40.Байесовские стратегии в играх с природой (частичная неопределенность).
При частичной неопределенности в качестве показателя эффективности (критерия), который необходимо обратить в максимум принимается среднее значение (математическое ожидание) выигрыша игрока А с учетом всех возможных вероятностей Q(Пj). В этом случае за несколько партий мы получим среднее значение выигрыша (математическое ожидание) – критерий Байеса –Лапласа (B-L – критерий) :
,
где – взвешенное среднее.
Оптимальной стратегией А* = Аi будет та, которая удовлетворяет этому условию.
В результате задача сводится к поиску решения в среднем.
Средний риск:
Можно показать, что стратегия максимизации āi и минимизации одна и та же. В случае, когда известны вероятности Q1, Q2 …. Qn, при решении игры с природой всегда можно обойтись чистыми стратегиями, не применяя смешанных стратегий, то есть:
средний выигрыш – это среднее взвешенное среднего выигрыша, соответствующее чистым стратегиям и:
Поэтому принятие смешанной стратегии игроком А не может быть выгоднее с любыми вероятностями Пi, чем применение чистой стратегии А* = Аi.
Если в качестве оптимальной стратегии выбирается та из них, для которой величина āi обращается в максимум, соответственно в минимум, то такая стратегия называется байесовской.. Эта стратегия является чистой
- 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