Оценка возможных решений по Парето

Оценка возможных решений по Парето [c.233]

Применение скалярного критерия и методов свертки позволяет линейно упорядочивать сравниваемые объекты, т.е. выстроить их по старшинству оценок. Ранжирование по Парето (это понятие объясняется ниже) позволяет упорядочивать объекты не линейно, а по группам, считая, что все объекты внутри группы равноценны, т.е. перейти от линейного упорядочивания к групповому. При этом очередность устанавливается не между отдельными объектами, а между их равноценными группами. Такой подход не дает никаких преимуществ, если упорядочивание производится по одному показателю, но открывает новые возможности, если таких показателей несколько. Например, показателями, характеризующими задачу или процесс, решаемые на ЭВМ, могут являться объем оперативной памяти, занимаемой программой, время ее решения, время занятости каналов связи для передачи данных и т.д. В многопроцессорных системах групповой подход при организации очередей задач может оказаться достаточно эффективным, так как на многопроцессорной системе можно одновременно выполнять группу задач или процессов. [c.234]

Распределенная система поддержки принятия решений ранжирует возможные решения и выдает необходимую табличную и/или графическую информацию на дисплеи обоих конструкторов. На рис.4.2 показано такое ранжирование по Парето. Рис. 4.2.а показывает ранжирование вариантов первого ЛПР, а рис. 4.2.Ь -второго. Критерии (они обозначены через X и V) и балльные шкалы оценок у обоих ЛПР одинаковы, но каждый ЛПР варианты решений оценивает по-разному. Лучшим считается вариант, имеющий максимальное значение критерия (например надежность и время межремонтного обслуживания). По оценкам первого ЛПР оптимальными оказались варианты 1 и 3, а у второго - 3 и 5. Таким образом, оба ЛПР оценивают вариант 3 как оптимальный. Он и является согласованным решением. [c.261]

Если же имеет место Х =0, что вполне возможно для некоторых практических задач, тогда основным инструментом для оценки эффективности выбора становится именно нечеткое множество Парето ХнЦР), на основе которого вводятся рассмотренные нами раньше множества г-недоминируемых решений. [c.30]

Таким образом, имея неполную информацию, что выражается в наличии ненулевых интервалов хотя бы для некоторых пар. конкурсных решений в отношении хотя бы некоторых НОП P , мы выделяем исходное множество Парето Хп, которое соответствует уровню нашей информированности об исходной задаче принятия решений. Оно контролирует эффективность процедур выбора. Дальнейшая работа состоит в том, чтобы сузить это несходное множество Парето, то есть выделить в нем некоторое подмножество, содержащее по возможности меньше конкурсных решений. Очевидно, что эта работа связана с получением дополнительной информации, Сама техника получения этой информации в данный момент нас не интересует. Нам важен результат— как дополнительная информация изменяет структуру предпочтений на X, в частности, как меняется множество Парето. Каким бы путем мы не -добывали дополнительную информацию, в каком бы виде мы ее не использовали, конечный эффект ее влияния на исходную задачу принятия решений будет выражаеться, вообще говоря, в увеличении, или в уменьшении длин интервалов, представленных в начальной задаче принятия решений. Ниже мы постараемся показать, что только уменьшение этих интервалов позволяет сузить множество Парето, то есть только та дополнительная информация значима, которая уменьшает длины интервалов (интервальных оценок). Для этого рассмотрим два варианта [c.52]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...