16. Генерация альтернатив решений: Дерево решений
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.Измерения при формировании решений: ранжирование, парное сравнение, непосредственная оценка, виды неопределенностей и их измерение.
- 3.Виды экспертиз.
- 4.Метод Дельфы
- 5. Дерево целей и решений.
- 6.Определение усредненного мнения экспертов (среднее арифметическое, среднее геометрическое, мода, медиана Кемени
- 7.Определение согласованности мнений экспертов (коэффициент конкордации).
- 8.Виды критериев оптимальности и их содержание.
- 9. Критериальный анализ ситуации: метод базовых шкал, ранжирование и выбор критериев.
- 10.Нечеткие множества и основные операции над ними.
- 11.Экспертные методы определения функций принадлежности.
- 12. Аналитический и оптимизационный методы определения функций принадлежности.
- 13. Нечеткая задача оптимизации выбора вариантов проектов.
- 14. Модели стохастического математического программирования
- 15. Генерация альтернатив решений: понятие генетического алгоритма.
- 16. Генерация альтернатив решений: Дерево решений
- 17. Многокритериальная оптимизация. Проблемы многокритериальной оптимизации
- 18. Многокритериальная оптимизация. Множество Парето.
- 19. Многокритериальная оптимизация. Метод идеальной точки.
- 20. Принятие решений по многим критериям: Метод последовательных уступок
- 21. Принятие решений по многим критериям: Парето оптимальное решение
- 23.Принятие решений по многим критериям: Гарантированные достоинства и недостатки.
- 24.Принятие решений по многим критериям: Правило Борда.
- 25.Принятие решений по многим критериям: Принцип Беллмана-Заде
- 26. Принятие решений по многим критериям: Турнирная таблица
- 30.Согласование групповых решений: принцип большинства голосов, принцип диктатора, принцип вето, идеальной точки, консенсус.
- 31.Согласование групповых решений по Парето.
- 32. Согласование групповых решений: Метод идеальной точки
- 33. Марковская модель согласования решений.
- 34. Согласования групповых решений. (принципы Курно, Парето, Эджворта).
- 35. Теория игр: платежная матрица, чистые и смешанные стратегии, решение игры.
- 36. Решение игры в чистых стратегиях. Игры с седловой точкой.
- 37.Решение игры в смешанных стратегиях. Теорема фон Неймана.
- 38.Решение матричных игр МхN (сведение к задаче линейного программирования).
- 39.Игры с природой (теория статистических решений). Особенности платежной матрицы.
- 40.Байесовские стратегии в играх с природой (частичная неопределенность).
- 41. Критерии принятия решений в играх с природой (полная неопределенность).
- 42.Марковские процессы с дискретным временем: основные понятия и определения.
- 43.Игры с природой: оценка риска