Главная страница
Навигация по странице:

  • ВЗАИМОЗАВИСИМОСТЬ ВХОД–ВЫХОД И РАЗМЕЩЕНИЕ РЕСУРСОВ

  • Таблица 5.1. Динамические суждения

  • Матрица 2×2

  • Матрица 3×3

  • Т. Саати Принятие решений. Т. саати принятие решений метод анализа иерархий


    Скачать 4.58 Mb.
    НазваниеТ. саати принятие решений метод анализа иерархий
    АнкорТ. Саати Принятие решений.pdf
    Дата09.05.2017
    Размер4.58 Mb.
    Формат файлаpdf
    Имя файлаТ. Саати Принятие решений.pdf
    ТипДокументы
    #7332
    КатегорияИнформатика. Вычислительная техника
    страница9 из 28
    1   ...   5   6   7   8   9   10   11   12   ...   28
    ГЛАВА 5
    ПРОГНОЗ, ДИНАМИЧЕСКИЕ ПРИОРИТЕТЫ,
    ВЗАИМОЗАВИСИМОСТЬ ВХОД–ВЫХОД
    И РАЗМЕЩЕНИЕ РЕСУРСОВ
    5.1. ВВЕДЕНИЕ
    Как это бывает с любой новой идеей, наш метод и лежащая в его основе теория имеют много ответвлений, которые еще не полностью развиты. В данной главе представлены несколько других аспектов метода собственного вектора (всего пять), которые имеют практическую и теоретическую ценность, хотя многое в них еще должно быть исследовано.
    Первой из этих сфер является вычисление ожидаемых величин в задаче прогно- зирования. Второй аспект – использование маргинальных приоритетов; третий – ди- намические приоритеты, где сами суждения – функции времени, а собственный век- тор вплоть до случая
    4 4
    ×
    вычисляется в явном виде через коэффициенты. Набро- сок доказательства того, что в случае
    3 3
    ×
    левый собственный вектор является об- ратным к правому собственному вектору приводится к гл. 7. Затем идеи иллюстри- руются. Эта процедура может быть обобщена на иерархию, разделенную на класте- ры и элементы, число которых на каждом уровне не превышает четырех. Теоретиче- ской трудности в подобной декомпозиции иерархии нет. Четвертая тема, которая обсуждается, – вычисление коэффициентов матрицы прямых затрат в модели
    «вход–выход» на уровне страны. Поэтому будет проиллюстрирован способ получе- ния приоритетов, когда между видами действия существует взаимосвязь. Для срав- нения представлена таблица, полученная экспертами в результате применения сложной эконометрической техники. Будет показано, что результаты близки и наш подход может быть использован для проведения первой оценки таблиц «вход–
    выход». Последнее полезное приложение относится к размещению ресурсов, в ко- тором используется иерархия эффективности и иерархия стоимости, а также даны другие примеры, иллюстрирующие эффективность МАИ в этой важной области при- ложений. Наконец, попутно упоминаются некоторые результаты исследований, про- веденных по вероятностным суждениям, и их интерпретации. Это может оказаться полезным при проведении статистического анализа суждений, полученных от мно- гих лиц.
    5.2. ОЖИДАЕМЫЕ ВЕЛИЧИНЫ,
    ПОЛУЧАЕМЫЕ МЕТОДОМ АНАЛИЗА ИЕРАРХИЯ: ПРОГНОЗ
    Приведенный ниже пример используется в качестве иллюстрации, а не убеди- тельного доказательства того, что суждения людей приводят к результатам, нахо- дящимся в тесном согласии с научными прогнозами экспертов, которые опираются на множество факторов.
    В иерархическом подходе к оценке размера семьи участвовали две группы лю- дей. (Одна группа изучала вопрос за период со второй мировой войны до начала семидесятых, а другая – охватила и восьмидесятые годы.) Первая группа разрабо- тала следующую иерархию уровней и факторов на каждом уровне.
    Уровень 1. Средняя численность детей в американской семье.
    Уровень 2. Образование, доход, размер существующей семьи, религия и интен- сивность работы матери.
    Уровень 3. Высокий, средний и низкий для каждого фактора на уровне 2.

