Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Основы теории принятия решений

Покупка
Основная коллекция
Артикул: 867102.01.99
Доступ онлайн
500 ₽
В корзину
Включает основные сведения о методах и алгоритмах решения задач принятия решений в условиях определенности, частичной и полной неопределенности. Представлена математическая формализация и основные подходы к решению задач принятия решений, рассмотрены методы безусловной и условной оптимизации (принятия решений в условиях полной определенности при наличии единственного критерия), в том числе методы решения задач линейного программирования и вариационных задач. Приведено описание методов многокритериального выбора в условиях определенности, методов принятия решений в условиях риска и неопределенности, отмечены осо бенности принятия проектных решений. Пособие включает лабораторный практикум, содержащий формулировки заданий, исходные данные, рекомендации по выполнению, контрольные вопросы и тестовые задания. В качестве основного инструмента выполнения лабораторных работ студентам предложено использовать систему инженерных расчетов MathCAD. Для студентов, обучающихся по направлению 27.04.03 «Системный анализ и управление» дневной формы обучения.
12
Карпушкин, С. В. Основы теории принятия решений : учебное пособие / С. В. Карпушкин. – Москва ; Вологда : Инфра-Инженерия, 2025. - 128 с. – ISBN 978-5-9729-2664-0. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2226635 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
С. В. Карпушкин
ОСНОВЫ ТЕОРИИ ПРИНЯТИЯ РЕШЕНИЙ
Учебное пособие
Москва    Вологда
«Инфра-Инженерия»
2025


УДК 519.81
Рекомендовано ученым советом федерального государственного
ББК 22.18    бюджетного образовательного учреждения высшего образования
К26                   «Тамбовский государственный технический университет»
                                в качестве учебного пособия (протокол № 7 от 31.03.2025 г.)
Рецензенты:
к. т. н., ведущий инженер-конструктор бюро прочностных
и технологических расчетов АО «ЗАВКОМ» (г. Тамбов)
Мариковская Мария Павловна;
д. т. н., профессор кафедры «Системы автоматизированной 
поддержки принятия решений» (Тамбовский ГТУ)
Литовка Юрий Владимирович
Карпушкин, С. В.
К26
Основы теории принятия решений : учебное пособие / С. В. Карпушкин. - Москва ; Вологда : Инфра-Инженерия, 2025. - 128 с. : ил., табл.
ISBN 978-5-9729-2664-0
Включает основные сведения о методах и алгоритмах решения задач принятия решений в условиях определенности, частичной и полной неопределенности. Представлена математическая формализация и основные подходы к решению задач принятия 
решений, рассмотрены методы безусловной и условной оптимизации (принятия решений в условиях полной определенности при наличии единственного критерия), в том 
числе методы решения задач линейного программирования и вариационных задач. 
Приведено описание методов многокритериального выбора в условиях определенности, методов принятия решений в условиях риска и неопределенности, отмечены особенности принятия проектных решений. Пособие включает лабораторный практикум, 
содержащий формулировки заданий, исходные данные, рекомендации по выполнению, 
контрольные вопросы и тестовые задания. В качестве основного инструмента выполнения лабораторных работ студентам предложено использовать систему инженерных 
расчетов MathCAD.
Для студентов, обучающихся по направлению 27.04.03 «Системный анализ и 
управление» дневной формы обучения.
УДК 519.81
ББК 22.18
ISBN 978-5-9729-2664-0
” Карпушкин С. В., 2025
” Издательство «Инфра-Инженерия», 2025
” Оформление. Издательство «Инфра-Инженерия», 2025


