SlideShare a Scribd company logo
1 of 23
Дополнительные разделы теории ПР: Функции  выбора
Снова вернемся к основной диаграмме: (1) (2) X Множество альтернатив Y Множество исходов Механизм оценки исходов Система предпочтений ЛПР
Механизмы оценки исходов: ,[object Object],[object Object],[object Object],(Универсальность языковых средств возрастает сверху вниз)
Основная идея ,[object Object]
Более точное определение: ,[object Object],- множество всех подмножеств   Y YD   - множество допустимых предъявлени й :
Геометрическая иллюстрация А YD
ПРИМЕР  функции выбора для выбора Парето-оптитмальных точек: (точка выбирается тогда и только тогда, когда любая другая точка будет хуже хотя бы по одному из частных критериев)
Типичные ситуации выбора описываются функциями выбора, удовлетворяющими некоторым  специальным ограничениям , что позволяет строить и изучать различные классы функций выбора
Аксиома  наследования  ( Н -свойство): Смысл этой записи:  C ( Y ) –  это выбранные элементы из  Y .  Если какие-то из них будут предъявлены в составе подмножества  Y ' ,  то они также должны войти в выбор  С ( Y ' ).
Аксиома  отбрасывания  ( О -свойство): Смысл этой записи:  Если подмножество  Y '   включает в себя все выбранные из  Y  варианты, то выбор на  Y '   совпадает с выбором на  Y . Иначе говоря, если удалить из предъявляемого множества какие-то невыбираемые варианты, то выбор не изменится
Аксиома  согласованности  ( С -свойство): Смысл этой записи:  Если вариант выбирается в каждом из двух множеств (предъявлений), то он будет выбран и в объединении этих множеств
Докажите следующие утверждения: ,[object Object],[object Object],2. Если  С 1  и  С 2  обладают  С -свойством, то им же обладает функция  а для  это неверно
Обсуждение ,[object Object],[object Object]
Многокритериальный выбор в условиях неопределенности
Простейший подход ,[object Object],[object Object],[object Object]
ПРИМЕР ,[object Object],f 1 22 ,  f 2 22 ,  f 3 22 ,  f 4 22 ,  f 5 22 ,  f 6 22 f 1 21 ,  f 2 21 ,  f 3 21 ,  f 4 21 ,  f 5 21 ,  f 6 21 x 2 f 1 12 ,  f 2 12 ,  f 3 12 ,  f 4 12 ,  f 5 12 ,  f 6 12 f 1 11 ,  f 2 11 ,  f 3 11 ,  f 4 11 ,  f 5 11 ,  f 6 11 x 1 z 2 z 1 f 1 22 ,  f 2 22 ,  f 3 22 ,  f 4 22 ,  f 5 22 ,  f 6 22 f 1 21 ,  f 2 21 ,  f 3 21 ,  f 4 21 ,  f 5 21 ,  f 6 21 x 2 f 1 12 ,  f 2 12 ,  f 3 12 ,  f 4 12 ,  f 5 12 ,  f 6 12 f 1 11 ,  f 2 11 ,  f 3 11 ,  f 4 11 ,  f 5 11 ,  f 6 11 x 1 z 2 z 1
Для построения коэффициентов превосходства   зададим пользователю пять вопросов в соответствии с таблицей смысловой  интерпретации уровней превосходства.  Пусть получены следующие ответы:
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Используя соотношение и условие нормированности вектора весовых коэффициентов как и раньше получаем: α 1  = 0 ,364;  α 2   = 0 ,182;   α 3  = 0 ,045;   α 4   = 0 ,182;   α 5   = 0 ,182;  α 6   = 0 ,045
Предполагаем, что числа  f i  jk ,   нам заданы: 0,5 ,  0,14 ,  0,3 ,  0,5 ,  0,18 ,  0,25 0,25 ,  0,3 ,  0,3 ,  0,18 ,  0,18 ,  0,5 x 2 0,5 ,  0,14 ,  0,3 ,  0,7 ,  0,1 ,  0,25 0 ,25 ,  0,5 ,  0,3 ,  0,1 ,  0,7 ,  0,25 x 1 z 2 z 1
На основе построенных весовых коэффициентов получаем следующую матрицу решений для обобщенного критерия оптимальности
Здесь: J  11  = 0,364 ·0,25 + 0,182 ·0,5 + 0,045·0,3 +  + 0,182·0,1 + 0,182·0,7 + 0,045·0,25 = 0,35235; J  12  = 0,37783 J  21  = 0,24712 J  22  = 0,37783 J 22 J 21 x 2 J 12 J 11 x 1 z 2 z 1
Предположим, что мы имеем задачу принятия решений в условиях риска и вероятности состояний среды заданы:   p(z 1 ) = 0,4; p(z 2 ) = 0,6 ,[object Object],В результате выбираем альтернативу  x 2 .  Задача решена .