    87
    Уровень 4. Ожидаемая численность детей (от 1 до 5) в семье.
    В результате были получены пять факторов, доминирующих в соответствии с приоритетами их вклада в размер семьи между второй мировой войной и началом семидесятых. Это были: малое количество лет, связанных с образованием; низкий доход; высокий доход; среднее количество лет на образование и степень религиоз- ности. Их приоритеты затем нормализовались.
    Заметим теперь, что фактор с высоким приоритетом, влияющий на размер семьи, такой как высокий доход, не может встречаться у населения с такой же частотой, как средний доход или сильная религиозность. Поэтому мы должны оценить относи- тельную частоту появления этих факторов у населения, используя парные сравне- ния, получить собственный вектор и умножить соответствующие компоненты двух собственных векторов – первоначального и ориентированного на общую числен- ность населения, затем нормализовать по факторам новый вектор для получения чистого относительного приоритета для каждого фактора с высоким приоритетом в соответствии с его распределением среди населения. Наконец, собственные векторы преобладания численности детей в соответствии с каждым из пяти факторов были взвешены каждой соответствующей компонентой повторно нормализованного векто- ра. Был получен следующий результат:
    Численность детей 1 2 3 4 5
    Приоритет
    0,087 0,191 0,282 0,292 0,150
    Ожидаемая численность детей будет
    0,087 1 0,181 2 0,282 3 0,292 4 0,150 5 3,23
    × +
    × +
    × +
    × +
    × =
    Позднее было установлено, что прогноз демографов о средней рождаемости де- тей женщинами, родившимися в период 1923–27 гг., был 3,10, а родившимися в
    1928–32 гг. – 3,14; женщины обеих групп рожали детей в период после второй ми- ровой войны.
    Вторая группа людей использовала следующие факторы: наличие контроля над рождаемостью и абортами; работа матери; позднее материнство; образование мате- ри; стоимость воспитания детей и влияние общества. Собственные векторы этих факторов не потребовали демографического сглаживания; их сочли равномерно распределенными. Не были рассмотрены также высокие, средние и низкие значения факторов. Следующий собственный вектор был получен в качестве приоритетов численности детей относительно этих пяти факторов:
    Численность детей 1 2 3 4 5
    Приоритет
    0,028 0,174 0,495 0,239 0,064
    Отсюда ожидаемая численность детей получается 2,14, что сравнимо с величи- ной 2,11, которая получена демографами для восьмидесятых годов.
    При применении метода для оценки роста товарооборота несмотря на воздейст- вие инфляции, спада и повышения стоимости энергии, во-первых, были получены приоритеты трех критериев. Затем рост товарооборота был разбит на диапазоны
    (
    )
    0 5 %

    ,
    (
    )
    6 10 %

    ,
    (
    )
    11 15 %

    и
    (
    )
    15 20 %

    . Эти четыре диапазона использова- лись как сравниваемые элементы в отдельных матрицах в соответствии с вероятно- стью их реализации по каждому из трех критериев. Средняя степень роста была вы- числена так же, как и в случае с размером семьи. Среднее значение может быть ис- пользовано для вычисления дисперсии.

