Столкнувшись с необходимостью учета многокритериальности, исследователи стали искать возможные подходы к решению задач оптимального выбора при многих критериях.
Простейшим способом устранения многокритериальности целей является перевод задачи выбора в русло однокритериальности, например, путем объединения всех частных (локальных) показателей эффективности fj(x) в один общий (глобальный) критерий качества f(x)= F(f 1 (x) , f 2 (x) ,… f h (x)). Подобный прием носит название свертки критериев.
Каждый частный критерий отражает какое-то отдельное качество варианта решения. Наилучший вариант должен характеризоваться наиболее удачным сочетанием всех этих отдельных качеств. Таким образом, поиск лучшего варианта решения сводится к отысканию экстремума единственной функции f(x)
x* arg max f(x) (3.11)
Остается только установить, как глобальное качество решения зависит от локальных качеств. Вид функции f(x) определяется тем, каким образом можно представить вклад каждого частного критерия f j (x) в общий критерий качества. Заметим, что для этого должна существовать возможность содержательного сопоставления критериев.
Достаточно популярным способом служит запись глобального критерия в виде суммы локальных критериев (так называемая аддитивная свертка)
или в виде их произведения (мультипликативная свертка)
Формула (3.12) выражает принцип равномерной оптимальности. Им обычно пользуются, когда частные критерии эффективности имеют одинаковую размерность, например, выражены в денежных единицах. Тогда глобальный критерий качества решения будет представлять собой общую ценность варианта, которая слагается из ценностей его отдельных составляющих.
Формула (3.13) отражает принцип справедливого компромисса, в соответствии с которым общее качество решения должно равняться нулю, если хотя бы один из частных критериев эффективности принимает нулевое значение. Подобный подход применяется, например, для оценки общей надежности функционирования сложной системы, состоящей из многих частей, узлов и блоков. Интересно, что принцип справедливого компромисса был сформулирован еще английским математиком Ч. Доджсоном (более известным как английский писатель Льюис Кэрролл) в книге «История с узелками».
Существенным недостатком указанных способов свертки критериев является равная важность или значимость критериев для ЛПР, при которой низкие оценки по одним критериям можно компенсировать только за счет высоких оценок по другим критериям. Вследствие этого лучшим может оказаться вариант решения, сочетающий не самые лучшие критериальные оценки.
Чтобы избежать такого несоответствия, часто используют взвешенные свертки частных критериев эффективности вида
, (3.15),
,
где w j ≥ 0 - вес частного критерия f j (x) . Способ свертки частных критериев и значения их весов задаются ЛПР и отражают его предпочтения.
Некоторым промежуточным вариантом между крайне пессимистическими вариантами и крайне оптимистическими является критерии пессимизма-оптимизма (критерий Гурвица):
где 0≤β≤- «коэффициент пессимизма» или, если хотите, «коэффициент оптимизма». При β=1 оценка превращается в минимальную, а при β=0 она максимально оптимистична. Необходимо подчеркнуть, что определение значения β – это прерогатива руководителя, и с этой точки зрения, оценка чрезвычайно субъективна. А также
где a i – коэффициенты важности критериев (весовые коэффициенты), определяемые в большинстве случае субъективно; ; с – некоторое фиксированное значение критерия f(x i), например, некоторое его усредненное значение; f(x i) - частный i- й показатель (критерий) эффективности; f j (x i) – частный i- й показатель (критерий) эффективности j -й альтернативы (проекта).
Выбор того или иного вида свертки определяется характером взаимосвязей составляющих ее критериев (равнозначные, доминирующие и т.п.), а также некоторыми специальными ограничениями на область значений свертки, вытекающими из специфики конкретной задачи и предпочтений руководителя. Если частные показатели неоднородные, то они либо сводятся к однородным, либо коэффициенты a i учитывают не только важность, но и физическую размерность показателя.
Основная трудность, возникающая при формировании и использовании обобщенных критериев, заключается в сложности определения весовых коэффициентов, на которые возложена функция адекватного отражения степени важности критерия, его физической размерности и иногда других факторов. К недостаткам обобщенных критериев следует также отнести и то, что при оценке они не позволяют учитывать часто встречающуюся иерархическую зависимость результирующего показателя от значений частных показателей.
