1. Классификация эвристических методов синтеза
- •Методы ненаправленного синтеза решений
- •Методы направленного синтеза решений
- •6.2. Фонд эвристических приемов
- •6.3. Метод "мозгового штурма"
- •6.4. Методы ассоциаций и аналогий
- •6.5. Синектика
- •6.6. Методы контрольных вопросов и коллективного блокнота
- •6.7. Метод "матриц открытия"
- •6.8. Алгоритм решения изобретательских задач
- •6.9. Автоматизация эвристических методов синтеза новых систем
- •Основные понятия
- •Контрольные вопроси а задания
- •Литература
- •Глава 7. Автоматизированные системы принятия, планирования и синтеза решений
- •7.1. Необходимость автоматизации процессов принятия, планирования и синтеза решений
- •7.2. Предпосылки создания диалоговых систем синтеза и принятия решений
- •7.3. Классификация систем принятия и синтеза решений
- •7.4. Принципы разработки программных средств
- •7.5. Основные правила разработки систем
- •7.6. Требования к методам защиты информации
- •7.7. Функции и структура автоматизированной системы принятия, планирования и синтеза решений
- •Основные понятия
- •Контрольные вопросы и задания
- •Литература
- •Приложение Фонд эвристических приемов
- •101000, Москва, ул. Покровка, 7
- •182100, Великие Луки, ул. Полиграфистов, 78/12
Отношения мер сходства, включения и иерархии
Отношения мер сходства (различия), включения и иерархии позволяют при обработке множеств исследуемых объектов выявлять наиболее интересные закономерности строения анализируемых множеств. В общем случае под отношением понимается пара <А, М>, где М— множество, на котором отношение определено, а А — подмножество пар М x М, для которых это отношение выполнено. Множество М называется областью задания отношения А.
Отношения мер сходства и иерархии исследуются на основе матриц сходства множества рассматриваемых объектов, а отношения мер различия и включения исследуются на основе матриц мер различия и включения. При этом матрицы сходства и различия по определению соответствующих мер обладают свойством симметрии относительно главной диагонали, а матрицы мер включения таким свойством не обладают.
Отношения сходства, различия и включения, порождаемые соответствующими мерами, определяются следующим образом:
Здесь j, k J; С, D, B —соответственно отношения сходства, различия и включения; — некоторое произвольное число (0 1,0 для отношения сходства и включения). Записи Sj С Sk и Sj B Sk означают соответственно то, что Sj и Sk находятся в отношении "-сходства" и "-банальности". Отношение "банальности" или "экзотичности" порождается мерой включения. При этом запись Sj B Sk означает, что описание Sj "банальнее" Sk при пороге . Например, если рассчитанные для пары объектов меры включения имеют следующие значения: W(S1; S2) = 0,57, W(S2; S1)= 0,67, то эти результаты можно интерпретировать следующим образом. Мера включения первого описания во второе (0,67) показывает, что второй объект "оригинальнее", или "экзотичнее", первого. Т. e. описание второго объекта содержит больше специфических признаков, чем описание первого объекта, поскольку первое описание включено во второе на 67 %, а второе включено в первое на 57 %.
Отношение иерархии определяется следующим образом. Если множество H(i) образовано соединением некоторых классов из множества Н(i), то f: Н(i) Н(j) сюръективно: каждому элементу Н(i) соответствует хотя бы один элемент из Н(j). То обстоятельство, что класс появляется классом более широким, чем Н(j) отображается через отношение иерархии И следующим образом: Н(i) И Н(j) (класс H(i) подчиняет класс H(j)).
Множество H(i) называется сгущением H(j), если хотя бы один из классов H(i) есть соединение классов из H(j).
Если И = {Н(1),..., H(S)} есть множество разбиений, таких, что Н(k) сгущение Н(k-1), где k К, К = {k k — целое число, 1 k S}, то в предельном случае Н(1) состоит из всех классов, содержащих ровно по одному элементу, a H(S) — из одного класса, совпадающего с исходным множеством исследуемых объектов J. При этом если задано разбиение, то элементы, входящие в один и тот же класс, являются неразличимыми (эквивалентными). Здесь под разбиением Н множества J понимается представление J в виде совокупности непустых подмножеств Hk, k = 1, 2,..., п , таких, что
Множество И есть иерархическая система, состоящая из S уровней. Номеру каждого уровня можно поставить в соответствие его ранг, так как К— упорядоченное множество, а названия всех классов одного ранга считать категорией.
При практической реализации иерархических классификаций строятся дендрограммы, являющиеся графическим способом изображения системы, что делает наглядной структуру иерархической системы. Последовательный процесс построения сгущений начинается с рассмотрения q объектов {q H(1)). Таким образом, на первом шаге каждый объект из заданного множества считается классом. Далее два наиболее схожих объекта объединяются в один класс, и общее число последних становится равным q -1. Эти классы принадлежат разбиению H(2), являющемуся сгущением Н(1). Если число схожих объектов п, то объединяются любые два из них. Среди оставшихся снова отыскиваются наиболее схожие, которые также объединяются. Аналогичные процедуры осуществляются до тех пор, пока все объекты не попадут в один класс H(S).
Одним из наиболее распространенных и простых подходов построения дендрограмм является подход, основанный на использовании матрицы сходства.
Определение сходства каждого вновь образованного класса со всеми остальными может производиться на основе матриц сходства шестью наиболее употребительными методами, которые описываются единой формулой:
где G(Hj,Hk) — мера сходства или различия классов Hj и Hk = {Ни ,Hl}.
Здесь nu, nk — число объектов соответственно u-го и k-го классов; пk = nu + nl.
Конкретный метод подбирается проектировщиком индивидуально для исследуемой предметной области с учетом ее специфики. Единых правил выбора не существует. Главным критерием для выбора метода классификации может являться хорошая интерпретируемость получаемых результатов, не противоречащих физическому смыслу изучаемой предметной области.