SlideShare a Scribd company logo
Рассмотрим теперь вопросы, связанные с общими характеристиками решений при наличии игровой ситуации выбора
Рассмотрим следующую игру 2-х лиц: С позиций «внешнего» наблюдателя эта задача может трактоваться как многокритериальная, определенная на множестве с аргументом
Имеем теперь: При анализе эффективности решения этой задачи можно снова воспользоваться принципом Парето  !
Именно, будем полагать, что первое решение лучше второго если и по крайней мере одно из неравенств – строгое
Обсуждение ,[object Object],[object Object]
Продолжаем обсуждение ,[object Object],[object Object],[object Object]
Определение : решение игры называется устойчивым (или оптимальным по Нэшу), если игрок, нарушающий договоренность, получает ухудшение своей целевой функции
Обсуждение ,[object Object],[object Object],[object Object]
Пример: дилемма заключенного Покажите, что оптимальными по Парето являются решения (Н, Н), (Н, П), (П, Н). Решение (П, П) является оптимальным по Нэшу, но неоптимальным по Парето (7,7) (0,10) П (10,0) (1,1) Н П Н 2 1
Многостадийные процессы принятия решений
Схема целенаправленной деятельности Многоэтапный процесс принятия решений  ( выбора вариантов) Шаг 1 Шаг 2 Шаг 3
До сих пор мы, по существу, рассматривали  один шаг  этого многоэтапного процесса выбора. Рассмотрим теперь многоэтапный процесс в целом
Модель многостадийности ,[object Object],[object Object],[object Object],[object Object]
Детерминистский случай ( задача о наборе высоты и скорости самолетом) Все стрелки имеют веса и надо получить минимальный (максимальный) путь на графе s i s l s k s j
Многостадийный процесс в условиях неопределенности q Так же как и раньше можем иметь вероятностную неопределенность или полную неопределенность s i s l s k s j
Здесь важно понимать, что в пределах одного графа  («дерева решений»)  мы можем иметь и детерминистские переходы и вероятностные переходы и переходы в условиях полной неопределенности
Пример. ,[object Object],[object Object],[object Object],[object Object]
Этап 1.   Сбор исходной информации о проблеме (в том числе маркетинг – исследование рынка) А)  Информация о доходах.  Для простоты будем предполагать, что спрос может  быть либо  высоким  ( z1),  либо  низким  ( z2) В таблице даны доходы в усл. ед.  в месяц. Все эти числа получены заранее системным ана- литиком Это не матрица решений  !!! 40 180 X3 (расшир.) 60 200 X2 (крупное) 40 50 X1 ( малое ) z2 z1
В)  Информация о затратах: 1000 у.е.   -  организация крупной фирмы 200  у.е.  -  организация малой фирмы 840  у.е.  -  затраты на расширение фирмы   (через 4 месяца) С)  Исследование рынка: 0,75  -  вероятность высокого спроса на продукцию 0,25  -  вероятность низкого спроса Будем предполагать также, что спрос в течение первых 4-х месяцев меняться не будет, оставаясь либо высоким, либо низким. Если он был высоким, то через 4 месяца он может стать низким. В последующие 8 месяцев спрос не изменится (это предполагается)
Этап 2.   Упорядочение и систематизация исходной информации в виде  дерева решений t 0 4   мес 12   мес 1 2 3 4 5 6 200 60 180 40 50 40 40 Ежемесячный доход в течение всего года В течение последних 8 месяцев В течение всего года x1 x2 z1 z2 z1 z2 z1 z2 z1 z2 y1 y2
Этап 3.   Решение задачи методом динамического программирования 1. Решаем задачу построения оптимального пути на графе, двигаясь справа налево по решающим вершинам. Затем восстанавливаем оптимальную траекторию, двигаясь слева направо  2. При движении справа налево раскрываем  неопределенности одним из изученных  методов: Гурвица, максимина, Байеса-Лапласа и т.д. Для каждой «круглой» вершины может применяться свой критерий
Вернемся к нашему примеру, представленному в виде дерева решений. Переменные  y1, y2  означают, соответственно, решение о расширении фирмы через 4 месяца и отказ от расширения
Вначале обрабатывается решающая вершина 4. Для раскрытия неопределенности используем критерий математического ожидания и будем максимизировать ожидаемую годовую прибыль 4 y1 y2 М( чистая прибыль )=(180 * 0.75+40 * 0.25) * 8(мес.)  –  –  840 = 320 М(   )=(50 * 0.75+40 * 0.25) * 8(мес.) =  380 380   > 320
Таким образом, имеем: 4 y1 y2 320 380 (380)
Переходим теперь согласно методу динамического программирования к вершине 1 : М(   )=(200 * 0.75+60 * 0.25) * 12(мес.) - 1000 =  980 М(   )=40 * 0.25 * 12(мес) +50 * 0.75 * 4(мес.)+ + 380 * 0.75 - 200 = 475 980   >  475 1 x 2 x 1
Таким образом, имеем: 1 x 2 x 1 98 0 475 ( 9 80)
Окончательный результат: С позиций критерия математического ожидания выгоднее сразу организовывать крупное предприятие с ожидаемой прибылью в 980 у.е. в год
Решите ту же задачу на основе принципа гарантированного результата и покажите, что оптимальной окажется стратегия  x1 c  гарантированным годовым доходом в 280 у.е. Упражнение

