Вы находитесь на странице: 1из 12

Структуризация предпочтений и функции ценности. Тема 2.

Тема 2. Структуризация предпочтений и функции ценности


Сложность многих проблем принятия решений связана с наличием нескольких противоречивых целей.
Часто не существует доминирующей альтернативы, которая лучше всех других альтернатив с точки зрения
всех этих целей. Возможно, - что некоторые из исходных альтернатив могут быть исключены из дальнейшего
рассмотрения, так как они доминируются, но в общем случае просто невозможно максимизировать несколько
целевых функций одновременно. [2 (Кини Р.Л., Райфа Х.)].
Невозможно максимизировать прибыль и в то же время минимизировать издержки: нельзя максимизи-
ровать доход и минимизировать риск; невозможно разделить торт так, чтобы каждому ребенку дать
наибольший кусок. [2 (Кини Р.Л., Райфа Х.)].
В литературе постоянно встречаются риторические призывы, требующие удовлетворить «наилучшим
образом» требования каждого человека, в каждом возможном отношении, в кратчайшее время, с наи-
меньшими неудобствами и максимумом безопасности для всех. К сожалению, это не более, чем романтиче-
ская мечта! [2 (Кини Р.Л., Райфа Х.)].
Нашей задачей является исследование возможности взаимной компенсации значений различ-
ных критериев или, иначе говоря, возможности «замещения по ценности».
По существу, ЛПР постоянно сталкивается с вынужденной необходимостью замены
одной цели достижением другой (или замещением некоторой ценности по одному на неко-
торую фиксированную ценность по другому критерию).
Если анализируемая проблема не связана с неопределенностью, т. е. если нам заранее точно
известны (пусть и многомерные) последствия каждой из рассматриваемых альтернатив, то суще-
ство вопроса состоит в следующем:
«Сколько в степени дос тижения цели 1 принимающий решение согласен уст у-
пить для того, чтобы увеличить степень достижения цели 2 на некоторую фи ксиро-
ванную велич ину?».
или
«Сколько принимаю щий решение согласен уступить по критерию 1 для того,
чтобы получить возможность использовать альтерн ативу, в которой по критерию 2
значение оценк и увеличится на некоторую фиксированную вел ичину? ».
Вопрос о замещении часто оказывается вопросом личной оценки, и в этих случаях требуется субъек-
тивное мнение лица, принимающего решение.
Ответы на вопросы о возможности замещения не могут быть правильными или же непра-
вильными, поскольку вполне естественно, что различные индивидуумы могут иметь совершенно
разные структуры ценности.
Вопрос о замещении требует глубокого размышления, при которых существуют две
возможности для разрешения:
1) ЛПР может неформальным образом мысленно сопоставить рассматриваемые воз-
можности замещения;
2) ЛПР может явным образом формализовать свою структуру ценностей и использо-
вать ее для оценивания конкурирующих альтернатив.
Разумеется, возможны ситуации, промежуточные между этими двумя крайними.
Одним из ключевых направлений в принятии решений является формализация пред-
почтений лица, принимающего решение, относительно многомерных последствий.

2.1. Формальная постановка задачи


Пусть задано множество допустимых альтернатив A={a1, a2, …, ak}, оцениваемых по
m критериям.
Каждой альтернативе (действию) ai  A определено в соответствие m числовых пока-
зателей pi1=Х1(аi), …, pim=Хm(аi).
Будем считать, что m показателей pi1, …, pim отображают каждое аi из A в точку m-
мерного пространства исходов применения альтернатив (последствий действий), как пока-
зано на рис. 2.1 и будем обозначать как точку заданную координатами в m-мерном про-
странстве: аi (pi1, …, pim) .

Системы и методы принятия решений - 2014г.


Структуризация предпочтений и функции ценности. Тема 2.

Xi1 ,...,Xim

a i (pi1 ,...,pim )

ai

Пространство альтер- Пространство исходов


натив (действий) (последствий)

Рис. 2.1. Отражения множества альтернатив (действий) во


множество исходов (последствий).

