рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Принцип В.Парето в задачах многокритериального выбора

Принцип В.Парето в задачах многокритериального выбора - раздел Информатика, РАЗДЕЛ 1.МЕСТО И РОЛЬ ПРОЦЕССОВ ПОДГОТОВКИ И ПРИНЯТИЯ РЕШЕНИЙ В ОБЩЕЙ ТЕХНОЛОГИИ УПРАВЛЕНИЯ СЛОЖНЫМИ ОРГАНИЗАЦИОННО-ТЕХНИЧЕСКИМИ СИСТЕМАМИ (СОТС   В П. 4.1 Было Установлено, Что Для Корректного Решения Задач ...

 

В п. 4.1 было установлено, что для корректного решения задач многокритериального выбора необходимо в исходную постановку задачи (4.1)‑(4.2) привнести дополнительную информацию, позволяющую провести ее регуляризацию и построить результирующее отношение предпочтения. Данная информация может задаваться по-разному. Наиболее глубокий подход к построению предполагает выяснение возможности подчинения этого построения определенной аксиоматике. Одна из известных систем аксиом была сформулирована Эрроу. Важное место среди других аксиом принадлежит аксиомам, связанным с принципом Парето. Данный принцип в общем случае может быть сформулирован с использованием двух определений.

Определение 4.1. Альтернативы удовлетворяют отношению доминирования по Парето , тогда и только тогда, когда хотя бы по одному входному отношению предпочтения имело место доминирование (, где ‑ отношение строгого порядка), а по остальным ‑ безразличие или доминирование.

Данное определение можно задать в виде единого соотношения вида:

.

Определение 4.2. . Альтернативы удовлетворяют отношению сильного доминирования по Парето тогда и только тогда, когда по каждому входному отношению предпочтения имеет место доминирование: .

Данное определение также можно задать с использованием единого соотношения вида:

.

Отношение доминирования по Парето в задачах многокритериального выбора при задании исходных отношений предпочтения с использованием функций (функционалов) и с учетом принятых ранее требований их максимизации запишется следующим образом:

.

Перечисленные представления принципа Парето, во-первых, определяют паретовскую аксиоматику, которой в числе прочих должно удовлетворять результирующее отношение предпочтения, и, во-вторых, используя (4.4)–(4.6) можно непосредственно осуществлять построение результирующего отношения предпочтения.

Замечание. Везде далее при постановке и решении задач многокритериального выбора будем предполагать выполненной (справедливой) аксиому независимости от непричастных альтернатив. Из данной аксиомы следует, что результат сравнения альтернатив и зависит только от них и не зависит от наличия или отсутствия некоторой третьей альтернативы . Данная аксиома независимости должна восполняться и для соответствующих критериальных функций. Поясним это на примере.

Пример 4.3. Пусть при управлении СТС ЛПР руководствуется тремя показателями (критериальными функциями): — характеризует общий объем выполненных операций, — характеризует время, оставшееся до конца планового периода управления, — оценивает дополнительные затраты, связанные с обеспечением выполнения запланированных операций.

Если объем выполненных операций высок и имеется большой резерв времени до момента времени , то дополнительно активизировать деятельности СТС нет необходимости, т.е. ЛПР будет предпочитать меньшие значения большим. Если выполнение комплекса операций под угрозой (недопустимо низкие значения и ), то ЛПР скорее всего предпочтет увеличение (увеличение дополнительных затрат), а не срыв выполнение боевой задачи. Таким образом, направление предпочтения по показателю зависит от того, какие значения принимают показатели и .