Однако это не означает, что СППР не должна использовать этот подход к оценке эффективности управляющих решений. Система предлагает его руководителю как один из возможных вариантов.
Многокритериальная оценка альтернатив решения может быть выполнена также на основе правил выбора по Парето . Здесь предпочтительным считается такой проект, для которого не существует другого проекта лучше данного хотя бы по одному показателю и не хуже него по всем остальным.
Описанные правила отбора не позволяют учесть относительную важность критериев оценки. Они нечувствительны к степени отличия значений критериальных показателей, и вероятность ошибки существенно повышается с ростом числа критериев.
Ряд методов анализа и отбора проектов основан на том, что критерий оценки формируется на основе характеристик того или иного выделенного аспекта реализации решения (главного критерия) -затраты, время, риски, вероятности успеха и т.п. В конечном итоге такой подход приводит к постановке и решению той или иной задачи математического программирования, в которой выделенный показатель выступает в качестве критерия, а к значениям остальных показателей предъявляются определенные требования, порождающие область ограничений.
В общем случае это приводит к решению многокритериальной задачи методом последовательных уступок, когда последовательно находится оптимальное решение по каждому из упорядоченных по важности критериев с назначением руководителем на каждом шаге решения задачи уступки величины по каждому из критериев, оптимизируемых на предыдущем шаге.
Пример . Требуется выбрать лучший вариант строительства предприятия из пяти предложенных вариантов A 1 – A 5 . Проект предварительно оценивается по четырем частным показателям эффективности:
f 1 – величина ожидаемой прибыли, которую будет давать предприятие;
f 2 – стоимость строительства предприятия;
f 3 – величина экологического ущерба от строительства;
f 4 – заинтересованность жителей района в строительстве.
Для простоты будем считать, что оценки по каждому из четырех критериев даются по шкале: 5, 4, 3, 2, 1, 0 баллов. Поскольку оценки по второму и третьему критериям необходимо минимизировать, а не максимизировать, как по остальным, то вместо них введем критерии f’ 2 =5- f 2 и f’ 3 =5- f 3 . По результатам экспертизы были получены следующие оценки качества проектов:
y 1 = (4; 3; 4; 3),
y 2 = (5; 3; 3; 3),
y 3 = (2; 4; 2; 4),
y 4 = (5; 3; 2; 3),
y 5 = (4; 4; 3; 4).
Сравним вектор y 1 с остальными векторами по отношению доминирования ≥ на множестве достижимости Y а. В данном случае пары векторов y 1 - у 2 , y 1 – y 3 , y 1 – y 4 , y 1 – y 5 несравнимы по отношению доминирования. Вектор y 1 запоминается как эффективный. Далее сравнивается вектор у 2 с векторами y 3 , y 4 , y 5 . Пары векторов у 2 - y 3 , у 2 - y 5 несравнимы. Так как у 2 > y 4 , вектор у 4 удаляется из рассмотрения как доминируемый, а вектор у 2 запоминается как эффективный. Для сравнения остаются векторы y 3 и y 5 . Поскольку y 5 > y 3 , то вектор y 3 удаляется из рассмотрения как доминируемый. В итоге остаются три вектора y 1 , y 2 и y 5 , образующие паретову границу Y* С Y a исоответствующие эффективные варианты А 1 , А 2 , А 5 , среди которых и следует сделать окончательный выбор.
Чтобы еще больше сузить паретово множество Y* и выделить единственный наилучший вариант решения, необходима еще какая-то дополнительная информация, которую может дать только ЛПР.
Из презентаций
здесь x – альтернатива из множества Парето
fi (x ) – оценка альтернативы x по i -му критерию
Ci – коэффициенты относительной важности критериев
Использование линейной свертки
Это задачи, связанные с критериями
суммарного ущерба или прибыли ,
дохода ,
денежных или временных затрат
по годам планирования или по этапам
жизненного цикла экономических информационных систем и т. п.,
т.е. там, где допускается, что низкая ценность одной частной характеристики результата компенсируется высокой ценностью другой
Квадратичная свертка
При решении практических задач ЛПР, как правило, ранжирует критерии в соответствии со своими предпочтениями. В этом случае в качестве интегрального критерия используются различные виды сверток
, – линейная свертка
,
здесь x – альтернатива из множества W;
f i (x) – оценка альтернативы x по i-му критерию;
с i – весовые коэффициенты, с которыми оценки альтернатив входят в интегральный критерий. с i – коэффициенты значимости, или коэффициенты относительной важности критериев.