Например, пусть дано множество шаров, которые являются объектами оценки, и за-
дано следующие критерии, характеризующие эти шары (альтернативы):
Х1 – цвет шара {красный=1; желтый=2; зеленый=3};
Х2 – вес шара (г.);
Х3 – цена шара (грн.).
Соответственно значения показателей pij=Хj(аi) будут определены на следующих об-
ластях допустимых значений:

pi1  {1,2,3};
pi2  (0,+};
pi3  (0,+}.

При этом ценность альтернатив по разным критерия, как правило, не сопоставима. То


есть не обходима однозначная трактовка насколько зелёный цвет предпочтительнее – жел-
того, и при этом необходимо определить предпочтительность шара весом в 1000г. перед
шаром весом в 1г.
Таким образом, необходимо рассмотреть предпочтения ЛПР для последствий во всем
m-мерном пространстве альтернатив.
Грубо говоря, задача лица, принимающего решение, состоит в таком выборе аi  А, чтобы
получить в наибольшей мере устраивающий его «результат» по Х1(аi), …, Хm(аi).
З а м е ч а н и е 2 . 1 . Во всякой точке аi (pi1, …, pim) пространства последствий мы не
можем непосредственно сравнивать величины pij и pir при j≠r, ибо в большинстве случаев
это было бы просто бессмысленно, поскольку критерии pij и pir могут измеряться в совер-
шенно разных единицах.
Одним из простейших подходов в процессах принятия решения является упорядочи-
вание альтернатив определенным способом.

2.2. Метод лексикографического упорядочения.


В качестве одного из методов решения задач принятия решения рассмотрим подход, который распро-
странен на практике шире, чем он того заслуживает, — лексикографическое упорядочение. Однако этот ме-
тод прост и может быть легко осуществлен, хотя является и слишком прямолинейным.
Лексикографического упорядочивания подобно упорядочиванию, установленному в
словаре.
Системы и методы принятия решений - 2014г.
Структуризация предпочтений и функции ценности. Тема 2.

Упорядочить альтернативы, используя подход лексикографического упорядочивания.


Альтернатива ai  ar (где знак  обозначает «предпочтительнее») тогда и только то-
гда, когда выполняется одно из условий:
1) X 1 (a i )> X 1 (a r )
или
2)  L<m :  j=l, ..., L  X j (a i )=X j (a r ) и X ( L + 1 ) (a i )>X ( L + 1 ) (a r ).
Например, если записать значения исходов по альтернативам в виде строк матрицы
A(k,m), то результат лексикографическое упорядочивание по строкам будет представлять
матрицу A(k,m) представленную ниже:

8 12 2 4   11 1 3 4
   
 11 1 3 4
 10 2 7 5
Вариант 1. A    A 
9 6 5 3 9 6 5 3
   
10 2 7 5  8 12 2 4 
8 10 5 4  10 1 3 4
   
10 1 3 4
 9 6 7 5
Вариант 2. A    A 
9 6 5 3 9 6 5 3
   
9 6 7 5 8 10 5 4 

Иными словами, мы полагаем, что критерии Х1(ai), …, Хm(аi) упорядочены по важ-


ности.
Действие ai предпочитается действию ar, если оно имеет большее значение по Х1(ai),
невзирая на то, насколько оно является хорошим или же плохим по другим критериям.
Только если значения Х1(ai) и Х1(ar) совпадают, вводится в рассмотрение вторые критерий.
Лишь если имеет место совпадение и по второму критерию вводится в рассмотрение третьи
критерий, и т. д.
Отметим, что если точки аi (pi1, …, pim) и аr (pr1, …, prm) — различные точки в про-
странстве исходов, то они не могут быть одинаковыми по предпочтительности при лекси-
кографическом упорядочении.
Лексикографическое упорядочение легко истолковывать, и в некоторых случаях оно может отражать
«истинное» мнение принимающего решение. Одним из ярких примеров использования метода лексикогра-
фического упорядочения является ранжирование абитуриентов во время вступительной компании в ВУ-
Зы.
Однако мы полагаем, что оно, если не считать «легкости осуществления», редко оказывается подходя-
щим. Но, конечно, легкость осуществления сама по себе является важным свойством, и о ней нельзя забы-
вать.

2.3. Метод лексикографического упорядочения с уровнями претензий.


