Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
Интерактивные методы
|
|
К методам гибкого приоритета относятся в основном методы и алгоритмы выбора наиболее предпочтительного объекта (альтернативы), представляющие преимущественно интерактивные процедуры, зависящие от специфики решаемой задачи. В группе интерактивных методов наиболее распространены принципы выбора предпочтительного объекта (метод «смещенного идеала»).
6.3.1. Метод «смещенного идеала»
Данный метод включает в себя большую группу алгоритмов, к общим признакам которых можно отнести наличие «идеального объекта» и наличие процедур отсеивания.
При формировании «идеального объекта» вполне возможно, что его образ может не принадлежать реальному множеству объектов{ Y 1, Y 2, …, Yn } или даже вообще не существовать. При этом объекты из множества { Y 1, Y 2, …, Yn } сравниваются с моделью сформированного «идеального объекта» и происходит процедура отсеивания. При построении модели «идеального объекта» важно использовать знания и опыт специалиста (ЛПР), так как он точнее понимает свойства и параметры, взятые из лучших реальных объектов и составляющие содержание «идеального объекта». Процедура отсеивания характеризуется исключением из исходного множества объектов { Y 1, Y 2, …, Yn } подмножеств, не содержащих искомый наиболее предпочтительный объект.
В общем виде процедура поиска наиболее предпочтительного объекта состоит из ряда этапов:
1. Формирование «идеального объекта».
2. Анализ множества объектов для установления соответствия «идеальному объекту».
3. Интерактивное исключение тех объектов из исходного множества { Y 1, Y 2, …, Yn }, которые признаны при анализе заведомо не наилучшими.
4. Переход к п.1 для сокращения множества объектов.
Пример.6.3. Рассмотрим решение задачи выбора станка ЧПУ (пример 6.3) методом смещенного идеала.
На основании данных, приведенных в таблице 6.7, сформируем «идеальный объект» по указанным критериям со значениями, равными максимальным значениям показателей, полезность по которым возрастает, и минимальным, полезность по которым убывает. Таким образом, получим «идеальный объект» Y +, вектор значений которого составлен для конкретных значениях критериев:
Y +Ì{1; 3,5; 40}.
Кроме «идеального объекта» сформируем также модель «наихудшего объекта» Y -:
Y –Ì{16; 1; 100}.
Для сопоставления значений критериев необходимо перейти к нормированным единицам, так как критерии разнородные, преобразовав их значения по формуле:
 ,
| (6.3) |
где kj – текущее значение критерия сравниваемого объекта.
Тогда, переходя к относительным значениям критериев, получим следующую таблицу (табл.6.8):
Таблица 6.8. Матрица вариантов в относительных единицах
| Станки | Критерии | ||
| k 1 | k 2 | k 3 | |
| Y 1 | 0,27 | 0,17 | |
| Y 2 | 0,6 | 0,8 | |
| Y 3 | 0,07 | 0,8 | |
| Y 4 | |||
| Y 5 | 0,33 | 0,2 | |
| Y 6 | 0,17 |
Значения критерия в относительных единицах dji интерпретируются как расстояния j -го объекта по критерию ki до идеального объекта. Идеальный объект имеет расстояние dji= 0, а наихудший dji = 1.
Если критерии имеют разную степень важности, то необходимо задать относительную важность критериев в виде весов w. Пусть в нашем случае w 1=6, w 2=6, w 3=2. Задание такого вектора весов критериев показывает, что наиболее предпочтительны станки с меньшим временем выполнения операций и большей надежностью.
Для выявления не наилучших объектов найдем свертки (расстояния до идеального объекта), используя следующую обобщенную метрику:
| (6.4) |
где р – степень концентрации, позволяющая переходить к различным метрикам. Например:
1. Для р =1 
имеем взвешенную метрику. И чем больше значение метрики L, тем ближе объект находится к идеальному.
2. Для р =2 получаем функцию L – взвешенное Евклидово расстояние. 
Вычислим для наших объектов разные метрики, соответствующие различным стратегиям выбора, и значения сведем в таблицу (табл.6.9):
Таблица 6.9. Матрица расстояний различных стратегий
| Степень концентрации | Значения меры расстояния | |||||
| L (Y 1) | L (Y 2) | L (Y 3) | L (Y 4) | L (Y 5) | L (Y 6) | |
| p =1 | 5,9 | 5,6 | 7,1 | 8,8 | 7,6 | |
| p= 2 | 4,7 | 3,3 | 5,7 | 6,3 | 6,2 |
Вычисляя интегральный критерий для различных значений степени концентрации, получим следующие ранжировки предпочтений по L:
для р =1 Y 5 f Y 6 f Y 3 f Y 4 f Y 1 f Y 2;
для р =2 Y 5 f Y 6 f Y 4 f Y 3 f Y 1 f Y 2;
Не наилучшие решения – это те, которые всегда не доминируют, т.е. это альтернативы Y 1 и Y 2 (наименее предпочтительные). Исключаем их из рассмотрения, получая сокращенное исходное множество альтернатив в виде { Y 3, Y 4, Y 5, Y 6}. Для них опять строятся идеальный Y +={1; 3,5; 50} и наихудший Y –={16; 1; 100} объекты, и процедура повторяется до тех пор, пока не выявится один доминирующий объект или не станут ясны предпочтения ЛПР.
Date: 2015-09-24; view: 2206; Нарушение авторских прав