 |
 |
 |
 |
|
 |
 |
10
подходов к принятию решений наибольший интерес представляют те, которые дают возможность
учитывать многокритериальность и неопределенность, а также позволяют осуществлять выбор решений
из множеств альтернатив различного типа при наличии критериев, имеющих разные типы шкал
измерения (эти методы относятся к четвертой группе).
В свою очередь, среди методов, образующих четвертую группу, наиболее перспективными являются
декомпозиционные методы теории ожидаемой полезности, методы анализа иерархий и теории нечетких
множеств. Данный выбор определен тем, что эти методы в наибольшей степени удовлетворяют
требованиям универсальности, учета многокритериальности выбора в условиях неопределенности
из
дискретного или непрерывного множества альтернатив, простоты подготовки и переработки экспертной
информации.
Охарактеризовать достаточно полно все методы принятия решений, относящиеся к четвертой группе,
в рамках данной работы невозможно, поэтому в дальнейшем рассматриваются только три подхода к
принятию решений в условиях неопределенности, которые получили наиболее широкое воплощение в
системах компьютерной поддержки, а именно: подходы, основанные на методах теории полезности,
анализа иерархий и теории нечетких множеств.
1.5. Характеристика методов теории полезности
Декомпозиционные методы теории ожидаемой полезности получили наиболее широкое
распространение среди группы аксиоматических методов принятия решений в условиях риска и нео-
пределенности.
Основная идея этой теории состоит в получении количественных оценок полезности возможных
исходов, которые являются следствиями процессов принятия решений. В дальнейшем на основании
этих оценок можно выбрать наилучший исход. Для получения оценок полезности необходимо иметь
информацию о предпочтениях лица, ответственного за принимаемое решение.
Парадигма анализа решения может быть сведена к процессу, включающему пять этапов [10].
Этап 1. Предварительный анализ. На этом этапе формулируется проблема и определяются
возможные варианты действий, которые можно предпринять в процессе ее решения.
Этап 2. Структурный анализ. Этот этап предусматривает структуризацию проблемы на
качественном уровне, на котором ЛПР намечает основные шаги процесса принятия решений и пытается
упорядочить их в виде некоторой последовательности. Для этой цели строится дерево решений,
(рис.1.3).
Рис. 1.3. Фрагмент дерева решений
Дерево решений имеет два типа вершин: вершины-решения (обозначены квадратиками) и вершины-
случаи (обозначены кружочками). В вершинах-решениях выбор полностью зависит от ЛПР, в
вершинах-случаях ЛПР не полностью контролирует выбор, так как случайные события можно
предвидеть лишь с некоторой вероятностью.
Этап 3. Анализ неопределенности. На этом этапе ЛПР устанавливает значения вероятности для тех
ветвей на дереве решений, которые начинаются в вершинах-случаях. При этом полученные значения
вероятностей подлежат проверке на наличие внутренней согласованности.
Для получения значений вероятности привлекается вся доступная информация: статистические
данные, результаты моделирования, экспертная информация и т. д.
Этап 4. Анализ полезности. На данном этапе следует получить количественные оценки полезности
последствий (исходов), связанных с реализацией того или иного пути на дереве решений. На рис. 1.3