Решение многокритериальных задач с субъективными моделями 5
Многометодный подход к проблемам принятия решений
жүктеу/скачать 0.56 Mb.
|
- Бұл бет үшін навигация:
- Комбинирование многокритериальных методов путем построения сходящегося итерационного процесса
Многометодный подход к проблемам принятия решенийНаряду с «простыми», однометодными расчетными схемами, в ходе исследования проблем многокритериальной оптимизации были введены так называемые интерактивные (человеко-машинные) процедуры, где ЛПР и автоматизированная система по очереди вступают в процесс принятия решений. Положительные стороны такого подхода очевидны: применение различных, а возможно даже и разнородных методов при решении одной задачи повышает надежность результата, исключает, или, по крайней мере, занижает элемент «случайности», методологической ошибки в процессе. Эти же преимущества характерны и для полностью независимых от ЛПР многометодных алгоритмов, которые также допускают распараллеливание вычислительного процесса по методам (а это огромная выгода с точки зрения вычислительной математики)[6]. Одной среди известных многометодных схем является схема с переключением методов в процессе принятия решения [3]. Важной стороной такого процесса является возможность передачи информации, полученной одним методом, в вычислительную среду другого метода. При этом все множество методов можно разбить на группы (по формату начальных данных и результата). Для того, чтобы корректно строить процедуру переключения, на начальном этапе строится матрица «переключения», в строках которой находятся методы-«источники» информации, а столбцы представляют принимающую сторону. 
Здесь введены обозначения: A – множество допустимых решений, Р – начальная точка (полученное пробное решение), I – идеальное решение, N – наихудшее решение, DM() – необходимость вмешательства ЛПР, К – подмножество критериев, w – вектор весовых коэффициентов, Т – пороги согласия/несогласия, Пустые ячейки соответствуют ситуации, в которой не происходит передача информации. Среди перечисленных в таблице методов следует расшифровать следующее[3,5]:
Далее вводится понятие информационного профиля как полной и безызбыточной совокупности информационных компонент, используемых в интерактивной процедуре принятия решений. Для управления переключением методов используются данные о подобии текущего информационного профиля процедуры принятия решения информационным профилям каждого из методов. На основе этого подобия формируется управляющий сигнал, переводящий один элемент из множества методов в другой. Таким образом, процедура замыкается на себя, многометодность в общем случае реализуется сполна, и из процесса извлекается максимальная выгода. Комбинирование многокритериальных методов путем построения сходящегося итерационного процессаКомбинирование методов (т.е. использование т.н. многометодных алгоритмов) необходимо с целью повышения надежности результатов многокритериального ранжирования. Цель достигается путем согласования результатов, получаемых разными методами (которые по сути эвристические и поэтому не имеют никакой меры качества, которая бы позволила их сравнивать друг с другом). Примечание. Комбинированные алгоритмы встречаются в оптимальном управлении, но к задачам многокритериального ранжирования они до сих пор не. Впрочем, новизна здесь не столько в многометодности, столько в итерационности. Для конкретности будем рассматривать методы линейного ранжирования (или методы группового ранжирования, сводящиеся к методам линейного ранжирования). Также будем считать, что все методы сводятся к вычислению числового рейтинга каждой альтернативы (методам, не вычисляющим вещественнозначный рейтинг альтернативы, формально будем сопоставлять целочисленный рейтинг, равный месту альтернативы в списке, отсортированном в порядке возрастания приоритета). Наиболее простой способ комбинирования методов (линейного ранжирования) – усреднять рейтинги альтернатив, полученные разными методами (с одновременным подсчетом среднеквадратичного отклонения как меры неопределенности получаемого результата). Этот способ в любом случае подлежит реализации, хотя бы для сравнения его результатов с результатами более хитрых (рассматриваемых ниже) способов. Кроме того, сочетание этого способа с методами принятия решений в условиях неопределенности Error: Reference source not foundможет дать некоторый обладающий новизной метод анализа надежности предлагаемых решений. Основная предлагаемая идея (итерационный многометодный алгоритм) заключается в том, чтобы рассматривать рейтинги некоторой альтернативы, получаемые разными методами, в качестве оценок этой альтернативы при решении задачи многокритериального ранжирования на следующем шаге некоторого итерационного процесса (где в качестве критериев выступают уже методы). Дополнительная идея состоит в том, чтобы интегральную оценку альтернативы экспертом (если таковая имеется) учитывать в том же качестве, что и результат метода (рейтинг альтернативы); различие между этими двумя рейтингами будет чисто количественное (отличие в весах, с которыми рейтинги выступают в качестве исходных данных). Если экспертов больше одного, то они (как и методы) могут иметь неравные веса – причем веса экспертов могут не только автоматически вычисляться в итерационном процессе (см. ниже), но и могут быть жестко заданы неравными (также возможен компромиссный вариант, чтобы изначально заданные веса экспертов не слишком сильно изменялись автоматически). С учетом близости методов и экспертов во многих отношениях, в дальнейшем для них будем использовать общий термин – «оценщик» (estimator). Примечание. Разные эксперты (умеющие давать интегральные оценки) могут как выступать в качестве независимых оценщиков, так и вносить свой вклад в «единый экспертный» рейтинг альтернативы (выбор одного из этих двух вариантов подлежит исследованию). Аналогично, разные методы могут как смешиваться с экспертом(ами), так и не смешиваться, а давать «единый методический» рейтинг (который затем с некоторым весом войдет в общий «экспертно-методический» рейтинг). Весовой коэффициент , обуславливающий «доверие к методам» (по сравнению с «доверием к интегральным оценкам экспертов»), может регулироваться в полуинтервале (0;1] и является единственным глобальным параметром алгоритма (если не считать глобальные параметры, формализующие неопределенность от отсутствующих данных). В случае смешения обоих видов оценщиков (в исходных данных одной многокритериальной задачи) их веса домножаются на для методов и на (1–) для экспертов. Кстати, при использовании арифметической функции полезности случаи смешивания и не-смешивания разных видов оценщиков являются эквивалентными. жүктеу/скачать 0.56 Mb. Достарыңызбен бөлісу:
|