Структурирование множества альтернатив с использованием критериев

В этом случае, исходная модель имеет вид следующей таблицы.

	k1	k2	...	km
a1	x11	x12	...	x1m
a2	x21	x22	...	...
...	...	...	...	...
an	xn1	xn2	...	xnm

Имена строк (желтый фон) представляют имена альтернатив, имена столбцов (голубой) - имена критериев. На пересечении i-й строки и j-го столбца записывается оценка x_ij альтернативы a_i по критерию k_{j .} Назовем такую форму представления модели выбора "критериальной таблицей".

Безусловно, эта модель широко известна. Ведь именно в такой форме публикуются многие "рейтинги", результаты сравнительного анализа и т.п. Вы сразу же припоминаете нехитрый способ упорядочения альтернатив. В подавляющем большинстве случаев это – так называемая "линейная свертка" (взвешенная сумма) – любимый всеми народами и во все времена способ обработки критериальной таблицы. Суть его проста. Сначала некоторым образом выбираются весовые коэффициенты критериев. Обозначим их вектором (w­₁ , w­₂ , ... , w_m). Затем, для каждой альтернативы (каждой i-ой строки таблицы) рассчитывается следующая величина

s_i = S x_ij w_j (сумма берется для всех j от 1 до m).

Наконец, принимается правило: чем больше значение s_i , тем лучше альтернатива a_i. Вот и все!

К сожалению, эта схема, не всегда дает верный результат! Неискушенного студента это утверждение всегда приводит в недоумение. Следуют заявления типа того, что приведенная схема "соответствует здравому смыслу", или "отвечает интуитивному представлению о сравнительном качестве альтернатив" и т.п. Здесь мы сталкиваемся с типичной ситуацией, которая удачно выражается известной фразой "наука начинается там, где кончается здравый смысл". Увы, это так! В конце ХХ-го века математика достигла такого уровня абстрактности, что здравый смысл отступил на второй план. В одной из классических книг по методам ППР, а именно, в книге американских математиков Р.Л. Кини и Х. Райфа "Принятие решений при многих критериях: предпочтения и замещения" (Москва, изд-во "Радио и связь", 1981) строго доказано, что линейная свертка корректна только тогда, когда все критерии попарно независимы по предпочтению. Что такое "зависимость" критериев, какие виды зависимости бывают, и что из этого следует – все это выходит за рамки нашего краткого введения.

Идем дальше. Оказывается, линейная свертка основана на неявном постулате: "низкая оценка по одному критерию может быть компенсирована высокой оценкой по другому". Однако, этот постулат верен отнюдь не для всех моделей сравнительной оценки "качества". Простейший пример – ухудшение качества изображения телевизора не может быть компенсировано улучшением качества его звука.

Но и это еще не все. Серьезные проблемы связаны с критериями. Прежде всего, не всегда удается обосновать тот набор критериев, который необходим и достаточен для решения ЗПР. Может показаться, что набор критериев "естественно" возникает в каждой конкретной задаче. Но, увы, это далеко не так.

Еще сложнее обстоит дело с весами критериев. Можно даже сказать, что веса критериев – самое тонкое место в проблеме критериального упорядочения альтернатив. Чаще всего веса назначают, исходя из интуитивного представления о сравнительной важности критериев. Однако исследования показывают, что человек (эксперт, ЛПР) не способен непосредственно назначать критериям корректные численные веса. Более того, есть данные, (они еще не опубликованы) которые свидетельствуют о том, что человек не может корректно назначать веса даже на базе нечисловых шкал. Почему же люди так часто и так охотно манипулируют взвешенной суммой? По этому поводу не могу удержаться от искушения процитировать отрывок из великолепной книги Елены Сергеевны Вентцель "Исследование операций (задачи, принципы, методология)". В следующем отрывке веса критериев называются "коэффициентами", альтернативы – "решениями".

"Здесь мы встречаемся с очень типичным для подобных ситуаций приемом – "переносом произвола из одной инстанции в другую". Простой выбор компромиссного решения на основе мысленного сопоставления всех "за" и "против" каждого решения кажется слишком произвольным, недостаточно "научным". А вот маневрирование с формулой, включающей (пусть столь же произвольно назначенные) коэффициенты – совсем другое дело. Это уже "наука"! По существу же никакой науки тут нет, и нечего обманывать самих себя".

Но вернемся к существу вопроса. Если все так сложно, то как все же взяться за структурирование альтернатив, представленных в виде критериальной таблицы? Этим мы сейчас и займемся. Прежде всего, заметим, что в таблице могут оказаться альтернативы, которые имеют оценки по всем критериям хуже, чем другие альтернативы. Сразу ясно, что такие альтернативы неконкурентоспособны. Их можно смело вычеркивать из таблицы. После вычеркивания заведомо наихудших альтернатив, в таблице остаются только такие альтернативы, которые хотя бы по одному критерию, не хуже, чем другие. Множество таких альтернатив получило название "множество недоминируемых альтернатив", или "множество Парето". Парето – это фамилия (ударение на букве "е").

