1. Для каждого состояния природы j (столбца матрицы) определим максимальное значение выигрыша y j :

y j = max(x ij )

2. Для каждой клетки исходной матрицы X найдем разность между максимальным выигрышем r j для данного состояния природы и исходом в рассматриваемой ячейке x ij :

r ij = y j - x ij

Из полученных значений составим новую матрицу R - "матрицу сожалений" или, как ее еще можно назвать, матрицу недополученных выигрышей.

3. Для каждой альтернативы в новой матрице R найдем наибольший возможный недополученный выигрыш ("максимальное сожаление"). Это и будет являться оценкой данной альтернативы по критерию Сэвиджа S i :

S i = max(r ij ), j=1..M

4. Оптимальной может быть признана альтернатива с минимальным (!) наибольшим недополученным выигрышем:

Х* = Х k , S k = min(S i ), i=1..N

Пример применения критерия Сэвиджа

Применим изложенный выше алгоритм действий для принятия решения в условиях задачи из табл. 3.

1. Найдем наибольшую возможную величину прибыли для каждого сценария развития региона:

y 1 = max (x 11 , x 21) = max(45, 20) = 45

y 2 = max (x 12 , x 22) = max(25, 60) = 60

y 3 = max (x 13 , x 23) = max(50, 25) = 50

2. Рассчитаем значения "сожалений" для каждого проекта при каждом сценарии (т.е. найдем недополученную прибыль по сравнению с максимально возможной при данном сценарии развития). Составим из полученных значений "матрицу сожалений" (табл. 4).

для проекта Х 1 :

r 11 = y 1 - x 11 = 45 - 45 = 0

r 12 = y 2 - x 12 = 60 - 25 = 35

r 13 = y 3 - x 13 = 50 - 50 = 0

для проекта Х 2 :

r 21 = y 1 - x 21 = 45 - 20 = 25

r 22 = y 2 - x 22 = 60 - 60 = 0

r 23 = y 3 - x 23 = 50 - 25 = 25

Таблица 4

Матрица сожалений R (для примера).

4. В полученной матрице по каждой строке найдем наибольшую величину "сожаления" для каждого проекта (последний столбец в табл. 4). Это значение соответствует оценке данной альтернативы по критерию Сэвиджа.

S 1 = max(0, 35, 0) = 35

S 2 = max(25, 0, 25) = 25

5. Сравним полученные величины и найдем проект с минимальным (!) значением критерия . Он и будет оптимальным:

35 > 25 => S 1 > S 2 => X* = X 2

ЛПР, руководствующийся при принятии решений критерием Сэвиджа, выберет проект Х 2 .

Еще раз подчеркнем, что в отличие от остальных критериев, наилучшей альтернативой является та, для которой значение критерия Сэвиджа минимально , поскольку критерий отражает наибольший из возможных недополученных выигрышей для данной альтернативы. Разумеется, чем меньше можно недополучить, тем лучше.

Обычный (или простой) критерий Гурвица учитывает только крайние исходы x i max и x i min каждой альтернативы:

x i max = max(x ij ), x i min = min(x ij ), j = 1..M

Он позволяет учесть субъективное отношение применяющего данный критерий ЛПР за счет придания этим исходам разных "весов". Для этого в расчет критерия введен "коэффициент оптимизма" λ, 0 ≤ λ ≤ 1 . Формула для расчета критерия Гурвица для i -й альтернативы с коэффициентом оптимизма λ выглядит следующим образом:

H i (λ ) = λ x i max + (1 - λ ) x i min

Если исходы представляют возможные выигрыши, то оптимальной признается альтернатива с максимальным значением критерия Гурвица:

Х* = Х k , H k (λ ) = max(H i (λ )), i = 1..N

Как видно из формулы, правильный выбор коэффициента оптимизма λ оказывает существенное влияние на результат применения критерия. Остановимся подробнее на логике подбора λ .

Если ЛПР настроен пессимистически, то для него важнее меньше потерять при плохом развитии событий, пусть даже это означает не такой большой выигрыш при удачном состоянии. Значит, удельный вес наихудшего исхода x i min в оценке альтернативы должен быть выше, чем для x i mах . Это обеспечивается, когда λ находится в пределах от 0 до 0.5 , исключая последнее значение.

При λ=0 критерий Гурвица "вырождается" в критерий Вальда и подходит только для очень пессимистично настроенных ЛПР.

Оптимистичный ЛПР, напротив, ориентируется на лучшие исходы, так как для него важнее больше выиграть, а не меньше проиграть. Больший удельный вес в оценке наилучшего исхода достигается при λ больше 0.5 и до 1 включительно. При λ=1 критерий Гурвица становится критерием "максимакса", который учитывает исключительно наибольший исход каждой альтернативы.

Если у ЛПР нет ярко выраженного уклона ни в сторону пессимизма, ни оптимизма, коэффициент λ принимается равным 0.5 .

Пример применения критерия Гурвица

В условиях задачи из табл. 3 рассмотрим принятие решения по критерию Гурвица для ЛПР, настроенного оптимистически (λ = 0.8 ), и ЛПР-пессимиста (λ = 0.3 ). Порядок действий таков:

1. Найдем максимальные x i max и минимальные x i min исходы для каждого проекта:

x 1 max = max(45, 25, 50) = 50 x 1 min = min(45, 25, 50) = 25

x 2 max = max(20, 60, 25) = 60 x 2 min = min(20, 60, 25) = 20

2. Рассчитаем величину критерия Гурвица при заданных значениях коэффициента оптимизма:

ЛПР-оптимист (λ=0.8 ):

H 1 (0.8 ) = λ x 1 max + (1 - λ ) x 1 min = 0.8×50 + (1 - 0.8 )×25 = 45

H 2 (0.8 ) = λ x 2 max + (1 - λ ) x 2 min = 0.8×60 + (1 - 0.8 )×20 = 52

ЛПР-пессимист (λ=0.3 ):

H 1 (0.3 ) = λ x 1 max + (1- λ ) x 1 min = 0.3×50 + (1 - 0.3 )×25 = 32.5

H 2 (0.3 ) = λ x 2 max + (1- λ ) x 2 min = 0.3×60 + (1 - 0.3 )×20 = 32

3. Сравним полученные величины. Оптимальными для каждого ЛПР будут альтернативы с максимальным значением критерия Гурвица:

ЛПР-оптимист (λ = 0.8 ):

45 < 52 => H 1 (0.8) < H 2 (0.8) => X* = X 2

ЛПР-пессимист (λ = 0.3 ):

32.5 < 32 => H 1 (0.3) > H 2 (0.3) => X* = X 1

Как мы видим, выбор оптимальной альтернативы в одних и тех же условиях существенным образом зависит от отношения ЛПР к риску. Если для пессимиста оба проекта примерно равноценны, то оптимист, который надеется на лучшее, выберет второй проект. Его высокая наилучшая прибыль (60 ) при больших значениях коэффициента λ значительно повышает ценность данного проекта по критерию Гурвица.

Недостатком обычного критерия Гурвица является его "нечувствительность" к распределению исходов между крайними значениями. Это может приводить к неправильным решениям. Например, альтернатива А{100; 150; 200; 1000} по критерию Гурвица с "оптимистичным" коэффициентом λ = 0.7 лучше альтернативы В{100; 750; 850; 950} , так как:

H А (0.7) = 0.7×1000 + (1 - 0.7)×100 = 730

H В (0.7) = 0.7×950 + (1 - 0.7)× 100 = 695

Однако, если посмотреть внимательнее на возможности, которые предоставляет В , то становится заметно, что она выгоднее. Ее "внутренние" исходы (750 и 850 ) существенно лучше, чем у А (150 и 200) , а максимальный выигрыш лишь немногим хуже (950 против 1000 ). В реальной жизни логичнее было бы выбрать В .

Принцип построения обобщенного критерия Гурвица похож на предыдущий. Всем принимаемым в расчет исходам присваивается некоторый "удельный вес". Значение критерия для альтернативы рассчитывается как взвешенная сумма ее исходов. Однако чтобы избежать недостатков "предшественника", обобщенный критерий учитывает все исходы каждой альтернативы.

