123

ПРИЙНЯТТЯ РІШЕНЬ В УМОВАХ НЕВИЗНАЧЕНОСТІ

Практическая работа

Информатика, кибернетика и программирование

Якщо існування функцій розподілу ймовірностей, які характеризують степінь неповноти або неточності інформації про вихідні дані задачі прийняття рішень не гарантується, то таку ситуацію класифікують як прийняття рішень в умовах невизначеності.

Украинкский

2012-11-14

195.5 KB

74 чел.

Практична робота № 6

ПРИЙНЯТТЯ РІШЕНЬ В УМОВАХ НЕВИЗНАЧЕНОСТІ

Мета роботи: засвоїти та навчитись використовувати кількісні критерії для прийняття рішень в умовах невизначеності.

6.1. Короткі теоретичні відомості

Якщо існування функцій розподілу ймовірностей, які характеризують степінь неповноти або неточності інформації про вихідні дані задачі прийняття рішень не гарантується, то таку ситуацію класифікують як прийняття рішень в умовах невизначеності.

Як правило, використовують 4 критерії для прийняття рішень в умовах невизначеності:

  1.  Критерій Лапласа.
  2.  Критерій максимінний (мінімаксний).
  3.  Критерій Севіджа.
  4.  Критерій Гурвіца.

Незважаючи на кількісну природу, критерії відображають суб’єктивну оцінку ситуації.

Дії особи, що приймає рішення, стани системи, стосовно якої приймаємо рішення, описують за допомогою матриці:

...

...

...

...

...

...

...

...

...

де  – стани системи;

– дії особи, що приймає рішення;

– означає прибуток (втрати) при виборі дії  та реалізації стану системи .

Можливі дії особи, що приймає рішення, прийнято називати стратегіями. В умовах невизначеності припускається, що система відносно якої приймаються рішення не переслідує власних інтересів, які протилежні інтересам особи, що приймає рішення. Відсутній конфлікт між особою, що приймає рішення і системою.


6.1.1. Критерій Лапласа

Критерій Лапласа спирається на принцип недостатнього обґрунтування. Оскільки ми можемо обґрунтовувати більшу чи меншу імовірність одного стану системи відносно іншого, то можемо зробити висновок, що всі стани системи рівноймовірні. Користуючись рівноймовірністю станів і критерієм “значення, що очікується”, знайдемо максимум за стратегіями:

– якщо матриця описує прибутки;

– якщо матриця описує витрати.

Приклад 6.1. Підприємство має визначити рівень пропозиції, щоб задовольнити потреби клієнтів на свята, які наступають. Число клієнтів невідомо, але відомо що їх буде

=200; =250; =300; =350.

Для кожного з цих значень є найкращий рівень пропозиції (з точки зору затрат). Відхилення від цього значення приводить до більших витрат завдяки неповного задоволення попиту чи надмірної пропозиції. Вихідні дані зведені у таблиці, в якій

–  – кількість клієнтів;

–  – рівні пропозиції.

5

10

18

25

8

7

8

23

21

18

12

21

30

22

19

15

Розрахуємо очікувані затрати для кожного з рівнів пропозиції:

= 1/4(5 + 10 + 18 + 25) = 14,5;

= 1/4(8 + 7 + 8 + 23) = 11,5;

= 1/4(21 + 18 + 12 + 21) = 18,0;

= 1/4(30 + 22 + 19 + 15) = 21,5.

Знайдемо мінімальне значення. За критерієм Лапласа найкращим рівнем пропозиції буде , який забезпечує рівень витрат 11,5.

6.1.2. Критерій мінімаксу (максиміну)

Цей критерій найпесимістичніший. Користуючись ним ми вважаємо, що ситуація в системі складається найгіршим для нас чином і за рахунок обрання стратегії ми намагаємось забезпечити намагаємось покращити найгірший для нас результат. У випадку прибутку ми максимізуємо мінімальний з прибутків (максимін), а у випадку втрат – мінімізуємо максимальні з можливих втрат (мінімакс).

Для прибутку .

Для втрат .

Приклад 6.2 (для втрат).

5

10

18

25

25

8

7

8

23

23

21

18

12

21

21

30

22

19

15

30

Тобто за мінімаксним критерієм обирається значення .