    88 5.3. МАРГИНАЛЬНЫЕ ПРИОРИТЕТЫ
    До сих пор в исследовании по установлению приоритетов сравнивались виды действий относительно критериев, в предположении, что критерий мыслится в неко- тором усредненном виде. Например, при сравнении школ в соответствии с наличием друзей не учитывалась возможность того, что число друзей может быть малым или большим, из-за чего желательность школ может оказаться различной.
    Есть два способа разрешения этой проблемы. Первый заключается в параметри- зации количества друзей относительно некоторых пределов, которые как раз указа- ны, например, нет друзей, немного друзей, больше, чем немного, много и т. д. Од- нако с этим подходом связана определенная нечеткость, так как количество, по- видимому, не имеет прямого отношения, например, к степени дружелюбия, и к тому, какое количество этого свойства может быть шкалировано. Один индивидуум может обладать большей или меньшей способностью быть другом, чем другой.
    Более пригодным подходом может стать сравнение школ в соответствии с их же- лательностью при увеличении или уменьшении количества друзей на еще одного
    (единица !) друга. Маргинальный анализ такого типа проводится в несколько итера- ций. Результатом будет множество собственных векторов, которые позволят полу- чить закон для изменения желательности каждой школы относительно количества друзей, или относительно степени дружелюбия, которую также можно попытаться определить. Для многих проблем это более точно представляет динамику задачи, поскольку в зависимости от уровня насыщения маргинальное увеличение в свойстве может различным образом влиять на критерии (аналогично производной функции, величина которой, в общем, различна от точки к точке). Подход может быть обоб- щен на всю иерархию, однако вычисления будут долгими и утомительными.
    Метод собственного значения может быть использован для определения величи- ны собственного вектора при маргинальных изменениях в рассматриваемых свойст- вах. Он, конечно, не должен совпадать с собственным вектором, который представ- ляет влияние свойств. Следующий пример можно взять в качестве иллюстрации, а не точного представления проблемы. Во-первых, проведем обычный анализ матри- цы превосходства с собственным вектором, а затем займемся матрицей маргиналь- ного анализа со своим собственным вектором.
    В качестве примера имеем строителя шоссейных дорог, который был безработ- ным и только что нашел работу. Его предпочтения иллюстрируются следующими ха- рактеристиками:
    A
    – деньги;
    B
    – участие в совместной бригадной работе;
    C
    – хо- рошие условия труда;
    D
    – укороченный рабочий день;
    E
    – разнообразие заданий;
    F
    – автономия.
    A
    B
    C
    D
    E
    F
    A
    1 6 5 3 7 9
    B
    0,17 1 0,25 0,2 4 3
    C
    0,2 4 1 0,33 3 4
    D
    0,33 5 3 1 6 7
    E
    0,14 0,25 0,33 0,17 1 0,2
    F
    0,11 0,33 0,25 0,14 5 1 max
    6,79
    λ
    =
    ; ИС = 0,16; ОС = 0,13
    Наибольшее собственное значение этой матрицы равно 6,79. Собственный век- тор будет (0,448; 0,076; 0,135; 0,257; 0,031; 0,052). Это указывает на то, что день-

    89 ги являются характеристикой работы, намного превосходящей другие, затем следу- ют укороченный рабочий день, хорошие условия труда и т. д.
    Элементы следующей маргинальной матрицы сравнений оцениваются ответами на вопрос: «Насколько больше человек предпочитает малое изменение одной ха- рактеристики по сравнению с малым изменением другой при получении работы?»
    A
    B
    C
    D
    E
    F
    A
    1 0,15 0,2 0,333 3 6
    B
    7 1 3 3 5 7
    C
    5 0,333 1 3 3 3
    D
    3 0,333 0,333 1 5 5
    E
    0,333 0,2 0,333 0,2 1 4
    F
    0,17 0,14 0,333 0,2 0,25 1 max
    6,87
    λ
    =
    ; ИС = 0,7; ОС = 0,14
    Наибольшее собственное значение этой матрицы равно 6,87. Собственный век- тор – (0,093; 0,409; 0,236: 0,166; 0,062; 0,034). В этом случае предпочтение отда- ется маргинальному улучшению условий для совместной бригадной работы, за кото- рым следует хорошие условия труда, затем укороченный рабочий день и т. д.
    Анализ подобного рода позволяет взглянуть на работу с точки зрения не только ее начальных достоинств, но и потенциальных возможностей управления, чтобы провести тот тип маргинальных усовершенствований, который оценивается наибо- лее высоко.
    5.4. ДИНАМИЧЕСКИЕ СУЖДЕНИЯ И УРАВНЕНИЕ:
    ( ) ( )
    ( ) ( )
    max
    A t
    t
    t
    t
    ω
    λ
    ω
    =
    В отношении использования метода анализа иерархий часто возникает вопрос:
    «Что следует делать, если суждения меняются?» Естественный ответ на этот вопрос может быть таким: «Следует решить новую задачу». Но это не то, что обычно люди имеют в виду. Возможно то, что им хочется, есть параметризованное решение зада- чи о собственном векторе как функции времени для обеспечения совместимости не только того, что думают люди сейчас, но и того, что они, вероятнее всего, будут ду- мать позднее. Поэтому желательно аналитическое решение задачи о собственном значении
    ( ) ( )
    ( ) ( )
    max
    A t
    t
    t
    t
    ω
    λ
    ω
    =
    Можно сказать, что по своей природе суждения меняются в соответствии с раз- личными ситуациями. Если они следуют известной тенденции, соответствующей оп- ределенному параметру, то можно было бы устроить так, чтобы суждения следовали изменениям параметра. Например, у военного летчика может быть некоторое коли- чество стратегий для выбора в зависимости от скорости его самолета, расстояния до вражеского самолета или от количества топлива в баках. Важность одной стратегии по сравнению с другой будет функцией скорости, или расстояния, или запаса топ- лива. Одним из способов решения этой задачи будет неоднократная фиксация вели- чин временного параметра и затем шкалирование подгонки кривых для различных величин, полученных для каждой компоненты собственного вектора.
    Элегантным подходом могло бы стать разложение иерархии на кластеры, число которых не превышает четырех в кластерах сравнений, получение описания max
    λ

