7. Формирование дерева целей и дерева решений
Дерево целей представляет собой графическое изображение связи между целями системы и средствами их достижения, в качестве которых выступают подцели (на нижнем уровне - задачи). Z0 – цель верхнего, нулевого уровня, которая называется также генеральной целью. Видно, что эта цель на следующем уровне представляется парой подцелей (в других случаях подцелей может быть и больше), которые есть цели 1-го уровня - Z11 и Z12. Таким образом, дерево целей состоит из целей нескольких уровней, представленных в виде иерархий: генеральная цель – цели 1-го уровня – цели 2-го уровня и т.д. Для достижения генеральной цели необходимо реализовать несколько целей 1-го уровня (главных целей), выступающих как средство по отношению к генеральной цели. Для достижения этих целей 1-го уровня потребуется выполнение целей 2-го уровня и т.д. Подцели последующего (нижнего) уровня, для реализации которых не требуется дополнительных увязок «цель-средства», называются задачами. Задача служит базой для построения программ достижения отдельных целей. Решение задачи представляет собой комплекс мероприятий, т.е. ресурсов и действий, с помощью которых обеспечивается достижение нужной цели. Этот комплекс мероприятий может быть поставлен в соответствие терминальной вершине дерева целей, которая обозначает задачу.
При построении дерева целей особое внимание следует уделять выбору генеральной цели. Иногда построение начинается сразу с нескольких главных целей, совокупность которых и представляет собой генеральную цель. В этом случае генеральная цель формулируется как некоторая искусственная, обобщенная формулировка известных главных целей. При дальнейшем построении дерева целей цель верхнего уровня разбивается на ограниченное число подцелей (обычно 5-7). Это ограничение является неслучайным и обусловлено свойством оперативной памяти человека, способной раздельно оперировать именно таким количеством самостоятельных объектов. Опыт показывает, что эксперту очень трудно дать сравнительную оценку более 5-7 разнородных элементов, решающих одну общую задачу.
Дерево решений – это граф, представляющий правила в иерархической последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение. Дерево решений обычно строится следующим образом. Сначала берется весь набор данных, который представляется исходной или корневой вершиной. Затем определяются способы (правила) разбиения на ветви всего множества записей или вариантов, соответствующих корневому узлу. Ветви образуют дерево, повернутое кроной вниз. На ветвях дерева отмечают узлы, отвечающие подмножеству записей или вариантов. На каждом узле снова определяются правила разбиения на ветви и т.д. до тех пор, пока процесс не дойдет до конечных узлов, называемых листьями. В связи с этим, деревья решений часто применяются для моделирования (генерации) «многоэтапных» процессов принятия решений, в которых взаимозависимые решения принимаются последовательно. Такое представление облегчает описание процесса принятия решений. Для генерации различных вариантов решений и их оценки наибольшее распространение получили деревья решений, содержащие два типа вершин: вершины в которых решение принимает эксперт (ЛПР) и вершины где решение принимает «случай», выходящие из вершины дуги задают определенные вероятности направлений принятия решения.
- 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