6.1.3. Критерій Севіджа

Мінімаксний критерій іноді може привести до нелогічних висновків. Класичним прикладом є матриця втрат:

11000

90

10000

10000

Застосування мінімаксу дає , але в будь-якому випадку втрачаємо 10000; при  існує імовірність, що стан буде  і тоді ми втратимо лише 90. Критерій Севіджа виправляє становище введенням нової матриці втрат, яку визначають наступним чином:

              

Перша альтернатива в даній формулі використовується якщо вихідна матриця є матрицею прибутку, а друга альтернатива – для матриці втрат.

Ця матриця має назву “матриця жалкування”. Застосуємо критерій Севіджа до прикладу:

1000

0

0

9900

Виходячи з мінімаксу обираємо .

Зауваження: незалежно від того, що визначає вихідна матриця (втрати чи прибуток), матриця жалкування дає завжди втрати, тому для вибору дії з матриці завжди використовують мінімаксний критерій.

6.1.4. Критерій Гурвіца

Цей критерій за допомогою коефіцієнтів, які обираються суб’єктивно, встановлює точку зору особи, що приймає рішення, на ситуацію: від тотального оптимізму до тотального песимізму.

Для прибутку .

Для втрат        .

Тут   [0,1] – коефіцієнт оптимізму:

при =0 – тотальний песимізм;

при =1 – тотальний оптимізм;

при 1/2 – відсутність схильності в той чи інший бік.

6.2. Порядок виконання роботи

  1.  Ознайомитись з теоретичними відомостями.
    1.  Згідно варіанту розглянути платіжну матрицю (матрицю доходів). Ймовірності станів системи не визначені. Порівняти розв’язки, отримані при наступних критеріях:

а) Лапласа;

б) Максиміна;

в) Севіджа;

г) Гурвіца ().

  1.  Оформити звіт з практичної роботи.

6.3. Варіанти індивідуальних завдань

Варіанти індивідуальних завдань для вирішення задачі п. 6.2.2 задані у табл. 6.1.

Таблиця 6.1

Вихідні дані для вирішення задачі п. 6.2.2

Варіант

1

15

10

0

-6

17

3

14

8

9

2

1

5

14

20

-3

7

19

10

2

0

2

5

4

0

-6

7

-3

6

3

-9

12

10

8

17

20

-3

12

-9

21

-2

0

3

51

-10

-10

-7

17

-3

14

9

14

27

16

6

-14

26

-3

-7

20

15

9

-10

4

10

31

0

-6

-17

-23

14

-8

9

22

19

25

34

-20

-3

37

18

10

22

-30

5

-15

10

-10

26

17

32

24

-8

-9

2

10

-5

14

20

-3

27

-19

10

-2

10

Закінчення табл. 6.1

Варіант

6

21

-10

20

-6

17

-3

14

38

-15

12

12

-5

15

20

-3

-7

19

-16

-3

11

7

15

10

-23

-6

17

-3

-14

8

9

2

1

5

-14

20

-3

7

-19

14

1

32

8

22

9

-20

14

-17

-3

14

-8

12

29

-3

-6

14

21

-3

7

19

10

2

-30

9

21

-10

-3

6

17

12

14

-8

9

40

-31

5

15

20

-33

-8

19

10

4

2

10

15

10

2

-6

19

3

15

9

9

2

1

7

14

23

-3

7

20

10

3

-10

6.4. Зміст звіту

  1.  Назва та мета роботи.
    1.  Короткі теоретичні відомості.
      1.  Умови задачі та її розв’язок.
      2.  Короткі висновки.


6.5. Контрольні запитання

6.5.1. Яку ситуацію класифікують як прийняття рішень в умовах невизначеності?

6.5.2. Яку точку зору особи, що приймає рішення в умовах невизначеності, відображає: а) критерій Лапласа; б) критерій мінімаксу (максиміну); в) критерій Севіджа; г) критерій Гурвіца?

6.5.3. Яку інформацію містить матриця прибутків (втрат)?