Коэффициенты с i можно найти, например, из специально организованной экспертизы: m экспертов должны расставить (ранжировать) критерии по важности:ранг 1 присвоить самому важному критерию и т.д. Пусть r ij – ранг, который присвоил j-ый экперт i-му критерию. Чтобы получить числовую оценку, введем новый коэффициент
.
Тогда коэффициент значимости i-го критерия с точки зрения j-го эксперта:
Обобщенные коэффициенты получим, усреднив оценки экспертов.
Пусть g j – компетентность j-го эксперта, тогда
.
Еще один метод назначения коэффициентов относительной важности основан на внесении предпочтений во множество критериев. Он состоит в следующем.
Пусть удается количественно выразить отношения предпочтения между критериями: критерий f i предпочтительнее критерия f j в h раз: . Тогда коэффициенты относительной важности этих критериев связаны между собой линейным уравнением C i =hC j . Это следует из теоремы:
Th. Если , то C i =hC j , C i >0, åC i =1.
Решая систему линейных уравнений, получим искомые коэффициенты.
Пример. Пусть варианты некоторой системы оцениваются по четырем критериям с пятибалльной шкалой. Значения критериевf i (х) даны в табл.13.
Пусть известно, что , f 2 ~ f 3 , .
Решение . Составим систему линейных уравнений для определения коэффициентов C i :
C 1 =1,5C 2 ; C 2 =C 3 ; C 3 =C 4 ; C 1 +C 2 +C 3 +C 4 =1;
Отсюда следует, что C 1 =3/8; C 2 =2/8; C 3 =2/8; C 4 =1/8.
В табл. 13 приведены значения интегрального критерия «Линейная свертка ».
Таблица 13
Оценки вариантов по критериям
| f 1 f 2 f 3 f 4 |  |
|
| Х1 Х2 Х3 Х4 Х5 Х6 | 2 5 4 5 5 3 4 3 3 2 5 5 4 3 4 4 3 4 4 4 4 3 3 4 | 3/8*2+2/8*5+2/8*4+1/8*5=29/8 32/8 28/8 30/8 29/8 28/8 |
По этому критерию лучшая альтернатива – Х 2 .
Задачи, в которых выполняются условия для использования линейной свертки, часто встречаются в практике. Это задачи, связанные с критериями суммарного ущерба или прибыли, дохода, денежных или временных затрат по годам планирования или по этапам жизненного цикла экономических информационных систем и т. п., т.е. там, где допускается, что низкая ценность одной частной характеристики результата компенсируется высокой ценностью другой.
Свертка может быть не только линейной , но и квадратичной :
,
сверткой порядка t :
,
Величина t, стоящая в показателе степени, отражает допустимую степень компенсации малых значений одних равноценных критериев большими значениями других. Чем больше значение t, тем больше степень возможной компенсации.
Например, при , т.е. когда недопустима никакая компенсация и требуется выравнивание значений всех критериев (равномерное «подтягивание» значение всех критериев к их наилучшему уровню), интегральный критерий приобретает вид
.
Если t →0, т.е. требуется обеспечение примерно одинаковых уровней значений отдельных частных критериев, то интегральный критерий имеет вид
–
мультипликативная функция.
При t=1 имеем линейную свертку, при t=2 – квадратичную.
В задачах планирования ударов «по узкому месту» допустима компенсация увеличения одного из критериев сколь угодно большим уменьшением остальных, т.е. , тогда интегральный критерий можно использовать в виде
.
Используя в качестве интегрального критерия свертку, выбирают в качестве лучшей ту альтернативу, для которой F(x) имеет максимальное значение .
Замечание . Входящие в интегральный критерий целевые функции имеют разную размерность и выражены в разных шкалах. Поэтому необходимо предварительно выразить все оценки в одной однородной шкале. Целесообразно использовать для этого следующий прием
,
где f i * (x) – оценка альтернативы x по i-му критерию в «родной» шкале, f i max и f i min – максимальное и минимальное значения альтернатив по i -му критерию. Полученные оценки принадлежат отрезку и являются дробными, что не всегда удобно для расчетов. Поэтому можно, умножив все оценки по соответствующим критериям на наименьшее общее кратное, перейти в целочисленную шкалу. Сдвиг по шкале на общую для каждого из критериев величину позволит избавиться от отрицательных оценок.