Оглавление
ВВЕДЕНИЕ..................................................................................................................5
1. ФОРМАЛИЗАЦИЯ ЗАДАЧИ ПРИНЯТИЯ РЕШЕНИЯ.....................................6
1.1. Подходы к принятию решений...........................................................................7
1.2. Пример модели принятия решения в условиях неопределенности ................9
2. МЕТОДЫ ОПТИМИЗАЦИИ (принятия решений в условиях
определенности при одном критерии) ....................................................................12
2.1. Структура и постановка задач оптимизации...................................................12
2.2. Условия оптимальности и типы вычислительных 
процедур оптимизации .............................................................................................14
2.3. Методы одномерной оптимизации...................................................................16
2.3.1. Метод «золотого сечения» .............................................................................16
2.3.2. Пошаговый метод............................................................................................18
2.4. Методы поиска экстремума функций многих переменных...........................18
2.4.1. Градиентные методы.......................................................................................19
2.4.2. Безградиентные методы..................................................................................24
2.5. Методы условной оптимизации........................................................................28
2.5.1. Метод штрафных функций.............................................................................29
2.5.2. Метод прямого поиска с возвратом...............................................................31
2.5.3. Метод возможных направлений ....................................................................32
2.5.4. Поиск экстремума функций многих переменных при наличии связей.....34
2.5.5. Оптимизация на основе теории многофакторного вычислительного 
эксперимента..............................................................................................................36
2.6. Задачи линейного программирования..............................................................38
2.6.1. Формулировка основной задачи линейного программирования ...............39
2.6.2. Геометрическое представление задачи линейного программирования ....40
2.6.3. Симплекс-метод решения задач линейного программирования................43
2.6.4. Особенности постановки транспортной задачи...........................................44
2.7. Вариационные задачи и методы их решения ..................................................45
2.7.1. Виды вариационных задач .............................................................................46
2.7.2. Методы решения вариационных задач .........................................................47
3. МНОГОКРИТЕРИАЛЬНЫЙ ВЫБОР.................................................................51
3.1. Перевод критериев в ограничения....................................................................51
3.2. Взвешивание и объединение критериев ..........................................................52
3.2.1. Метод взвешенной суммы частных критериев ............................................52


3.2.2. Мультипликативный критерий......................................................................55
3.2.3. Методы определения весовых коэффициентов ...........................................56
3.3. Методы последовательной оптимизации ........................................................60
3.3.1. Метод последовательных уступок.................................................................60
3.3.2. Метод равенства частных критериев ............................................................61
3.4. Метод анализа иерархий....................................................................................62
3.5. Оптимальность по Парето.................................................................................64
3.5.1. Методы построения множества Парето........................................................66
3.5.2. Способы сужения множества Парето ...........................................................68
4. ПРИНЯТИЕ РЕШЕНИЙ В УСЛОВИЯХ РИСКА
И НЕОПРЕДЕЛЕННОСТИ ......................................................................................71
4.1. Построение «дерева решений» и таблицы исходов........................................71
4.2. Функция «полезности» ......................................................................................73
4.3. Принятие решений в условиях неопределенности .........................................74
5. ОСОБЕННОСТИ ПРИНЯТИЯ ПРОЕКТНЫХ РЕШЕНИЙ..............................78
5.1. Основные понятия..............................................................................................78
5.2. Методика принятия проектного решения........................................................80
6. ЛАБОРАТОРНЫЙ ПРАКТИКУМ ......................................................................83
Лабораторная работа №1. Поиск безусловного и условного экстремума 
функции двух переменных.......................................................................................83
Лабораторная работа №2. Решение задачи линейного программирования........91
Лабораторная работа №3. Решение вариационной задачи
с закрепленными концами......................................................................................102
Лабораторная работа №4. Решение задачи многокритериального выбора.......106
Лабораторная работа №5. Принятие решений в условиях риска.......................116
ЗАКЛЮЧЕНИЕ .......................................................................................................123
СПИСОК ЛИТЕРАТУРЫ.......................................................................................124


ВВЕДЕНИЕ
Принятие решения (выбор) - это действие над множеством альтернатив, 
в результате которого вначале получается подмножество предварительно отобранных альтернатив, а на заключительном этапе - одна альтернатива, наилучшая согласно принятому критерию оценки качества достижения поставленной 
цели. Выбранная альтернатива и есть принятое решение или обоснованный претендент на решение.
Общего, единого на все случаи алгоритма принятия решения не существует. 
Эта операция всегда конкретна. В зависимости от объективных условий и организации работы выбор может быть:
а) разовый или повторный (адаптивный);
б) индивидуальный или многосторонний, во втором случае возможны коалиция, кооперация, конфликтная ситуация.
Выбор может проводиться в условиях:
 определенности - возможен поиск оптимального решения, упорядочение 
альтернатив, произвольный выбор;
 неопределенности - информация может быть стохастической (известны 
вероятности выбора альтернатив), расплывчатой (вероятности не известны), 
а может полностью отсутствовать.
Для любого выбора справедливы следующие положения:
1. Предполагается наличие нескольких вариантов выбора, причем в реальных случаях множество вариантов ограничено.
2. Из всего множества вариантов необходимо выбрать один, но для этого 
необходимо иметь критерии оценки предпочтительности вариантов.