PAGE 69


EMBED Equation.3  


 

А также другие работы, которые могут Вас заинтересовать

16739. ООО “НЕРЮНГРИ-МЕТАЛЛИК” – новый проект кучного выщелачивания 45 KB
  ООО €œНЕРЮНГРИМЕТАЛЛИК€ – новый проект кучного выщелачивания Гуминский В.И. Чёрный К.Н. ООО €œНерюнгриМеталлик€ создано 30 ноября 2000 г. Спустя 3 мес. 30 марта 2001 г. предприятием была получена лицензия ЯКУ01860БР с целевым назначением €œГеологическое изучение и добыча
16740. ОПТИМИЗАЦИЯ ТЕХНОЛОГИЧЕСКИХ ПАРАМЕТРОВ СКВАЖИННОГО ПОДЗЕМНОГО ВЫЩЕЛАЧИВАНИЯ ДРАГОЦЕННЫХ МЕТАЛЛОВ 486 KB
  Возросшая в последние годы потребность в золоте, как в валютном, так и в техническом металле, одновременно с истощением его запасов, способствовала началу более интенсивного развития технологии скважинного подземного выщелачивания драгоценных металлов
16741. Опыт кучного цианирования окисленной руды Урусайской площади 85 KB
  УДК 622.7.017:533.411.068.5 Опыт кучного цианирования окисленной руды Урусайской площадиАкчурина Р.Х. ведущий инженер ИМР; Ходжиметова Н.С. инженер ИМР; Попов Е.Л. зав. ОТПМС ИМР канд. техн. наук; Ахмедов Х. зав. лабораторией обогащения ИМР Кучное выщелачивание КВ как высокорент...
16742. Перспективы вовлечения в переработку отходов горно-перерабатывающего производства на базе золоторудных месторождений 123 KB
  Перспективы вовлечения в переработку отходов горноперерабатывающего производства на базе золоторудных месторождений УДК 622 c Шеметов П.А. Сытенков В.
16743. ПЕРСПЕКТИВЫ ИЗВЛЕЧЕНИЯ ЗОЛОТА МЕТОДОМ КУЧНОГО ВЫЩЕЛАЧИВАНИЯ В ХОЛОДНЫХ КЛИМАТИЧЕСКИХ РЕГИОНАХ РОССИИ 132.5 KB
  ПЕРСПЕКТИВЫ ИЗВЛЕЧЕНИЯ ЗОЛОТА МЕТОДОМ КУЧНОГО ВЫЩЕЛАЧИВАНИЯ В ХОЛОДНЫХ КЛИМАТИЧЕСКИХ РЕГИОНАХ РОССИИ Дементьев В.Е. к.т.н. Татаринов А.П. Гудков С.С. Григорьев С.Г Рязанова И.И. Необходимость вовлечения в переработку нетрадиционного сырья бедные и забалансов
16744. ПОЛИМЕРНЫЕ ГИДРОГЕЛИ ДЛЯ ИЗВЛЕЧЕНИЯ ЗОЛОТА ИЗ РАСТВОРОВ 83 KB
  ПОЛИМЕРНЫЕ ГИДРОГЕЛИ ДЛЯ ИЗВЛЕЧЕНИЯ ЗОЛОТА ИЗ РАСТВОРОВ Оспанова Г.Ш. Казахский национальный технический университет На основании укрупненолабораторных исследований при извлечении золота из цианидных и бесцианидных растворов рекомендуется новый сорбент. Приводя...
16745. Практическое применение паспортизации руд для управления технологическим процессом сорбционного выщелачивания золота 75.5 KB
  Практическое применение паспортизации руд для управления технологическим процессом сорбционного выщелачивания золота Л. А. Кустова Г. А. Коротовских 2000 г. УДК 622.7:08. Основной задачей паспортизации руд является составление прогнозной и оперативной характеристики ру...
16746. ПРИМЕНЕНИЕ ИНДУКЦИОННОГО НАГРЕВА В ПРОЦЕССАХ ДЕСОРБЦИИ ЗОЛОТА ИЗ АКТИВНЫХ УГЛЕЙ 86.5 KB
  ПРИМЕНЕНИЕ ИНДУКЦИОННОГО НАГРЕВА В ПРОЦЕССАХ ДЕСОРБЦИИ ЗОЛОТА ИЗ АКТИВНЫХ УГЛЕЙ Ёлшин В.В. ГОУ ВПО Иркутский государственный технический университет Овсюков А.Е. ГОУ ВПО Иркутский государственный технический университет Колодин А.А. ГОУ ВПО Иркутский государств
16747. Разработка биотехнологии переработки коллективного сульфидного медно-молибденового концентрата 104 KB
  Разработка биотехнологии переработки коллективного сульфидного медномолибденового концентрата УДК 622 c Сагдиева М.Г. Борминский С.И. Мавжудова А.М. Айропетова Ж.С. Халматов М.М. 2009 г. Сагдиева М.Г. ведущий научный сотрудни