More Related Content

What's hot

Свойства оценок
Свойства оценокСвойства оценок
Свойства оценокKurbatskiy Alexey
 
Методы оценивания
Методы оцениванияМетоды оценивания
Методы оцениванияKurbatskiy Alexey
 
13.b naibolshe i naimenshee zna4enie funkcii
13.b naibolshe i naimenshee zna4enie funkcii13.b naibolshe i naimenshee zna4enie funkcii
13.b naibolshe i naimenshee zna4enie funkciiNarvatk
 
методы решения логарифмических уравнений
методы решения логарифмических уравненийметоды решения логарифмических уравнений
методы решения логарифмических уравненийNickEliot
 
Metody resheniya neravenstv_s_odnoj_peremennoj_zad
Metody resheniya neravenstv_s_odnoj_peremennoj_zadMetody resheniya neravenstv_s_odnoj_peremennoj_zad
Metody resheniya neravenstv_s_odnoj_peremennoj_zadIvanchik5
 
Aa97b0f540f686123fa4f693a35aa8d0
Aa97b0f540f686123fa4f693a35aa8d0Aa97b0f540f686123fa4f693a35aa8d0
Aa97b0f540f686123fa4f693a35aa8d0tomik1044
 
Pokazatelnye uravneniya i_neravenstva
Pokazatelnye uravneniya i_neravenstvaPokazatelnye uravneniya i_neravenstva
Pokazatelnye uravneniya i_neravenstvaDimon4
 
Застосування похідної
Застосування похідноїЗастосування похідної
Застосування похідноїTatyana Zubareva
 
Тренировочный вариант экзамена с решением
Тренировочный вариант экзамена с решениемТренировочный вариант экзамена с решением
Тренировочный вариант экзамена с решениемKurbatskiy Alexey
 
игра лабиринт
игра   лабиринтигра   лабиринт
игра лабиринтkondrashova08
 
10 a n_r
10 a n_r10 a n_r
10 a n_r4book
 
Решение СЛАУ
Решение СЛАУРешение СЛАУ
Решение СЛАУdayzil03
 
20100927 28 reqformalization-kuliamin
20100927 28 reqformalization-kuliamin20100927 28 reqformalization-kuliamin
20100927 28 reqformalization-kuliaminComputer Science Club
 

What's hot (20)

Свойства оценок
Свойства оценокСвойства оценок
Свойства оценок
 
Методы оценивания
Методы оцениванияМетоды оценивания
Методы оценивания
 
Основы логики
Основы логикиОсновы логики
Основы логики
 
13.b naibolshe i naimenshee zna4enie funkcii
13.b naibolshe i naimenshee zna4enie funkcii13.b naibolshe i naimenshee zna4enie funkcii
13.b naibolshe i naimenshee zna4enie funkcii
 
методы решения логарифмических уравнений
методы решения логарифмических уравненийметоды решения логарифмических уравнений
методы решения логарифмических уравнений
 
Metody resheniya neravenstv_s_odnoj_peremennoj_zad
Metody resheniya neravenstv_s_odnoj_peremennoj_zadMetody resheniya neravenstv_s_odnoj_peremennoj_zad
Metody resheniya neravenstv_s_odnoj_peremennoj_zad
 
555
555555
555
 
Aa97b0f540f686123fa4f693a35aa8d0
Aa97b0f540f686123fa4f693a35aa8d0Aa97b0f540f686123fa4f693a35aa8d0
Aa97b0f540f686123fa4f693a35aa8d0
 
Pokazatelnye uravneniya i_neravenstva
Pokazatelnye uravneniya i_neravenstvaPokazatelnye uravneniya i_neravenstva
Pokazatelnye uravneniya i_neravenstva
 
Застосування похідної
Застосування похідноїЗастосування похідної
Застосування похідної
 