1. ФОРМАЛИЗАЦИЯ ЗАДАЧИ ПРИНЯТИЯ РЕШЕНИЯ
Введем два понятия: ^Ȥ` - множество альтернатив; Ф - принцип выбора. Тогда задачу принятия решения можно записать в виде ^^Ȥ`, Ф` ĺ Ȥ
, где Ȥ
 - выбранная альтернатива (одна или несколько равноценных в каком-то смысле).
Принцип выбора зависит от внешних условий, например, множества состояний внешней среды, а также от информационной ситуации, т. е. от вида и точности имеющейся в распоряжении информации.
Можно выделить следующие информационные ситуации: 
а) известны априорные вероятности состояния внешней среды;
б) известен вид распределения вероятностей состояний среды, но параметры распределения не известны, необходима их оценка;
в) состояние среды характеризуется нечетким множеством.
Имея в виду введенные понятия, можно записать возможные варианты задачи принятия решения в следующем виде.
Задача 1. Оптимальный выбор
^Ȥ` - множество альтернатив и Ф - принцип выбора, определены. Приложение Ф к ^Ȥ` не зависит от субъективных обстоятельств.
Задача 2. Выбор
^Ȥ` определено, Ф не может быть формализован. Результат выбора зависит 
от того, кто и на основе какой информации принимает решение.
Задача 3. Общая задача принятия решения
Множество альтернатив не имеет определенных границ, принцип выбора не 
определен и даже не может быть зафиксирован. Разные субъекты могут принимать различные решения при одинаковом наборе альтернатив или даже рассматривать различные альтернативы.
Задача 3 встречается достаточно часто и, как правило, включает следующие 
естественные ограничения.
1. Существует начальное множество альтернатив ^Ȥ0`, которое затем уточняется, но в каждый момент это множество может быть зафиксировано: 
^Ȥ0` ĺ ^Ȥ1` ĺ ... ĺ ^Ȥi`.
2. Любая альтернатива из множества всех выдвинутых альтернатив может 
быть оценена с точки зрения полезности ее включения в некоторое более узкое 
множество ^Ȥр` для дальнейших оценок. Соответственно существует некоторый 
вспомогательный принцип Фp такого отбора узкого множества.
3. Предполагается наличие какого-то множества неформализованных принципов выбора, используя которые можно приблизиться к желаемому результату.
Обычно задачи 2 и 3 решают, используя некоторые фиксированные принципы выбора при фиксированном (но допускающем уточнение) наборе альтернатив. При этом применяется ряд приемов, в том числе:
а) строится задача 1, как некоторый упрощенный аналог задач 2 или 3 и организуется итерационный процесс решения последовательности задач 1 таким образом, чтобы решение каждой последующей задачи давало лучшее приближение к 
решению исходной задачи, и так до получения результата с желаемой точностью;


б) решение ослабленной задачи с помощью экспертов. Каждый k-ый эксперт выбирает свой набор альтернатив ^Ȥk`, свой принцип выбора Фk и выявляет 
наилучшую альтернативу - Ȥk
, после чего организуется процедура выбора решения из множества оптимальных альтернатив, выбранных экспертами - ^Ȥk
`.
1.1. Подходы к принятию решений
Общепринятый подход к задаче принятия решения - переход от сравнения 
альтернатив к сравнению их свойств (характеристик, признаков, преимуществ) и 
обратный переход к сравнению альтернатив.
Выделение свойств альтернатив является задачей декомпозиции. Декомпозиция в общем случае имеет иерархический характер. Каждое свойство 1-го 
уровня делится на набор свойств 2-го уровня и так далее до такого уровня, на 
котором свойства оказываются легко сравнимыми. Используются два способа 
сравнения альтернатив по их свойствам:
а) попарное (групповое) сравнение по определенному свойству;
б) на основе естественных (или искусственно введенных) числовых характеристик свойств.
Попарное сравнение: формально это бинарная операция по признаку R: Ȥi R Ȥj
означает, что согласно признаку R альтернатива Ȥi предпочтительней альтернативы Ȥj. На основе бинарных отношений возможно ранжирование альтернатив 
по каждому свойству.
Сравнение с использованием числовых характеристик: свойства, для которых известны числовые характеристики, называются критериями. При идеальной декомпозиции имеет место набор критериев, т. е. решается многокритериальная задача. Например, при сравнении проектных решений выделено свойство 
«компактность», которое, в свою очередь, разбивается на свойства следующего 
уровня: этажность цехов и расстояния между ними, размер санитарной зоны, 
уровень загрязнений воздушной и водной среды в санитарной зоне, уровень 
шума в санитарной зоне и др. Каждое из свойств этого уровня уже может быть 
оценено численно. Пример искусственных критериев - баллы как оценки экспертов.
Искусственные оценки могут переходить в естественные. Например, на экзамене процент правильных ответов соответствует определенному баллу. 
В сложных случаях большого набора критериев возможна классификация - деление свойств на классы (группы по важности).
Переход от сравнения отдельных свойств к сравнению альтернатив является 
задачей композиции. Возможны следующие варианты решения этой задачи:
1) все свойства оценены численно - получен набор критериев;
2) нет численных оценок, а есть результаты попарного сравнения.
Первый вариант предусматривает наличие Ck(Ȥi) - численных оценок всех 
свойств (k = 1, ..., n) i-й альтернативы. Вводится векторное пространство, называемое критериальным, в котором каждой i-й альтернативе соответствует точка: 
C(Ȥi) = ^C1(Ȥi), C2(Ȥi), ..., Cm(Ȥi)`, т. е. k-ой составляющей вектора C(Ȥi) является 
Ck(Ȥi) - численная оценка k-го свойства i-ой альтернативы.


При сравнении двух альтернатив Ȥ1 и Ȥ2 альтернатива Ȥ1 будет предпочтительнее альтернативы Ȥ2, если Ck(Ȥ1) • Ck(Ȥ2), для всех k = 1, ..., n, причем хотя 
бы одно неравенство строгое (здесь и далее рассматривается случай, когда лучшему свойству соответствует большее значение численной оценки). 
Рассмотрим пример, когда альтернативы оцениваются по двум критериям. 
Принимая точку, соответствующую i-ой альтернативе, за начало координат, перенесем в эту точку все координатные оси критериального пространства. Если в 
положительном квадранте полученной таким образом системы координат не 
окажется ни одной точки, соответствующей какой-то другой альтернативе, то
i-ая альтернатива является не улучшаемой.
а)
б)
в)
Рисунок 1.1 – Пример оценки альтернатив по двум критериям
На рис. 1.1 а, только одна неулучшаемая альтернатива - альтернатива 3, на 
рис. 1.1 б, таких альтернатив две - 2 и 3, а на рис. 1.1 в, все альтернативы неулучшаемые. Множество неулучшаемых альтернатив - это множество Парето. Получение множества Парето - первый шаг поиска лучшего решения. Для выбора 
альтернативы на множестве Парето нужно привлекать другие соображения, связанные с особенностями решаемой задачи.
Второй вариант предполагает, что каждая альтернатива характеризуется n
свойствами и по каждому из этих свойств проведена операция попарного сравнения. Если сравнение возможно для каждой пары альтернатив по каждому свойству, то оказывается возможным все альтернативы ранжировать по каждому
свойству, при этом будет получен набор перестановок из альтернатив - матрица 
с n столбцами (по числу свойств) и m строками (по числу альтернатив).