More Related Content

Viewers also liked

solar chargers
solar chargerssolar chargers
solar chargers
clarkebruce
 
Energy edge install overview 100106
Energy edge install overview 100106Energy edge install overview 100106
Energy edge install overview 100106
EnergyEdge
 
Martin Ky HWMs and Inundation Limit: A May 2009 Retrospective
Martin Ky HWMs and Inundation Limit: A May 2009 RetrospectiveMartin Ky HWMs and Inundation Limit: A May 2009 Retrospective
Martin Ky HWMs and Inundation Limit: A May 2009 Retrospective
BZjoe
 
Inundation of Information 2007
Inundation of Information 2007Inundation of Information 2007
Inundation of Information 2007
BZjoe
 
MapAction and QGIS: GIS for Humanitarian Response
MapAction and QGIS: GIS for Humanitarian ResponseMapAction and QGIS: GIS for Humanitarian Response
MapAction and QGIS: GIS for Humanitarian Response
Matt Travis
 

Viewers also liked (6)

solar chargers
solar chargerssolar chargers
solar chargers
 
Energy edge install overview 100106
Energy edge install overview 100106Energy edge install overview 100106
Energy edge install overview 100106
 
Martin Ky HWMs and Inundation Limit: A May 2009 Retrospective
Martin Ky HWMs and Inundation Limit: A May 2009 RetrospectiveMartin Ky HWMs and Inundation Limit: A May 2009 Retrospective
Martin Ky HWMs and Inundation Limit: A May 2009 Retrospective
 
Inundation of Information 2007
Inundation of Information 2007Inundation of Information 2007
Inundation of Information 2007
 
MapAction and QGIS: GIS for Humanitarian Response
MapAction and QGIS: GIS for Humanitarian ResponseMapAction and QGIS: GIS for Humanitarian Response
MapAction and QGIS: GIS for Humanitarian Response
 
л 2 13
л 2 13л 2 13
л 2 13
 

Similar to л 2 6

Теория ограничений в работе и жизни. Как стать системным мыслителем и решать ...
Теория ограничений в работе и жизни. Как стать системным мыслителем и решать ...Теория ограничений в работе и жизни. Как стать системным мыслителем и решать ...
Теория ограничений в работе и жизни. Как стать системным мыслителем и решать ...
Netpeak
 
Cl mt guide_semifinal_v2
Cl mt guide_semifinal_v2Cl mt guide_semifinal_v2
Cl mt guide_semifinal_v2
Changellenge >> Capital
 
Gde teriajutsa dengi v cepi postavok
Gde teriajutsa dengi v cepi postavokGde teriajutsa dengi v cepi postavok
Gde teriajutsa dengi v cepi postavok
Darius Radkevicius
 
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
Vladimir Leonenko
 
инструменты руководителя (мм и рмот)
инструменты руководителя (мм и рмот)инструменты руководителя (мм и рмот)
инструменты руководителя (мм и рмот)Татьяна Сизикова
 
