Порядок применения критерия Сэвиджа

1. Для каждого состояния природы j (столбца матрицы) определим максимальное значение выигрыша y_j:

y_j = max(x_ij)

2. Для каждой клетки исходной матрицы X найдем разность между максимальным выигрышем r_j для данного состояния природы и исходом в рассматриваемой ячейке x_ij:

r_ij = y_j - x_ij

Из полученных значений составим новую матрицу R - " матрицу сожалений" или, как ее еще можно назвать, матрицу недополученных выигрышей.

3. Для каждой альтернативы в новой матрице R найдем наибольший возможный недополученный выигрыш (" максимальное сожаление" ). Это и будет являться оценкой данной альтернативы по критерию Сэвиджа S_i:

S_i = max(r_ij), j=1..M

4. Оптимальной может быть признана альтернатива с минимальным (! ) наибольшим недополученным выигрышем:

Х* = Х_k, S_k = min(S_i), i=1..N

Пример применения критерия Сэвиджа

Применим изложенный выше алгоритм действий для принятия решения в условиях задачи из табл. 3.

1. Найдем наибольшую возможную величину прибыли для каждого сценария развития региона:

y₁ = max (x₁₁, x₂₁) = max(45, 20) = 45

y₂ = max (x₁₂, x₂₂) = max(25, 60) = 60

y₃ = max (x₁₃, x₂₃) = max(50, 25) = 50

2. Рассчитаем значения " сожалений" для каждого проекта при каждом сценарии (т.е. найдем недополученную прибыль по сравнению с максимально возможной при данном сценарии развития). Составим из полученных значений " матрицу сожалений" (табл. 4).

для проекта Х₁:

r₁₁ = y₁ - x₁₁ = 45 - 45 = 0

r₁₂ = y₂ - x₁₂ = 60 - 25 = 35

r₁₃ = y₃ - x₁₃ = 50 - 50 = 0

для проекта Х₂:

r₂₁ = y₁ - x₂₁ = 45 - 20 = 25

r₂₂ = y₂ - x₂₂ = 60 - 60 = 0

r₂₃ = y₃ - x₂₃ = 50 - 25 = 25

Таблица 4

Матрица сожалений R (для примера).

Альтернативы (X_i) Исходы (j) Макс. " сожаление" S_i

X₁ 0 35 0 35

X₂ 20 0 25 25

4. В полученной матрице по каждой строке найдем наибольшую величину " сожаления" для каждого проекта (последний столбец в табл. 4). Это значение соответствует оценке данной альтернативы по критерию Сэвиджа.

S₁ = max(0, 35, 0) = 35

S₂ = max(25, 0, 25) = 25

5. Сравним полученные величины и найдем проект с минимальным (! ) значением критерия. Он и будет оптимальным:

35 > 25 => S₁ > S₂ => X* = X₂

ЛПР, руководствующийся при принятии решений критерием Сэвиджа, выберет проект Х₂.

Еще раз подчеркнем, что в отличие от остальных критериев, наилучшей альтернативой является та, для которой значение критерия Сэвиджа минимально, поскольку критерий отражает наибольший из возможных недополученных выигрышей для данной альтернативы. Разумеется, чем меньше можно недополучить, тем лучше.

Обычный (или простой) критерий Гурвица учитывает только крайние исходы x_i_max и x_i_min каждой альтернативы:

x_i_max= max(x_ij), x_i_min= min(x_ij), j = 1..M

Он позволяет учесть субъективное отношение применяющего данный критерий ЛПР за счет придания этим исходам разных " весов". Для этого в расчет критерия введен " коэффициент оптимизма" λ, 0 ≤ λ ≤ 1. Формула для расчета критерия Гурвица для i -й альтернативы с коэффициентом оптимизма λ выглядит следующим образом:

H_i(λ ) = λ x_i_max + (1 - λ ) x_i_min

Если исходы представляют возможные выигрыши, то оптимальной признается альтернатива с максимальным значением критерия Гурвица:

Х* = Х_k, H_k (λ ) = max(H_i(λ )), i = 1..N

Как видно из формулы, правильный выбор коэффициента оптимизма λ оказывает существенное влияние на результат применения критерия. Остановимся подробнее на логике подбора λ .

Если ЛПР настроен пессимистически, то для него важнее меньше потерять при плохом развитии событий, пусть даже это означает не такой большой выигрыш при удачном состоянии. Значит, удельный вес наихудшего исхода x_i _min в оценке альтернативы должен быть выше, чем для x_i _mах. Это обеспечивается, когда λ находится в пределах от 0 до 0.5, исключая последнее значение.

При λ =0 критерий Гурвица " вырождается" в критерий Вальда и подходит только для очень пессимистично настроенных ЛПР.

Оптимистичный ЛПР, напротив, ориентируется на лучшие исходы, так как для него важнее больше выиграть, а не меньше проиграть. Больший удельный вес в оценке наилучшего исхода достигается при λ больше 0.5 и до 1 включительно. При λ =1 критерий Гурвица становится критерием " максимакса", который учитывает исключительно наибольший исход каждой альтернативы.