Предположим, что мы упорядочили критерии по важности, и пусть, для удобства,
это упорядочение отображается нумерацией критериев представленной m-мерной оценкой
Х1(ai), …, Хm(аi).
Для каждого критерия установим уровень притязаний uj и введем следующие правила:
альтернатива ai  ar (где знак  обозначает «предпочтительнее») тогда и только то-
гда, когда выполняется одно из условий:
1) X 1 (a i )> X 1 (a r ) и X 1 (a r )<u1
или
2) Х 1 (a i )u1 и Х 1 (a r ) u1 и Х 2 (a i )>Х 2 (a r ) и Х 2 (a r )<u2
и так далее (по аналогии со вторым условием).
Например.
Системы и методы принятия решений - 2014г.
Структуризация предпочтений и функции ценности. Тема 2.

З а д а ч а 2 . 1 . Необходимо разделить группу из 12 студентов на две подгруппы, исполь-


зуя метод лексикографического упорядочения с уровнями претензий. Исходные данные
(оценки по результатам предыдущих сессий) представлены в таблицах 2.1., 2.2.

Уров-
Уровни
ни пре-
пре- 60 60 50 60 60 75 70 80 60 50
пре-
тензий
тензий

Код сту- Оценки Код сту- Оценки


Арх. Арх.
дента С++ ООП
ЭВМ
БД МАН дента С++ ООП
ЭВМ
БД МАН

С1 75 100 50 90 50 С1 80 70 70 80 60
С2 70 90 51 80 70 С2 85 100 50 55 60
С3 50 90 80 60 55 С3 100 70 53 90 90
С4 100 90 80 70 70 С4 70 100 52 100 90
С5 50 100 80 55 60 С5 100 75 100 90 70
С6 70 55 90 80 60 С6 90 80 65 70 53
С7 70 70 90 80 70 С7 75 100 50 50 52
С8 80 80 100 80 55 С8 80 90 54 53 80
С9 70 70 50 90 80 С9 50 70 53 52 55
С10 100 50 100 90 80 С10 90 80 52 100 90
С11 90 80 50 100 80 С11 89 100 80 50 100
С12 60 100 60 65 70 С12 75 50 55 90 70

Результат лексикографического упорядочения с уровнями претензий будет представлять


собой данные описанные в таблицах 2.3, 2.4.

Уровни Уровни
претенз 60 60 50 60 60 претенз 60 60 50 60 60
ий ий

Оценки Оценки
Код Код
Арх. Арх. МА
студента С++ ООП
ЭВМ
БД МАН студента С++ ООП БД
ЭВМ Н
С11 90 80 50 100 80 С5 100 75 100 90 70
С9 70 70 50 90 80 С11 89 100 80 50 100
С7 70 70 90 80 70 С1 80 70 70 80 60
С2 70 90 51 80 70 С6 90 80 65 70 53
С4 100 90 80 70 70 С8 80 90 54 53 80
С12 60 100 60 65 70 С3 100 70 53 90 90
С8 80 80 100 80 55 С10 90 80 52 100 90
С1 75 100 50 90 50 С2 85 100 50 55 60
С6 70 55 90 80 60 С7 75 100 50 50 52
С10 100 50 100 90 80 С12 75 50 55 90 70
С5 50 100 80 55 60 С4 70 100 52 100 90
С3 50 90 80 60 55 С9 50 70 53 52 55

Если все уровни притязаний достигнуты, то мы можем уступить немного по одному


из критериев для того, чтобы получить подходящую величину приращения по следующему
критерию, и т. д.
По-прежнему нам представляется, что такая «процедура упорядочения, если ее тщательно проанализи-

Системы и методы принятия решений - 2014г.


Структуризация предпочтений и функции ценности. Тема 2.

ровать, редко сможет выдержать проверку на «приемлемость», но ввиду простоты своего осуществления такое
упорядочение, конечно, может быть введено.

2.4. Функция ценности.


Более эффективным является использование функций оценки, которая сводила бы совокуп-
ность Х1(аi), …, Хm(аi) в скалярный показатель предпочтительности или «ценности».
Таким образом, необходимо задать функцию ценности (порядковую функцию полезности,
функцию предпочтения, функцию оценки или функцию полезности).

Функция ценности это скалярная функция , определенная на m-мерном простран-


(предпочтения, стве последствий и обладающая свойством:
оценки, полезности
или порядковая (pi1, …, pim)  (pr1, …, prm)  ai  ar
функция полезности)
где символ  обозначает «не менее предпочтительна, чем».

Некоторые типичные примеры функций ценности для m=2:

(pi1, pi2)= 1 pi1+2 pi2


 
(pi1, pi2)= pi11 pi 22
(pi1, pi2)= c1 pi1+c2 pi2+ c3 (pi1 – b1) (pi2 – b2)

Если функция ценности , отражает предпочтения ЛПР, то рассматриваемая задача


может быть сформулирована в форме стандартной задачи оптимизации.
То есть, при заданной функции v задача ЛПР, сводится к выбору такого аi в А, кото-
рое максимизирует v.
Функция ценности  служит для косвенного сопоставления важности тех или иных
значений различных критериев, то есть воздействие на  величин (pi1, …, pim).

2.5. Метод варьирования взвешенной суммы критериев (линейной


свертки).
Метод варьирования взвешенной суммы критериев (или метод линейной свертки) позволяет структу-
рировать множество альтернатив с использованием множества критериев.
Для каждого аi  А, как и раньше, мы полагаем, что существует m-мерная оценка X1(ai), …, Хm(аi). По-
скольку мы заинтересованы в увеличении значений X1(ai), …, Хm(аi), такую оценку можно рассматривать как
m-мерный «платеж» ЛПР.
Пусть задан упорядоченный набор m чисел (1, …, m), для которого выполняется
следующее условия:

 j=1..m  j  0, (2.1)
m


j1
j  1, (2.2)

Тогда задача ЛПР: выбрать альтернативу аi  А так, что бы максимизировать следу-


ющее выражение:

  X (a ) ,
j1
j j i (2.3)
Или формулируя в терминах точек пространства исходов и функции ценности.
Системы и методы принятия решений - 2014г.
Структуризация предпочтений и функции ценности. Тема 2.

Тогда задача ЛПР: выбрать точку m-мерного пространства исходов так, что бы мак-
симизировать скаляр функции ценности представленной в следующем виде:

m
(pi1 ,...,pim )    jpij , (2.4)
j1

В тоже время выполнение основного свойства функции ценности зависит от подходов


в получении аналитических (скалярных) значений по каждому критерию. То есть в спосо-
бах определения значений pij.
Как было уже ранее отмечено, важным аспектом в процессах принятия решения явля-
ется выбор шкалы оценки критериев. При этом, необходимым условием эффективности
оценки альтернатив является сопоставимость значений оценки их критериев по единицам
измерений.
Одним из подходов к получению сопоставимых числовых показателей по критериям,
характеризующим альтернативы, является нормализация значений (сведение к единой
шкале значений).
Рассмотрим один из таких подходов в нормализации значений.
Пусть дано xij – числовое значение по j-тому критерию i-той альтернативы. Обозна-
чим:
xmax j = Мах (x1j, x2j, x3j, ..., xkj);
xmin j = Min (x1j, x2j, x3j, ..., xkj).

Тогда нормализованное значение по критериям будет рассчитываться по формуле:

x ij  x min j
pij  . (2.5)
x max j  x min j

Но применение формулы (2.5) целесообразно только при выполнения «прямой» зави-


симости величины значения показателя и привлекательности i-той альтернативы по j-тому
критерию для лица принимающего решение: «чем больше значение xij, тем лучше аль-
тернатива». Например, стоимость товара для лица, продающего товар.
В то же время для лица покупающего товар применение формулы (2.5) не рациональ-
но. Таким образом, применение подходов в расчете нормализованных значений показате-
лей pij, требует рассмотрения случая «обратной» зависимости между величиной значения
показателя и привлекательность i-той альтернативы по j-тому критерию для лица прини-
мающего решение: «чем меньше значение xij, тем лучше альтернатива». Расчет значе-
ния нормализованной оценки для таких критериев будет осуществляться по формуле:

