Предложенное в предыдущей главе понятие относительной важности критериев здесь распространяется на общий случай двух групп критериев. Изучаются его простейшие свойства и показывается, каким образом производить учет информации о том, что одна группа критериев важнее другой группы с определенным набором коэффициентов относительной важности. Этот учет, как и в случае двух критериев, сводится к построению множества Парето относительно нового векторного критерия. Но при этом размерность последнего может быть существенно выше размерности исходного критерия. [c.77]
Следствие 3.2 показывает, что в приведенном выше примере 3.1 (где т = 10) максимальное возможное число компонент нового векторного критерия равно 30 и может достигаться в случае, когда одна половина критериев важнее другой половины (либо когда некоторая группа из шести критериев важнее оставшейся группы из четырех критериев). [c.90]
Вопросам учета набора различного рода сообщений об относительной важности критериев посвящена эта глава. Подробно рассматриваются наиболее простые варианты набора такой информации, когда каждый из двух данных критериев важнее другого, когда один критерий важнее двух других в отдельности, когда каждый из двух критериев по отдельности важнее третьего. Для всех этих вариантов получены формулы пересчета векторного критерия, на основе которого производится сужение множества Парето. [c.94]
Теперь обсудим, каким образом МДЦ можно использовать при наличии дополнительной информации об относительной важности критериев в случае, когда множество возможных решений состоит из бесконечного числа элементов (например, задано в виде множества решений некоторой системы линейных неравенств). Для иллюстрации сначала рассмотрим самую простую ситуацию, — когда имеется всего три критерия и первый критерий важнее второго с некоторым коэффициентом относительной важности. Будем считать, что другой информации нет, причем получающееся в результате учета этой информации множество парето-оптимальных векторов бесконечно. Спрашивается, каким образом произвести дальнейшее сужение области поиска или же более того — остановить выбор на каком-то одном из возможных векторов С этой целью можно по известной формуле 612/1 + (1 - 0i2)/> пересчитать менее важный второй критерий и, тем самым, образовать новый векторный критерий, в котором первый и третий остались прежними. Именно второй, измененный критерий следует взять в качестве некоординатного и задать определенный ряд его значений для получения соответствующих двумерных сечений. Сравнивая представленные на дисплее сечения, можно получить наглядное представление о структуре множества Парето, соответствующем новому векторному критерию, и попытаться выбрать из этого множества какой-то один определенный (компромиссный) вектор у, у, у )- Этот [c.168]
Если же значения самого важного частного критерия у некоторых альтернатив оказались одинаковы, ЛПР обращает внимание на значения другого (также вполне определенного) частного критерия, который является следующим по важности в абсолютно упорядоченном ряду частных критериев, и т. д. Информация об абсолютном упорядочении критериев по важности столь совершенна, что позволяет задать связное отношение нестрогого предпочтения на множестве даже неоднородных векторных оценок, выделить из них лучшую и поставить ей в соответствие оптимальную стратегию. Информацию такого типа будем называть лексикографической и обозначать in/ = lex, а задачи с подобной информацией об относительной важности критериев будем называть задачами лексикографической оптимизации. [c.191]
Необходимо отметить, что формирование математической модели принятия решений (т. е. построение множества X и векторного критерия /) нередко представляет собой сложный процесс, в котором тесно взаимодействуют специалисты двух сторон. А именно, представители конкретной области знаний, к которой относится исследуемая проблема, и специалисты по принятию решений (математики). С одной стороны, следует учесть все важнейшие черты и детали реальной задачи, а с другой — построенная модель не должна оказаться чрезмерно сложной для того, чтобы для ее исследования и решения можно было успешно применить разработанный к настоящему времени математический аппарат. Именно поэтому этап построения математической модели в значительной степени зависит от опыта, интуиции и искусства исследователей обеих сторон. Его невозможно отождествить с простым формальным применением уже известных, хорошо описанных алгоритмов. [c.19]
Теперь рассмотрим ситуацию, когда /-й критерий важнее у-го, а он, в свою очередь, важнее некоторого к-то критерия, / у, j t к, i к. Здесь также имеются два сообщения об относительной важности критериев, но они не являются взаимно независимыми. Тем не менее, для учета этого набора информации и формирования нового векторного критерия также можно дважды применить теорему 2.5, в которой идет речь об учете информации об относительной важности одного критерия в сравнении с другим. Сначала следует пересчитать к-й критерий для того, чтобы воспользоваться информацией о том, что у-й критерий важнее к-го. Затем необходимо пересчитать у-й критерий для учета информации о том, что /-й критерий важнее у-го. В результате будет образован новый векторный критерий, у которого все компоненты за исключением у-й и к-й остались прежними. Множество парето-оптимальных решений (парето-оптимальных векторов) относительно нового векторного критерия будет представлять собой оценку сверху для неизвестного множества выбираемых решений (выбираемых векторов). [c.95]
Поскольку первый критерий важнее второго (допустим, что 0i2 0-4), то вместо второго критерия в новой многокритериальной задаче, множество Парето которой является оценкой сверху для искомого множества выбираемых решений (векторов), будет участвовать новый второй критерий, градиент которого обозначен с2. Конец этого вектора представляет собой результат перемещения конца вектора с2 по прямой, соединяющей концы векторов с1 и с2, в направлении конца вектора с] на 40% длины отрезка, соединяющего концы двух данных векторов. С другой стороны, поскольку второй критерий важнее первого (пусть 921 0.25), то новый первый критерий будет иметь градиент с, конец которого будет располагаться на расстоянии 25% длины указанного выше отрезка от конца вектора с1 в направлении конца вектора с2. Новый векторный критерий будет иметь вид ( с, х), l, х)). Таким образом, при учете набора указанной информации происходит взаимное изменение направлений градиентов обоих критериев, которое можно трактовать как сближение целей . [c.97]
Другая важная проблема, тесно связанная с согласованием решений,— формирование и согласование целей (критериев оптимальности) различных уровней. При декомпозиционном подходе к построению С. о.-м. м., используемом гл. обр. для разработки моделей планирования, общая цель для всей системы задана, а целевые функции составных частей формируются исходя из этой общей цели. Методика декомпозиции целей хорошо разработана для моделей оптимального планирования, базирующихся на методах блочного программирования. При синтотич. подходе, более универсальном и реалистичном, целевые функции частей (напр., групп населения) являются исходными, заданными. Задача состоит в определении такого взаимодействия частей внутри системы и такого порядка функционирования, при к-ром вся система в целом достигла бы решения, соответствующего глобальной цели. Проблемы синтеза общем цели на основе частных ставятся и решаются в теории игр, моделях векторной оптимизации, моделях экономич. равновесия, теории принятия групповых решений, а также методами имитационного моделирования. В имитационных моделях, понимаемых достаточно широко, переменными или варьируемыми параметрами могут выступать алгоритмы принятия решений отд. подмоделями, а также алгоритмы согласования решений. Следовательно, задача состоит в нахождении такого набора алгоритмов, имитирующих функционирование экономич. системы, при к-ром получаемое общее решение наилучшим образом соответствует глобально] цели системы. [c.558]