Вероятностные методы принятия решений

Вероятностными называются решения, принимаемые в условиях риска или неопределённости. Большинство решений принимается в условиях недостатка информации и неопределенности. Это связано с тем, что принимаемое решение реализуется в будущем. Соответственно, при принятии решения мы опираемся на некоторое видение (модель) будущего, сценарий развития событий. Однако очевидно, что будущее не может быть спрогнозировано со 100%-ной вероятностью. Более того, часто оно не может быть спрогнозировано и с вероятностью большей 50%. Тем не менее, решения, касающиеся будущего, принимать необходимо.

Для этого может быть использован достаточно простой подход, который заключается в рассмотрении нескольких возможных сценариев развития событий в будущем и результата, к которому приведет каждый альтернативный вариант действий в случае реализации каждого из сценариев будущего. Графически это обычно представляется в виде матрицы, измерениями которой являются варианты будущего и анализируемые варианты действий. После этого по каждому варианту действий рассчитывается некоторый усредненный результат по всем сценариям развития будущего. Затем выбирается вариант действий с оптимальным рассчитанным результатом. Он и является искомым рещением.

Решение принимается в условиях неопределённости, когда из-за недостатка информации невозможно количественно оценить вероятность его возможных результатов. Это довольно часто встречается при решении новых, нетипичных проблем, когда требующие учёта факторы настолько новы и/или сложны, что о них невозможно получить достаточно информации. Неопределённость характерна и для некоторых решений, которые приходится принимать в быстро меняющихся ситуациях. В итоге вероятность определённой альтернативы невозможно оценить с достаточной степенью достоверности.

Сталкиваясь с неопределённостью, управляющий может использовать две основные возможности:

1) попытаться получить дополнительную информацию и ещё раз проанализировать проблему с целью уменьшить её новизну и сложность. В сочетании с опытом и интуицией это даст ему возможность оценить субъективную, предполагаемую вероятность возможных результатов;

2) когда не хватает времени и / или средств на сбор дополнительной информации, при принятии решений приходится полагаться на прошлый опыт и интуицию.

11. Многокритериальное принятие решений.

Анализ многих реальных практических проблем, с котор ыми сталкивались специалисты по исследованию операций, естественным образом привел к появлению класса многокритер иальных задач.

При появлении многих критериев задачи выбора наилучш его решения приобретают следующие особенности.

• Задача имеет уникальный, новый характер - нет статистических данных, позволяющих обосновать соотношения между различными критериями.

• На момент принятия решения принципиально отсутствует информация, позволяющая объективно оценить возможные последствия выбора того или иного варианта решения. Но по- скольку решение так или иначе должно быть принято, то не достаток информации необходимо восполнить. Это может быть сделано лишь людьми на основе их опыта и интуиции.

Практическая ценность заключается в том, что использование многокритериального подхода; позволит хозяйствующимt субъектам; принимать всесторонне обоснованные инвестиционные решения, поднимет качество управления инновациями и инвестиционной; деятельностью на: новыйг более высокий уровень.и, в конечном І итоге, обеспечит их эффективное функционирование и развитие в конкурентной экономической среде.

12. Нечеткая логика (fuzzy logic). Понятие, решаемые задачи.

Этот вид логики в 1965 году был предложен профессором Калифорнийского университета Лофти Заде. Им же в 1973 г. дано название этого вида - "нечеткая логика". В рассматриваемой логике, в отличие от обычной, высказывания не бывают лишь истинными либо ложными. Нечеткая логика оперирует с такими неточными, размытыми количественными понятиями как, "большинство", "много", "мало", "редко", "почти нуль", "около 100", и т.д. На ее базе программист составляет программу, осуществляя настройку параметров в процессе ее отладки. Такой подход позволяет упростить структуру и процесс создания большого числа устройств автоматического управления. Поскольку нечеткая логика строится на основе простых правил, она не требует большого объема памяти.
При использовании нечеткой логики появляется возможность учитывать различные неопределенности, появляющиеся в системах искусственного интеллекта. Создается эффективная методология применения приближенных рассуждений для решения сложных задач программирования.
Нечеткая логика обеспечивает реализацию методов приближенных вычислений, выполнения правил преобразования данных. Она также используется в системах самообучения и при исследовании критических ситуаций.

13. Нечеткие системы и правила нечеткого вывода

Поиск по сайту: