УУ 6 2022 430 442

НАУЧНЫЙ ЖУРНАЛ "УПРАВЛЕНЧЕСКИЙ УЧЕТ" № 6 2022
УДК 519.81
Е.В. Царькова
Российский государственный университет правосудия, г. Москва
МАТЕМАТИЧЕСКИЕ АСПЕКТЫ ЭФФЕКТИВНОСТИ
УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ПРИ НЕПОЛНОЙ И НЕЧЕТКОЙ
ИНФОРМАЦИИ
Ключевые слова: управленческие решения, информационная неопределённость, математические
модели, нечеткие задачи, оптимальные стратегии, критерий.
Проанализированы новые тенденции принятия управленческих решений в условиях развития
информатизации, проведен содержательный анализ нечетких экономических моделей; предложен
подход к решению семейства экономических задач поиска оптимального по рискам и сожалениям
решения с учетом информационной неопределённости ограничений, рассмотрены позиционные или
многоэтапные решения в условиях риска с анализом последовательности решений.
E.V. Tsarkova
Russian state University of justice, Moscow
MATHEMATICAL ASPECTS OF THE EFFECTIVENESS OF MANAGEMENT
DECISIONS WITH INCOMPLETE AND FUZZY INFORMATION
Keywords: management decisions, information uncertainty, mathematical models, fuzzy tasks, optimal
strategies, criteria.
New trends of managerial decision-making in the conditions of informatization development are
analyzed, a meaningful analysis of fuzzy economic models is carried out; an approach to solving a family of
economic problems of finding the optimal solution for risks and regrets, taking into account the information
uncertainty of constraints, positional or multi-stage solutions in risk conditions with an analysis of the
sequence of decisions is proposed.
Эффективность деятельности пред- проблемы поиска эффективных методов

приятия в основном зависит от того, на- предварительной переработки судебной
сколько состоятельными, обоснованны- статистической информации и необхо-
ми и своевременными являются приня- димость оптимизации использования
тые управленческие решения. Принятие имеющихся вычислительных ресурсов,
таких управленческих решений возмож- в [2] исследуется выбор рациональ-
но только в том случае, если они осно- ных стратегий коммерческой деятель-
ваны на точной и достоверной инфор- ности предприятий оптовой торговли,
мации, полученной в результате прове- в [5] обоснована методологическая диа-
денного анализа. Простая совокупность грамма продуктивного маркетингового
цифровых данных, информации о внеш- исследования). В работе [7] рассмотре-
ней и о внутренней среде предприятия ны результаты формализации и реше-
или иных сведений не может дать пол- ния сложной актуальной задачи разра-
ную и достоверную картину о состоянии ботки информационно-математического
дел и не может быть основой для разра- обеспечения правового регулирования
ботки и реализации управленческого ре- оборота результатов интеллектуальной
шения, которое повысит эффективность деятельности. В [4] рассмотрены прин-
деятельности организации. Все получен- ципы проведения структурного анализа
ные данные должны быть обоснованы цифровых полей, генерируемых цифро-
и подтверждены, а также должны пройти выми площадками.
аналитическую обработку. Только после Современные эргатические систе-
проведения всех процедур данные ста- мы (эргасистемы) представляют собой
нут управленческой информацией, при- целенаправленные человеко-машинные
годной для принятия управленческих ре- иерархические системы управления
шений. В работе [1] показана важность сложными динамическими объектами
430 ЭКОНОМИЧЕСКИЕ НАУКИ

технических, технологических, эконо- В теории парных антагонистиче-

мических, экологических, организаци- ских игр рассматриваются ситуации,
онно-правовых и др. комплексов, в кото- в которых предполагается, что игрок I
рых в качестве подсистемы принятия ре- располагает m личными стратегиями
шения фигурирует человек-оператор [6]. A1 , A 2 , …, A m , а игрок II – n страте-
Цель исследования гиями B1 , B2 ,…, Bn , и в результате вы-
Работа направлена на совершенство- бора игроками любой пары стратегий
вание научно-методической базы теории Ai и B j однозначно определяется вы-
принятия обоснованных управленче-
ских решений. игрыш aij игрока I (положительный
или отрицательный) и соответствую-
Материал и методы исследования
В любой системе управления про- щий проигрыш - aij игрока II. Матрица
исходит взаимодействие участников
в стремлении добиться лучшего исхода, P= ( aij ) ,i =
1, 2, …, m, j =
1, 2, …, n назы-
причем интересы участников-игроков вается платежной матрицей, или матри-
могут быть различны. Антагонизм ин- цей игры.
тересов порождает конфликт, а совпаде- Стратегия игры, т.е. совокупность
ние интересов приводит к кооперации. правил, определяющих выбор действия
В реальных конфликтных ситуациях игроков, называется оптимальной, если
(коммерческих, социальных, военных, один из игроков получает максимальный
политических, психологических и пр.) выигрыш, когда второй игрок придержи-
интересы игроков редко бывают строго вается свой стратегии, гарантирующей
антагонистическими или точно совпада- ему минимальный проигрыш. При этом
ющими, и в пределах ограничений игро- подразумевается логичность действий
ки готовы идти на уступки, если сдел- двух игроков, каждый из которых хочет
ка выгодна им обоим. Делая большие получить для себя максимум выгоды
уступки по менее значимым аспектам и действует разумно в своих интересах
для игрока, но более значимым для оп- вопреки интересам соперника.
понента, игрок может получить больше Решение такой игры легко может
по другим позициям, более выгодных для быть найдено с помощью максимина
него. На выработку оптимальных правил и минимакса в области чистых страте-
поведения в конфликтах нацелена тео- гий (при наличии седловой точки) или
рия игр. Для каждой формализованной методами линейного программирова-
игровой модели вводятся правила, опре- ния (при отсутствии седловой точки)
деляющие варианты действий игроков
(ходы, стратегии), объем информации в области смешанных стратегий S A
каждого игрока о поведении противника,
размер выигрыша, к которому приводит и S B , т.е применения игроком I чи-
каждая совокупность действий. Игры
классифицируются по количеству игро- стых стратегий A1 , A2 ,…, Am с вероятно-
ков (парные или множественные), коли- m
честву стратегий игры (конечные или
бесконечные), взаимоотношениям сто-
стями p1 , p2 ,…, pm , ∑p
i =1
i = 1 , а игроком II
рон (бескоалиционные, коалиционные, –чистых стратегий B1 , B2 ,…, Bn с вероят-
кооперативные), характеру выигрышей n
(игры с нулевой или ненулевой суммой),
виду функции выигрыша (матричные,
ностями q1 , q2 ,…, qm , ∑q j =1
j = 1.
биматричные, непрерывные, выпуклые, *

