 |
 |
 |
 |
|
 |
 |
7
возникают достаточно часто. Следовательно, итерационный характер процесса принятия решений
можно считать закономерным, что подтверждает необходимость создания и использования
эффективных систем компьютерной поддержки. ЗПР, требующие одного цикла, можно скорее считать
исключением, чем правилом.
1.3. Классификация задач принятия решений
Задачи принятия решений отличаются большим многообразием, классифицировать их можно по
различным признакам, характеризующим количество и качество доступной информации. В общем
случае задачи принятия решений можно представить следующим набором информации [8, 17, 18]:
<Т, A, К, X, F, G, D>,
где Т— постановка задачи (например, выбрать лучшую альтернативу или упорядочить весь набор);
А — множество допустимых альтернативных вариантов;
К— множество критериев выбора;
Х— множество методов измерения предпочтений (например, использование различных шкал);
F— отображение множества допустимых альтернатив в множество критериальных оценок (исходы);
G
— система предпочтений эксперта;
D
— решающее правило, отражающее систему предпочтений.
Любой из элементов этого набора может
служить классификационным признаком принятия
решений.
Рассмотрим традиционные классификации:
1. По виду отображения F. Отображение множества А и К может иметь детерминированный
характер, вероятностный или неопределенный вид, в соответствии с которым задачи принятия решений
можно разделить на задачи в условиях риска и задачи в условиях неопределенности.
2. Мощность множества К. Множество критериев выбора может содержать один элемент или
несколько. В соответствии с этим задачи принятия решений можно разделить на задачи со скалярным
критерием и задачи с векторным критерием (многокритериальное принятие решений).
3. Тип системы G. Предпочтения могут формироваться одним лицом или коллективом, в
зависимости от этого задачи принятия решений можно классифицировать на задачи индивидуального
принятия решений и задачи коллективного принятия решений.
Задачи принятия решений в условиях определенности. К этому классу относятся задачи, для
решения которых имеется достаточная и достоверная количественная информация. В этом случае с
успехом применяются методы математического программирования, суть которых состоит в нахождении
оптимальных решений на базе математической модели реального объекта. Основные условия
применимости методов математического программирования следующие:
1. Задача должна быть хорошо формализована, т. е. имеется адекватная математическая модель
реального объекта.
2. Существует некоторая единственная целевая функция (критерий оптимизации), позволяющая
судить о качестве рассматриваемых альтернативных вариантов.
3. Имеется возможность количественной оценки значений целевой функции.
4. Задача имеет определенные степени свободы (ресурсы оптимизации), т. е. некоторые параметры
функционирования системы, которые можно произвольно изменять в некоторых пределах в целях
улучшения значений целевой функции.
Задачи в условиях риска. В тех случаях, когда возможные исходы можно описать с помощью
некоторого вероятностного распределения, получаем задачи принятия решений в условиях риска. Для
построения распределения вероятностей необходимо либо иметь в распоряжении статистические
данные, либо привлекать знания экспертов. Обычно для решения задач этого типа применяются методы
теории одномерной или многомерной полезности. Эти задачи занимают место на границе между
задачами принятия решений в условиях определенности и неопределенности. Для решения этих задач
привлекается вся доступная информация (количественная и качественная).
Задачи в условиях неопределенности. Эти задачи имеют место тогда, когда информация,
необходимая для принятия решений, является неточной, неполной, неколичественной, а формальные
модели исследуемой системы либо слишком сложны, либо отсутствуют. В таких случаях для решения
задачи обычно привлекаются знания экспертов. В отличие от подхода, принятого в экспертных
системах, для решения ЗПР знания экспертов обычно выражены в виде некоторых количественных