Вариант8,19 Методы решения МКЗ при равнозначных критериях
Целью изучения данной темы является ознакомление студентов с методами многокритериального выбора.
Задачи:
Ознакомить студентов с методами измерения показателей, используемых в качестве критериев при принятии управленческих решений.
Описать подходы к формированию системы показателей, используемых при многокритериальном выборе.
Дать представление о методах многокритериального выбора и особенностях их применения.
Наиболее «простой», точнее говоря, слабой является номинальная шкала. “Nome ” на латыни – имя, то есть речь идёт о шкале наименований. В этой шкале различаются только классы объектов, например, резиденты и нерезиденты. Разумеется, шкала может содержать и больше классов (отраслевой классификатор и т.п.), хотя дихотомическое деление является важным частным случаем.
Номинальная шкала используется, в основном, для решения двух задач:
Во втором случае накопленная статистика подвергается обработке численными методами с целью анализа того или иного явления.
Более «сильной» является ординальная (порядковая) шкала. Её также часто называют шкалой рангов. Задача, решаемая с помощью ординальной шкалы, - это упорядочивание объектов (альтернатив, с точки зрения процесса принятия управленческого решения) по предпочтению. Различают отношения нестрогого предпочтения (этот объект не хуже того) и строгого («больше – меньше»).
Измерения в ранговой шкале не отвечают на вопрос «насколько больше?». Отчасти эта проблема решается увеличением числа рангов. Общая рекомендация при конструировании ранговых шкал состоит в составлении не слишком дробной шкалы, так как в противном случае затрудняется экспертное оценивание, однако количество рангов должно быть достаточным, чтобы улавливать все существенные различия.
Типичным примером измерений в ранговых шкалах являются различные рейтинги. Определённую роль играет использование этой шкалы в микроэкономике, так как позволяет снять некоторые спорные постулаты о природе ценностей.
Следует учесть, что расстояние в ранговых шкалах задаются не так, как в привычной, абсолютной. Например, один из способов введения расстояния в ранговой шкале – определение количества попарных перестановок соседних рангов, которое необходимо для получения нормативного упорядочивания.
Следующая «по силе» - интервальная шкала. Эта шкала классифицирует объекты по принципу «больше на определённое количество единиц – меньше на определённое количество единиц». Следует различать абсолютную и относительную величину интервалов. Например, если студент А решил задачу за 2 сек., а студент Б за 22 сек., то в абсолютном выражении интервал будет таким же, как и в том случае, когда студент В решает задачу за 222 сек., а Г - за 242 сек. Понятно, что «значимость» интервала в 20 сек. в рассмотренных случаях может быть различной.
Интервальная шкала даёт точное представление об отношении длин отрезков, однако в ней даже зная расстояние между 1-ой и 2-ой и 2-ой и 3-ей точкой нельзя точно указать расстояние между 1-ой и 3-ей точками, так как их взаимное расположение не определено однозначно. В интервальной шкале в этой ситуации можно делать однозначные заключения только о соотношении длин отрезков, но не их удалённости от какой-либо точки.
Абсолютная шкала получается из интервальной введением точки отсчёта. Это решает обсуждавшиеся выше проблемы. Именно для абсолютной шкалы справедливы обычно используемые на практике операции с расстояниями.
Наряду с проблемой измерения важной проблемой является построение системы показателей, отражающих генеральную цель. В литературе 1 сформулирован целый ряд требований, которые необходимо соблюдать, чтобы использование системы показателей было оправданным. Это требования полноты, действенности, разложимости, неизбыточности и минимальной размерности.
Полнота
Система показателей должна включать критерии, характеризующие все основные аспекты деятельности хозяйственной системы. Смысл этого требования сводится к тому, чтобы дать возможность ЛПР принять управленческое решение.
Действенность (операционность)
Используемые показатели должны быть однозначно понимаемы, измеримы и доступны оценке.