сепарабельные и т.д.), количеству ходов Смешанные стратегии S A и S B* счи-
(одношаговые и многошаговые), инфор- таются оптимальными, если ни одному
мированности сторон (игры с полной игроку не выгодно отклоняться от сво-
и неполной информацией), степени не- ей оптимальной стратегии, когда другой
полноты информации (стратегические игрок придерживается своей оптималь-
и статистические). ной стратегии.
ЭКОНОМИЧЕСКИЕ НАУКИ 431

Справедлива теорема Неймана: каж- незлонамеренно, случайным образом

дая конечная игра имеет хотя бы одно выбирая ходы. Игроку II (природа) не ва-
оптимальное решение, возможно, в об- жен результат, либо он не способен к ос-
ласти смешанных стратегий. мысленным решениям. Или, возможно,
Однако такие ситуации на практике условия не зависят от действий игрока,
редко в полной мере соответствуют дей- а определяются внешними факторами:
ствительности, поскольку реализация изменениями на рынке, которые не наце-
модели предполагает многократность лены вредить одному конкретному игро-
повторения действий, предпринимаемых ку, государственной политикой, погод-
в аналогичных условиях. В реальности ными факторами. Решение «игр с при-
неизменные ситуации встречаются ред- родой» сводится к формализации стра-
ко. Например, экономическая ситуация тегий участников игры, выбору оценоч-
часто является уникальной, и решение ного критерия, составлению и анализу
в условиях неопределенности должно платежной матрицы.
приниматься однократно. Точность проведения оценки рисков
В условиях конкурентной борьбы, всегда ограничена полнотой информа-
отсутствия стабильности военной, эко- ции о состоянии внешней среды и степе-
номической или политической ситуа- нью информированности лица, прини-
ции невозможно точно рассчитать или мающего решение. Различают два вида
предугадать действия всех участников задач в играх с природой:
конфликта. Априорная информация Задача о принятии решений в усло-
часто отсутствует или она ненадёжна. виях риска, когда известны вероятности,
Поэтому управленческие решения при- с которыми природа принимает каждое
ходится принимать с учетом неопре- из возможных состояний;
деленных факторов, подвергая риску Задачи о принятии решений в усло-
исход выбранного решения (в [8] пред- виях неопределенности, когда нет воз-
ложен подход к решению семейства можности получить информацию о веро-
экономических задач с учетом вариа- ятностях появления состояний природы.
ции и информационной неопределён- Факторы, определяющие состояние
ности коэффициентов целевой функции «природы», зачастую представляют со-
и имеющихся ограничений, в работе [9] бой либо случайные величины, либо слу-
проведен содержательный анализ совре- чайные функции, могут быть описаны
менных проектных моделей, включая ве- какими-либо стохастическими характе-
роятностную сетевую модель). Следова- ристиками, например, математическим
тельно, от того, насколько эффективно ожиданием и дисперсией, и обладают
организован процесс управления риском статистической устойчивостью. Лицо,
([7]), зависит в целом и эффективность принимающее решение, ориентируется
деятельности любого игрока. на наиболее вероятные результаты, од-
Обоснование выбора решения в ус- нако не исключен риск возникновения
ловиях неопределенности осуществля- не той ситуации, на которую рассчиты-
ется в рамках статистических игр. В ис- вали, тогда мерой риска можно считать
следовании операций объективные ус- среднее квадратическое отклонение.
ловия окружающей среды, в которых Платежная матрица представляет со-
предстоит принять и реализовать управ- бой таблицу, в которой строками явля-
ленческое решение, принято называть
«природой», а соответствующую ситуа- ются возможные стратегии A1 , A2 ,…, Am
цию – «игрой с природой». Игроком I яв- игрока I, столбцами – возможные со-
ляется игрок, осознанно принимающий стояния , или стратегии
решение, действующий осмотрительно «природы», а значениями, лежащими
и использующий стратегию, позволяю- на пересечении строк и столбцов, –зна-
щую получить оптимальный результат чения выигрыша aij , получаемого игро-
(наибольший выигрыш или наименьший ком I при выборе стратегии Ai для каж-
проигрыш), а игроком II является «при- дого состояния природы Пj. Отметим,
рода», т.е. незаинтересованная внешняя что редукция матрицы, т.е понижение
среда, насыщенная рисками, не имею- её порядка с помощью вычеркивания
щая конкретной цели и действующая заведомо невыгодных стратегий в игре

с природой имеет определенную спец- При этом, конечно, оптимиза-

ифику: исключать из рассмотрения ция в среднем не исключает фактора
можно лишь доминируемые стратегии случайности.
«Безнадежной» называют неопре-
j 1, 2,…, n вы-
игрока I: если для всех = деленность, связанную с отсутствием
информации о вероятностях состояний
полняется неравенство akj ≤ alj , k, l = 1, природы.
..., т, то k-ю стратегию принимающего Для выбора оптимального реше-
решения игрока I можно не рассматри- ния игрока в условиях неопределен-
вать и вычеркнуть из матрицы игры. ности действий «природы» применя-
Столбцы, отвечающие стратегиям при- ются критерии, обеспечивающие не-
роды, вычеркивать из матрицы игры (ис- кий гарантированный выигрыш (или
ключать из рассмотрения) недопустимо, минимальный проигрыш) независимо
поскольку природа не стремится к вы- от состояний «природы»: максимак-
игрышу в «игре» с человеком, для нее са, Лапласа, Байеса-Лапласа, Вальда,
нет целенаправленно выигрышных или Гурвица, Сэвиджа и другие. Эти кри-
проигрышных стратегий. терии отличаются по степени консер-
Вероятности появления различных ватизма, который проявляет игрок,
состояний природы считаем известными принимающий решение, перед ли-
n цом неопределенности.
и равными p1 , p2 ,…, pn , ∑p
j =1
j = 1.
Пример
В этом случае можно найти величину Планируется закупка товара для ре-
математического ожидания выигрыша ализации, возможные объемы закупки
при каждой стратегии Ai : 200, 300 и 400 единиц. В зависимости
n от величины спроса известны варианты
M i = ∑ p j aij . доходов от реализации . Нераспродан-
j =1 ный товар может испортиться и при-
Оптимальной будет та стратегия, для нести убытки. Превышение спроса над
которой эта величина максимальна: предложением – упущенная выгода.
Требуется определить наиболее целесо-
M * = max M j . образный объем оптовой закупки.
j
Наиболее трудоемким этапом являет- Платежная матрица задана в виде
ся составление платежной матрицы, ибо (табл. 1).
ошибки в ней требуют серьезного ана- Стратегии игрока – выбор объема
лиза и не могут быть компенсированы закупок. Стратегии природы – величи-
вычислительными методами. на спроса.
Таблица 1
Платежная матрица
Возможные состояния природы
Стратегии
игрока ∏1 = 100 ∏ 2 = 200 ∏3 = 300 ∏ 4 = 400
A1 = 200 130 350 350 350 130
A2 = 300 60 410 520 520 60
A3 = 400 -140 290 560 670 -140
β j = max aij 130 410 560 670

i

Таблица 2
Матрица рисков
rij ∏1 = 100 ∏ 2 = 200 ∏3 = 300 ∏ 4 = 400 max rij S

j
A1 = 200 0 60 210 320 320
A2 = 300 70 0 40 150 150
A3 = 400 270 120 0 0 270 150
Критерий Вальда (Уолда)–макси- ческим. Выбор стратегии на основании

минный, или критерий наибольшего га- критерия Вальда определяется осторож-
рантированного результата. С позиций ным отношением игрока к риску.
данного критерия природа рассматрива- Критерий Сэвиджа (минимаксный,
ется как агрессивно настроенный и со- или критерий крайнего пессимизма).
знательно действующий противник, т.е. Суть его заключается в выборе страте-
такой же, как соперники в стратегиче- гии, не допускающей слишком высоких
ских играх. Выбирается решение, для потерь. Для этого составляется матрица
которого достигается значение рисков (матрица сожалений, матрица
W = max min aij упущенных возможностей).
1≤i ≤ m 1≤ j ≤ n Риском ij игрока I, применяюще-
Для платежной матрицы данного
примера (табл.1) нетрудно рассчитать: го стратегию Ai при стратегии ∏ j при-
• для первой стратегии (i = 1) роды, называется число r= ij β j − aij ,

где β j = max aij –максимальный элемент
=α1 min
= a1 j 130 ; 1≤ j ≤ n
j
в j-м столбце платежной матрицы. Таким
• для второй стратегии (i=2)
образом, риск rij указывает ту сумму,
=α 2 min
= a2 j 60 ; которую игрок не доберет до максималь-
j
но возможной в случае, если природа
• для третьей стратегии (i=3)
окажется в состоянии ∏ j . Величина
α 3 = min a3 j = −140 . риска – это размер платы за отсутствие
j
информации о состоянии среды.
Тогда W max
= = min aij 130 , что соот- В нашем примере матрица рисков
1≤i ≤ m 1≤ j ≤ n выглядит так (табл. 2).
ветствует первой стратегии A1 игрока 1. Согласно критерию Сэвиджа выби-
В соответствии с критерием Вальда рается такая стратегия, при которой ве-
из всех самых неудачных результатов личина риска принимает минимальное
выбирается лучший (W = 130). Это пере- значение в самой неблагоприятной ситу-
страховочная позиция крайнего песси- ации S = min max rij . Сущность критерия
мизма, рассчитанная на то, что природа i j
пойдет по наихудшему для игрока пути. Сэвиджа – избежать большого риска.

Такая стратегия приемлема, например, Это – самая осторожная позиция.
когда игрок не столь заинтересован Из таблицы (см. табл. 2) видим, что
в крупной удаче, но хочет себя застрахо- в соответствии с этим критерием следу-
вать от неожиданных проигрышей и вы-
бирает вариант с максимальной прибы- ет руководствоваться стратегией A3 .
лью при самом плохом исходе, поэтому Для того чтобы чистая стратегия
данный критерий считается пессимисти- была безрисковой, т.е. чтобы её пока-

