Проблема принятия решений

Существует множество ситуаций, когда человек или группа людей должна сделать выбор из множества решений. Это может быть проблема управления предприятием или фирмой (выбор стратегии развития), личные проблемы выбора профессии, места работы, но общее – ситуация выбора. Компонентами выбора являются: человек, группа лиц (ЛПР), наличие нескольких вариантов решения проблемы с оценками по различным критериям. Средством, помогающим ЛПР осуществить выбор, является анализ решений (АР), его целью является более глубокое понимание проблемы, выбор наилучшего решения. При использовании анализа решений на практике необходимо иметь в виду, что успех зависит не только от принимаемого решения, но сопутствующих условий. Следует учитывать, что АР не является объективным средством.

Проблему создает обилие существующих методов принятия решений. Не просто найти метод, подходящий в конкретном случае. При этом необходимо учитывать не только характеристики метода, но и характеристики предприятия и личные характеристики ЛПР. Существующие различные подходы для решения сложных проблем можно агрегировать в крупные группы.

Наиболее перспективными считают два методологически различных подхода – количественный анализ решений (КАР) и вербальный анализ решений (ВАР). КАР реализован в различных методах многокритериального количественного анализа решений. Методологически КАР опирается на многокритериальную теорию полезности. Методы КАР строятся аксиоматическим способом, на их основе доказываются теоремы о существовании функции полезности того или иного вида, часть аксиом (условия независимости и т.д.) подвергается проверке в диалоге с ЛПР. Наиболее распространенной является аддитивная функция полезности. Она предполагает, что выполняются некоторые из условий независимости для построенной функции полезности по каждому из критериев, и определены тем или иным способом веса критериев. Общая оценка полезности или ценности условий, определенная для альтернатив, подсчитывается как сумма полезности ее однокритериальных оценок, умноженных на веса критериев. Наилучшая альтернатива соответствует максимальному значению этой суммы. Для построения функции полезности необходима информация. Неявно предполагается, что ЛПР и эксперты могут делать точные количественные измерения. Так при построении однокритериальной функции полезности обычно определяются эквиваленты полезности. Для нахождения весов критериев находятся точки эквивалентности для пар оценок на плоскостях двух критериев. Переход от содержательных понятий к характеристикам осуществляется с помощью 10 или 100 бальных шкал. В настоящее время активно используются графические средства получения информации от ЛПР.

Основой ВАР является качественное или словесное описание проблемы, которое применяется на всех стадиях без перевода в числовую форму. Методологически ВАР основан на психологической модели обработки информации и теории поведения индивида при решении многокритериальных задач. Результаты экспериментальных исследований позволяют выделить операции переработки информации, соответствующие ЛПР. Учитываются возможные ошибки ЛПР путем введения в процедуры анализа противоречий и их устранений. Подход ВАР позволяет постепенно разработать решающее правило методом проб и ошибок. В нем предусмотрена возможность получения для ЛПР объяснения результатов анализа в виде, понятном для ЛПР. ВАР тоже использует отдельные результаты многокритериальной теории полезности. В рамках ВАР большое значение выделяется проблеме получения информации от экспертов, в качестве языка описания используется естественный язык. На первом шаге разрабатываются порядковые шкалы к с вербальными оценками. Далее осуществляется операции преобразования вербальной информации. Все процедуры получения информации от ЛПР основаны на использовании оценок по вербальным критериям. В отличие от КАР в ВАР используется поэтапное получение информации от ЛПР.

В проблеме выбора можно выделить следующие компоненты: выделение альтернатив, проведение измерений, осуществление выбора на основе какой-либо модели проблемной ситуации. Начальная процедура информационного наполнения состоит в выборе измерительных шкал и проведении измерений. Самая простая шкала – эта шкала наименований. Измерение в этом случае состоит только в оценке принадлежности тому или иному классу. Подразумевается, что число классов конечно, для такой информации можно рассчитать количество совпадений, частоты. Большой объем данных в системе управления существует именно в этой форме, но для принятия решений такой информации мало.

Порядковая шкала применяется тогда, когда природа объекта позволяет его отнести к какому-либо классу, когда можно провести ранжирование. Для АР полезны модификации шкалы порядковых измерений. В социальных исследованиях оказалась эффективной шкала, которая позволяет провести измерения силы предпочтений на основе последовательной процедуры. Более четкая фиксация интенсивности предпочтений, хотя и выводит результаты измерения за рамки порядковых шкал, не делает такие шкалы эквивалентными численным. Тем не менее, можно считать, что это обстоятельство не является недостатком, а скорее достоинством характеристики для оценки объектов с разной природой.

Интервальные шкалы используют такие присвоения чисел объектам, когда равные разности чисел соответствуют равным разностям значений измеряемого признака. В такой шкале ноль произволен. Результаты измерения допускают все численные операции, наиболее информативные для выбора. Абсолютная шкала – это числовая ось.

Проблема выбора после выявления альтернатив может решаться довольно просто, если в модели ситуации существует четкое право выбора. Выделяют три подхода к построению такого правила:

основан на критериальном языке описания проблемы (большое количество альтернатив), несравнимые альтернативы образуют множество Парето, дальнейший выбор осуществляется методом диктатора;

основан на языке бинарных отношений (попарное сравнение альтернатив и выбор наиболее предпочтительной);

основан на языке функций выбора (позволяет принять решение в случае зависимости предпочтений между двумя альтернативами от других и даже при неопределенности принятия решений).

Для анализа многоцелевых решений довольно часто используются модели целевого программирования – это модификация линейного программирования, основанная на фиксации численных показателей целевого состояния, анализе переменных, фиксирующих отклонения от такого состояния и свертке многокритериальной функции с помощью весовых коэффициентов для отдельных компонент многоцелевого состояния.