Бизнес весна 2014 лекция 6
Бизнес весна 2014 лекция 6Бизнес весна 2014 лекция 6
Бизнес весна 2014 лекция 6Technopark
 
теория ограничений
теория ограниченийтеория ограничений
теория ограничений
Анна Полевичёк
 
Система при которой работать неэффективно НЕ получится
Система при которой работать неэффективно НЕ получитсяСистема при которой работать неэффективно НЕ получится
Система при которой работать неэффективно НЕ получится
Netpeak
 
Cl mt code-feedback-senior
Cl mt code-feedback-seniorCl mt code-feedback-senior
Cl mt code-feedback-senior
Changellenge >> Capital
 
Рост бизнеса от 10 до 100 человек: практический опыт / Сергей Рыжиков (1C-Бит...
Рост бизнеса от 10 до 100 человек: практический опыт / Сергей Рыжиков (1C-Бит...Рост бизнеса от 10 до 100 человек: практический опыт / Сергей Рыжиков (1C-Бит...
Рост бизнеса от 10 до 100 человек: практический опыт / Сергей Рыжиков (1C-Бит...Ontico
 
Cl shg guide_1_round_pdf
Cl shg guide_1_round_pdfCl shg guide_1_round_pdf
Cl shg guide_1_round_pdf
Changellenge >> Capital
 
Олег Кармазинский "Функциональные конфликты - различие KPI логистики и продаж"
Олег Кармазинский "Функциональные конфликты - различие KPI логистики и продаж"Олег Кармазинский "Функциональные конфликты - различие KPI логистики и продаж"
Олег Кармазинский "Функциональные конфликты - различие KPI логистики и продаж"
Logist.FM
 
Стратегическая сессия: GAP анализ + матрица McKinsey
Стратегическая сессия: GAP анализ + матрица McKinseyСтратегическая сессия: GAP анализ + матрица McKinsey
Стратегическая сессия: GAP анализ + матрица McKinsey
Andrei Kulinich
 
Entsw poseedlki 250613
Entsw poseedlki 250613Entsw poseedlki 250613
Entsw poseedlki 250613Ilya Korolev
 
Принятие решений. Начало.
Принятие решений. Начало.Принятие решений. Начало.
Принятие решений. Начало.
Vladimir Melnikov
 
«LTV, когорты и другие данные пользователей», Юрий Рыбаков, iConText
«LTV, когорты и другие данные пользователей», Юрий Рыбаков, iConText«LTV, когорты и другие данные пользователей», Юрий Рыбаков, iConText
«LTV, когорты и другие данные пользователей», Юрий Рыбаков, iConText
it-people
 

Similar to л 2 6 (20)

Теория ограничений в работе и жизни. Как стать системным мыслителем и решать ...
Теория ограничений в работе и жизни. Как стать системным мыслителем и решать ...Теория ограничений в работе и жизни. Как стать системным мыслителем и решать ...
Теория ограничений в работе и жизни. Как стать системным мыслителем и решать ...
 
Cl mt guide_semifinal_v2
Cl mt guide_semifinal_v2Cl mt guide_semifinal_v2
Cl mt guide_semifinal_v2
 
Gde teriajutsa dengi v cepi postavok
Gde teriajutsa dengi v cepi postavokGde teriajutsa dengi v cepi postavok
Gde teriajutsa dengi v cepi postavok
 
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
Томас Дэвенпорт и Ким Джин Хо "О чем говорят цифры"
 
инструменты руководителя (мм и рмот)
инструменты руководителя (мм и рмот)инструменты руководителя (мм и рмот)
инструменты руководителя (мм и рмот)
 
Бизнес весна 2014 лекция 6
Бизнес весна 2014 лекция 6Бизнес весна 2014 лекция 6
Бизнес весна 2014 лекция 6
 
TOC implementation method
TOC implementation methodTOC implementation method
TOC implementation method
 
теория ограничений
теория ограниченийтеория ограничений
теория ограничений
 
Система при которой работать неэффективно НЕ получится
Система при которой работать неэффективно НЕ получитсяСистема при которой работать неэффективно НЕ получится
Система при которой работать неэффективно НЕ получится
 
Cl mt code-feedback-senior
Cl mt code-feedback-seniorCl mt code-feedback-senior
Cl mt code-feedback-senior
 
GMC Briefing online (NEW)
GMC Briefing online (NEW)GMC Briefing online (NEW)
GMC Briefing online (NEW)
 
Рост бизнеса от 10 до 100 человек: практический опыт / Сергей Рыжиков (1C-Бит...
Рост бизнеса от 10 до 100 человек: практический опыт / Сергей Рыжиков (1C-Бит...Рост бизнеса от 10 до 100 человек: практический опыт / Сергей Рыжиков (1C-Бит...
Рост бизнеса от 10 до 100 человек: практический опыт / Сергей Рыжиков (1C-Бит...
 
Start Pres Sklemina
Start Pres SkleminaStart Pres Sklemina
Start Pres Sklemina
 
Cl shg guide_1_round_pdf
Cl shg guide_1_round_pdfCl shg guide_1_round_pdf
Cl shg guide_1_round_pdf
 
Олег Кармазинский "Функциональные конфликты - различие KPI логистики и продаж"
Олег Кармазинский "Функциональные конфликты - различие KPI логистики и продаж"Олег Кармазинский "Функциональные конфликты - различие KPI логистики и продаж"
Олег Кармазинский "Функциональные конфликты - различие KPI логистики и продаж"
 
Стратегическая сессия: GAP анализ + матрица McKinsey
Стратегическая сессия: GAP анализ + матрица McKinseyСтратегическая сессия: GAP анализ + матрица McKinsey
Стратегическая сессия: GAP анализ + матрица McKinsey
 
Entsw poseedlki 250613
Entsw poseedlki 250613Entsw poseedlki 250613
Entsw poseedlki 250613
 
принятие оптимальных решений в экономике
принятие оптимальных решений в экономикепринятие оптимальных решений в экономике
принятие оптимальных решений в экономике
 
Принятие решений. Начало.
Принятие решений. Начало.Принятие решений. Начало.
Принятие решений. Начало.
 
«LTV, когорты и другие данные пользователей», Юрий Рыбаков, iConText
«LTV, когорты и другие данные пользователей», Юрий Рыбаков, iConText«LTV, когорты и другие данные пользователей», Юрий Рыбаков, iConText
«LTV, когорты и другие данные пользователей», Юрий Рыбаков, iConText
 

More from Kirill Bystrov (7)