затель неэффективности по критерию приятной и неблагоприятной ситуации

Сэвиджа был нулевым, необходимо равны, то следует принять χ = 0,5.
и достаточно, чтобы она доминировала Например, при χ = 0, 7 мнение лица,
каждую из остальных чистых стратегий. принимающего решение, ближе к пес-
Применение минимаксного критерия симистической оценке, тогда для каж-
бывает оправдано, если ситуация, в ко- дой стратегии игрока получим значения:
торой принимается решение, характери-
зуется тем, что о вероятности появления G1 = 0, 7 ⋅130 + (1 − 0, 7 ) ⋅ 350 = 196;
состояний природы Пj ничего не извест-
но, приходится считаться с появлением G2 = 0, 7 ⋅ 60 + (1 − 0, 7 ) ⋅ 520 = 198;
различных состояний Пj, решение реа-
лизуется только один раз и при этом не- G=
3 0, 7 ⋅ ( −140 ) + (1 − 0, 7 ) ⋅ 670= 103.
обходимо исключить какой-либо риск.
Критерий Гурвица (критерий песси- При столь невысоком уровне опти-
мизма-оптимизма). Этот критерий при мизма наиболее целесообразным явля-
выборе решения рекомендует руковод- ется выбор осторожной стратегии A2
ствоваться некоторым средним результа- , т.е закупка партии товара объемом
том, характеризующим состояние между 300 единиц, хотя ожидаемый при вы-
крайним пессимизмом и безудержным боре стратегии A1 результат отличался
оптимизмом. В соответствии с этим бы несущественно.
компромиссным критерием для каждого При χ = 0, 2 получаем
решения определяется линейная комби-
нация минимального и максимального G1 = 0, 2 ⋅130 + (1 − 0, 2 ) ⋅ 350 = 306;
выигрыша:
Gi = χ ⋅ min aij + (1 − χ ) ⋅ max aij G2 = 0, 2 ⋅ 60 + (1 − 0, 2 ) ⋅ 520 = 428;
j j
и затем выбирается та стратегия G=

3 0, 2 ⋅ ( −140 ) + (1 − 0, 2 ) ⋅ 670= 508 .
Ai , для которой эта величина окажет-
ся наибольшей: Таким образом, при более высоком
уровне оптимизма, т.е в надежде на вы-
=G max
= Gi сокий спрос, предпочтительной являет-
i
ся стратегия A3 , что соответствует за-
= max  χ ⋅ min aij + (1 − χ ) ⋅ max aij  . купке партии товара наибольшего объ-
i  j j  ема 400 единиц.
Уже упомянутый критерий макси-
Коэффициент χ –это характери- мального оптимизма (максимакс, кри-
стика уровня пессимизма-оптимизма терий «азартного игрока», надежда
(«коэффициент доверия», хотя логич- на лучшее или «ва-банк»)–это наиболее
нее было бы «недоверия»). Его значе- простой критерий, основывающийся
ния находятся в промежутке 0 ≤ χ ≤ 1 на идее, что лицо, принимающее ре-
, причем при χ = 1 получается песси- шение, рассчитывает, что произойдет
мистический критерий Вальда, а при наиболее выгодное для него развитие
χ = 0 – критерий крайнего оптимиз- ситуации. Возможно, у него имеются не-
ма, в расчете на лучшее из лучшего, которые рычаги управления ситуацией,
или стратегия «ва-банк» (максимаксная). т.е. «природа» не является полностью
Этот коэффициент можно интерпрети- независимой. В соответствии с крите-
ровать как предполагаемая вероятность, рием принимается альтернатива, соот-
с которой произойдет наихудший для ветствующая максимальному элементу
игрока исход. Исходя из этого, наилуч- матрицы выигрышей. Для приведенного
ший вариант можно ожидать с вероят- примера эта величина a34 = 670 , поэто-
ностью (1 − χ ) . Коэффициент доверия му выбираем стратегию A3 .
χ показывает, насколько игрок может Критерий Байеса—Лапласа. Здесь
управлять ситуацией и в той или иной мы отступаем от условий полной нео-
степени рассчитывает на благоприятный пределенности и находимся в ситуации
для него исход. Если вероятности благо- принятия решения в условиях риска.

Обозначим через pj – вероятность Очевидно, что максимальную при-

появления внешнего состояния Пj. Эти быль мы получим от варианта A2 . Од-
данные могут быть получены, например, нако, если бы экспертная оценка опре-
на основании статистических исследо- делила вероятности состояний природы
ваний. Дополним платежную матрицу как 0,2; 0,1; 0,4 и 0,3 соответственно,
еще одним столбцом, содержащим мате- то получили бы
матическое ожидание значений каждой B1 = 0, 2 ⋅130 + 0,1 ⋅ 350 +
n
из строк M i = ∑ p j aij . Выбираются 0, 4 ⋅ 350 + 0,3 ⋅ 350 =
306;
j =1
те варианты, в строках которых стоит B2 = 0, 2 ⋅ 60 + 0,1 ⋅ 410 +
наибольшее значение M = max M i 0, 4 ⋅ 520 + 0,3 ⋅ 520 =
417;
этого столбца. i
Применение этого критерия обосно- B=

3 0, 2 ⋅ ( −140 ) + 0,1 ⋅ 290 +
вано, если вероятности появления состо-
яния Пj известны и не зависят от време- 0, 4 ⋅ 560 + 0,3 ⋅ 670 =
426,
ни, решение реализуется много раз и для и тогда применяли бы A3 .
малого числа реализаций решения допу- Критерий Байеса относительно ри-
скается некоторый риск. сков позволяет выбрать минимальное
При достаточно большом количестве значение из средних рисков при извест-
реализаций среднее значение постепен- ной вероятности возможных состоя-
но стабилизируется, а если число реали- ний природы:
заций стремится к бесконечности, то ка-
кой-либо риск практически исключен.  n 
B r = min  ∑ p j ⋅ rij  .
Поэтому критерий Байеса-Лапласа i
более оптимистичен, чем минимаксный  j =1 
критерий Сэвиджа, однако он предпо- Критерии Байеса относительно вы-
лагает большую информированность игрышей и относительно рисков эквива-
и достаточно многочисленные реали- лентны, то есть по обоим критериям оп-
зации. Если каждый вариант развития тимальной будет одна и та же стратегия.
ситуации (состояния «природы») равно- Можно применить также критерий
вероятен, то этот частный случай но- минимизации среднего квадратическо-
сит название критерия Лапласа. Такое го отклонения.
бывает в ситуации, когда отсутствует В рассмотренном примере вычис-
возможность определить вероятности лим средние квадратические отклоне-
появления тех или иных состояний при- ния выигрышей:
роды и приходится оценивать их субъек- σ 12 = 0, 2 ⋅1302 + 0,1⋅ 3502 +
тивно, не отдавая предпочтение ни одно-
му из них. Критерий Лапласа называют 0, 4 ⋅ 3502 + 0,3 ⋅ 3502 − 3062 =
поэтому «принципом недостаточно- = 7744;
го основания».
В нашем примере мы положим вероят- σ 22 = 0, 2 ⋅ 602 + 0,1⋅ 4102 + 0, 4 ⋅ 5202 +
ность наступления каждого из состояний +0,3 ⋅ 5202 − 417 2 = 32921;
1
природы равной, p= 1 p=
2 p=
3 p=
4 σ 3=
2
0, 2 ⋅ ( −140 ) + 0,1 ⋅ 2902 +
2
и получим 4
+0, 4 ⋅ 5602 + 0,3 ⋅ 6702 − 4262 =
1
L1 = ⋅ (130 + 350 + 350 + 350 ) =295; = 90964;
4
=σ 1 88
= ; σ 2 181, 44
= ;σ 3 301, 60 .
1
L2 = ⋅ ( 60 + 410 + 520 + 520 ) =377,5; Следовательно, если по критерию
4
Байеса предпочтения игрока ранжиру-
1
L3 = ⋅ ( −140 + 290 + 560 + 670 ) = 345 . ются так: A3  A2  A1 , то по критерию
4 минимизации среднего квадратическо-

го отклонения получаем A1  A2  A3 . где Bi ( p ) − показатель эффективно-

В этом случае может быть рекомендова-
но использование меры риска –коэффи- сти стратегии Ai по критерию Байеса
циента вариации относительно выигрышей с вектором
σi = p ( p1 , p2 , …, pn ) распределения веро-
CV=i CV ( Ai=
) ⋅100% ятностей состояний природы, вычисля-
Bi . n
Этот коэффициент отражает риск, ко- емый по формуле i ( ) ∑ p j aij ,
B p =
торый приходится на единицу выигрыша j =1
и дает основу для сравнения стратегий, а Wi – показатель эффективности стра-
когда предпочтения по среднему риску
и среднему выигрышу неодинаковы. тегии Ai по критерию Вальда, который
88 определяется по формуле:
CV1 = ⋅100% =28, 76%;
306 Wi = min aij .
j
181, 44 Очевидно, что при любом показателе

CV2 = ⋅100% = 43,51%;
417
λ ∈ [ 0;1] доверия игрока распределению
301, 60
CV3 = ⋅100% = 70,80%; =
вероятностей p ( p1 , p2 , …, pn ) состоя-
426
ний природы для показателя эффектив-
И по этому критерию предпочтения
ранжируются так: ности стратегии Ai по критерию Ходжа-
A1  A2  A3 . Лемана выполняются неравенства
Коэффициент вариации – относи- HLi ≥ Wi и HLi ≤ Bi .
тельная величина. Поэтому на его раз- Ценой игры в чистых стратегиях
мер не оказывают влияния абсолют- по критерию Ходжа-Лемана является
ные значения изучаемого показателя. максимальное значение среди показате-
С помощью коэффициента вариации лей эффективности по чистым стратеги-
можно сравнивать даже колеблемость ям Ai :
признаков, выраженных в разных еди-
ницах измерения. Коэффициент вари- =HL max
= HLi
ации может изменяться от 0 до 100 %. i
Чем больше коэффициент, тем сильнее max λ ⋅ Bi ( p ) + (1 − λ ) ⋅ Wi  .
колеблемость. i
Критерий Ходжа-Лемана опирается
одновременно на критерий Вальда и кри- Критерий Ходжа-Лемана применя-
терий Байеса-Лапласа. При определении ется, если имеется информация о веро-
оптимальной стратегии по этому крите- ятностях состояний окружающей среды,
рию вводится параметр λ – параметр однако эта информация получена на ос-
достоверности информации о распреде- нове относительно небольшого числа
лении вероятностей состояний окружа- наблюдений и может измениться; при-
нятое решение теоретически допуска-
ющей среды = p ( p1 , p2 , …, pn ) , значе- ет бесконечно много реализаций, а при
ние которого находится в интервале [0, малом числе реализаций допускается
1]. Если степень достоверности велика, некоторый риск.
то доминирует критерий максимального При решении задач платежная ма-
математического ожидания выигрыша, трица дополняется столбцом, состав-
в противном случае – критерий Вальда. ленным из средних взвешенных с весом
λ = const математических ожиданий
Для каждой стратегии игрока < Ai по- и наименьшего результата каждой стро-
казателем эффективности является ки. Отбираются те варианты решений,
в строках которого стоит набольшее зна-
HLi = λ ⋅ Bi ( p ) + (1 − λ ) ⋅ Wi , чение этого столбца:

 n  рианты, в строках которых находятся

= HL max λ ∑ p j aij + (1 − λ ) min aij  наибольшие значения этого столбца.
i j
 j =1 
где λ – параметр достоверности  n 
Ï = max  ∏aij  .
информации о вероятностях состояний i
 j =1 
окружающей среды.
Критерий Ходжа-Лемана может быть Этот критерий применим при малом
применен относительно рисков, но тогда числе реализаций решения, когда неко-
он опирается одновременно на критерий торый риск допускается.
Байеса и критерий Сэвиджа. Критерий произведений приспосо-
Показателем HLri неэффективно- блен в первую очередь для случаев, ког-
да все aij положительны. Если усло-
сти чистой стратегии A i по критерию вие положительности не выполняется,
Ходжа-Лемана относительно рисков
является: то следует выполнять cмещение aij + a ,
HLri = λ ⋅ Bir ( p ) + (1 − λ ) ⋅ Si , где a > min {aij } − некоторая константа.
где Bir ( p ) – показатель неэффектив- Обычно берут a = 1 + min {aij } . Резуль-

