Будем предполагать, что лицу, принимающему решение не противостоит разумный противник.

Данные, необходимо для принятия решения в условии неопределенности, обычно задаются в форме матрицы, строки которой соответствуют возможным действиям, а столбцы – возможным состояниям системы.

Пусть, например, из некоторого материала требуется изготовить изделие, долговечность которого при допустимых затратах невозможно определить. Нагрузки считаются известными. Требуется решить, какие размеры должно иметь изделие из данного материала.

Варианты решения таковы:

Е₁ – выбор размеров из соображений максимальной долговечности ;

Е_m– выбор размеров из соображений минимальной долговечности ;

E_i – промежуточные решения.

Условия требующие рассмотрения таковы :

F₁ – условия, обеспечивающие максимальной долговечность;

F_n – условия, обеспечивающие min долговечность;

F_i – промежуточные условия.

Под результатом решения e_ij = е(E_i ; F_j ) здесь можно понимать оценку, соответствующую варианту E_i и условиям F_j и характеризующие прибыль, полезность или надёжность. Обычно мы будем называть такой результат полезностью решения.

Тогда семейство (матрица) решений имеет вид :

Чтобы прийти к однозначному и по возможности наивыгоднейшему варианту решению необходимо ввести оценочную (целевую) функцию. При этом матрица решений сводится к одному столбцу. Каждому варианту E_i приписывается, т.о., некоторый результат e_ir, характеризующий, в целом, все последствия этого решения. Такой результат мы будем в дальнейшем обозначать тем же символом e_ir.

Классические критерии принятия решений .

1. Минимаксный критерий .

Правило выбора решения в соответствии с минимаксным критерием (ММ-критерием) можно интерпретировать следующим образом:

матрица решений дополняется ещё одним столбцом из наименьших результатов e_ir каждой строки. Необходимо выбрать те варианты в строках которых стоят наибольшее значение e_ir этого столбца.

Выбранные т.о. варианты полностью исключают риск. Это означает, что принимающий решение не может столкнуться с худшим результатом, чем тот, на который он ориентируется. Это свойство позволяет считать ММ-критерий одним из фундаментальных.

Применение ММ-критерия бывает оправдано, если ситуация, в которой принимается решение следующая:

1^o. О возможности появления внешних состояний F_j ничего не известно;

2^o. Приходится считаться с появлением различных внешних состояний F_j;

3^o. Решение реализуется только один раз;

4^o. Необходимо исключить какой бы то ни было риск.

2. Критерий Байеса – Лапласа.

Обозначим через q_i – вероятность появления внешнего состояния F_j.

Соответствующее правило выбора можно интерпретировать следующим образом:

матрица решений дополняется ещё одним столбцом содержащим математическое ожидание значений каждой из строк. Выбираются те варианты, в строках которых стоит наибольшее значение e_ir этого столбца.

При этом предполагается, что ситуация, в которой принимается решение, характеризуется следующими обстоятельствами:

1^о. Вероятности появления состояния F_j известны и не зависят от времени.

2^о. Решение реализуется (теоретически) бесконечно много раз.

3^о. Для малого числа реализаций решения допускается некоторый риск.

При достаточно большом количестве реализаций среднее значение постепенно стабилизируется. Поэтому при полной (бесконечной) реализации какой-либо риск практически исключён.

Т.о. критерий Байеса-Лапласа (B-L-критерий) более оптимистичен, чем минимаксный критерий, однако он предполагает большую информированность и достаточно длительную реализацию.

3^о. Критерий Сэвиджа.

Величину a_ij можно трактовать как максимальный дополнительный выигрыш, который достигается, если в состоянии F_j вместо варианта E_i выбирать другой, оптимальный для этого внешнего состояния вариант. Величину a_ij можно интерпретировать и как потери (штрафы) возникающие в состоянии F_j при замене оптимального для него варианта на вариант E_i. В последнем случае e_ir представляет собой максимально возможные (по всем внешним состояниям F_j , j =) потери в случае выбора варианта E_i.

Соответствующее критерию Сэвиджа правило выбора теперь трактуется так:

1). Каждый элемент матрицы решений вычитается из наибольшего результата max e_ij соответствующего столбца.

2). Разности a_ij образуют матрицу остатков. Эта матрица пополняется столбцом наибольших разностей e_ir. Выбирают те варианты, в строках которых стоит наименьшее для этого столбца значение.