Разложимость
Это требование связано с ограниченными возможностями человека. Исследования показали, что одновременная работа с числом объектов более семи неоправданна. Таким образом, при большом числе критериев система может разбиваться на более мелкие группы показателей. Например, системы, оценивающие качество продукции, разбиваются на группы показателей, характеризующие функциональные свойства изделий, их надёжность, эргономичность, а также показатели стандартизации и унификации. Получается «дерево критериев», и ЛПР одновременно работает только с одной «веткой».
Неизбыточность
Дублирование показателей «засоряет» информационные каналы, снижает как скорость, так и качество сбора и обработки информации.
Минимальная размерность
Смысл этого требования также заключается в повышении эффективности работы ЛПР. В систему показателей должно входить минимально возможное число критериев. В данном случае это достигается за счёт снижения количества показателей благодаря агрегированию информации, отсечению не принципиальных характеристик и т.п.
Стандартный приём «борьбы» с многокритериальным выбором это переход к однокритериальной задаче с использованием метода свёртки критериев.
Свёртка критериев означает построение интегрального показателя на основе частных критериев. Интегральный показатель I рассчитывается или как взвешенная сумма частных показателей (выражение (1) - аддитивная форма) или как их произведение (выражение (2) – мультипликативная форма), опять же нормированное на соответствующие веса (важность критериев).
K – частный критерий,
a – вес критерия, причём ,
N – количество критериев,
v - номер критерия.
Использование такого метода как свёртка критериев предполагает, что частные критерии измеряются в абсолютной шкале. Кроме того, критерии должны быть независимы друг от друга. Это означает, что справедливы выражения (3) и (4), то есть отношение предпочтения определяется либо критерием «2» - выражение (3), - либо критерием «1» - выражение (4).
(xi1, xi2) < (xi1,xj2) => (xj1, xi2) < (xj1, xj2) (3)
(xi1, xi2) < (xj1,xi2) => (xi1, xj2) < (xj1, xj2) (4)
Вес критериев, как правило, определяется экспертным методом.
Типичным примером использования метода свёртки критериев является построение интегрального показателя качества продукции.
В литературе встречается утверждение, что мультипликативная и аддитивная формы интегрального показателя эквивалентны. В подтверждение этого ссылаются на взаимную однозначность преобразования интегрального показателя из одной формы в другую, например, с использованием перехода в логарифмическую шкалу и обратно. Следует отметить, что такой переход в общем случае не сохраняет тех же самых отношений предпочтения, то есть может привести к разным выборам. Эквивалентный в смысле сохранения отношения предпочтения переход от мультипликативной формы к аддитивной требует применения весовых коэффициентов, зависящих от значения критерия 2 .
Лексикографический метод предполагает, что имеющийся ряд критериев упорядочен по важности.
Для сравниваемых объектов сначала измеряются значения наиболее важного критерия. Предпочтительным оказывается тот объект, для которого значение этого критерия лучше.
В том случае, когда значения сравниваемых объектов по наиболее важному критерию совпадают, то переходят к сравнению на основании следующего по важности критерия.
Процедура заканчивается на той итерации, на которой удаётся упорядочить объекты по предпочтительности, или когда проведены сравнения по всем критериям.
Наверное, наиболее известный пример использования лексикографического метода – определение места команды в спортивном состязании, например, чемпионате по футболу. В этом случае победитель определяется по количеству набранных очков. В случае их равенства последовательно используются дополнительные показатели - количество побед, разность мячей, результаты очных встреч и т.п.
В наибольшей степени идеологии многокритериального выбора соответствует процедура выделения множества Парето (ядра графа).
Множество Парето образует набор таких объектов, что переход от одного к другому обязательно повысит значение хотя бы одного критерия и ухудшит значение минимум одного критерия. Предполагается, что каждый из критериев характеризует качественно отличный от других аспект, свойство объекта и т.п. Так как сравнение разнокачественных вещей не имеет смысла, то упорядочиванию подлежат только те пары объектов, в которых один не хуже другого по всем параметрам. Если при этом по одному или нескольким критериям один объект будет лучше другого, то говорят, что он доминирует. В множестве Парето ни один объект не доминирует над другим. Собственно, процедура нахождения множества Парето и заключается в нахождении доминирующих объектов и их исключении из рассмотрения.
В таблице 1 приведены значения двух важнейших критериев, характеризующих инвестиционные проекты: прибыль и сумма капитальных вложений для семи проектов.
Таблица 1.