    90 как функции коэффициентов путем решения при необходимости квадратного, куби- ческого уравнения, или четвертой степени, и далее решение задачи о собственном значении в явном виде через коэффициенты, а также через max
    λ
    . Затем можно при- менить принцип иерархической композиции для получения общих весов как функ- ции времени.
    Согласно теории Галуа наибольший порядок матрицы, для которой с помощью простой квадратуры можно получить max
    λ
    в явной форме, равен четырём. Как было отмечено ранее, при необходимости использования матрицы более высокого поряд- ка следует внести статические численные суждения, полученные для различных пе- риодов времени, и решить соответствующую задачу.
    Для суждений о парных сравнениях можно попытаться подогнать одну из функ- ций, представленных в табл. 5.1, к изменяющимся суждениям. Эти функции пред- ставлены в параметрическом виде так, что параметр можно установить для опреде- ленного сравнения в надежде на сохранение границ шкалы 1–9, которую мы приме- няем в дискретном случае в качестве предела диапазона значений (или любой дру- гой удобной шкалы, используемой в дискретном случае). Эти функции отражают наши интуитивные чувства об изменении в тренде: постоянном, линейном, лога- рифмическом и экспоненциальном, возрастающем до максимума и убывающем, или
    Таблица 5.1. Динамические суждения
    Интенсивность важности, зависимой от времени
    Описание
    Объяснение
    α
    Постоянное для всех
    t
    целое число
    ,
    1 9
    α
    ≤ ≤
    Относительный вес не изме- няется
    ( )
    1 2
    a t
    a
    +
    Линейное отношение по
    t
    , увеличиваю- щееся или уменьшающееся до некоторой точки. Отметим, что обратная величина – гипербола
    Постоянное увеличение од- ного вида деятельности по сравнению с другим
    (
    )
    1 2
    log
    1
    b
    t
    b
    + +
    Логарифмический рост до определённой точки, а затем постоянство
    Быстрое увеличение (умень- шение), за которым следует медленное увеличение
    (уменьшение)
    2 1
    3
    c t
    c e
    c
    +
    Экспоненциальный рост (или убывание, если
    2
    c
    – отрицательно) до определённой точки и затем постоянство (отметим, что обратная величина в случае, если
    2
    c
    от- рицательно – логистическая S-образная кривая)
    Медленное увеличение
    (уменьшение), за которым следует быстрое увеличение
    (уменьшение)
    2 1
    2 3
    d t
    d t d
    +
    +
    Парабола с максимумом или минимумом в зависимости от того, отрицательно или положительно
    1
    d
    и затем постоянство
    (может быть модифицирована для асим- метричности вправо или влево)
    Увеличение (уменьшение) до максимума (минимума) и за- тем уменьшение (увеличе- ние)
    (
    )
    1 2
    3
    sin
    n
    e t
    t e
    e
    +
    +
    Колебания
    Колебание с увеличиваю- щейся (уменьшающейся) ам- плитудой в зависимости от
    0
    n
    >
    (
    )
    0
    n

    Катастрофы
    Указываются разрывы
    Чрезвычайно сильные изме- нения в интенсивности

    91 опускающемся до минимума и возрастающем, колебательном и, наконец, допускаю- щем катастрофическое изменение.
    Матрица 2×2
    Для этого случая
    ( )
    max
    2
    t
    λ
    =
    и наша зависимая от времени задача о собственном значении представляется в виде
    ( )
    ( )
    ( )
    ( )
    ( )
    ( )
    1 1
    2 2
    1 2
    1/
    1
    a t
    t
    t
    a t
    t
    t
    ω
    ω
    ω
    ω

     



    =

     




     