x max j  x ij
p ij  . (2.6)
x max j  x min j

Таким образом (2.5) и (2.6) позволяют получить нормализованные значения показателей оцеки альтер-
натив по критериям.
В одной из классических книг по методам ППР, а именно, в книге американских математиков Р.Л. Ки-
ни и Х. Райфа "Принятие решений при многих критериях: предпочтения и замещения" (Москва, изд-во "Ра-
дио и связь", 1981) строго доказано, что линейная свертка корректна только тогда, когда все критерии попар-
но независимы по предпочтению.
Линейная свертка основана на неявном постулате: "низкая оценка хотя бы по одному критерию влечет
за собой низкое значение функции полезности".
В то же время данный метод должен использоваться только для задач удовлетворяющим следующему

Системы и методы принятия решений - 2014г.


Структуризация предпочтений и функции ценности. Тема 2.

предположению: "низкая оценка по одному критерию может быть компенсирована высокой оценкой по дру-
гому".
Например, для задачи сравнительной оценки некоторых "качеств" телевизоров будет некоренным так,
как изображения телевизора не может быть компенсировано улучшением качества его звука.
Иногда этот метод называют мультипликативная свертка (мультипликативная линейная сверт-
ка), тогда линейная свертка рассматривается как задача заданная выражениями (2.1) и (2.4).

2.6. Метод аналитической иерархии (метод анализа иерархий)


В процессе мышления мы определяем объекты или идеи и отношения между ними. При определении
чего-либо человек производит декомпозицию сложного события, с которым сталкивается, а выявив отноше-
ния, тем самым осуществляет синтез. Фундаментальный процесс, лежащий в основе познания, включает в себя
декомпозицию и синтез.
Очень часто при анализе интересующей нас структуры число элементов и их взаимосвязей настолько
велико, что превышает способность исследователя воспринимать информацию в полном объеме. В таких слу-
чаях система делится на подсистемы, почти так же, как схема ЭВМ, состоящая из блоков и их взаимосвязей,
причем у каждого блока есть собственная схема.

Иерархия есть определенный тип системы, основанный на предположении, что эле-


менты системы могут группироваться в несвязанные множества. Эле-
менты каждой группы находятся под влиянием элементов некоторой
вполне определенной группы и, в свою очередь, оказывают влияние на эле-
менты другой группы.

Элементы в каждой группе иерархии (называемой уровнем, кластером, стратой) неза-


висимы.
Иерархии являются основным способом, с помощью которого человек подразделяет реальность на кла-
стеры и подкластеры.
Основной задачей в иерархии является оценка высших уровней исходя из взаимодей-
ствия различных уровней иерархии, а не из непосредственной зависимости от элементов на
этих уровнях.
Концептуально, наиболее простая иерархия – линейная, восходящая от одного уровня
элементов к соседнему уровню.
Каждый элемент иерархии функционально может принадлежать к нескольким другим различным
иерархиям. Например, ложку можно расположить вместе с другими ложками различного размера в одной
иерархии, или вместе с ножами и вилками в другой иерархии.
Элемент может являться управляющей компонентой на некотором уровне одной иерархии или может
просто быть элементом, раскрывающим функции нижнего или высшего порядка в другой иерархии.
Преимущества иерархий:
1. Иерархическое представление системы можно использовать для описания того, как
влияют изменения приоритетов на верхних уровнях на приоритеты элементов нижних
уровней.
2. Иерархии предоставляют более подробную информацию о структуре и функции
системы на нижних уровнях и обеспечивают рассмотрение акторов и их целей на высших
уровнях. Для удовлетворения ограничений на элементы уровня их лучше всего воспроиз-
водить на следующем более высоком уровне. Например, природу можно рассматривать как актор,
цель которого – использовать определенный материал и который подчиняется определенным законам в каче-
стве ограничений.
3. Естественные системы, составленные иерархически, т. е. посредством модульного
построения и затем сборки модулей, строятся намного эффективнее, чем системы, собран-
ные в целом.
4. Иерархии устойчивы и гибки; они устойчивы в том смысле, что малые изменения
вызывают малый эффект, а гибкие в том смысле, что добавления к хорошо структуриро-
ванной иерархии не разрушают ее характеристик.

Системы и методы принятия решений - 2014г.