Показатель |
Проект №1 |
Проект №2 |
Проект №3 |
Проект №4 |
Проект №5 |
Проект №6 |
Проект №7 |
Прибыль, млн. руб. |
|||||||
Кап. вложения, млн. руб. |
Попарное сравнение проектов показывает, что проект №5 доминирует проект №2, а проект №1 доминирует проект №3. Эти проекты должны быть исключены из рассмотрения. Каждый из остальных проектов в каком-то смысле лучше другого оставшегося, а в каком-то хуже: или он даёт больше прибыли, но требует больших капитальных вложений, или наоборот. Проекты 1, 4, 5, 6 и 7 оптимальны по Парето. Выбор одного из них требует дополнительных соображений.
Для оценки достижения цели организации используется целый ряд показателей – критериев, так как цель хозяйственной системы носит многомерный характер. Каждый из критериев должен быть количественно измерим, определён на одной из шкал измерений.
При принятии управленческих решений могут быть использованы все известные виды шкал: номинальная, ранговая, интервальная и абсолютная.
Важной задачей является построение системы показателей, отражающих генеральную цель ЛПР. В литературе сформулирован целый ряд требований, которые необходимо соблюдать, чтобы использование системы показателей было оправданным. Это требования полноты, действенности, разложимости, неизбыточности и минимальной размерности.
Наиболее распространённым методом решения многокритериальных задач является построение интегральных показателей на основе метода свёртки критериев.
Для использования метода свёртки критериев необходимо измерение значений критериев в абсолютной шкале, а также соблюдение требования независимости критериев.
Лексикографический метод решения многокритериальных задач заключается в последовательном применении упорядоченных по важности критериев.
В случае, когда разнокачественность сравниваемых объектов принципиальна, единственным адекватным подходом является выделение множества Парето.
Множество Парето образует набор таких объектов, что переход от одного к другому обязательно повысит значение хотя бы одного критерия и ухудшит значение минимум одного критерия. Выбор одного из объектов требует дополнительных соображений.
| Название практикума | Аннотация |
| Название презентации | Аннотация |
В многокритериальных задачах, когда из первоначальной постановки не удается выделить критерий, преобладающий по важности над другими - главный критерий, довольно часто критерии искусственно комбинируют посредством агрегирующей функции, с параметрами - весовыми коэффициентами, назначаемыми каждому критерию согласно его относительной важности. Этот подход часто называют скаляризацией или сверткой векторного критерия. А получающуюся при этом параметризованную функцию, сводящую исходную многокритериальную задачу к однокритериальной, - обобщенным, агрегированным, глобальным критерием или суперкритерием. Наиболее широко распространенным видом обобщенного критерия является линейная свертка, когда глобальный критерий представляется в виде суммы (иногда произведения) частных критериев, умноженных на соответствующие весовые коэффициенты.
При применении этого способа определенные трудности вызывает правильный выбор весовых коэффициентов, проблематична интерпретация получаемых результатов. Использовать рассмотренный прием образования обобщенного критерия имеет смысл только в тех случаях, когда интерес представляет сумма отдельных критериальных функций. В общем же случае происходит просто замена одних неопределенностей другими, замаскированная математическими выкладками .
Существуют также случаи, когда довольно проблематично назначить каждому критерию определенный весовой коэффициент, соответствующий его важности относительно остальных. Тогда прибегают к свертке критериев где весовые коэффициенты не отражают относительной важности критериев, а изменяясь в определенных пределах, способствуют тем самым локализации точек в множестве Парето. При этом еще больше возрастает роль ЛПР, т.к. при выборе весовых коэффициентов он руководствуется в основном собственным опытом и интуицией, что также требует от него определенной квалификации.
Неоднократно отмечались ошибки и противоречия, которые делает человек при назначении весов критериев. Достаточно обстоятельный обзор различных методов назначения весов подводит к выводу, что не существует корректных методов решения человеком этой задачи. Такое поведение человека при решении многокритериальных зада является повторяющимся и устойчивым.
Имеются результаты экспериментов, из которых следует, что человек назначает веса критериев с существенными ошибками по сравнению с объективно известными, что назначаемые веса противоречат его непосредственным оценкам альтернатив и т.д. Хотя дискуссия о возможности использования весов в методах принятия решений еще продолжается, полученных данных уже достаточно, чтобы считать эту операцию достаточно сложной для ЛПР .
