РОГГ1М Г’ * 1 41 сведений формируется задача [оптимизации1 для поиска соответствующего решения (при необходимости производится уточнение), выбирается алгоритм и осуществляется решение. Таблица 1.1. 1. Параметрические методы X*,,q,(X*l)i=l..k A=a„...x,) 2. STEM X*,q,(X*)q,(Xlm,x)ieZt Aq, ieRv 3. Метод удовлетворительных требований X‘„q,(X*,)i=l..k s, ieRy 4. Процедура внешнего ветвления X*,q,(X*)q,(XJn,„)ij-l..k Г=(уь..., Yz) 5. SEMOPS Х*>Ч(Х*,)д,(7г)М..к Yz 6. Адаптивный метод последовательных уступок X*„q,(X»,)i=l..k A, i=l..k-l 7. Векторно-релаксационные методы X*i, q,(X*i)i=l..k R,10, R2 t0 8. Адаптивные сеточные методы X*0)cP X*°t X*0) 9. Процедура ЗайонцаВаллениуса X*,X*W)q,(X*),q,(X*(t) ij=l..k x*,„ . 10. Процедура БеленсонаКапура X*,X*w,q,(X*),q,(X*(0) i,i=l..k X* X*(rt 11. Процедура прогрессивной ориентации x, q,(X) i=l..k X*(0) 12. Метод изменяемого идеала P’,q,(X) i=l..kXeP P”cP’ 13. Непараметрические алгоритмы многокритериальной оптимизации X„q,(X,)i=l..k оценка X, в заданной шкале 14. Метод оценки граничных точек {X*,},q,(X‘) i=l..k Х*л лучше Р> Х*х лучше р 15. Метод Джоффриона 1) X*„q,(X*,)i=l..k 2) q,=q,(a)i=l..k 1) Адаптивное целевое программирование 1)X*„q,(X*,)i=l..k 2) q,=q,(a)i=l..k 1) Метод функции ценности замены Х*и’,ч,(Х*ш)7ч0е1г) q,(X,max) i-l..k ШОСх^ЙГ (ieJr) 18. Метод последовательной заменяемой оптимизации X», q,(X*)v„0eIr)vtJ(ieIr) i=l..fc Xn (ieJr) 19. SIGMOR X*, q,(X*) q,(Xlmax)J=l..k Y.A.,X. i=l..k 20. Нормирование глобального критерия X*,, q,(X*) i=l..k Qk? Qp, Qm 21. Стохастические процедуры X*, q,(X*) i=l..k ■rTHr?’ X*(A.) X*(A,) |
2. легкость освоения логики метода; 3. доверие ЛПР к конечному решению, как наиболее предпочтительному; 4. полезность получаемой в процессе решения информации для ЛПР. Поиск предпочтительного решения в диалоге представляет собой весьма сложный процесс. Прежде всего, это обусловлено применением субъективной информации со свойственными ей неточностями и ошибками. Во-вторых, некоторую неопределенность создает работа алгоритмов уточнения решения, так как на отдельных итерациях поиска цель не задана однозначно. В-третьих, поиск наиболее предпочтительного решения является уникальным выбором, имеющим неповторяющийся характер. Для проведения анализа сходимости и сопоставления эффективности форм представления дополнительной информации от ЛПР необходимо применение моделей генерации информации ЛПР [195]. Они должны отражать случайную природу данного процесса (неуверенность, непоследовательность, изменение взглядов ЛПР при накоплении информации и т.д.). Перспективными являются разработки диалоговых систем решения задач принятия решений, в которых ЛПР сообщает дополнительную информацию на ограниченном естественном языке и на базе поступивших сведений формируется задача оптимизации для поиска соответствующего решения (при необходимости производится уточнение), выбирается алгоритм и осуществляется решение. |