Частичной неопределенности

На начальных этапах проектирования используются различные методы принятия решений в условиях неопределенности. Принимаемое решение часто зависит от того, какой метод применялся для выработки решения, вместе с тем во многих случаях далеко не очевидно, какой метод следует применять в той или иной ситуации.

Если вероятности возможных ситуаций, в которых будут реализовываться результаты проекта, неизвестны и исходными данными для принятия решения служит матрица эффективностей

где e_ij — эффективность варианта v_іi= 1, 2, . , , n, в ситуации Sj, j = 1,. . . , k, то используют широко распространенные методы равной вероятности, Гурвица и Шанявского. Эти методы отличаются простотой, их удобно использовать, если допускается риск от неправильно выбранного варианта.

В зависимости от важности исследуемой проблемы, повторяемости решения задач, наличия информации о вероятностях ситуаций в таблице приведены рекомендации по применению различных методов:

ЭОПС — экспертные оценки (метод парных сравнений);

ЭОР — экспертные оценки (метод ранжирования вариантов);

ММ — теория игр (метод максимина или минимакса);

БЛ — метод Байеса — Лапласа;

РВ — метод равной вероятности;

Г — метод Гурвица;

Ш — метод Шанявского;

С — метод Сэвиджа.

Для обработки статистических данных также используется многочисленная группа методов, в частности регрессионный анализ (РА), корреляционный анализ (КА), дисперсионный анализ (ДА), методы диаграмм рассеяния, проверки статистических гипотез (ПСГ) и др. Каждый из этих методов имеет свои разновидности. Например, в РА выделяют линейный и нелинейный РА, одномерный и многомерный РА; ДА подразделяется на однофакторный, двухфакторный, трехфакторный и т.д. Каждый метод эффективен для решения определенной группы задач. Так, при анализе существенности влияния факторов на выходной показатель при большом числе факторов и значительном изменении Q удобно использовать метод диаграмм рассеяния, если же число факторов невелико и колебания Q незначительны, то эффективнее дисперсионный анализ.

При решении идентификации моделей важное значение имеет точность определения значений входных переменных.

Если ошибками в их определении можно пренебречь, то целесообразно использовать методы РА; если входные переменные рассматриваются как случайные величины, применяют методы КА.

Методы ПСГ используются в различных задачах, связанных с анализом случайных величин (идентификация закона распределения случайной величины, проверка существенности различий между параметрами распределения), построением доверительных интервалов, оценкой степени согласованности мнений экспертов и др.

Во многих случаях на практике в ходе решения задачи проектирования поступает дополнительная информация, которую следует использовать для коррекции получаемых результатов. Для этого целесообразно использовать методы, использующие итерационные процедуры пересчета получаемых решений.