Тренировочный вариант экзамена с решением
Тренировочный вариант экзамена с решениемТренировочный вариант экзамена с решением
Тренировочный вариант экзамена с решением
 
Pril2
Pril2Pril2
Pril2
 
презентация к уроку 3
презентация к уроку 3презентация к уроку 3
презентация к уроку 3
 
КР 1 с решением
КР 1 с решениемКР 1 с решением
КР 1 с решением
 
КР 2 с решением
КР 2 с решениемКР 2 с решением
КР 2 с решением
 
игра лабиринт
игра   лабиринтигра   лабиринт
игра лабиринт
 
10 a n_r
10 a n_r10 a n_r
10 a n_r
 
л 2 5
л 2 5л 2 5
л 2 5
 
Решение СЛАУ
Решение СЛАУРешение СЛАУ
Решение СЛАУ
 
20100927 28 reqformalization-kuliamin
20100927 28 reqformalization-kuliamin20100927 28 reqformalization-kuliamin
20100927 28 reqformalization-kuliamin
 

Viewers also liked

ItalyatChristmas2010 (3)
ItalyatChristmas2010 (3)ItalyatChristmas2010 (3)
ItalyatChristmas2010 (3)Linda Ciricillo
 
мозговая атака(информатика)
мозговая атака(информатика)мозговая атака(информатика)
мозговая атака(информатика)dushkova010191
 
Belio Magazine
Belio MagazineBelio Magazine
Belio Magazinemagieyo
 
2012-09 Подготовка и проведение мозгового штурма. Для конф. HiBrand
2012-09 Подготовка и проведение мозгового штурма. Для конф. HiBrand2012-09 Подготовка и проведение мозгового штурма. Для конф. HiBrand
2012-09 Подготовка и проведение мозгового штурма. Для конф. HiBrandАлександр Филюрин
 
Как работать с требованиями: принцип Парето на практике
Как работать с требованиями: принцип Парето на практикеКак работать с требованиями: принцип Парето на практике
Как работать с требованиями: принцип Парето на практикеRaum7
 
мозговой штурм
мозговой штурммозговой штурм
мозговой штурмzarechneva
 

Viewers also liked (7)

ItalyatChristmas2010 (3)
ItalyatChristmas2010 (3)ItalyatChristmas2010 (3)
ItalyatChristmas2010 (3)
 
мозговая атака(информатика)
мозговая атака(информатика)мозговая атака(информатика)
мозговая атака(информатика)
 
Belio Magazine
Belio MagazineBelio Magazine
Belio Magazine
 
2012-09 Подготовка и проведение мозгового штурма. Для конф. HiBrand
2012-09 Подготовка и проведение мозгового штурма. Для конф. HiBrand2012-09 Подготовка и проведение мозгового штурма. Для конф. HiBrand
2012-09 Подготовка и проведение мозгового штурма. Для конф. HiBrand
 
Как работать с требованиями: принцип Парето на практике
Как работать с требованиями: принцип Парето на практикеКак работать с требованиями: принцип Парето на практике
Как работать с требованиями: принцип Парето на практике
 
мозговой штурм
мозговой штурммозговой штурм
мозговой штурм
 
Brainstorming
BrainstormingBrainstorming
Brainstorming
 

Similar to л 2 9

Прикладная эконометрика. Лекция 3.
Прикладная эконометрика. Лекция 3.Прикладная эконометрика. Лекция 3.
Прикладная эконометрика. Лекция 3.Vladimir Tcherniak
 
Metody resheniya logarifmicheskih_uravnenij
Metody resheniya logarifmicheskih_uravnenijMetody resheniya logarifmicheskih_uravnenij
Metody resheniya logarifmicheskih_uravnenijIvanchik5
 
1555 показательн. и логарифмич. функции в зад. и примерах власова а.п. и др-...
1555  показательн. и логарифмич. функции в зад. и примерах власова а.п. и др-...1555  показательн. и логарифмич. функции в зад. и примерах власова а.п. и др-...
1555 показательн. и логарифмич. функции в зад. и примерах власова а.п. и др-...psvayy
 
Алгебра и начала анализа (решение задач)
Алгебра и начала анализа (решение задач)Алгебра и начала анализа (решение задач)
Алгебра и начала анализа (решение задач)Eza2008
 