Показатель называется зависимым по предпочтению от остальных показателей. Используя приведенные выше правила определения предпочтительности альтернатив, принадлежащих множеств , можно в указанном множестве выделить множество недоминируемых (по Парето) или, по-другому, множество Парето, которое в дальнейшем будем обозначать следующим образом: . Замечательное свойство множества Парето состоит в том, что если это множество не пусто, то всякая альтернатива, лежащая вне множества Парето, доминируется альтернативой, принадлежащей последнему множеству. Следовательно, рационально поиск наилучших, в том или ином смысле, альтернатив сосредоточить именно в области Парето. Так как точки множества Парето не доминируют друг с друга, то переход между этими точками может привести при решении задач векторной оптимизации к улучшению результатов по одним критериальным функциям лишь при ухудшении результатов по другим . Таким образом, окончательный выбор во множестве Парето связан с достижением определенного компромисса. Поэтому данное множество получило также название множества (области) компромиссов.

Дадим строгое определение понятию эффективной (недоминируемой по Парето) альтернативы.

Определение 4.3. Альтернатива называется эффективной(недоминируемой), если во множестве допустимых альтернатив не существуют решения, которое доминирует по Парето альтернативу .

Определение эффективной альтернативы формально можно записать в следующем виде:

(4.7)

 

Следует отметить, что в отдельных монографиях или статьях эффективную (недоминируемую) альтернативу также называют паретовской, неулучшаемой альтернативой.

Приведем три примера, иллюстрирующих введенные выше понятия.

Пример 4.4. В задачах группового выбора часто используют графический способ задания отношений предпочтения на множестве допустимых альтернатив. В этом случае альтернативам соответствуют вершины соответствующих графов, а ребра задают отношения предпочтения. На рисунке 4.2 а,б,в,г приведены варианты задания множества . Элементы множества на рисунках помечены крестиками.

Рис. 4.2.

 

Пример 4.5. Пусть имеется три допустимых варианта создания СТС , каждый из которых характеризуется вектором критериальных функций (вектором показателей эффективности): , причем . Так как каждая компонента вектора доминируется соответствующими компонентами вектора , то альтернатива ; альтернативы и не доминируют друг друга, т.к. , но . Поэтому .

Пример 4.6. В двухкритериальных задачах линейного программирования с двумя неизвестными можно достаточно наглядно представить множество Парето (множество компромиссов) как в пространстве альтернатив, так и в пространстве целевых функций. В самом деле, пусть , где

.

Множество допустимых альтернатив в рассматриваемой задаче зададим в виде системы линейных неравенств: . Тогда по аналогии с рисунком 4.1 зададим в пространстве альтернатив и критериальных функций соответствующие множества, которые в графическом виде представим на рисунке 4.3.

Рис. 4.3.

 

На рисунке 4.3 области Парето альтернатив в пространстве и образ области Парето критериальных функций изображены на качественном уровне (без указания конкретных координат характерных точек указанных множеств). При этом в пространстве множеству Парето принадлежат точки, лежащие на гранях . Точка является неэффективной, так как доминируется, например, точкой . В пространстве критериальных функций образами точек, принадлежащих граням , являются точки, принадлежащие граням , которые, в свою очередь, образуют образ множества Парето в пространстве целевых функций. Конкретный вариант задания указанных множеств для задач линейного программирования будет приведен в конце данной главы.

Важным практическим результатом выделения области компромиссов (множества Парето) является существенное сужение области поиска оптимальных решений. В связи с этим весьма актуально и полезно получать в явном виде решения из области компромиссов и предъявлять их ЛПР. Для этого необходимо изучить свойства множества Парето и методы его построения.