ности стратегии Аi по критерию Бай- тат, разумеется, зависит от a , и в отве-
еса относительно рисков с вектором те необходимо сделать компенсирую-
=p ( p1 , p 2 , …, p n ) распределения веро- щую поправку.
Существуют и другие комбиниро-
ятностей состояний природы, который ванные критерии принятия решений
n в состоянии неопределенности. Лицу,
определяется по формуле: Bir ( p ) = ∑pi rij , принимающему решение в состоянии
j=1 неопределенности, приходится решать
Si – показатель неэффективности стра- задачу как минимум с двумя критериями
тегии A i по критерию Сэвиджа с векто- «риск-доходность», и найти идеальный
вариант «минимальный риск и макси-
=
ром p ( p1 , p 2 , …, p n ) распределения мальный доход» удается редко. Поэтому
вероятностей состояний природы, кото- для решения оптимизационной задачи
рый определяется по формуле: возможны такие комбинации условий:
«Максимум выигрыша». Выбирается
Si = max rij . вариант, дающий максимальный доход при
j
Тогда ценой игры в чистых страте- условии, что величина риска не превосхо-
гиях по критерию Ходжа-Лемана отно- дит некоторого допустимого значения.
сительно рисков является минимальное «Оптимальная вероятность». Из воз-
значение среди показателей неэффектив- можных решений выбирается то, при
котором максимально математическое
ности чистой стратегии A i по критерию ожидание результата.
Ходжа-Лемана относительно рисков: «Минимум риска». Игрок собирается
получить выигрыш не ниже ожидаемого
HLr min
= = HLri при минимальном риске.
i
Выбор одного из рассмотренных
min λ ⋅ Bir ( p ) + (1 − λ ) ⋅ Si  . выше критериев определяется наличи-
i ем или отсутствием дополнительной
Критерии оптимальности чи- информации о состоянии окружающей
стых стратегий по критерию среды и необходимом количестве реали-
Ходжа-Лемана относительно вы- зации решений.
игрышей и относительно рисков В рассмотренном примере для игро-
не эквивалентны. ка I лучшими оказались стратегии:
Критерий произведений. Платежная
матрица дополняется новым столбцом, По критерию Вальда – A1 ;
содержащим произведения всех резуль-
татов каждой строки. Выбираются те ва- По критерию Сэвиджа – A3 ;

По критерию Гурвица (при χ = 0, 7 ) – При этом стоимость информации не за-

висит от того, какой сценарий будущего
A2 ; она предскажет. Однако владение такой
По критерию Гурвица (при χ = 0, 2 ) – информацией позволяет получить мак-
A3 ; симум того, что можно извлечь из дан-
ного сценария. Ожидаемая ценность
По критерию максимакса – A3 ; решения, т.е. разности между доходом
с учетом оценок вероятностей и дохо-
По критерию Лапласа – A2 ; дом в условиях полной неопределенно-
сти и есть верхняя граница (предельная
По критерию Байеса – A3 . цена) справедливой стоимости совер-
Обратим внимание, что чаще все- шенной информации.
го в качестве оптимальной фигуриру- Помимо детерминированных и сто-
ет стратегия A3 , поэтому к практическо- хастических задач возникают ситуации,
му применению можно рекомендовать где необходимо оценивать ситуацию
именно эту стратегию, при этом степень и принимать решение в условиях не-
её надежности можно считать достаточ- точной информации или при наличии
но высокой. нечетких целей и ограничений (см. [3]).
Итак, усредняющим приемом для В нечетко определенной обстанов-
выбора наиболее эффективного вари- ке постановка задачи меняется. Пусть X
анта стратегии является такой: ко всем и Y–множества элементов, которые могут
возможным вариантам развития при- быть выбраны первым и вторым игроком
меняются все критерии оптимальности соответственно. Допустимые стратегии
одновременно, каждый из критериев игроков описываются нечеткими множе-
позволяет отобрать только один вари-
ант, оптимальным же будет являться тот ствами C1 и C2 в X и Y с функциями при-
из них, на который указало большин-
ство критериев. надлежности µC1 и µC2 . Пусть функция
Постоянное применение в управ-
ленческих решениях пессимистических f1 ( x, y ) : X × Y → R задает оценку 1-м
критериев не способствует продвиже-
нию бизнеса, а напротив, приводит к его игроком ситуации ( x, y ) без учета до-
краху (в случае максимина – из-за неже- пустимости выборов x и y , функция
лания брать на себя какой-нибудь риск f 2 ( x, y ) : X × Y → R –аналогичная
потерь и настроя на худший расклад, оценка 2-м игроком. Цели игроков опи-
в случае минимакса – из-за перестрахов-
ки и неоправданного стремления к мак- сываются нечеткими множествами G1
симальным гарантиям). В этом слож- и G2 в R с функциями принадлежности
ность принятия решения в условиях
полной неопределенности, поэтому для µG : R → [ 0;1] и µG : R → [ 0;1] . При этом
рационального принятия решений необ-
1 2
ходимо хотя бы приблизительно оценить поставленная игроком цель может быть

вероятности различных сценариев раз- плохо совместимой или несовместимой
вития ситуации. с множеством его стратегий, т.е. с его
Информация называется совершен- возможностями. Целью игроков явля-
ной, если вероятность ее ошибки равна ется µ * ( x, y ) == µG ( fi ( x, y ) ) , i = 1, 2 –
Gi
0. Допустим, в случае данной компании 1
имеется возможность точно использо- нечеткое множество в X × Y , образом