    , откуда имеем
    ( ) ( ) ( )
    ( )
    1 2
    1 2
    t
    a t
    t
    t
    ω
    ω
    ω
    +
    =
    ,
    ( ) ( )
    ( )
    ( )
    1 2
    2
    /
    2
    t a t
    t
    t
    ω
    ω
    ω
    +
    =
    Из первого уравнения получаем
    ( )
    ( ) ( )
    1 2
    t
    a t
    t
    ω
    ω
    =
    , что также может быть получено из второго уравнения. Эти два уравнения не мо- гут быть независимыми, в противном случае детерминат
    ( )
    A t
    не был бы равен нулю и мы не имели бы ненулевого решения. Поэтому можно зафиксировать
    ( )
    2
    t
    ω
    произ- вольным образом, например положить
    ( )
    2 1
    t
    ω
    =
    , отсюда получим
    ( )
    ( )
    1
    t
    a t
    ω
    =
    . Нор- мализованный правый собственный вектор имеет вид
    ( )
    ( )
    ( )
    {
    }
    /
    1 , 1/
    1
    a t
    a t
    a t
    +
    +








    Нормализованный левый собственный вектор будет обратным элементом, т. е.
    ( ) ( )
    ( )
    {
    }
    1/
    1 , 1/
    1
    a t a t
    a t
    +
    +








    Матрица 3×3
    Моррис [109], решая кубическое уравнение, достаточно просто показал, что max
    λ
    для случая
    3 3
    ×
    при
    1/
    ij
    ji
    a
    a
    =
    представляется в виде
    (
    )
    (
    )
    1/ 3 1/ 3
    max
    13 12 23 12 23 13
    /
    /
    1
    a
    a a
    a a
    a
    λ
    =
    +
    +
    Заметим, что max
    λ
    всегда
    3

    (мы доказали, что в общем случае max
    n
    λ

    ).
    Система уравнений, соответствующая этому случаю, представляется следующим образом:
    ( )
    ( )
    ( )
    ( ) ( )
    1 12 2
    13 3
    max
    1
    t
    a
    t
    a
    t
    t
    t
    ω
    ω
    ω
    λ
    ω
    +
    +
    =
    ,
    ( )
    ( )
    ( )
    ( ) ( )
    1 12 2
    23 3
    max
    2
    /
    t a
    t
    a
    t
    t
    t
    ω
    ω
    ω
    λ
    ω
    +
    +
    =
    ,
    ( )
    ( )
    ( )
    ( ) ( )
    1 13 2
    23 3
    max
    3
    /
    /
    t a
    t a
    t
    t
    t
    ω
    ω
    ω
    λ
    ω
    +
    +
    =
    Положим
    1 1
    ω
    =
    . Первое уравнение будет
    ( )
    ( )
    (
    )
    12 2
    13 3
    1
    a
    t
    a
    t
    ω
    ω
    λ
    +
    = − −
    , а второе –
    (
    )
    2 23 3
    12 1
    1/
    a
    a
    λ ω
    ω

    +
    = −
    Решим их теперь относительно
    2
    ω
    и
    3
    ω
    . Получим

    92
    (
    )
    (
    )
    23 13 12 2
    1
    /
    a
    a
    a
    λ
    ω

    +
    =

    ,
    (
    )
    2 3
    1 1
    λ
    ω
    − + −
    =

    , где
    (
    )
    12 23 13 1
    a a
    a
    λ
    ∆ =
    +

    Чтобы нормализовать компоненты, образуем
    (
    )
    (
    )
    (
    )
    2 12 23 13 23 13 12 1
    2 3
    1
    /
    1 1
    a a
    a
    a
    a
    a
    D
    λ
    λ
    ω ω ω
    +

    +
    − + −
    +
    +
    =



    Следовательно,
    1
    / D
    ω
    = ∆
    ,
    (
    )
    (
    )
    23 13 12 2
    1
    /
    a
    a
    a
    D
    λ
    ω

    +
    =
    ,
    (
    )
    2 3
    1 1
    D
    λ
    ω
    − + −
    =
    Для левого собственного вектора, который является поэлементно обратным, имеем:
    (
    )
    2 1
    1 1
    E
    λ
    υ
    − + −
    =
    (
    )
    (
    )
    12 13 23 2
    1
    /
    a
    a
    a
    E
    λ
    υ
    − +
    =
    ,
    3
    / E
    υ
    = ∆
    , где
    (
    )
    (
    )
    (
    )
    (
    )
    2 12 13 23 12 23 13 1
    1 1
    /
    1
    E
    a
    a
    a
    a a
    a
    λ
    λ
    λ
    = − + −
    +
    − +
    +
    +

    1   ...   5   6   7   8   9   10   11   12   ...   28


    написать администратору сайта