Академический Документы
Профессиональный Документы
Культура Документы
МЕТОДИЧЕСКИЕ УКАЗАНИЯ
к выполнению лабораторных и самостоятельных работ
Утверждено
на заседании кафедры ИСПР
Протокол № 21 от 31.08.2017
Краматорск 2017
2
УДК 519
Содержание
ЛАБОРАТОРНАЯ РАБОТА № 1
Экспертные процедуры принятия решений. Методы обработки экспертной
информации: одномерное шкалирование
Цель: овладеть использования математических методов на основе
экспертных процедур при принятии решений в различных областях.
Задание. Имеется матрица результатов оценивания m параметров
информационной системы d экспертами. Оценить относительную важность
параметров информационной системы, используя одномерное шкалирование как
метод обработки экспертной информации.
Студент самостоятельно ранжирует объекты, выступая в роли экспертов
(набор параметров выбирается студентом). Объекты ранжируются по степени
важности.
Таблица 1 – Данные результатов оценки
№ варианта m d
1 6 5
2 7 4
3 8 5
4 5 6
5 6 5
6 6 4
7 5 6
8 5 5
9 5 5
10 5 5
11 7 6
12 7 6
13 8 4
14 8 4
15 9 4
16 9 4
17 5 6
18 7 6
19 6 5
20 7 4
21 8 5
22 9 4
23 5 4
24 5 7
25 6 6
5
Таблица – Матрица Z
1 2 3 4 Zi Zi
1 0 0,67449 0 0,67449 1,34898 0,337245
2 -0,67449 0 -0,67449 0,67449 -0,67449 -0,16862
3 0 0,67449 0 3,174 3,84849 0,962123
7
формуле Pi * Pi / Pj :
j 1
Parametr Pi Pi *
1 0,632 0,311945
2 0,433 0,213722
3 0,832 0,410661
4 0,129 0,063672
Summa 2,026 1
Определяют среднее отклонение по формуле i , j 1
i j
ij / k 0.115
. Так как
11,5%<20%, оценки, данные экспертами могут быть использованы для принятия
решения о важности параметров информационной системы: наиболее важным
является третий параметр, наименее – четвертый.
ЛАБОРАТОРНАЯ РАБОТА № 2
Фактически
Прогноз
Благоприятный Неблагоприятный
Благоприятный 0,85 –
Неблагоприятный – 0,65
5 14 0,7 64 4 5e 2 x 20 13 0,2 57 6 x 10
6 23 0,65 55 0.2 x 2 21 12 0,7 69 4 x
7 9 0,55 74 6 3x 22 15 0,8 68 2e 2 x 2
8 42 0,35 88 x 23 10 0,85 80 4x 2
9 2 0,4 4 4 5e 2 x 24 40 0,75 85 e 2 x 2
10 4 0,3 5 2 4e 2 x 25 20 0,65 94 log 2 x
11 3 0,7 68 lg( x 10) 26 45 0,45 95 4x 2
12 13 0,6 91 2x 2 27 7 0,55 58 x4
13 18 0,5 87 lg( x 2) 28 38 0,35 71 log 2 ( x 4)
14 10 0,45 67 3 2x 2 29 37 0,5 81 3e 2 x 2
15 43 0,75 75 e 2 x 30 3 0,5 72 2 6x
вероятностью р=0,5 может ничего не выиграть или выиграть 100 долл. Один
индивид пожалеет и 10 долл. за право участия в такой лотерее, т.е. просто не
купит лотерейный билет, другой готов заплатить за лотерейный билет 50 долл., а
третий заплатит даже 60 долл. за возможность получить 100 долл. (например,
когда ситуация складывается так, что только имея 100 долл., игрок может достичь
своей цели, поэтому возможная потеря последних денежных средств, а у него их
ровно 60 долл., не меняет для него ситуации).
Безусловным денежным эквивалентом (БДЭ) игры называется
максимальная сумма денег, которую ЛПР готов заплатить за участие в игре
(лотерее), или, что то же, та минимальная сумма денег, за которую он готов
отказаться от игры. Каждый индивид имеет свой БДЭ.
Индивида, для которого БДЭ совпадает с ожидаемой денежной оценкой
(ОДО) игры, т.е. со средним выигрышем в игре (лотерее), условно называют
объективистом, индивида, для которого БДЭ ОДО, – субъективистом.
Ожидаемая денежная оценка рассчитывается как сумма произведений размеров
выигрышей.
Основными обозначениями при построении дерева решений являются:
// - отвергнутое решение.
ЛАБОРАТОРНАЯ РАБОТА № 3
Принятие оптимального решения на основе теории игры
где ai a
j 1
ij qj (i 1, m ), где qj – вероятность j-го состояния природы.
2 Критерий Лапласа (принцип недостаточного основания). Используется
в случае когда все состояния природы полагаются равновероятными, т.е.
1
q1 q 2 ... q j ... q n . Оптимальной считается стратегия, обеспечивающая
n
n
1
максимум среднего выигрыша opt max
i
ai , где a i aij ( i 1, m ).
n j 1
Применяя этот критерий, отступают от условий полной неопределенности
(отсутствия информации о состоянии природы), считая, что возможным
состояниям природы можно приписать определенную вероятность их появления.