Тогда, формула для расчета обобщенного критерия для i -й альтернативы может быть записана следующим образом:

λ q - коэффициент для q -го значения i -й альтернативы,

0≤λ q ≤1, λ 1 + ... + λ q + ... + λ М = 1

Получается, что для использования обобщенного критерия Гурвица необходимо назначить М (!) коэффициентов λ q . Конечно, можно было бы это сделать произвольно. Но при большом количестве состояний М это становится весьма трудоемко, так как необходимо, чтобы коэффициенты удовлетворяли как минимум двум условиям:

1) сумма всех весовых коэффициентов должна быть равна единице:

2) величины коэффициентов должны отражать отношение ЛПР к неопределенности:

а) для оптимистичного ЛПР лучшие исходы должны иметь больший "вес", причем, чем лучше исход, тем больше "вес";

б) для пессимистичного ЛПР - все наоборот - больший "вес" у худших исходов, и чем хуже исход - тем больше "вес":

Чтобы не назначать коэффициенты произвольно по отдельности были предложены формализованные методы их расчета, один и которых мы и рассмотрим ниже.

Глава 2. Принятие решений в условиях неопределенности

2.10.Критерий Сэвиджа

Критерий Сэвиджа несколько отличается от всех остальных, рассматриваемых в данной книге. Оценка альтернатив производится не по исходной матрице, а по так называемой "матрице сожалений" или, как ее еще называют в некоторых источниках, "матрице рисков" .

Для произвольной альтернативы и конкретного состояния природы величина "сожаления" равна разнице между тем, что обеспечивает данная альтернатива, и тем, сколько максимально можно выиграть при данном состоянии. С экономической точки зрения величину "сожаления" можно трактовать как недополученный выигрыш (или упущенную выгоду) по сравнению с максимально возможным при данном состоянии природы.

Рассмотрим, каким образом следует выбирать наилучшую альтернативу, руководствуясь критерием Сэвиджа.

Порядок применения критерия Сэвиджа

1. Для каждого состояния природы j (столбца матрицы) определим максимальное значение выигрыша y j :

y j = max (x ij )

2. Для каждой клетки исходной матрицы X найдем разность между максимальным выигрышем r j для данного состояния природы и исходом в рассматриваемой ячейке x ij :

r ij = y j - x ij

Из полученных значений составим новую матрицу R - "матрицу сожалений" или, как ее еще можно назвать, матрицу недополученных выигрышей.

3. Для каждой альтернативы в новой матрице R найдем наибольший возможный недополученный выигрыш ("максимальное сожаление"). Это и будет являться оценкой данной альтернативы по критерию Сэвиджа S i :

S i = max (r ij ) , j=1..M

4. Оптимальной может быть признана альтернатива с минимальным (!) наибольшим недополученным выигрышем:

Х* = Х k , S k = min (S i ) , i=1..N

Пример применения критерия Сэвиджа

Применим изложенный выше алгоритм действий для принятия решения в условиях задачи из п.2.7 (табл.2.2).

1. Найдем наибольшую возможную величину прибыли для каждого сценария развития региона:

y 1 = max (x 11 , x 21) = max (45, 20) = 45

y 2 = max (x 12 , x 22) = max (25, 60) = 60

y 3 = max (x 13 , x 23) = max (50, 25) = 50

2. Рассчитаем значения "сожалений" для каждого проекта при каждом сценарии (т.е. найдем недополученную прибыль по сравнению с максимально возможной при данном сценарии развития). Составим из полученных значений "матрицу сожалений" (см. табл.2.3).

для проекта Х 1 :

r 11 = y 1 - x 11 = 45 - 45 = 0

r 12 = y 2 - x 12 = 60 - 25 = 35

r 13 = y 3 - x 13 = 50 - 50 = 0

для проекта Х 2 :

r 21 = y 1 - x 21 = 45 - 20 = 25

r 22 = y 2 - x 22 = 60 - 60 = 0

r 23 = y 3 - x 23 = 50 - 25 = 25

Табл.2.3. Матрица сожалений R (для примера).