Исследование операций и методы оптимизации
Исследование операций и методы оптимизацииИсследование операций и методы оптимизации
Исследование операций и методы оптимизацииJakobow
 
Osobennosti resheniya uravnenij_v_5_7_klassah
Osobennosti resheniya uravnenij_v_5_7_klassahOsobennosti resheniya uravnenij_v_5_7_klassah
Osobennosti resheniya uravnenij_v_5_7_klassahDimon4
 
практика 6
практика 6практика 6
практика 6student_kai
 
лекция08
лекция08лекция08
лекция08cezium
 
Прогнозирование - Лекция 3. Множественная регрессия
Прогнозирование - Лекция 3. Множественная регрессияПрогнозирование - Лекция 3. Множественная регрессия
Прогнозирование - Лекция 3. Множественная регрессияGleb Zakhodiakin
 
Решение системы линейных уравнений с двумя переменными графическим способом.pptx
Решение системы линейных уравнений с двумя переменными графическим способом.pptxРешение системы линейных уравнений с двумя переменными графическим способом.pptx
Решение системы линейных уравнений с двумя переменными графическим способом.pptxMissNobody8
 
Геометрический метод
Геометрический методГеометрический метод
Геометрический методguest848b08
 
Primenenie svojstv funkcij_k_resheniyu_uravnenij_i
Primenenie svojstv funkcij_k_resheniyu_uravnenij_iPrimenenie svojstv funkcij_k_resheniyu_uravnenij_i
Primenenie svojstv funkcij_k_resheniyu_uravnenij_iDimon4
 
Прогнозирование - Лекция 2. Корреляционный анализ и простая линейная регрессия
Прогнозирование - Лекция 2. Корреляционный анализ и простая линейная регрессияПрогнозирование - Лекция 2. Корреляционный анализ и простая линейная регрессия
Прогнозирование - Лекция 2. Корреляционный анализ и простая линейная регрессияGleb Zakhodiakin
 

Similar to л 2 9 (20)

л 2 3
л 2 3л 2 3
л 2 3
 
л 2 7
л 2 7л 2 7
л 2 7
 
Прикладная эконометрика. Лекция 3.
Прикладная эконометрика. Лекция 3.Прикладная эконометрика. Лекция 3.
Прикладная эконометрика. Лекция 3.
 
Metody resheniya logarifmicheskih_uravnenij
Metody resheniya logarifmicheskih_uravnenijMetody resheniya logarifmicheskih_uravnenij
Metody resheniya logarifmicheskih_uravnenij
 
Egje po matematike_zadaniya_s5
Egje po matematike_zadaniya_s5Egje po matematike_zadaniya_s5
Egje po matematike_zadaniya_s5
 
p01.pdf
p01.pdfp01.pdf
p01.pdf
 
6
66
6
 
1555 показательн. и логарифмич. функции в зад. и примерах власова а.п. и др-...
1555  показательн. и логарифмич. функции в зад. и примерах власова а.п. и др-...1555  показательн. и логарифмич. функции в зад. и примерах власова а.п. и др-...
1555 показательн. и логарифмич. функции в зад. и примерах власова а.п. и др-...
 
7
77
7
 
Алгебра и начала анализа (решение задач)
Алгебра и начала анализа (решение задач)Алгебра и начала анализа (решение задач)
Алгебра и начала анализа (решение задач)
 
Исследование операций и методы оптимизации
Исследование операций и методы оптимизацииИсследование операций и методы оптимизации
Исследование операций и методы оптимизации
 
Osobennosti resheniya uravnenij_v_5_7_klassah
Osobennosti resheniya uravnenij_v_5_7_klassahOsobennosti resheniya uravnenij_v_5_7_klassah
Osobennosti resheniya uravnenij_v_5_7_klassah
 
практика 6
практика 6практика 6
практика 6
 
лекция08
лекция08лекция08
лекция08
 
Прогнозирование - Лекция 3. Множественная регрессия
Прогнозирование - Лекция 3. Множественная регрессияПрогнозирование - Лекция 3. Множественная регрессия
Прогнозирование - Лекция 3. Множественная регрессия
 
8
88
8
 
Решение системы линейных уравнений с двумя переменными графическим способом.pptx
Решение системы линейных уравнений с двумя переменными графическим способом.pptxРешение системы линейных уравнений с двумя переменными графическим способом.pptx
Решение системы линейных уравнений с двумя переменными графическим способом.pptx
 