Структуризация предпочтений и функции ценности. Тема 2.

Таким образом, необходим метод определения силы, с которой различные элементы одного уровня вли-
яют на элементы предшествующего уровня, чтобы можно было вычислять величину воздействий элементов
самого низкого уровня на общую цель.
Таким методом является «Метод Analytic Hierarchy Process» (АНР) – метод аналитической иерархии
или метод анализа иерархий (далее МАИ).
Этот метод позволяет определить «степень влияния», или приоритеты, элементов одного уровня отно-
сительно их важности для элемента следующего уровня.
Этапы процесса приятия решений с использованием МАИ, следующие:
1. Формулируется задача и осуществляеться ее постановка в общем плане (она может
быть частью большой системы или задачи, включающую другие действующие лица, их це-
ли и результаты).
2. Идентифицируются критерии, влияющие на задачу.
3. Строиться иерархия общих критериев, частных критериев, свойств альтернатив и
самих альтернатив.
5. Чтобы устранить неясность, тщательно определяем каждый элемент в иерархии.
6. Устанавливаем приоритеты первичных критериев относительно их воздействия на
общую цель, называемую фокусом.
7. Производиться однозначная формулировка вопроса для парных сравнений в каж-
дой матрице (обратите внимание на ориентацию каждого вопроса, например, стоимость
должна уменьшаться, а эффективность увеличиваться).
8. Устанавливаются приоритеты частных критериев относительно своих общих кри-
териев.
9. Вычисляются приоритеты (важность) с использованием расчетов собственных зна-
чений матриц попарных сравнений.
10. Рассчитывается значение агрегированной оценки каждой альтернативы.
11. На основе полученных оценок, принимается решение.
Пример использования МАИ в можете изучить в книгах:
Саати Т. Принятие решений. Метод анализа иерархий. (М.: Радио и связь, 1993. –
278 с.) – раздел «1.6. Пример иерархической композиции приоритетов», стр 29-31;
Таха, Хемди А. Введение в исследование операций (7-е издание. : Пер. с анг. – М. Из-
дательский дом «Вильямс», 2005 г. – 912 с.) – разделы 14.1. Принятие решений в условиях
определенности (стр. 449-556).

2.6.1. Матрицы попарного сравнения


Важнейшим аспектом оценки элементов, используемый в МАИ, является построение матриц попарных
сравнений, определяющих приоритеты между элементами одного уровня.
Рассмотри следующий (отвлеченный) пример, демонстрирующий подход в построении матрицы попар-
ных сравнений.
З а д а ч а 2 . 2 . Пусть A, B, С и D обозначают стулья, расставленные по прямой ли-
нии, ведущей от источника света. Создадим шкалу приоритетов относительной освещенно-
сти для стульев. Суждения производит человек, стоящий около источника света, у которо-
го, например, спрашивают:
«Насколько сильнее освещенность стула B по сравнению с C?»
Он отвечает одним из чисел для сравнения, записанных в таблице, и это суждение за-
носится в позицию (В, С) матрицы.
Условимся, что это следующие числа. Пусть заданы элементы A и B; если:
- A и B одинаково важны, то число 1;
- A незначительно важнее, чем B , то число 3;
- A значительно важнее B, то число 5;
- A явно важнее B, то число 7;
- A по своей значительности абсолютно превосходит B, то число 9.
Числа 2, 4, 6, 8 и их обратные величины используются для облегчения компромиссов
между слегка отличающимися от основных чисел суждениями.
Системы и методы принятия решений - 2014г.
Структуризация предпочтений и функции ценности. Тема 2.

По соглашению сравнение силы всегда производится для действия или объекта, сто-
ящего в левом столбце, по отношению к действию или объекту, стоящему в верхней стро-
ке.
При сравнении элемента с самим собой имеем равную значительность, так что на пе-
ресечении строки A со столбцом A в позиции (А, А) заносим 1.
Заносим соответствующие обратные величины: 1, 1/3, ..., или 1/9 на пересечениях
столбца A и строки B, т. е. в позицию (В, A) для обратного сравнения B с A.
Для примера освещенности стульев в матрице для наших чисел имеется 16 полей. Четыре из них уже
определены, а именно те, что находятся на диагонали, (А, А), (В, В), (C, C), (D, D) и равны единице. Для
оставшихся после заполнения диагонали 12 чисел нужно провести шесть сравнений, поскольку остальные
шесть являются обратными сравнениями и их оценки должны быть обратными величинами к оценкам первых
шести.
Допустим, что человек, используя рекомендованную шкалу, вносит число 4 в позицию (В, С),
так как полагает, что интенсивность освещенности стула B по сравнению со стулом C находится
между слабой и сильной. Тогда в позицию (С, В) автоматически заносится обратная величина, т. е.
1/4, что не обязательно, но в общем случае рационально. После проведения оставшихся пяти суж-
дений, а также занесения их обратных величин, для всей матрицы получим имеем матрицу попар-
ных сравнений для четырех строк и четырех столбцов (матрица 4х4, таблица 2.5).
Таблица 2.5.
А B C D
A 1 5 6 7
B 1/5 1 4 6
C 1/6 1/4 1 4
D 1/7 1/6 1/4 1

А B C D
A 1,00 5,00 6,00 7,00
B 0,20 1,00 4,00 6,00
C 0,17 0,25 1,00 4,00
D 0,14 0,17 0,25 1,00

Следующий шаг состоит в вычислении вектора приоритетов по данной матрице. В


математических терминах это – вычисление главного собственного вектора, который после
нормализации становится вектором приоритетов.
Относительная освещенность стульев, выраженная собственным вектором, удовлетворяет закону об-
ратного квадрата в оптике.
Грубые оценки значения главного собственного вектора можно получить следующи-
ми четырьмя способами:
1. Суммировать элементы каждой строки и нормализовать делением каждой суммы
на сумму всех элементов; сумма полученных результатов будет равна единице. Первый
элемент результирующего вектора будет приоритетом первого объекта, второй – второго
объекта и т. д.
Таблица 2.5.1.

А B C D  /37,18
A 1,00 5,00 6,00 7,00 19,00 0,5111
B 0,20 1,00 4,00 6,00 11,20 0,3013
C 0,17 0,25 1,00 4,00 5,42 0,1457
D 0,14 0,17 0,25 1,00 1,56 0,0419
37,18
Системы и методы принятия решений - 2014г.
Структуризация предпочтений и функции ценности. Тема 2.

2. Суммировать элементы каждого столбца и получить обратные величины этих


сумм. Нормализовать их так, чтобы их сумма равнялась единице, разделить каждую обрат-
ную величину на сумму всех обратных величин.
Таблица 2.5.2.

А B C D
A 1,00 5,00 6,00 7,00
B 0,20 1,00 4,00 6,00
C 0,17 0,25 1,00 4,00
D 0,14 0,17 0,25 1,00
 1,51 6,42 11,25 18,00
1/ 0,66 0,16 0,09 0,06 0,96
/0,96 0,69 0,16 0,09 0,06

3. Разделить элементы каждого столбца на сумму элементов этого столбца (т. е. нор-
мализовать столбец), затем сложить элементы каждой полученной строки и разделить эту
сумму на число элементов строки. Это – процесс усреднения по нормализованным столб-
цам.
Таблица 2.5.3.

А B C D  /4
A 0,66 0,78 0,53 0,39 2,36 0,591
B 0,13 0,16 0,36 0,33 0,98 0,244
C 0,11 0,04 0,09 0,22 0,46 0,115
D 0,09 0,03 0,02 0,06 0,20 0,050

4. Умножить k элементов каждой строки и извлечь корень k-й степени. Нормализо-


вать полученные числа.
Таблица 2.5.4.

А B C D П 4
 4
 /6,20
A 1,00 5,00 6,00 7,00 210,00 3,81 0,61
B 0,20 1,00 4,00 6,00 4,80 1,48 0,24
C 0,17 0,25 1,00 4,00 0,17 0,64 0,10
D 0,14 0,17 0,25 1,00 0,01 0,28 0,04
6,20

Сравнивая полученные результаты, отметим, что точность повышается от 1 к 2 и да-


лее к 3, однако одновременно усложняются вычисления.
Точное решение задачи получается путем возведения матрицы в произвольно боль-
шие степени и деления суммы каждой строки на общую сумму элементов матрицы. С точ-
ностью до одной сотой это решение будет (0,61; 0,24; 0,10; 0,05).
Подход к парным сравнениям, основанный на решении задачи о собственном значе-
нии, обеспечивает способ шкалирования, особенно в тех сферах, где не существует измере-
ний и количественных сравнений.
Если матрица согласована, то во всех четырех случаях векторы приоритетов будут
Системы и методы принятия решений - 2014г.
Структуризация предпочтений и функции ценности. Тема 2.