Требования, предъявляемые к ситуации, в которой принимается решение, совпадают с требованием к ММ-критерию.

4^о. Пример и выводы.

Из требований, предъявляемых к рассмотренным критериям становится ясно, что в следствии их жёстких исходных позиций они применимы только для идеализированных практических решений. В случае, когда возможна слишком сильная идеализация, можно применять одновременно поочерёдно различные критерии. После этого среди нескольких вариантов ЛПР волевым методом выбирает окончательное решение. Такой подход позволяет, во-первых, лучше проникнуть во все внутренние связи проблемы принятия решений и, во-вторых, ослабляет влияние субъективного фактора.

Пример. При работе ЭВМ необходимо периодически приостанавливать обработку информации и проверять ЭВМ на наличие в ней вирусов. Приостановка в обработке информации приводит к определённым экономическим издержкам. В случае же если вирус вовремя обнаружен не будет, возможна потеря и некоторой части информации, что приведёт и ещё к большим убыткам.

Варианты решения таковы:

Е₁– полная проверка;

Е₂– минимальная проверка;

Е₃– отказ от проверки.

ЭВМ может находиться в следующих состояниях:

F₁– вирус отсутствует;

F₂– вирус есть, но он не успел повредить информацию;

F₃– есть файлы, нуждающиеся в восстановлении.

Результаты, включающие затраты на поиск вируса и его ликвидацию, а также затраты, связанные с восстановлением информации имеют вид:

Таблица 1.

Согласно ММ-критерию следует проводить полную проверку. Критерий Байеса-Лапласа, в предположении, что все состояния машины равновероятны.

P(F_j) = q_j = 0.33,

рекомендуется отказаться от проверки. Матрица остатков для этого примера и их оценка (в тысячах) согласно критерию Сэвиджа имеет вид:

Пример специально подобран так, что каждый критерий предлагает новое решение. Неопределённость состояния, в котором проверка застаёт ЭВМ, превращается в неясность, какому критерию следовать.

Поскольку различные критерии связаны с различными условиями, в которых принимается решение, лучшее всего для сравнительной оценки рекомендации тех или иных критериев получить дополнительную информацию о самой ситуации. В частности, если принимаемое решение относится к сотням машин с одинаковыми параметрами, то рекомендуется применять критерий Байеса-Лапласа. Если же число машин не велико, лучше пользоваться критериями минимакса или Севиджа.

Производные критерии.

1^о. Критерий Гурвица.

Стараясь занять наиболее уравновешенную позицию, Гурвиц предположил оценочную функцию, которая находится где-то между точкой зрения крайнего оптимизма и крайнего пессимизма:

e_ir = {Ce_ij + (1- C) e_ij },

где С– весовой множитель.

Правило выбора согласно критерию Гурвица, формируется следующим образом:

матрица решений дополняется столбцом, содержащим среднее взвешенное наименьшего и наибольшего результатов для каждой строки. Выбираются только те варианты, в строках которых стоят наибольшие элементы e_ir этого столбца.

При С=1 критерий Гурвица превращается в ММ-критерий. При С = 0 он превращается в критерий “азартного игрока”

e_ir = e_ij ,

т.е. мы становимся на точку зрения азартного игрока, делающего ставку на то, что «выпадет» наивыгоднейший случай.

В технических приложениях сложно выбрать весовой множитель С, т.к. трудно найти количественную характеристику для тех долей оптимизма и пессимизма, которые присутствуют при принятии решения. Поэтому чаще всего С := ¹/₂.

Критерий Гурвица применяется в случае, когда :

о вероятностях появления состояния F_j ничего не известно;

с появлением состояния F_j необходимо считаться;

реализуется только малое количество решений;

допускается некоторый риск.

2^о. Критерий Ходжа–Лемана.

Этот критерий опирается одновременно на ММ-критерий и критерий Баеса-Лапласа. С помощью параметра n выражается степень доверия к используемому распределений вероятностей. Если доверие велико, то доминирует критерий Баеса-Лапласа, в противном случае – ММ-критерий, т.е. мы ищем

e_ir = {n + (1-n) e_ir}, 0 £ n £ 1.

Правило выбора, соответствующее критерию Ходжа-Лемана формируется следующим образом:

матрица решений дополняется столбцом, составленным из средних взвешенных (с весом n º const) математическое ожиданиями и наименьшего результата каждой строки (*). Отбираются те варианты решений в строках которого стоит набольшее значение этого столбца.

При n = 1 критерий Ходжа-Лемана переходит в критерий Байеса-Лапласа, а при n = 0 становится минимаксным.

Выбор n субъективен т. к. Степень достоверности какой-либо функции распределения – дело тёмное.

Для применения критерия Ходжа-Лемана желательно, чтобы ситуация в которой принимается решение, удовлетворяла свойствам:

вероятности появления состояния F_j неизвестны, но некоторые предположения о распределении вероятностей возможны;

принятое решение теоретически допускает бесконечно много реализаций;

при малых числах реализации допускается некоторый риск.

3^о. Критерий Гермейера.

Этот критерий ориентирован на величину потерь, т.е. на отрицательные значения всех e_ij. При этом

e_ir = e_ij q_j.

Т.к. в хозяйственных задачах преимущественно имеют дело с ценами и затратами, условие e_ij<0 обычно выполняется. В случае же, когда среди величин e_ij встречаются и положительные значения, можно перейти к строго отрицательным значениям с помощью преобразования e_ij - a при подходящем образом подобранном a > 0. При этом оптимальный вариант решения зависит от а.

Правило выбора согласно критерию Гермейера формулируется следующим образом :

матрица решений дополняется ещё одним столбцом содержащим в каждой строке наименьшее произведение имеющегося в ней результата на вероятность соответствующего состояния F_j. Выбираются те варианты в строках которых находится наибольшее значение e_ij этого столбца.

В каком-то смысле критерий Гермейера обобщает ММ-критерий: в случае равномерного распределения q_j = , j =, они становятся идентичными.

Условия его применимости таковы :

вероятности появления состояния F_j неизвестны;

с появлением тех или иных состояний, отдельно или в комплексе, необходимо считаться;

допускается некоторый риск;

решение может реализоваться один или несколько раз.

Если функция распределения известна не очень надёжно, а числа реализации малы, то, следуя критерию Гермейера, получают, вообще говоря, неоправданно большой риск.

4^о. BL (MM) - критерий.

Стремление получить критерии, которые бы лучше приспосабливались к имеющейся ситуации, чем все до сих пор рассмотренные, привело к построению так называемых составных критериев. В качестве примера рассмотрим критерий, полученный путем объединения критериев Байеса-Лапласа и минимакса.

Правило выбора для этого критерия формулируется следующим образом:

матрица решений дополняется еще тремя столбцами. В первом из них записываются математические ожидания каждой из строк, во втором - разность между опорным значением

и наименьшим значением

соответствующей строки. В третьем столбце помещаются разности между наибольшим значением

каждой строки и наибольшим значением той строки, в которой находится значение . Выбираются те варианты, строки которых (при соблюдении приводимых ниже соотношений между элементами второго и третьего столбцов) дают наибольшее математическое ожидание. А именно, соответствующее значение

из второго столбца должно быть или равно некоторому заранее заданному уровню риска . Значение же из третьего столбца должно быть больше значения из второго столбца.

Применение этого критерия обусловлено следующими признаками ситуации, в которой принимается решение:

вероятности появления состояний F_j неизвестны, однако имеется некоторая априорная информация в пользу какого-либо определенного распределения;

необходимо считаться с появлением различных состояний как по отдельности, так и в комплексе;

допускается ограниченный риск;

принятое решение реализуется один раз или многократно.

BL(MM)-критерий хорошо приспособлен для построения практических решений прежде всего в области техники и может считаться достаточно надежным. Однако заданные границы риска и, соответственно, оценок риска не учитывает ни число применения решения, ни иную подобную информацию. Влияние субъективного фактора хотя и ослаблено, но не исключено полностью.

Условие

существенно в тех случаях, когда решение реализуется только один или малое число раз. В этих условиях недостаточно ориентироваться на риск, связанный только с невыгодными внешними состояниями и средними значениями. Из-за этого, правда, можно понести некоторые потери в удачных внешних состояниях. При большом числе реализаций это условие перестает быть таким уж важным. Оно даже допускает разумные альтернативы. При этом не известно, однако, четких количественных указаний, в каких случаях это условие следовало бы опускать.

5^о. Критерий произведений.