Итак, множество Парето мы получили. Что дальше? А дальше нужно все же задуматься о сравнительной важности (значимости) критериев. Прежде всего, критерии нужно попытаться качественно упорядочить по важности, т.е. упорядочить без назначения им весов. Сделать это можно, например, методом парных сравнений. Оказывается, что существуют методы структурирования альтернатив, построенные на использовании только информации о результатах попарного сравнения критериев по важности. Автор исторически одного из первых методов этого класса – все тот же В.В.Подиновский. Суть метода можно упрощенно пояснить на следующем примере. Пусть имеется 2 альтернативы и 2 критерия. И пусть задана критериальная таблица.

	k1	k2
a	x	y
b	z	t

Пусть, далее, известно, что критерий k₁ важнее критерия k₂ (k₁ > k₂). Тогда, если y = t и x > z, то можно утверждать, что a > b. При этом не играет роли насколько x больше z. Обратим внимание на то, что для упорядочения альтернатив нам не понадобились веса критериев. Мы использовали только качественную информацию о сравнительной важности критериев. Заметим, что если y < t, то метод ничего не может сказать об относительной предпочтительности альтернатив. Это говорит о том, что метод является достаточно грубым. Если распространить описанную логику на таблицы произвольного размера – получим метод Подиновского. Он описан в статье "Многокритериальные задачи с упорядоченными по важности критериями" (журнал "Автоматика и телемеханика", №11, 1979 год). Несмотря на кажущуюся простоту, общее описание метода доступно только хорошо подготовленным математикам.

Самым известным, классическим методом упорядочения альтернатив на основе качественной информации о сравнительной важности критериев является метод, основанный на понятии "единая порядковая шкала" (ЕПШ). Для объяснения этого понятия возьмем школьный пример. Пусть ставится задача упорядочить учеников некоторого класса по оценкам, полученным ими только по двум предметам. Для определенности пусть этими предметами будут математика и физкультура. Задано также, что математика важнее физкультуры (да простят меня учителя физкультуры!). Решим задачу "в лоб", т.е. перечислим все возможные пары оценок и упорядочим их по убыванию предпочтительности. Две верхние строчки такого упорядочения построить легко. Это

Ранг	Математика	Физкультура

А дальше мы сразу наталкиваемся на проблему. Что лучше (5, 3) или (4, 5)? Со всей откровенностью приходится признаться, что ответ на это вопрос зависит от произвола лица, принимающего решение. Если для этого лица математика значительно важнее физкультуры, скорее всего, будет принято решение считать (5,3) более важным, чем (4,5). Тогда первые четыре строчки будут выглядеть так

Ранг	Математика	Физкультура

Продолжая в том же духе, можно достроить всю таблицу до конца. Она, естественно, завершится парой отметок (1,1). Таблица такого типа и называется "единой порядковой шкалой". Пользоваться ею – одно удовольствие! Сравнение любой пары учеников сводится к поиску в таблице соответствующих их оценкам строк. Тот, чья строка оказалась выше – считается лучше. Если все так замечательно, почему же ЕПШ не нашла широкого распространения? Ответ прост – она может быть построена только для небольшого числа критериев. Попробуйте построить ЕПШ хотя бы для 7 школьных предметов, и вы быстро убедитесь в справедливости указанного недостатка.

Итак, мы рассмотрели несколько способов упорядочения (структуризации) альтернатив без построения обобщенного критерия. Кстати, в теории принятия решений обобщенный критерий получил название "функция ценности" или "функция полезности". Линейная свертка – простейший пример функции полезности. Таких функций разработано достаточно много. Есть, например, мультипликативная свертка. Она используется в моделях, основанных на постулате: "низкая оценка хотя бы по одному критерию влечет за собой низкое значение функции полезности" (вспомните пример с телевизором!). Записывается такая свертка следующим образом

s_i = П x_ij­^w_j (произведение берется для всех j от 1 до m).

При этом, должны быть выполнены условия: 0< x_ij < 1 и S w_j = 1. (где w – вес критерия)

Методы моделирования

Процесс принятия решения тесно связан с использованием моделей и количественного анализа.

Мо­дель есть представление реальности конкретной системы путем дублирования ее важных свойств, представлений и характе­ристик.

Преимущества использования моделей.

1. Модели менее дороги и требуют меньше времени, чем экспериментирование с реальными системами.

2. Они позволяют менеджерам задавать, на­пример, вопрос «Что будет, если...» («Что будет, если мои затраты на запасы увеличатся на 3% в следующем году,— как изменится моя прибыль?»).

3. Они способствуют содержательному систематическому под­ходу к анализу проблем.

4. Они требуют от менеджеров уточнять ограничения и цели по отношению к проблеме.

5. Они могут помочь сократить время, необходимое для при­нятия решений.

Основные ограничения при использовании моделей.

1. Модели могут быть дорогими и требующими длительного времени на разработку и тестирование.

2. Они часто не используются и неправильно понимаются по причине их математической сложности.

3. Они уменьшают роль и значение не поддающейся вычисле­нию информации.

4. Они часто имеют такие предпосылки, которые слишком упрощают переменные реального мира.