вать новейшую методику исследования которого является заданное нечеткое
cпроса, которая дает абсолютно досто- множество цели -го игрока.
верный результат. Разумеется, для полу- Если первому игроку известен вы-
чения экспертных оценок придется по-
нести расходы, объем которых не дол- бор y* второго игрока, то его зада-
жен превосходить справедливой стои-
ча–достичь нечеткую цель µGi* ( x, y ) ,
*
мости совершенной информации, иначе
затраты окажутся неоправданными. имея множество допустимых стратегий

µC ( x ) , решением этой задачи является Более сложные (позиционные или

1
многоэтапные) решения в условиях ри-
пересечение нечетких множеств цели ска требуют анализа последовательно-
и ограничений, т.е. нечеткое множество сти решений и состояний среды, когда
одна совокупность стратегий игрока
D1 с функцией принадлежности и природы порождает другое состояние.
Если появляется цепочка решений, сле-
µ D (=
1
x, y * ) µC ( x ) ∧ µG ( x, y * ) .
1
*
дующих одно из другого, которые соот-
1
ветствуют происходящим с некоторой
Для произвольного y получим нечет- вероятностью событиям, то использу-
ется дерево решений, т.е графическое
кое множество D1 с µ D1 ( x, y ) как пара- изображение последовательности ре-
метрическое семейство решений задач шений и состояний природы с указа-
достижения нечетких целей, аналогично нием соответствующих вероятностей
D2 для второго игрока. и выигрышей для всевозможных ком-
Если первый игрок придерживает- бинаций состояний.
ся стратегии наибольшего гарантиро- Рассмотрим пример. Руководитель
ванного выигрыша, т.е. ориентируется компании планирует принять на рабо-
на наихудшее для него поведение вто- ту IT– специалиста. Предшествующий
рого игрока, и если после хода первого опыт делит IT– специалистов на три ка-
игрока второму становится известной тегории: отличных, хороших и посред-
его стратегия, то наибольший гаран- ственных. Анализ учебных заведений
тированный выигрыш первого игрока по подготовке IT– специалистов даёт
равен статистику выпускников заведений:
вероятность взять на работу отлично-
H1 = max min µ D1 ( x, y ) . го IT– специалиста – 0,2, хорошего –
x∈ X y∈Y ( x )
0,5, посредственного – 0,3. Руководи-
Отметим, что множество Y ( x ) за- тель компании может испытать только
висит от x , отражает степень информи- трёх претендентов, причём в случае
рованности и является множеством всех отказа руководителя кандидат уходит
возможных ответов y второго игрока на другую работу. Взяв на работу от-
на выбор x первого игрока. личного специалиста, руководитель
Относительно величины H1 целе- доволен на 100%, среднего – на 60%,
сообразно задать некоторую нижнюю посредственного – на 20%. Постро-
планку α , характеризующую степень им дерево решений (рис.1) и опреде-
достижения цели. Если, к примеру, лим математическое ожидание уров-
величина H1 очень мала, то это озна- ня удовлетворения.
чает, что первый игрок поставил за- Если собеседование проходили три
вышенные цели, не сообразующимися кандидата, то математическое ожида-
с его возможностями, и ему следует ние степени довольства
пересмотреть нечеткое множество сво-
их стратегий, чтобы получить H1 ≥ α . a1 = 0, 2 ⋅100 + 0,5 ⋅ 50 + 0,3 ⋅ 20 = 51%.
Для различных значений α рассмотрим
множества a2 = 0, 2 ⋅100 + 0,5 ⋅ 51 + 0,3 ⋅ 20 = 51,5%.
{x min µ }.
Во втором испытании, если попался
=Xα
y∈Y ( x ) G1*
( x, y ) ≥ α хороший кандидат, надо остановиться.
После первого собеседования надо оста-
Гарантированным достижение цели новиться только в том случае, если по-
со степенью H1 ≥ α будет при условии пался отличный специалист, а в третьем
испытании приходится брать любого.
µG ( x ) ≥ α при некоторой стратегии
1 Найдём средний оптимальный выигрыш
x ∈ X α . Если же множество X α пусто, после всех испытаний:
то какими бы стратегиями не распола-
гал первый игрок, он не может гаран- aOΠT = 0, 2 ⋅100 + 0,3 ⋅ 51 +
тировать достижения цели со степенью 0,5 ⋅ 51,5 =
61, 05%.
не ниже α .

Рис. 1. Дерево решений
В условиях полной неопределен- например, с 167-м или 512-м? Очевидно,

ности аналогом является известная принцесса должна остановить свой вы-
в теории вероятностей задача о раз- бор на том женихе, который, как её из-
борчивой невесте. Условие задачи сле- вестно, лучше остальных.
дующее: в некотором царстве принцес- Решение задачи довольно объемно
са выбирает жениха из предложенных и дает такой вывод: принцесса должна
на выбор n женихов. При этом есть сначала пропустить n/e женихов, где
множество из n принцев – претендентов е – замечательное число Эйлера, равно
на руку принцессы. 2,718281828... Для случая с 1000 жени-
– Принцесса может общаться с пре- хов её нужно пропустить 368 претенден-
тендентами не более одного раза. тов, а потом сразу же выбрать первого
– Принцы приходят к невесте по од- из тех, кто окажется лучше всех преды-
ному в случайном порядке. дущих. Вероятность выбора лучшего
– Претенденты образуют упорядо- из женихов в таком случае тоже равна
ченное множество, т.е. если принц A 0,368.
лучше принца B, а принц B лучше прин- От полной неопределенности можно
ца C, то принц A лучше принца C. отойти, добавив дополнительные усло-
– О каждом из них принцессе из- вия. Например, градация претендентов
вестно, лучше или хуже он любого имеет количественную оценку, и, полу-
из предыдущих. чив второго по качеству жениха, прин-
– С каждым претендентом невеста цесса будет счастлива в три раза больше,
может поступить одним из двух спо- чем получив десятого. Здесь уже будет
собов: согласиться на его предложение оцениваться не вероятность, а мате-
руки и сердца (тогда выбор заканчива- матическое ожидание выигрыша, как
ется) или отказать ему (тогда он больше в рассмотренной выше задаче о подборе
не вернется, поэтому уже никогда нельзя персонала.
будет принять его предложение).
Цель принцессы – выбрать самого Выводы
лучшего претендента. Если среди пре- Подводя итог, можно утверждать, что
тендентов принцесса никого не выберет, проблемно-ориентированные информа-
то проиграет и отправится в монастырь. ционные технологии анализа с приме-
Как максимизировать вероятность выбо- нением современных математических
ра самого лучшего жениха? методов и информационно-программ-
Пусть, к примеру, на выбор у прин- ных средств имеют важнейшее значение
цессы 1000 женихов. Если она отказала и обеспечивают научно обоснованную
999 женихам, то последнего она вынужде- информационную базу для принятия
на выбирать, иначе проиграет. Что делать, управленческих решений.