 

– Конец работы –

Эта тема принадлежит разделу:

РАЗДЕЛ 1.МЕСТО И РОЛЬ ПРОЦЕССОВ ПОДГОТОВКИ И ПРИНЯТИЯ РЕШЕНИЙ В ОБЩЕЙ ТЕХНОЛОГИИ УПРАВЛЕНИЯ СЛОЖНЫМИ ОРГАНИЗАЦИОННО-ТЕХНИЧЕСКИМИ СИСТЕМАМИ (СОТС

РАЗДЕЛ МЕСТО И РОЛЬ ПРОЦЕССОВ ПОДГОТОВКИ И ПРИНЯТИЯ РЕШЕНИЙ В ОБЩЕЙ ТЕХНОЛОГИИ УПРАВЛЕНИЯ СЛОЖНЫМИ ОРГАНИЗАЦИОННО ТЕХНИЧЕСКИМИ СИСТЕМАМИ... Gt...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Принцип В.Парето в задачах многокритериального выбора

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Общая характеристика задач подготовки и принятия решений в СОТС.
Важнейшая особенность современной научно-технической революции состоит в том, что по мере её развития всё большее значение приобретает учёт факторов сложности технико-эконом

Концептуальная модель принятия решений
  Анализ многочисленных публикаций по различным аспектам проблемы выбора показывает, что в настоящее время наметилась прогрессивная тенденция к интеграции различных научных направлени

Обобщенная структура современных интегрированных систем поддержки принятия решений
Рис.1.3.1. Функциональная схема интегрированной системы поддержки принятия решений по управлению структурн

Постановка задачи линейного программирования
Значительная часть задач принятия решения – это задачи распределения ресурсовмежду объектами. Пусть имеется т видов ресурсов, каждый i

Экономическая интерпретация задачи линейного программирования
Пример 2.1. Пусть требуется определить план выпуска четырёх видов продукции П1, П2, П3, П4, для изготовления которы

Анализ существования решений в задаче линейного программирования
Рассмотрим неравенство ах £ b. Если от неравенства мы хотим перейти к уравнению, то введём дополнительную переменную у и запишем

Графический метод решения задач линейного программирования
Вспомним построение линейных зависимостей. Начнём с уравнений. Линейное уравнение с двумя

Двойственные задачи линейного программирования
Каждой задаче ЛП можно некоторым образом сопоставить другую задачу ЛП, называемую двойственной по отношению к исходной (прямой): Прямая задача (ПЗ)

Анализ решений задач линейного программирования.
Рассмотрим следующую задачу ЛП: (1)

Обобщенный алгоритм решения задач НЛП
Эффективное решение различных задач нелинейного программирования может быть осуществлено на основе учета конкретных особенностей этих задач. При этом под эффективностью того или иного алгоритма, ка

Аналитические методы решения задач НЛП
В некоторых случаях задачи НЛП удается решить аналитически. Это, в частности, удается в том случае, если ЦФ и ОДА являются выпуклыми. Обобщенный алгоритм решения задачи НЛП включает в себя следующи

Численные методы решения задач НЛП
В качестве r(xk) используется направление, в котором наиболее сильно возрастает целевая функция. Это направление задается градиентом функции ÑF(xk). Суть метода состоит

Постоянный шаг.
Задается hk = h = const, при этом должно выполняться условие F(xk+1) = F(xk + hkÑF(xk)) > F(xk). Пусть

Наискорейший подъем.
Если подставить в выражение для F(x) значение x=xk+1 в соответствии с (1), то получим выражение F(xk+hkÑF(xk)), как функцию от величины шага. След

Функции Лагранжа
Исторически первым способом сведения задачи с ограничениями к задаче безусловной оптимизации явилось использование функции Лагранжа L(x,m) L(x, m) = f(x) + mт(b - j(x)) = f(x) +

Штрафные функции
Исходная задача условной оптимизации сводится к последовательности задач безусловной оптимизации функций Fk(x, m) = f(x) - Sk(x, mk), k = 1,2,3,....