одинаковыми. В случае несогласованности очень хорошее приближение можно получить


только с помощью метода 4.
Мера согласованности позволяет возвратиться к суждениям, модифицируя их для
улучшения общей согласованности. Рассмотрим индексы согласованности.
2.6.2. Индекс согласованности матрицы попарного сравнения
Умножив матрицу сравнений справа на полученную оценку вектора решения, полу-
чим новый вектор (табл. 2.6).
Разделив первую компоненту этого вектора на первую компоненту оценки вектора
решения, вторую компоненту нового вектора на вторую компоненту оценки вектора реше-
ния и т. д., определим еще один вектор.
Разделив сумму компонент этого вектора на число компонент, найдем приближение к
числу  max (называемому максимальным или главным собственным значением), использу-
емому для оценки согласованности, отражающей пропорциональность предпочтений.

Таблица 2.6.
А B C D П 4
 wi= 4
 /6,20 новый вектор vi vi/wi
A 1,00 5,00 6,00 7,00 210 3,81 0,61 2,74 4,462
B 0,20 1,00 4,00 6,00 4,80 1,48 0,24 1,04 4,367
C 0,17 0,25 1,00 4,00 0,17 0,64 0,10 0,44 4,311
D 0,14 0,17 0,25 1,00 0,01 0,28 0,04 0,20 4,421
 17,561
max 4,390

Чем ближе max к значению k (числу объектов или видов действия в матрице), тем
более согласован результат.

Индексом согласо- назовем величину (max – k) / (k–1).


ванности (ИС)

Случайным назовем индекс согласованности рассчитанный по данным оценки


индексом (СИ) сгенерированными случайным образом по шкале от 1 до 9.

В Национальной лаборатории Окриджа сгенерировали средние случайные индыксы для матриц поряд-
ка от 1 до 15 на базе 100 случайных выборок. Как и ожидалось, СИ увеличивались с увеличением порядка
матрицы. Так как величина выборки была только 100, наблюдались статистические флуктуации в индексе при
переходе от матрицы одного порядка к другому. Поэтому вычисления были повторены в школе Уортона для
величины случайной выборки 500 в матрицах порядка до 11х11, а далее использовались предыдущие резуль-
таты для k=12, 13, 14, 15.
В талице 2.7 расчетные данные по случайным индексам.
Таблица 2.7.
k,
порядок 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
матрицы
СИ 0,00 0,00 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 1,51 1,48 1,56 1,57 1,59

Системы и методы принятия решений - 2014г.


Структуризация предпочтений и функции ценности. Тема 2.

Отношением это отношение индекса согласованности (ИС) к среднему слу-


согласованности (ОС) чайному индексу (СИ) для матрицы того же порядка.
ОС=ИС/СИ

Значение ОС ≤ 0,1, будем считать приемлемым.


В таблице 2.6 приведен пример расчета max, проведем расчет приближенного значе-
ния индекса согласования и его анализ по отношению согласия.
ИС=(max – k) / (k–1)=(4.39–4)/(4–1)=0.130088
СИ4=0.9
ОС= ИС/СИ =0.130088/0.9=0,144542
Отношение согласованности ОС=0,144542 не так уж близко к 0,1.
Более подробно с рассмотрением нескольких уровней иерархий для этого метод будет подробно разобран на практи-
ке.

Рассмотренные методы принятия решений являются достаточно простыми для пони-


мания и лишь малой долей из множества разработанных ученными методов и подходов в
этой области. В литературе по методам и системам принятия решений описаны и другие ме-
тоды (MAUT, ELECTRE, «Последовательных уступок» и другие).

Системы и методы принятия решений - 2014г.