л 2 14
л 2 14л 2 14
л 2 14
 
л 2 12
л 2 12л 2 12
л 2 12
 
л 2 9
л 2 9л 2 9
л 2 9
 
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 4
л 2 4л 2 4
л 2 4
 

л 2 6

  • 1. Рассмотрим теперь вопросы, связанные с общими характеристиками решений при наличии игровой ситуации выбора
  • 2. Рассмотрим следующую игру 2-х лиц: С позиций «внешнего» наблюдателя эта задача может трактоваться как многокритериальная, определенная на множестве с аргументом
  • 3. Имеем теперь: При анализе эффективности решения этой задачи можно снова воспользоваться принципом Парето !
  • 4. Именно, будем полагать, что первое решение лучше второго если и по крайней мере одно из неравенств – строгое
  • 5.
  • 6.
  • 7. Определение : решение игры называется устойчивым (или оптимальным по Нэшу), если игрок, нарушающий договоренность, получает ухудшение своей целевой функции
  • 8.
  • 9. Пример: дилемма заключенного Покажите, что оптимальными по Парето являются решения (Н, Н), (Н, П), (П, Н). Решение (П, П) является оптимальным по Нэшу, но неоптимальным по Парето (7,7) (0,10) П (10,0) (1,1) Н П Н 2 1
  • 11. Схема целенаправленной деятельности Многоэтапный процесс принятия решений ( выбора вариантов) Шаг 1 Шаг 2 Шаг 3
  • 12. До сих пор мы, по существу, рассматривали один шаг этого многоэтапного процесса выбора. Рассмотрим теперь многоэтапный процесс в целом
  • 13.
  • 14. Детерминистский случай ( задача о наборе высоты и скорости самолетом) Все стрелки имеют веса и надо получить минимальный (максимальный) путь на графе s i s l s k s j
  • 15. Многостадийный процесс в условиях неопределенности q Так же как и раньше можем иметь вероятностную неопределенность или полную неопределенность s i s l s k s j
  • 16. Здесь важно понимать, что в пределах одного графа («дерева решений») мы можем иметь и детерминистские переходы и вероятностные переходы и переходы в условиях полной неопределенности
  • 17.
  • 18. Этап 1. Сбор исходной информации о проблеме (в том числе маркетинг – исследование рынка) А) Информация о доходах. Для простоты будем предполагать, что спрос может быть либо высоким ( z1), либо низким ( z2) В таблице даны доходы в усл. ед. в месяц. Все эти числа получены заранее системным ана- литиком Это не матрица решений !!! 40 180 X3 (расшир.) 60 200 X2 (крупное) 40 50 X1 ( малое ) z2 z1
  • 19. В) Информация о затратах: 1000 у.е. - организация крупной фирмы 200 у.е. - организация малой фирмы 840 у.е. - затраты на расширение фирмы (через 4 месяца) С) Исследование рынка: 0,75 - вероятность высокого спроса на продукцию 0,25 - вероятность низкого спроса Будем предполагать также, что спрос в течение первых 4-х месяцев меняться не будет, оставаясь либо высоким, либо низким. Если он был высоким, то через 4 месяца он может стать низким. В последующие 8 месяцев спрос не изменится (это предполагается)
  • 20. Этап 2. Упорядочение и систематизация исходной информации в виде дерева решений t 0 4 мес 12 мес 1 2 3 4 5 6 200 60 180 40 50 40 40 Ежемесячный доход в течение всего года В течение последних 8 месяцев В течение всего года x1 x2 z1 z2 z1 z2 z1 z2 z1 z2 y1 y2
  • 21. Этап 3. Решение задачи методом динамического программирования 1. Решаем задачу построения оптимального пути на графе, двигаясь справа налево по решающим вершинам. Затем восстанавливаем оптимальную траекторию, двигаясь слева направо 2. При движении справа налево раскрываем неопределенности одним из изученных методов: Гурвица, максимина, Байеса-Лапласа и т.д. Для каждой «круглой» вершины может применяться свой критерий
  • 22. Вернемся к нашему примеру, представленному в виде дерева решений. Переменные y1, y2 означают, соответственно, решение о расширении фирмы через 4 месяца и отказ от расширения
  • 23. Вначале обрабатывается решающая вершина 4. Для раскрытия неопределенности используем критерий математического ожидания и будем максимизировать ожидаемую годовую прибыль 4 y1 y2 М( чистая прибыль )=(180 * 0.75+40 * 0.25) * 8(мес.) – – 840 = 320 М( )=(50 * 0.75+40 * 0.25) * 8(мес.) = 380 380 > 320
  • 24. Таким образом, имеем: 4 y1 y2 320 380 (380)
  • 25. Переходим теперь согласно методу динамического программирования к вершине 1 : М( )=(200 * 0.75+60 * 0.25) * 12(мес.) - 1000 = 980 М( )=40 * 0.25 * 12(мес) +50 * 0.75 * 4(мес.)+ + 380 * 0.75 - 200 = 475 980 > 475 1 x 2 x 1
  • 26. Таким образом, имеем: 1 x 2 x 1 98 0 475 ( 9 80)
  • 27. Окончательный результат: С позиций критерия математического ожидания выгоднее сразу организовывать крупное предприятие с ожидаемой прибылью в 980 у.е. в год
  • 28. Решите ту же задачу на основе принципа гарантированного результата и покажите, что оптимальной окажется стратегия x1 c гарантированным годовым доходом в 280 у.е. Упражнение

Editor's Notes

  1. Этот граф (изображен фрагмент графа) содержит только т.н. «решающие» вершины. Если система находится в фазовом состоянии s i , то в зависимости от выбранного на этом шаге решения мы попадаем в одно из последующих состояний и там процесс выбора повторяется. Такие задачи, как известно, могут быть решены методом динамического программирования Беллмана.
  2. Здесь кружочками изображены вершины неопределенности. Выбор решения в текущем состоянии теперь приводит не к переходу в новое состояние, а к переходу в ту или иную вершину неопределенности, откуда мы уже попадаем в очередную решающую вершину после срабатывания соответствующего механизма неопределенности.