Библиографический список
1. Борисов Р.С. Эффективный алгоритм управления переработкой судебной статистической

информации // Правовая информатика. 2018. № 1. С. 15-22.
2. Ващекин А.Н. Моделирование и выбор рациональных стратегий коммерческой деятельности
предприятий оптовой торговли: монография. М.: изд-во ВЗФЭИ, 2004, 194 c.
3. Ващекин А.Н. Применение математических методов теории нечетких множеств при
моделировании принятия решений в экономической и правовой сфере // Экономика. Статистика.
Информатика. Вестник УМО. 2013. № 6. С. 18-21.
4. Ващекин А.Н., Ващекина И.В. Математическое обеспечение анализа цифровых площадок
в информационном пространстве // В сборнике: Трансформация национальной социально-
экономической системы России, тренд цифровые технологии: Материалы III Международной
научно-практической конференции. Москва, 2021. С. 196-201.
5. Ловцов Д.А., Богданова М.В., Паршинцева Л.С. Информационные технологии статистического
анализа маркетинговых исследований // Правовая информатика. 2018. № 1. С. 32-39.
6. Ловцов Д.А. Информационная теория эргасистем. М.: РГУП, 2021. 314 с.
7. Ловцов Д.А., Богданова М.В. Синтез системы поддержки принятия решений по урегулированию
оборота результатов интеллектуальной деятельности // Инновационные, информационные
и коммуникационные технологии. 2018. № 1. С. 95-100.
8. Царькова Е.В. Оптимизация «цифровой» экономики: анализ чувствительности
и информационной неопределенности // Правовая информатика. 2018. № 3. С. 16-24.
9. Царькова Е.В. Методы управления проектами в условиях информационной неопределенности //
Правовая информатика. 2019. № 4.С. 29-39.

УУ 6 2022 430 442

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

УУ 6 2022 430 442

Загружено:

Авторское право:

Доступные форматы

НАУЧНЫЙ ЖУРНАЛ "УПРАВЛЕНЧЕСКИЙ УЧЕТ" № 6 2022

Эффективность деятельности пред- проблемы поиска эффективных методов

430 ЭКОНОМИЧЕСКИЕ НАУКИ

технических, технологических, эконо- В теории парных антагонистиче-

биматричные, непрерывные, выпуклые, *

ЭКОНОМИЧЕСКИЕ НАУКИ 431

Справедлива теорема Неймана: каж- незлонамеренно, случайным образом

432 ЭКОНОМИЧЕСКИЕ НАУКИ

с природой имеет определенную спец- При этом, конечно, оптимиза-

A1 = 200 130 350 350 350 130

A2 = 300 60 410 520 520 60

A3 = 400 -140 290 560 670 -140

β j = max aij 130 410 560 670

ЭКОНОМИЧЕСКИЕ НАУКИ 433

rij ∏1 = 100 ∏ 2 = 200 ∏3 = 300 ∏ 4 = 400 max rij S

A1 = 200 0 60 210 320 320

A2 = 300 70 0 40 150 150

A3 = 400 270 120 0 0 270 150

Критерий Вальда (Уолда)–макси- ческим. Выбор стратегии на основании

• для первой стратегии (i = 1) роды, называется число r= ij β j − aij ,

пойдет по наихудшему для игрока пути. Сэвиджа – избежать большого риска.

434 ЭКОНОМИЧЕСКИЕ НАУКИ

затель неэффективности по критерию приятной и неблагоприятной ситуации

и затем выбирается та стратегия G=

ЭКОНОМИЧЕСКИЕ НАУКИ 435

Обозначим через pj – вероятность Очевидно, что максимальную при-

Применение этого критерия обосно- B=

436 ЭКОНОМИЧЕСКИЕ НАУКИ

го отклонения получаем A1  A2  A3 . где Bi ( p ) − показатель эффективно-

181, 44 Очевидно, что при любом показателе

ЭКОНОМИЧЕСКИЕ НАУКИ 437

 n  рианты, в строках которых находятся

где Bir ( p ) – показатель неэффектив- Обычно берут a = 1 + min {aij } . Резуль-

438 ЭКОНОМИЧЕСКИЕ НАУКИ

По критерию Гурвица (при χ = 0, 7 ) – При этом стоимость информации не за-

ходимо хотя бы приблизительно оценить поставленная игроком цель может быть

имеется возможность точно использо- нечеткое множество в X × Y , образом

ЭКОНОМИЧЕСКИЕ НАУКИ 439

µC ( x ) , решением этой задачи является Более сложные (позиционные или

440 ЭКОНОМИЧЕСКИЕ НАУКИ

Рис. 1. Дерево решений

В условиях полной неопределен- например, с 167-м или 512-м? Очевидно,

ЭКОНОМИЧЕСКИЕ НАУКИ 441

1. Борисов Р.С. Эффективный алгоритм управления переработкой судебной статистической

442 ЭКОНОМИЧЕСКИЕ НАУКИ

Вам также может понравиться