Пример. Пусть имеют место четыре альтернативы, каждая из которых характеризуется двумя свойствами. Результаты попарного сравнения имеют вид:
 по свойству 1: Ȥ1 R1 Ȥ4, Ȥ4 R1 Ȥ3, Ȥ3 R1 Ȥ2;
 по свойству 2: Ȥ4 R2 Ȥ3, Ȥ3 R2 Ȥ2, Ȥ2 R2 Ȥ1.
Соответственно матрица результатов сравнения имеет вид:
Альтернативы
Свойство R1
Свойство R2
1
1
4
2
4
3
3
3
2
4
2
1
Один из способов дальнейшей работы с матрицей попарного сравнения -
ввод условного векторного пространства свойств. Альтернативы располагаются 
на каждой из i осей искусственно введенного критериального пространства в соответствии с их ранжированием по i-му свойству. Затем выделяются неулучшаемые альтернативы таким же способом, как в предыдущем случае.
Рисунок 1.2 – Оценка двух альтернатив с четырьмя свойствами
Для приведенного выше примера 2-х альтернатив с 4-мя свойствами условное пространство свойств имеет вид, показанный на рис. 1.2, т. е. не улучшаемыми альтернативами являются 1 и 4. Дальнейший выбор производится, как и в 
предыдущем случае, с учетом физической сущности процесса по какому-либо 
правилу свертки множества критериев. В рассмотренном примере в качестве 
лучшей может быть признана, например, альтернатива 4, у которой сумма рангов 
свойств наименьшая: (2  1) < (1  4).
1.2. Пример модели принятия решения в условиях неопределенности
Рассмотрим информационную ситуацию, когда распределение вероятностей на элементах состояния среды априори известно, например, задано в виде 
ряда P = (p1, ..., pj, ..., pn), pj = P (ș = șj), р1  ...  рn = 1, где șj - состояние среды.
Это одна из возможных простейших ситуаций. На практике расчет априорного


распределения вероятностей состояния среды производится либо путем обработки 
статистического материала, либо аналитическими методами на основании гипотез 
о поведении среды. Обозначим:
1) Ȥ = ^Ȥ1, ..., Ȥi, ..., Ȥm` - множество возможных вариантов принятия решения;
2) ș = (ș1, ..., șj, ..., șn) - множество возможных состояний среды, причем 
вероятности этих состояний известны: pj = P (ș = șj);
3) Ф = ^ij1, …, ijt, ..., ijr` - множество методов выбора и оценки принятого 
решения.
С методом выбора решения связано понятие оценочного функционала:
F = ^fi, j`, где fi, j - выигрыш (потеря), если при состоянии среды șj  ș было принято решение Ȥi  Ȥ. Будем считать, что оценочный функционал имеет положительный градиент и обозначается F, если ставится задача достижения максимума: max^fi, j`. При отрицательном градиенте функционала F- лучшему решению соответствует min ^fi, j`.
Таким образом, ситуация принятия решения характеризуется тройкой 
^ș, Ȥ, F`. Соответственно может быть получена матрица значений оценочного 
функционала (ситуационная матрица) 
§
·
¨
¸
¨
¸
¨
¸
¨
¸
¨
¸
¨
¸
©
¹
1,1
1,2
1,n
2,1
2,2
2,n
n,n
n,1
n,2
f
f
... f
f
f
... f
...
...
...
...
f
f
... f
. Различным принципам выбора соответствуют критерии выбора - алгоритмы, которые определяют 
единственное оптимальное решение или множество таких решений. Для рассматриваемой ситуации могут быть использованы критерий Байеса, критерий 
минимакса (максимина), критерий минимума дисперсии оценочного функционала и др.
Рассмотрим эти подходы на примере. Пусть оценочный функционал имеет 
положительный градиент, а ситуационная матрица имеет вид:
ș
ș1
ș2
ș3
P(ș=șj)
0,2
0,3
0,5
Ȥ1
5
4
3
Ȥ2
1
5
5
Ȥ3
4
2
4
При использовании критерия Байеса максимизирует математическое ожидание результата: B
 (P, Ȥi) = 
^
`
i
n
1
i1
in
Ȥ
 Ȥ
max p
f
...
p
f

u


u
. В рассматриваемом примере при принятии альтернатив Ȥ1 - B
 (P, Ȥ1) = 5 ā 0,2  4 ā 0,3  3 ā 0,5 = 3,7;
Ȥ2 - B
 (P, Ȥ2) = 4 ā 0,2  5 ā 0,3  5 ā 0,5 = 4,2;
Ȥ3 - B
 (P, Ȥ3) = 4 ā 0,2  2 ā 0,3  4 ā 0,5 = 3,4.
Согласно этому принципу наиболее предпочтительной является альтернатива Ȥ2.


Доступ онлайн
500 ₽
В корзину