Суммируя сказанное можно сделать следующий вывод. Метод сверток применялся и применяется наиболее часто, но имеет труднопреодолимые недостатки :
Итак, для решения любой многокритериальной задачи необходимо учитывать сведения об относительной важности частных критериев.
В некоторых многокритериальных задачах частные критерии строго упорядочены по важности так, что следует добиваться приращения более важного критерия за счет любых потерь по всем остальным менее важным критериям. Но в большинстве случаев возникает ситуация, когда выделить главный или упорядочить критерии по важности не удается. Тогда зачастую прибегают к свертке критериев в обобщенный критерий. Применение данного подхода к формированию множества Парето, также как методов последовательных уступок и выделения основного частного критерия, связано с рядом возникающих при этом трудностей, что ставит вопрос о целесообразности использования подобных подходов и необходимости разработки методов, лишенных их недостатков.
К тому же, характерной чертой, объединяющей 3 рассмотренных подхода, является то, что в каждом из них задача многокритериальной оптимизации сводится к одной или нескольким задачам однокритериальной оптимизации.
Таким образом, теряется суть решаемой задачи, ее отличительная особенность - одновременный учет многих критериев. А сами методы должны работать многократно, чтобы сгенерировать множество точек Парето с тем, чтобы дальше выполнить оценку решения, значительно увеличивая затрачиваемые при этом вычислительные ресурсы.
Рассмотрим мультипликативную свёртку с нормирующими множителями:
где j - нормирующие множители.
Мультипликативная свёртка основывается на постулате: "низкая оценка хотя бы по одному критерию влечет за собой низкое значение функции полезности". Действительно, если вы выбираете торт, и он - несвежий, то это обстоятельство никак не может быть компенсировано его красотой или ценой.
Посмотрим, какие результаты даст мультипликативная свёртка с весовыми коэффициентами:
где j - нормирующие множители,
вj - весовые коэффициенты.
Итоги отражены в таблице:
Оптимальной стратегией снова является А3.
В конце еще раз напомним непременное правило: перед тем, как применять какую-либо свёртку нужно автоматически всегда выделять множество Парето. И именно для множества Парето применять свёртки. Иначе вы или ваша программа будете выполнять лишнюю ненужную работу.
До этого были рассмотрены случаи, когда все критерии оценивали все альтернативы. Все альтернативы можно было сравнить друг с другом по каждому критерию. А что делать, если не все альтернативы будут оценены всеми критериями? В таком случае появятся альтернативы, не сравнимые между собой по некоторым критериям. Рассмотрим такой случай на нашем примере (уберем из него некоторые оценки):
При таком условии альтернативы можно сравнить между собой лишь попарно. Такие попарные сравнения называются бинарными отношениями . Обозначается бинарное отношение (на примере критерия Байеса из нашей таблицы) А1RА2 - альтернатива А1 лучше альтернативы А2.
Дадим математически точное определение бинарных отношений.
Бинарным отношением на множестве? называется произвольное подмножество R множества? Х? , где? Х? - это множество всех упорядоченных пар (ai ;aj) , где ai , aj ? . #
Бинарные отношения очень удобно изображать наглядно. Представим четыре стратегии из нашего примера в виде точек на плоскости. Если имеем, что какая-то альтернатива лучше другой, то проведем стрелку от лучшей альтернативы к худшей. На примере критерия Байеса из нашей таблицы имеем А1RА2 , поэтому на плоскости проведем стрелку от точки А1 к точке А2. Аналогичным образом поступим со всеми начальными данными из таблицы. Заметим, что бинарные отношения не исключают отношения элемента с самим собой. На рисунке такое бинарное отношение будет задаваться петлёй со стрелкой. В результате получим следующую картину:
Подобные фигуры называются ориентированными графами . Точки - это вершины графа, стрелки между точками - это дуги графа.
Дадим математически точное определение графа.
Графом называется пара (Е, е), где Е - непустое конечное множество элементов (вершин), е - конечное (возможно и пустое) множество пар элементов из Е (множество дуг). #
Две вершины, соединенные дугой, называются смежными вершинами. Дуга, соединяющая две вершины, называется инцидентной этим вершинам. Две вершины, соединенные дугой, называются инцидентными этой дуге.
