|
времени (или средств). Для решения задач этого класса широкое распространение получили методы экспертных оценок и другие родственные им методы [6, 15,31,43, 77, 7В, 80]. Для задач второго класса, т.е. в условиях неопределенности, известно большое число методов, как классических с хороню разработанной теорией, так и эвристических, например, методы теории игр, Байеса-Лапласа и др. [14, 31,50, 73, 74,86,96]. Выбор метода принятия управленческого решения для соответствующего класса может производиться с учетом рассмотрения, так называемых шаблонов [23, 103]. Шаблон должен содержать информацию о математической постановке задачи принятия управленческого решения (ПУР) и алгоритме (методике) ее решения. Для определения шаблона обычно используются методы нечеткой логики [58, 63]. Вводятся входные лингвистические переменные, например, «неопределенность исходной си туации», «сложность проблемы (необходимость декомпозиции)» и др. На основе процедуры нечеткого вывода определяется шаблон для решения соответствующей задачи. При этом может использоваться метод множественного иерархического анализа 189]. В случаях, когда отсутствуют представительные статистические данные для оценки априорных и условных вероятностей, достаточно распространенное применение для получения оперативных выводов находитподхол, предложенный Шортлифом и Бьюкененом [87]. В модели ШортлифаБыокенена мнения экспертов и ЛИР интерпретируются в вероятностном смысле. Полученные условные вероятности относительно гипотез о предпочтительных вариантах принимаемых решений используются для расчета мер уверенности (MB) и неуверенности (МН) в соответствующих гипотезах, основанных на неопределенных свидетельствах. Данный подход позволяет оперативно принять решение при минимуме информации, получаемой от экспертов. |
конкретной проблеме представляет собой самостоятельную сложную задачу. Для ее решения предварительно определяется, к какому классу принадлежит задача (см. разд. 1.2). Задачи первого класса обычно возникают, когда решение необходимо принять оперативно и в достаточно новой области, для сбора экспериментальных (статистических) данных и разработки математической модели нет времени (или средств). Для решения задач этого класса широкое распространение получили методы экспертных оценок и другие родственные им методы [4, 33,42-44]. Для задач второго класса, т.е. в условиях неопределенности, известно большое число методов, как классических с хорошо разработанной теорией, так и эвристических, например, методы теории игр, Байеса-Лапласа и др. [30,31, 41,45,46]. Выбор метода принятия управленческого решения для соответствующего класса может производиться с учетом рассмотрения, так называемых шаблонов [47,48]. Шаблон должен содержать информацию о математической постановке задачи принятия управленческого решения (ПУР) и алгоритме (методике) ее решения. Для определения шаблона обычно используются методы нечеткой логики [49, 50]. Вводятся входные лингвистические переменные, например, «неопределенность исходной ситуации», «сложность проблемы (необходимость декомпозиции)» и др. На основе процедуры нечеткого вывода определяется шаблон для решения соответствующей задачи. При этом может использоваться метод «множественного иерархического анализа» [34]. В случаях, когда отсутствуют представительные статистические данные для оценки априорных и условных вероятностей, достаточно распространенное применение для получения оперативных выводов находит подход, предложенный Шортлифом и Бьюкененом [40, 51]. В модели Шортлифа-Бьюкенена мнения экспертов и ЛПР интерпретируются в вероятностном смысле. Полученные условные вероятности относительно 30 гипотез о предпочтительных вариантах принимаемых решений используются для расчета мер уверенности (MB) и неуверенности (МД) в соответствующих гипотезах, основанных на неопределенных свидетельствах. Данный подход позволяет оперативно принять решение при минимуме информации, получаемой от экспертов. Большое развитие получили алгоритмы решения многокритериальных задач, использующие [52, 53]: метод оптимизации по Парето; способы «свертки» векторного критерия в скалярный; способ выделения наиболее важного частного показателя в качестве основного и наложение ограничений на остальные показатели. Многокритериальные задачи принятия проектного решения с использованием метода оптимизации по Парето обычно решаются в два этапа. На первом этапе формируется множество (V n Парето-оптимальных вариантов. На втором этапе применяется один из способов сведения векторного критерия Q в скалярный q , после чего используются методы для скалярных критериев. В последние годы для принятия решений в газовой отрасли по сложным проблемам появилось ряд новых подходов. Одним из них является использование искусственных нейронных сетей [54, 55]. Краткий обзор рассмотренных методов показывает, что они в основном ориентированы на принятие решений по одной выделенной проблеме. Вопросы выработки решений по группе и потоку проблем исследованы недостаточно. 31 |