ПОИСК Статьи Чертежи Таблицы Процедуры оценки векторов из "Объективные модели и субъективные решения " В этих процедурах ЛПР непосредственно оценивает полезность альтернативных вариантов решений, предъявляемых ему в виде векторов в пространстве критериев. [c.27] ЛПР анализирует г. [c.27] Приведем несколько наиболее известных ЧМ-процедур данного типа. [c.28] Шаг Б Решение х вычисляется симплекс-методом. [c.29] Отсутствует (дополнительная инфор мация /эвм не вырабатывается). [c.29] Шаг Г . ЛПР анализирует вектор 2 =(С1(х ),. ... .. С у(х )). [c.29] ЛПР задает вектор й , определяющий направление изменения вектора х. Новое решение должно удовлетворять (1 (х —х 0. [c.29] Таким образом, выражения, определяющие матрицу W, можно получить непосредственно из симплекс-таблнцы, соответствующей решению х. [c.29] Описанная процедура иллюстрирована решением простой модельной задачи (при N=2, р=3, п= = 5). [c.30] Процедура прогрессивной ориентации [40] предназначена для решения задачи (3) она начинается с шага В на котором вырабатывается матрица У . [c.30] ЛПР анализирует матрицу У , порожденную множеством экстремальных решений = Р(х1,. .., Хр,). Если среди них не содержится х, то следует шаг Д . [c.30] Вычисляются весовые коэффициенты — где А/ так называемое сожаление по критерию, представляющее собой разность между максимальным значением из Р и средним значением из Р. [c.30] Шаг В . Решение х включается в множество Р после чего корректируется матрица критериев. Начиная с этого шага, матрицы критериев У порождаются множествами Р 0, состоящими не только из экстремальных решений Ху, но и включенных компромиссных решений. [c.31] Шаг Б . Симплекс-методом вычисляется решение х (и вектор целевых функций г ). [c.31] Шаг В Вычисляется множество Х эффективных небазисных переменных, т. е. таких, введение которых в базис привело бы к получению эффективного решения. Для каждой Xj XJ вычисляется вектор АС — (ДСл,. .. АСщ), характеризующий изменения целевых функций при переходе от х к соответствующему эффективному решению. Если полученное таким образом решение рассматривалось ранее, оно исключается. [c.31] Шаги Г, Д. ЛПР оценивает каждый из предъявленных векторов АС и отвечает на вопрос является ли предлагаемый компромисс, т. е. переход к новому эффективному решению, желательным (возможные ответы — да , нет , не знаю ). [c.31] Процедура продолжается до получения эффективного решения, у которого нет эффективных небазисных переменных. Число предъявляемых ЛПР вопросов может быть уменьшено за счет автоматической проверки предлагаемых компромиссов на соответствие ранее полученным ответам ЛПР. Проверка осуществляется посредством решения вспомогательной малоразмерной задачи линейного программирования. Авторы приводят подробный процесс решения иллюстративного примера N=3, р = 2, = 6), кратко обсуждают решение условной задачи планирования N=A, р = = 48, =108), полученное за пять итераций, включающих 21 вопрос к ЛПР, и сообщают о решении двух реальных задач планирования N— , р=2, п = 47 и yV=4, р=143, =248). [c.32] Вернуться к основной статье