Слайд 1Методы и Системы Поддержки Принятия Решений
Methods and Systems for Decision-Making
Support
Л-7
Методы МКАР, основанные на попарном сравнении:
AHP, PROMETHEE
Слайд 2МКАР (MCDA)
Ключевые фазы процесса МКАР:
- структурирование
- оценка критериев для
всех альтернатив
- Выбор модели, использование
- Анализ неопределенностей
- Разработка плана действий
Слайд 3МКАР (в условиях определенности):
A={A1,…, An}, C={C1,…, Cm}
F – обобщенный критерий
Decision Rule/ MCDA method
Слайд 4AHP (Analytic Hierarchy Process); T.Saaty, 1980
The AHP is based on
3 principles:
- Decomposition: AHP hierarchy development (with the use
of Value Tree);
- Comparative judgments: pairwise comparisons of criteria, and pairwise comparisons of alternatives for each criterion (of the lowest VT level);
- Synthesis of priorities: determination of weights based on pairwise comparison of criteria (including comparison through hierarchy/Value Tree), and determination of scores (eigenvectors for the maximum eigenvalue); determination of the overall score using linear additive model.
Слайд 5AHP (Analytic Hierarchy Process)
AHP базируется на реализации 3 ключевых этапов:
-
Декомпозиция: реализация иерархической структуры МКЗ (= структуризация с использованием многоуровневого
Дерева Критериев (Value Tree));
- Попарное сравнение:
- критериев, и
- альтернатив по каждому критерию (of the lowest VT level);
- Синтез приоритетов (с использованием обобщенного критерия):
- оценка весов критериев (в т.ч. вдоль ДК)
- оценка “ценностей альтернатив по критериям”;
- оценка интегральной ценности альтернативы
Слайд 6AHP (Analytic Hierarchy Process)
Декомпозиция (разработка ДК/VT в рамках структуризации МКЗ)
Слайд 8AHP
Попарное сравнение: критериев
Цель: оценка весовых коэффициентов
Ci превосходит Cj в
s раз: aij=s, 1≤ s ≤ 9
в шкале отношений
Саати: матрица Mc=(aij)
aij=s → aji=1/s
Слайд 9AHP
Попарное сравнение: Шкала отношений
1 соответствует эквивалентности (равному предпочтению),
3 соответствует
умеренному предпочтению,
5 соответствует существенному предпочтению,
7 соответствует сильному предпочтению,
9 соответствует абсолютному
предпочтению.
2,4,6,8 - промежуточные сравнительные оценки. Сравнение производится для каждой упорядоченной пары альтернатив и критериев.
Слайд 10AHP
Попарное сравнение критериев:
Слайд 11AHP
Попарное сравнение: альтернатив по каждому критерию
Цель: определение ценности альтернатив по
критерию:
Cj(ai) превосходит Cj(ak) в s раз: 1≤ s ≤ 9
в
шкале отношений Саати: матрица Mj=(aik):
aik=s → aki=1/s
Слайд 12AHP
Попарное сравнение альтернатив по критерию:
Слайд 13AHP
Дерево критериев (реализованное для AHP):
Слайд 14AHP
Попарные сравнения: aik , akj:
не следует, что aik akj
= aij
(aik =wi/wk ; akj =wk/wj → aik akj =
aij= wi/wj)
aik > akj , akj>ais - может не следовать, что aik>ais.
→ Нарушение согласованности.
Слайд 15AHP
Индекс согласованности:
1. Для полностью согласованной матрицы (aik =wi/wk )
максимальное
собственное значение равно размеру матрицы n;
2. λmax – максимальное собств
значение матрицы (вычисл);
3. Вычисляется индекс согласованности (Consistency Index): CI=(λmax – n)/(n-1);
4. Отношение согласованности: T=CI/R (T≤0.1)
(R- табличное значение индекса согласованности для кососимметричных матриц данного размера
Слайд 16AHP
Индекс согласованности – приближенное вычисление:
1. В матрице парных сравнений
суммируются элементы каждого столбца (Aj=∑aij);
2. Полученные числа умножаются на соответствующие
нормализованные компоненты вектора “весов/ценностей” определенного по этой же матрице (Aj сj);
3. Полученные числа суммируются :=λmax ;
4. Определяется CI по формуле CI=(λmax – n)/(n-1);
5. Вычисляется Отношение согласованности: T=CI/R .