В этом случае, определив математическое ожидание выигрыша для каждого
решения, выбирают то, которое обеспечивает наибольшее значение выигрыша.
Принцип Байеса–Лапласа можно применять, если состояния природы,
которые изучаются, и решения, которые принимаются, многократно повторяются.
Тогда, например, статистическими методами, базируясь на частотах появления
отдельных состояний природы в прошлом, можно оценивать вероятности их
появления в будущем.
Перечисленные критерии не исчерпывают всего многообразия критериев
выбора решения в условиях неопределенности, в частности, критериев выбора
наилучших смешанных стратегий.
Оптимальное поведение по большей части зависит от принятого критерия
оптимизации. Поэтому выбор критерия является вопросом ответственности в
исследовании операций. Каждый выбор критерия предопределяет одобрение
решения, которое может отличаться от решения, принятого в соответствии с
другим критерием. Однако ситуация никогда не бывает настолько
неопределенной, чтобы нельзя было получить хотя бы частичную информацию о
вероятностях распределения состояний природы в ситуации, которая
анализируется. В этом случае, оценив распределение вероятностей состояний
природы, применяют критерий Байеса–Лапласа или проводят эксперимент,
который дает возможность уточнить поведение природы.
3 Максиминный критерий Вальда. Оптимальной считается стратегия,
которая в наихудших условиях гарантирует максимальный выигрыш
opt max min aij .
i j
16
партию продукции (5% брака без штрафа). Если партия имеет 4% брака ( 1 ), то
производитель понесет убытки (5 4) 80 80 тыс. грн. Но, если партия товаров
имеет 15% брака ( 2 ), то штраф составит (15 5) 100 1000 тыс. грн. Аналогично
рассчитываются элементы матрицы затрат относительно второго покупателя – Б.
Матрица затрат примет вид:
1 2
F f ( xk , j ) x1
80 1000 .
x 320 700
2
Если производитель принимает решение в условиях получения
гарантированного результата (критерий Вальда), то необходимо продукцию
отправить второму покупателю:
~
f ko min max f k min 1000;700 700 тыс.грн.
xk X j xk X
p( v / j ) p ( j ) ,
j 1
n n
де p(
j 1
v / j ) p ( j ) p( j , v ) p( v ) – вероятность каждого отдельного
j 1
результата эксперимента;
p ( v / j ) – условные вероятности;
p ( j ) – априорные вероятности;
p ( j , v ) – общие вероятности.
18
Лабораторная работа №4
Принятие многоцелевых решений
2. Показательный ( f kq )
uq
2. Доминирующий результат
max f
q
k
q
23
4. Суммарная эффективность f
q
k
q
5. Равномерность f
q
k
q
Отсюда имеем
1 2 3
x1 0 1/ 7 0
x 2/8 0 3/8
F 2
1 .
x3 4 / 8 4 / 7 4 / 8
x 1 1 7 / 8
4
x 0 1 1
5
Отсюда имеем
1 2 3
x1 0 1 5/7
x 4 / 10 0 6/ 7
F2 2 .
x3 7 / 10 3 / 12 1
x 4 / 10 2 / 12 3 / 7
4
x 1 1 / 12 0
5
то есть
1 2 3 1 2 3
x1 0 0 0 x1 0 1 0.8
0.9
~1 x2 0.62 0.51 0.71 ~1 x2
и F
0.55 0
.
F
x3 0.78 0.82 0.78 x3 0.79 0.41 1
x 1 1
0.95 x 0.55 0.31 0.58
4 4
x 0 1 1 x 1 0.2 0
5 5
Лабораторная работа № 5
Принятие решений на основе метода динамического программирования
F2 ( x) max{( f 2 ( x2 ) F3 ( x x 2 )} , F1 ( x) max {( f1 ( x1 ) F2 ( x x1 )} .
0 x2 x 0 x1 x
Если на начало третьего этапа останется 200 тыс. грн., их можно передать
третьему подразделению x3 =200, тогда четвертому будет выделено 200–200=0,
суммарная эффективность составит 13+0=13. Если же третьему подразделению не
выделять из этой суммы ничего, т.е. x3 =0, и все деньги передать четвертому, то
x4 200 0 200 . Эффект составит 0+18=18:
0 45
40 13
44 0
F3 (600) max 18 38 56,
op t
x3 400
;
0 60
;
18 45
F3 (800)
max
78, op t
x3 400
40 38
44 13
65 0
27
0 7 5
.
18 60
F3 (1 0 0 0) max 4 0 4 5
8 5, op t
x3 600
4 4 3 8
6 5 1 3
8 5 0
0 39
F2 ( 400) max 40,
18 14
40 0
opt
x2 0
;
0 46
40
56 0
14
F2 ( 600) max 18 39 57 ,
o pt
x2 400
;
0 64
;
18 46
F2 (800) max
79, op t
x2 400
40 39
56 14
78 0
0 8 0
18 6 4
.
F2 (1 0 0 0) max 4 0 46
9 5, o pt
x2 4 00
5 6 3 9
7 8 1 4
8 8 0
.
F1 (1 00 0) max 40 40
95, opt
x1 0
57 3 3
7 9 1 2
95 0
САМОСТОЯТЕЛЬНАЯ РАБОТА