Как же произвести выбор наилучшего элемента из имеющихся альтернатив (наилучшей вершины графа)? Для этого сначала необходимо определить, что же будет являться наилучшей вершины (наилучшими вершинами) графа. На этот счет имеются две исторически сложившиеся в теории графов точки зрения.
1)Максимальным элементом множества? по бинарному отношению R называется такой элемент х? , что у? выполняется отношение хRy .
Иначе говоря, максимальный элемент множества должен быть "лучше" каждого элемента этого множества. Не исключается и то, что он может быть "лучше" самого себя, кроме этого максимальный элемент может быть одновременно и "хуже" какого-либо элемента этого множества. Слова "лучше" и "хуже" не совсем верно передают смысл бинарных отношений.
Для графов понятие максимальный элемент - это вершина, из которой исходят стрелки во все остальные вершины графа. Например, на рис. 1 максимальным элементом будет вершина А1 - из неё выходят стрелки во все остальные вершины графа.
2)Оптимальным по Парето элементом множества? по бинарному отношению R называется такой элемент х? , что у? для которого выполнялось бы отношение уRх.
Иначе говоря, оптимальный по Парето элемент множества - это такой элемент, "лучше" которого в рассматриваемом множестве нет.
Для графов понятие оптимальный по Парето элемент - это вершина, в которую не входит ни одна стрелка. Например, на рис. 1 оптимальным по Парето элементом будет вершина А1 - в неё не входит ни одна стрелка.
Видим, что два разных подхода к определению наилучшего элемента в нашем примере дали одинаковый результат. Но такое бывает не всегда.
Рассмотрим несколько примеров.
У графа на рис. 2 максимальным элементом будет вершина А1 - из неё выходят стрелки во все остальные вершины графа. Оптимальных по Парето элементов у данного графа нет.
У графа на рис. 3 максимальным элементом будет также вершина А1 - из неё выходят стрелки во все остальные вершины графа. Заметим: то, что в неё входит стрелка из вершины А4 , по определению совершенно не важно. Оптимальных по Парето элементов у данного графа нет.
У графа на рис. 4 максимальными элементами будут вершины А1 и А4 - из них выходят стрелки во все остальные вершины графа. Оптимальных по Парето элементов у данного графа нет.
У графа на рис. 5 максимального элемента нет. Оптимальными по Парето элементами будут вершины А1 и А4 - в них не входит ни одна стрелка.
Отметим очевидные особенности.
У графа либо нет максимальных элементов, либо есть.
Оптимальными по Парето элементами могут быть несколько вершин графа, либо таковых может не быть.
В графе не может один (или одни) элемент быть максимальным, а другой (или другие) элемент быть оптимальным по Парето.
Итак, если имеется задача многокритериального выбора, описанная на языке бинарных отношений, то её удобно представить наглядно в виде графа. Однако такое удобство хорошо для небольшого количества вершин (альтернатив). Если вершин довольно много, то вся наглядность пропадает и легко можно запутаться. В таком случае граф удобно представить в виде матрицы смежности или матрицы инцидентности.
Матрица смежности вершин графа - это квадратная матрица размера m x m (m - это количество вершин) с элементами:
По матрицам смежности искать максимальные элементы и элементы, оптимальные по Парето - одно удовольствие! Максимальные элементы - это те, чьи строки состоят из всех единиц (кроме себя самих - там может быть как нуль, так и единица). А оптимальные по Парето элементы - это те, чьи столбцы состоят из всех нулей.
Матрица инцидентности графа - это матрица, строки которой соответствуют вершинам, а столбцы - дугам. При этом предполагается, что граф не должен иметь петель.
Элементы матрицы инцидентности будут такими:
Видим, что каждый столбец должен содержать одну единицу и одну минус единицу, остальные элементы столбцов - нули. То есть каждая дуга из одной вершины выходит и в другую вершину входит.
Налицо также очевидна закономерность: максимальные элементы - это те, чьи строки содержат единиц на одну меньше, чем количество строк (вершин), а оптимальные по Парето элементы - это те, чьи строки не содержат минус единиц.
Используя замечательные особенности матриц смежности и инцидентности графов, не составит большого труда разрабатывать компьютерные программы по принятию решений для задач выбора, описанных на языке бинарных отношений.
