Вопрос 13: Виды неопределенностей в принятии решений и их измерение.
Термин неопределенность был предложен F.H. Knight в 1933г.. Смысл термина заключался в том, что руководитель не знает или не может точно оценить состояние окружающей среды и резуль-таты, проистекающие из нахождения среды в этом состоянии. Неопределенности часто разделяют на три класса [3.3]: неопределенности, связанные с неполнотой наших знаний о проблеме, по которой принимается решение; неопределенность, связанная с невозможностью точного учета реакции окружающей среды на наши действия, и, наконец, неточное понимание своих целей лицом, принимающим решения.
Способом снятия этих неопределенностей в процессе принятия решений является субъективная оценка руководителем (экспертом) создавшейся ситуации (варианта решения) на основе его знаний, опыта и интуиции.
Неопределенность, связанную с невозможностью точного учета реакции окружающей среды на наши действия, можно подразделить на внешнюю, внутреннюю и личную.
Внешняя неопределенность связана с факторами, находящимися в очень слабой степени зависимости от воли руководителя или вне его контроля. Точная оценка и прогноз влияния этих факторов на решаемую проблему затруднительна.
Внутренняя неопределенность связана с факторами, на которые руководитель может оказать достаточно сильное влияние. Оценка каждой из этих составляющих в значительной степени также производится на основе субъективных оценок и предпочтений руководителя.
Личная неопределенность связана с колебаниями в выборе средств достижения цели, сомнениями в выборе и оценке критериев, выбором математических моделей и т.д. Этот вид неопределенности
преодолевается руководителем или экспертом на основе своего субъективного опыта, образования и привычек, а выражается в субъективных оценках и предпочтениях.
Степень неопределенности зависит от:
- точности измерений;
- сложности ситуации;
- временных ограничений;
- доступности альтернатив;
- неясности результатов, полученных после реализации решения;
- четкости предпочтений руководителя возможным результатам, полученным после принятия того или иного решения;
Методы оценки неопределенности:
1. Использование субъективной вероятности.В основе подхода лежит предположение, что вероятностные оценки определяются отношением наблюдателя к системе и характером его восприятия происходящих событий. Фактически вероятность рассматривается, как субъективная мера убежденности (веры) наблюдателя, соответствующая его знаниям и опыту, в истинности (или ложности) предложенного ему утверждения (высказывания).
Пусть специалист, принимающий решение, должен осуществить выбор из конечного множества альтернатив: A = {a / i = 1, ..., m}. Последствия каждой альтернативы ему ясны не вполне. Они зависят от внешних факторов или состояний, находящихся вне контроля руководителя (внешняя неопределенность). Будем считать, что таких состояний также конечное множество Q = {qj / j = 1, ..., n}. Выбирая альтернативу ai для состояния qj, приходим к последствию cij, лежащему в соответствующем пространстве C. Таким образом, связываются состояния объекта, альтернатива выбора (решение) и последствия принятого решения.
Введем две функции:
- субъективной вероятности P(*), которая отражает представления руководителя о возможных или правдоподобных состояниях мира;
- полезности U(*), которая представляет предпочтения руководителя.
Возможные альтернативы могут быть ранжированы по правилам:
U(ai )=ΣP(q j )U(cij ), i = 1,..., n
Последствия выбора альтернативы ai определяется cij. Отсюда требования достаточно полной характеристики cij через некоторый набор атрибутов cij = (cij1,...,cijp ) . Таким образом, cij становится p-мерным вектором.
2. Использование нечетких множеств.Преимущество подхода нечеткой логики перед классическим подходом при использовании их в системах управления заключается в том, что при нечетком подходе аналитическое описание процесса может не делаться. Во многих случаях достаточно только профессионального описания того, как процессом управляет опытный оператор, в то время как при классическом подходе необходимо аналитическое описание самого процесса.
Одним из краеугольных камней теории нечетких множеств является функция принадлежности к некоторому множеству μА(ui). Ее основная особенность заключается в том, что она характеризует субъективное представление руководителя о характере какого-либо процесса или свойствах некоторого объекта. Значение функции принадлежности μА(ui) определяется экспертом или руководителем.
Теперь покажем связь между функцией распределения вероятности, функцией принадлежности множеству и лингвистическими переменными.
Введем понятие нечеткого графика. Нечеткий график f* отображает функциональную зависимость f: X → Y, где Х и Y лингвистические переменные в U и V соответственно. Он служит для аппроксимации представления графа f в форме: f*=Σ(Ai*Bi), где Аi и Bi (i=1,2,...,n) – непрерывные нечеткие подмножества U и V.
Используя понятие нечеткого графика, легко показать связь между функциями распределения вероятности и принадлежности к множеству, когда одна и та же функция описывается как в терминах распределения вероятности, так и в терминах принадлежности множеству.
Прямоугольники характеризуют нечеткие множества, а кривая – распределение вероятности.
- 1. Теория принятия решений: задача принятия решений, цель, проблема, проблемная ситуация.
- 2. Концепция компьютерной поддержки принятия решений.
- 4. Этапы формирования и принятия решений
- 5. Методы формирования целей управления предприятием
- 6. Стратегии в принятии решений и управлении
- 7. Формирование дерева целей и дерева решений
- 8. Виды критериев оптимальности и их содержание
- 9. Структура компьютерной системы поддержки принятия решений
- 10 Место ксппр с асу
- Вопрос 11: Объективные и субъективные измерения.
- Вопрос 12: Измерения при формировании решений: ранжирование, парное сравнение, непосредственная оценка.
- Вопрос 13: Виды неопределенностей в принятии решений и их измерение.
- 3. Использование многокритериальных функций предпочтения руководителя.
- Вопрос 14: Виды экспертиз.
- Вопрос 15: Определение усредненного мнения экспертов.
- Вопрос 16: Определение согласованности мнений экспертов.
- 17. Элементы байесовских моделей
- 18, 19. Модели стохастического математического программирования: м-задача и р-задача
- 20. Нечеткие множества и основные операции над ними.
- 21. Экспертные методы определения функций принадлежности.
- 22. Аналитический и оптимизационный методы определения функций принадлежности.
- 23. Нечеткая задача оптимизации выбора вариантов проектов.
- 24. Нечеткие числа: виды нечетких чисел; операции над нечеткими числами.
- 25. Модели нечеткого математического программирования: оптимизация с нечеткими отношениями.
- 26. Модели нечеткого математического программирования: использование нечетких lr-чисел.
- 27. Генерация альтернатив решений: понятие генетического алгоритма.
- 28. Множество Парето.
- 29. Схемы компромисса.
- 30. Метод идеальной точки.
- 31. Метод последовательных уступок.
- 32. Алгоритм построения Парето оптимального решения.
- 33. Многокритериальная оптимизация. Принцип Беллмана-Заде.
- 34. Правило Борда (процедура Борда).
- 35. Метод анализа иерархий.
- 36. Правило гарантированных достоинств и недостатков.
- 37. Принципы согласования решений. (принципы Курно, Парето, Эджворта).
- 38. Простейшие алгоритмы согласования решений (согласование в среднем, согласование по Парето, метод идеальной точки).
- 39. Марковская модель согласования решений.
- 40. Цепи Маркова – основные положения
- 41. Дискретные цепи Маркова с дискретным временем
- 42. Дискретные цепи Маркова с непрерывным временем
- 43. Основные положения статистических решений (игры с природой)
- 44. Риски и критерии принятия решений (Вальда, Севиджа, Гурвица)
- 45. Риски и их виды и особенности в нефтегазовой отрасли
- 46. Расчет рисков в игре с природой