Если у ЛПР нет ярко выраженного уклона ни в сторону пессимизма, ни оптимизма, коэффициент λ принимается равным 0.5.

Пример применения критерия Гурвица

В условиях задачи из табл. 3 рассмотрим принятие решения по критерию Гурвица для ЛПР, настроенного оптимистически ( λ = 0.8 ), и ЛПР-пессимиста ( λ = 0.3 ). Порядок действий таков:

1. Найдем максимальные x_i_max и минимальные x_i_min исходы для каждого проекта:

x₁_max = max(45, 25, 50) = 50 x₁_min = min(45, 25, 50) = 25

x₂_max = max(20, 60, 25) = 60 x₂_min = min(20, 60, 25) = 20

2. Рассчитаем величину критерия Гурвица при заданных значениях коэффициента оптимизма:

ЛПР-оптимист ( λ =0.8 ):

H₁ (0.8) = λ x₁ _max + (1 - λ ) x₁ _min = 0.8× 50 + (1 - 0.8)× 25 = 45

H₂ (0.8) = λ x₂ _max + (1 - λ ) x₂ _min = 0.8× 60 + (1 - 0.8)× 20 = 52

ЛПР-пессимист ( λ =0.3 ):

H₁ (0.3) = λ x₁ _max + (1- λ ) x₁ _min = 0.3× 50 + (1 - 0.3)× 25 = 32.5

H₂ (0.3) = λ x₂ _max + (1- λ ) x₂ _min = 0.3× 60 + (1 - 0.3)× 20 = 32

3. Сравним полученные величины. Оптимальными для каждого ЛПР будут альтернативы с максимальным значением критерия Гурвица:

ЛПР-оптимист ( λ = 0.8 ):

45 < 52 => H₁(0.8) < H₂(0.8) => X* = X₂

ЛПР-пессимист ( λ = 0.3 ):

32.5 < 32 => H₁(0.3) > H₂(0.3) => X* = X₁

Как мы видим, выбор оптимальной альтернативы в одних и тех же условиях существенным образом зависит от отношения ЛПР к риску. Если для пессимиста оба проекта примерно равноценны, то оптимист, который надеется на лучшее, выберет второй проект. Его высокая наилучшая прибыль ( 60 ) при больших значениях коэффициента λ значительно повышает ценность данного проекта по критерию Гурвица.

Недостатком обычного критерия Гурвица является его " нечувствительность" к распределению исходов между крайними значениями. Это может приводить к неправильным решениям. Например, альтернатива А{100; 150; 200; 1000} по критерию Гурвица с " оптимистичным" коэффициентом λ = 0.7 лучше альтернативы В{100; 750; 850; 950}, так как:

H_А (0.7) = 0.7× 1000 + (1 - 0.7)× 100 = 730

H_В (0.7) = 0.7× 950 + (1 - 0.7)× 100 = 695

Однако, если посмотреть внимательнее на возможности, которые предоставляет В, то становится заметно, что она выгоднее. Ее " внутренние" исходы ( 750 и 850 ) существенно лучше, чем у А (150 и 200), а максимальный выигрыш лишь немногим хуже ( 950 против 1000 ). В реальной жизни логичнее было бы выбрать В.

Принцип построения обобщенного критерия Гурвица похож на предыдущий. Всем принимаемым в расчет исходам присваивается некоторый " удельный вес". Значение критерия для альтернативы рассчитывается как взвешенная сумма ее исходов. Однако чтобы избежать недостатков " предшественника", обобщенный критерий учитывает все исходы каждой альтернативы.

Тогда, формула для расчета обобщенного критерия для i -й альтернативы может быть записана следующим образом:

, где

λ _q - коэффициент для q -го значения i -й альтернативы,

0≤ λ _q≤ 1, λ ₁ +... + λ _q +... + λ _М = 1

Получается, что для использования обобщенного критерия Гурвица необходимо назначить М (! ) коэффициентов λ _q. Конечно, можно было бы это сделать произвольно. Но при большом количестве состояний М это становится весьма трудоемко, так как необходимо, чтобы коэффициенты удовлетворяли как минимум двум условиям:

1) сумма всех весовых коэффициентов должна быть равна единице:

2) величины коэффициентов должны отражать отношение ЛПР к неопределенности:

а) для оптимистичного ЛПР лучшие исходы должны иметь больший " вес", причем, чем лучше исход, тем больше " вес";

б) для пессимистичного ЛПР - все наоборот - больший " вес" у худших исходов, и чем хуже исход - тем больше " вес":

Чтобы не назначать коэффициенты произвольно по отдельности были предложены формализованные методы их расчета, один и которых мы и рассмотрим ниже.

⇐ Предыдущая 5 6 7 8 91011 12 13 14 Следующая ⇒