Альтер-нативы (X i )	Состояния природы (j )			Макс. "сожаление" S i
	1	2	3
X 1	0	35	0	35
X 2	20	0	25	25
y j	45	60	50

4. В полученной матрице по каждой строке найдем наибольшую величину "сожаления" для каждого проекта (последний столбец в табл.2.3). Это значение соответствует оценке данной альтернативы по критерию Сэвиджа.

Главная > Документ

1.4.Критерий пессимизма-оптимизма Гурвица.

Представляется логичным, что при выборе решения вместо двух крайностей в оценке ситуации придерживаться некоторой промежуточной позиции, учитывающей возможность как наихудшего, так и наилучшего, благоприятного поведения природы. Такой компромиссный вариант и был предложен Гурвицем. Согласно этому подходу для каждого решения необходимо определить линейную комбинацию min и max выигрыша и взять ту стратегию, для которой эта величина окажется наибольшей, т.е. стараясь занять уравновешенную позицию, Гурвиц предложил критерий (HW), оценочная функция которого находится где-то между точками предельного оптимизма и крайнего пессимизма. Оценочная функция имеет две формы записи: Z H W =, (5)где  - “степень пессимизма” ("коэффициент пессимизма", весовой множитель), 0  1. Правило выбора согласно критерию Гурвица (HW – критерия) формулируется следующим образом: Матрица решений дополняется столбцом, содержащим средние взвешенные наименьшего и наибольшего результатов каждой строки. Выбираются те варианты Xi , в строках которых стоят наибольшие элементы a ir этого столбца. При =1 критерий Гурвица (5) тождественен критерию Вальда, а при  =0 – в критерий крайнего оптимизма (критерий азартного игрока), рекомендующий выбрать ту стратегию, при которой самый большой выигрыш в строке максимален. В технических приложениях правильно выбрать этот множитель бывает так же трудно, как и выбрать критерий. Вряд ли возможно найти количественную характеристику для тех долей оптимизма и пессимизма, которые присутствуют при принятии решения. Поэтому чаще всего весовой множитель =0.5 без возражений принимается в качестве некоторой "средней" точки зрения. На выбор значения степени пессимизма оказывает влияние мера ответственности: чем серьезнее последствия ошибочных решений, тем больше желание принимающего решение застраховаться, то есть степень пессимизма  ближе к единице. Рассмотрим применение критерия Гурвица для данных таблицы 1 и степени пессимизма =0.6. Для стратегии X 1 минимальное значение равно 1, а максимальное – 10. Используя формулу (6), вычислим а 1 r =0.6*1+0.4*10=4.6. Аналогично для второй стратегии. Находим максимальное значение столбца а ir . В результате получим таблицу 11. Таблица 11 Следовательно, по критерию Гурвица при =0.6 следует выбирать стратегию X 1 . Замечание. В литературе используется и такая форма критерия Гурвица: Z H W =
, (6)где  - “степень оптимизма” ("коэффициент оптимизма ", весовой множитель), 01. При =0 критерий Гурвица (6) тождественен критерию Вальда, а при =1 совпадает с максиминным решением. Критерий Гурвица предъявляет к ситуации, в которой принимается решение, следующие требования:

о вероятностях появления Вj ничего не известно; с появлением состояний Вj необходимо считаться; реализуется лишь малое количество решений; допускается некоторый риск.

1.5.Критерий Сэвиджа (критерий минимакса риска).

На практике, выбирая одно из возможных решений, часто останавливаются на том, осуществление которого приведет к наименее тяжелым последствиям, если выбор окажется ошибочным . Этот подход к выбору решения математически был сформулирован американским статистиком Сэвиджем (Savage) в 1954 году и получил название принципа Сэвиджа. Он особенно удобен для экономических задач и часто применяется для выбора решений в играх человека с природой. По принципу Сэвиджа каждое решение характеризуется величиной дополнительных потерь, которые возникают при реализации этого решения, по сравнению с реализацией решения, правильного при данном состоянии природы. Естественно, что правильное решение не влечет за собой никаких дополнительных потерь, и их величина равна нулю. При выборе решения, наилучшим образом соответствующего различным состояниям природы, следует принимать во внимание только эти дополнительные потери, которые по существу, будут являться следствием ошибок выбора. Для решения задачи строится так называемая “матрица рисков”, элементы которой показывают, какой убыток понесет игрок (ЛПР) в результате выбора неоптимального варианта решения. Риском игрока r ij при выборе стратегии i в условиях (состояниях) природы j называется разность между максимальным выигрышем, который можно получить в этих условиях и выигрышем, который получит игрок в тех же условиях, применяя стратегию i. Если бы игрок знал заранее будущее состояние природы j, он выбрал бы стратегию, которой соответствует максимальный элемент в данном столбце:
, и тогда риск:
. Критерий Сэвиджа рекомендует в условиях неопределенности выбирать решение, обеспечивающее минимальное значение максимального риска: Z S =
. (6) Рассмотрим применение критерия Сэвиджа для данных таблицы 10. Строим матрицу "рисков" для этого находим максимальные значения для каждого столбца таблицы 1. Они равны 1.1; 10 и 1.2 соответственно и находим значения рисков по формуле . Дополняем эту матрицу столбцом наибольших разностей. Выбираем те варианты, в строках которых стоит наименьшее для этого столбца значение. В результате получим таблицу 12. Таблица 12. Матрица рисков Критерий Сэвиджа рекомендует выбрать стратегию X 1 .

1.6.Критерий Лапласа.

В ряде случаев представляется правдоподобным следующее рассуждение: поскольку неизвестны будущие состояния природы, постольку можно считать их равновероятными. Этот подход к решению используется в критерии “недостаточного основания ” Лапласа. Для решения задачи для каждого решения подсчитывается математическое ожидание выигрыша (вероятности состояний природы полагаются равными q j = 1/n, j = 1:n), и выбирается то решение, при котором величина этого выигрыша максимальна. Z L =
. Гипотеза о равновероятности состояний природы является довольно искусственной, поэтому принципом Лапласа можно пользоваться лишь в ограниченных случаях. В более общем случае следует считать, что состояния природы не равновероятны и использовать для решения критерий Байеса-Лапласа.

1.7.Критерий Байеса-Лапласа.

Этот критерий отступает от условий полной неопределенности - он предполагает, что возможным состояниям природы можно приписать определенную вероятность их наступления и, определив математическое ожидание выигрыша для каждого решения, выбрать то, которое обеспечивает наибольшее значение выигрыша: Z BL =
. Этот метод предполагает возможность использования какой-либо предварительной информации о состояниях природы. При этом предполагается как повторяемость состояний природы, так и повторяемость решений, и, прежде всего, наличие достаточно достоверных данных о прошлых состояниях природы. То есть, основываясь на предыдущих наблюдениях прогнозировать будущее состояние природы (статистический принцип ). Возвращаясь к нашей таблице 1 предположим, что q 1 =0.4, q 2 =0.2 и q 3 =0.4. Тогда согласно критерию Байеса-Лапласа таблицу 1 дополняем столбцом математических ожиданий и среди этих значений выбираем максимальное. Получим таблицу 13. Таблица 13. Оптимальным является решение X 1 . Критерий Байеса-Лапласа предъявляет к ситуации, в которой принимается решение, следующие требования:

вероятности появления состояний Вj известны и не зависят от времени; решение реализуется (теоретически) бесконечно много раз; 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 исключён. Исходная позиция применяющего – критерий оптимистичнее, чем в случае критерия Вальда, однако она предполагает более высокий уровень информированности и достаточно длинные реализации.Перечисленные критерии не исчерпывают всего многообразия критериев выбора решения в условиях неопределенности, в частности, критериев выбора наилучших смешанных стратегий, однако и этого достаточно, чтобы проблема выбора решения стала неоднозначной:Таблица 14. Оптимальные варианты, полученные с помощью различных критериев

Решение	Критерии
Стратегии	Вальда	maxmax	Гурвица, =0.6	Сэвиджа	Лапласа	Байеса-Лапласа q 1 =0.4, q 2 =0.2, q 3 =0.4

Из таблицы 14 видно, что от выбранного критерия (а, в конечном счете - от допущений) зависит и выбор оптимального решения. Выбор критерия (как и выбор принципа оптимальности) является наиболее трудной и ответственной задачей в теории принятия решений. Однако конкретная ситуация никогда не бывает настолько неопределенной, чтобы нельзя было получить хотя бы частичной информации относительно вероятностного распределения состояний природы. В этом случае, оценив распределение вероятностей состояний природы, применяют метод Байеса-Лапласа, либо проводят эксперимент, позволяющий уточнить поведение природы. 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 Сэвиджа. Примеры постановки решения задач В данном параграфе на примере решения задач мы должны научиться определять вектор стратегий, вектор состояний и платёжную матрицу и применять различные критерии для получения оптимального решения. Задача. В приморском городе решено открыть яхт-клуб. Сколько следует закупить яхт (из расчета: одна яхта на 5 человек), если предполагаемое число членов клуба колеблется от 10 до 25 человек. Годовой абонемент стоит 100 денежных единиц. Цена яхты - 170 денежных единиц. Аренда помещения и хранение яхт обходится в 730 денежных единиц в год. Решение. Несомненно, что имеет смысл рассматривать количество приобретаемых яхт в диапазоне от двух до пяти (4 варианта) и количество потенциальных яхтсменов от 10 до 25. Для уменьшения объема перебора ограничимся вариантами 10, 15, 20, 25 (если полученные выводы для смежных вариантов будут существенно разниться, проведем дополнительный, уточняющий расчет). Итак: X = { X i } = (2, 3, 4, 5) – количество яхт (i=1,2,3,4) ; B = { B j } =(10, 15, 20, 25) – количество членов яхт-клуба (j=1,2,3,4) . Для того, чтобы начать поиск решения, построим матрицу решений , элементы которой показывают прибыль при принятии i -го решения при j –ом количестве членов яхт-клуба:

a ij = 100 ´min(5 ´X i ; B j ) - 170 ´X i - 730

Т.е. решающее правило в нашей задаче формулируется как "доход – затраты".Выполнив несложные расчеты, заполним матрицу решений {a ij } (см. табл. 15): Таблица 15. Платёжная матрица

Например, a 11 = 100´min(52, 10) - 170´2-730 =-70 a 12 =100´min(5´2, 15)-170´2-730=-70 a 13 = a 14 = -70 (спрос на яхты останется неудовлетворенным). Отрицательные значения показывают, что при этих соотношениях спроса на яхты и их наличия яхт-клуб несет убытки. Критерий Вальда (выбор осторожной, пессимистической стратегии) – для каждой альтернативы (количество яхт в клубе) выбирается самая худшая ситуация (наименьшее значение величины прибыли) и среди них отыскивается гарантированный максимальный эффект:

Z MM =max(-70 ; -240; -410; -580)= -70

Вывод : принимая решение по критерию Вальда, яхт-клубу следует закупить 2 яхты и максимум ожидаемого убытка не превысит 70 д.е. Критерий Гурвица (компромиссное решение между самым худшим исходом и излишне оптимистическим). Рассмотрим изменение решения нашей задачи в зависимости от значений коэффициента оптимизма (в таблице 16 выделены значения, удовлетворяющие критерию Гурвица при различных  ): Таблица 16. Решения по Гурвицу для различных  Вывод : при   0,5 следует закупить 5 яхт и ожидать прибыль порядка, не меньшую 170 д.е. (надеемся на широкую популярность нашего клуба и определенную финансовую состоятельность любителей), при  = 0,2 не следует закупать более 2 яхт (мы более осторожны в своих прогнозах и, скорее всего, предпочтем отказаться от создания клуба). Критерий Сэвиджа (нахождение минимального риска). При выборе решения по этому критерию сначала матрице полезности сопоставляется матрица сожалений DРабочая программа

Теория принятия решений – прикладная дисциплина и область исследований, вовлекающая понятия и методы математики, статистики, экономики, менеджмента и психологии, которая в формате экономических приложений изучает методы и закономерности