Слайд 17AHP
Синтез:
- определение весов: = собственный вектор
(для наиб. Собств. значения)
матрицы попарного сравнения критериев Mc=(aij) (нормированный); w=(w1,…,wm), ∑wj=1;
-
определение “ценности альтернатив” для каждого критерия = собственный вектор матрицы попарного сравнения альтернатив Mj=(aik) по критерию Cj, j=1,…,m (нормированный);
V(j)=(Vj(a1), Vj(a2),…,Vj(an)) (∑k Vj(ak)=1)
Слайд 18AHP
Приближенное вычисление собственных векторов, соответствующих максим собств значениям:
- вычисляется корень
n-ой степени из произведений элементов строки; (для всех строк)
- элементы
вектора нормируются на единицу (т.е., сумма компонент вектора =1)
V(j)=(Vj(a1), Vj(a2),…,Vj(an)) (∑Vj(ak)=1)
Слайд 19AHP
Синтез: построение обобщенного критерия:
V(ak) = ∑wjVj(ak)
Решающее правило:
Слайд 20AHP
Результаты оценки обобщенного критерия:
Слайд 21AHP
Проблемы AHP: rank reversal problem:
n альтернатив: A={A1,…, An},
пусть для
альтернатив а и b:
Добавим новую альтернативу
(или уберем одну из
имеющихся)
Может иметь место при применении AHP к новому множеству альтернатив:
Слайд 22AHP
Проблемы AHP
- количество попарных сравнений (для больших m, n);
-
(нередко) неясность (неопределенность, бессмысленность) сравнения двух показателей в шкале отношений;
-
использование порядковой шкалы отношений (1-9)
Слайд 23AHP: Этапы реализации
1. Структуризация (дерево критериев) (иерархическая структура задачи)
2. Оценка
альтернатив по критериям (табл. Характеристик).
3. Попарное сравнение критериев (в
шкале Саати)
(→ получение весов критериев)
4. Попарное сравнение альтернатив по каждому критерию (→ получение ценностей/нормализованных значений альтернатив по критериям)
5. Оценка обобщенного критерия
6. Анализ чувствительности
7. Рекомендации
Слайд 24Методы и Системы Поддержки Принятия Решений
Methods and Systems for Decision-Making
Support
Л-7 (2)
Outranking methods: PROMETHEE
(Preference Ranking Organization METHod for
Enrichment Evaluations)
(ORT = Outranking Relation Theory)
Слайд 25PROMETHEE (ORT)
При использовании этих методов значения критериев по каждой альтернативе
- используется таблица характеристик cij=Cj(Ai);
- не требуют обязательной нормализации или
перевода в общую безразмерную шкалу;
- используется степень предпочтения одной альтернативы над другой по (каждому) критерию: 0≤Pj(Ai,Ak) ≤1,
Pj(Ai,Ak)=0 означает эквивалентность альтернатив,
Pj(Ai,Ak)≈0 - слабое предпочтение,
Pj(Ai,Ak)≈1 - сильное предпочтение, а
Pj(Ai,Ak)=1 – абсолютное предпочтение
Слайд 26PROMETHEE
Степень предпочтения:
Pj(Ai,Ak) – функция от разности (различия) значения альтернатив
по критерию:
d=сij–сkj:
Pj(Ai,Ak)= Pj(d) – ф-я предпочтения- неубывающая
функция,
Pj(d) =0 для d ≤ 0, и
0 ≤ Pj(d) ≤1 для d>0
(q- уровень безразличия, p – уровень превосходства); Pj(Ai,Ak)>0 → Pj(Ak,Ai)=0
Слайд 27PROMETHEE: функции предпочтения Pj(d)
Слайд 28PROMETHEE (ORT)
Индекс предпочтения одной альтернативы над другой:
- Позитивный поток (превосходства
Ai над другими) :
- Негативный поток (превосходства других альтернатив над
Ai):
Слайд 29PROMETHEE -I
Частичное упорядочение методом PROMETHEE I:
- Ai предпочтительнее Ak,
если выполняется условие:
- Ai эквивалентно Ak, если:
- в других
случаях альтернативы несравнимы
Слайд 30PROMETHEE -II
Полное ранжирование методом PROMETHEE II
(net flow; чистый поток):
Слайд 33PROMETHEE I
Частичное упорядочение
Слайд 34PROMETHEE II
Полное ранжирование