Геометрический метод
Геометрический методГеометрический метод
Геометрический метод
 
Primenenie svojstv funkcij_k_resheniyu_uravnenij_i
Primenenie svojstv funkcij_k_resheniyu_uravnenij_iPrimenenie svojstv funkcij_k_resheniyu_uravnenij_i
Primenenie svojstv funkcij_k_resheniyu_uravnenij_i
 
Прогнозирование - Лекция 2. Корреляционный анализ и простая линейная регрессия
Прогнозирование - Лекция 2. Корреляционный анализ и простая линейная регрессияПрогнозирование - Лекция 2. Корреляционный анализ и простая линейная регрессия
Прогнозирование - Лекция 2. Корреляционный анализ и простая линейная регрессия
 

More from Kirill Bystrov (10)

л 2 14
л 2 14л 2 14
л 2 14
 
л 2 13
л 2 13л 2 13
л 2 13
 
л 2 12
л 2 12л 2 12
л 2 12
 
л 2 11
л 2 11л 2 11
л 2 11
 
л 2 10
л 2 10л 2 10
л 2 10
 
л 2 2
л 2 2л 2 2
л 2 2
 
л 2 1
л 2 1л 2 1
л 2 1
 
л 2 8
л 2 8л 2 8
л 2 8
 
л 2 6
л 2 6л 2 6
л 2 6
 
л 2 4
л 2 4л 2 4
л 2 4
 

л 2 9

  • 2. Снова вернемся к основной диаграмме: (1) (2) X Множество альтернатив Y Множество исходов Механизм оценки исходов Система предпочтений ЛПР
  • 3.
  • 4.
  • 5.
  • 7. ПРИМЕР функции выбора для выбора Парето-оптитмальных точек: (точка выбирается тогда и только тогда, когда любая другая точка будет хуже хотя бы по одному из частных критериев)
  • 8. Типичные ситуации выбора описываются функциями выбора, удовлетворяющими некоторым специальным ограничениям , что позволяет строить и изучать различные классы функций выбора
  • 9. Аксиома наследования ( Н -свойство): Смысл этой записи: C ( Y ) – это выбранные элементы из Y . Если какие-то из них будут предъявлены в составе подмножества Y ' , то они также должны войти в выбор С ( Y ' ).
  • 10. Аксиома отбрасывания ( О -свойство): Смысл этой записи: Если подмножество Y ' включает в себя все выбранные из Y варианты, то выбор на Y ' совпадает с выбором на Y . Иначе говоря, если удалить из предъявляемого множества какие-то невыбираемые варианты, то выбор не изменится
  • 11. Аксиома согласованности ( С -свойство): Смысл этой записи: Если вариант выбирается в каждом из двух множеств (предъявлений), то он будет выбран и в объединении этих множеств
  • 12.
  • 13.
  • 14. Многокритериальный выбор в условиях неопределенности
  • 15.
  • 16.
  • 17. Для построения коэффициентов превосходства зададим пользователю пять вопросов в соответствии с таблицей смысловой интерпретации уровней превосходства. Пусть получены следующие ответы:
  • 18.
  • 19. Используя соотношение и условие нормированности вектора весовых коэффициентов как и раньше получаем: α 1 = 0 ,364; α 2 = 0 ,182; α 3 = 0 ,045; α 4 = 0 ,182; α 5 = 0 ,182; α 6 = 0 ,045
  • 20. Предполагаем, что числа f i jk , нам заданы: 0,5 , 0,14 , 0,3 , 0,5 , 0,18 , 0,25 0,25 , 0,3 , 0,3 , 0,18 , 0,18 , 0,5 x 2 0,5 , 0,14 , 0,3 , 0,7 , 0,1 , 0,25 0 ,25 , 0,5 , 0,3 , 0,1 , 0,7 , 0,25 x 1 z 2 z 1
  • 21. На основе построенных весовых коэффициентов получаем следующую матрицу решений для обобщенного критерия оптимальности
  • 22. Здесь: J 11 = 0,364 ·0,25 + 0,182 ·0,5 + 0,045·0,3 + + 0,182·0,1 + 0,182·0,7 + 0,045·0,25 = 0,35235; J 12 = 0,37783 J 21 = 0,24712 J 22 = 0,37783 J 22 J 21 x 2 J 12 J 11 x 1 z 2 z 1
  • 23.