Методы прямой условной оптимизации
Методы прямой условной оптимизации предназначены для непосредственного решения задачи выпуклого программирования в условиях ограничений, описывающих множество допустимых решений D. Итак, п

Метод условного градиента
Существо метода условного градиента состоит в том, что, если известна некоторая точка xkÎD, то направление возрастания целевой функции может задаваться некоторой внутренней или кра

Постановка задачи целочисленного программирования
  Первые упоминания о линейных уравнениях возникли ещё за несколько веков до нашей эры. В Древней Греции Диофант (II-III в.) формулирует уравнения, в которых искомые переменн

Основные этапы решения задачи целочисленного программирования (ЗЦП) методом ветвей и границ
  Шаг 1. Исходная ЗЦП решается как задача линейного программирования (ЗЛП) (снимаем ограничения вида (г)). При этом за «рекорд» в ЗЦП принимают значение целевой функц

Постановка задачи бивалентного (булева) программирования
  Перейдем теперь к частному случаю задач целочисленного программирования. В этом частном случае искомая переменная

Эвристический метод решения задачи булева программирования.
  Существует два метода решения задач с булевыми переменными. Во-первых, их можно решать как обычные задачи целочисленного программирования, т. е. методом ветвей и границ. Пр

Характерные особенности задач многокритериального выбора
  Реальные задачи выбора, возникающие на практике, чрезвычайно разнообразны, но всех их объединяет общая схема поиска решения, суть которой состоит в формировании совокупности операци

Уточненное описание структуры выбора с многими отношениями предпочтения. Общая постановка задач векторной оптимизации
Обобщенная структура выбора с мультипредпочтением, описывающая задачи векторной оптимизации, имеет следующий вид:

Основные свойства множества Парето
  Рассмотрим основные свойства множества Парето (множества и соответственно

Методы построения множества Парето
  Приведенные в п.4.2.2 свойства множества Парето могут быть использованы для построения (исследования) данного множества (либо его подмножеств) или определения его характеристик в ко

Методы покомпонентного построения результирующих отношений предпочтения
  Основное содержание данных методов сводится к формированию сужающейся последовательности множеств (ядер):

Методы построения результирующих отношений предпочтения на основе свертки показателей
  Сущность данных методов многокритериальной оптимизации состоит в построении такого результирующего отношения предпочтения

Характеристика задач принятия решений в условиях неопределенности среды
Процессы анализа сложных экономических систем и принятия решений в них связаны с выделением изучаемой системы из некоторой системы большего масштаба (метасистемы), т.е. разделения этой метасистемы

Принятие решений в условиях стохастической среды
Постановка задач принятия решений в условиях стохастической среды имеет вид (D(w), f(w)), wÎW, где D(w) - множество допустимых альтернатив, f(w) - целевая функция.

Методы детерминизации.
При решении конкретных задач выбора на вероятностных структурах часто вводится предположение о том, что задание целевой функции f(w) и ограничивающих отношений ri(w), i=1,...,m, определя

Методы имитационной оптимизации.
В методах имитационной оптимизации (прямых методах стохастического выбора) не производится преобразование задачи к ее детерминированному эквиваленту. Суть данных методов заключается в том, что гене

Принятие решений в условиях целенаправленной среды
Принятие решений в условиях целенаправленной среды связано с тем, что известна цель среды, в соответствии с которой она выбирает свои состояния и которую преследует в своих действиях. Эти действия

Постановка задач игрового выбора.
Рассмотрим формализованное представление задачи принятия решений в условиях целенаправленной среды. Обобщенную задачу принятия решения в условиях неопределенности можно записать в виде (D

Матричные игры. Чистые и смешанные стратегии.
Простейшим вариантом игры является антагонистическая игра, в которой противодействуют две оперирующих стороны (2 игрока), при этом множества различных альтернатив из которых они выбирают решения ко

Методы нахождения оптимальных смешанных стратегий.
Процедура нахождения оптимальных чистых или смешанных стратегий соответствует выявлению рациональной линии поведения противников в конфликтной ситуации, описываемой игровой моделью. Поэтому такую п

Принятие решений в условиях неизвестной среды
В случае неизвестной среды нет достаточных оснований для предположений о том, какие значения будут принимать параметры, характеризующие состояние среды на рассматриваемом временном интервале. При э

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги