Задачи поддержки принятия решений (ЗПР) Задачи принятия решений – НПС 1. Детерминированные ЗПР2. ЗПР при неконтролируемых параметрах 2.1. Совпадающая информированность.

Презентация:



Advertisements
Похожие презентации
Элементы теории матричных игр. Определения процесс принятия решений в конфликтных ситуациях… игры 2 (парные) и n 3 лиц. участники игры - игроки. Игра.
Advertisements

Лекция 5 Метод максимального правдоподобия. ММП позволяет получить по крайней мере асимптотически несмещенные и эффективные оценки параметров распределения.
Неотрицательное решение задачи Коши. Нередко постановка задачи требует чтобы фазовые переменные принимали лишь неотрицательные значения. Так, в физических.
Симплекс-метод Лекции 6, 7. Симплекс-метод с естественным базисом Симплекс –метод основан на переходе от одного опорного плана к другому, при котором.
1 Стандартная задача Матричная форма записи § 1.4. Специальные виды задач ЛП максимизацииминимизации Обозначения.
Теория игр Теория игр изучает и рассматривает методы определения оптимального поведения при управлении системами, в которых характерно наличие конфликтной.
Функция Ляпунова для моделей химической кинетики.
ТЕОРИЯ ИГР Литература 1.Петросян Л.А., Зенкевич Н.А., Семина Е.А. Теория игр. – М., Воробьев Н.Н. Теория игр для экономистов- кибернетиков. –
Стохастические игры Игры с «природой». Основные определения К теории игр примыкает так называемая теория статистических решений. Зачастую принятие управленческих.
Анализ данных Лекция 5 Методы построения математических функций.
Модель передачи информации в популяции переменной численности.
Лекция 1: Дифференциальные уравнения. Разностный метод.
Определение экстремума функции Необходимое условие локального экстремума Достаточное условие локального экстремума Пример Условный экстремум Вывод уравнений.
НЕКОТОРЫЕ СВЕДЕНИЯ ИЗ МАТЕМАТИЧЕСКОГО АНАЛИЗА Задачи на условный экстремум Метод неопределенных множителей Лагранжа Рассмотрим функцию двух переменных.
Математические модели Динамические системы. Модели Математическое моделирование процессов отбора2.
Прямая и двойственная задачи и их решение симплекс-методом Лекции 8, 9.
1. Алгебраические методы решения Если исходить из определения неравенства, в котором в обеих частях записаны выражения с переменной, то при решении неравенств.
Применение неравенства Коши. Неравенство Коши: выполняется при неотрицательных a 1,a 2,…,a n. Его можно переписать следующим образом:
СТАТИСТИЧЕСКИЕ ИГРЫ Выполнили: Петрук К. Черняк А. Чикиш Ю.
Решение задач оптимального планирования Постановка задачи и ее геометрическое решение Практикум по решению задач (геометрический способ) Решение задач.
Транксрипт:

Задачи поддержки принятия решений (ЗПР) Задачи принятия решений – НПС 1. Детерминированные ЗПР2. ЗПР при неконтролируемых параметрах 2.1. Совпадающая информированность 2.2. Асимметрия информированности Задачи принятия решений – НПН Задачи принятия решений – НПС и НПН ЗПР для n ЛПР

Теоретико-игровые модели

3 Задачи поддержки принятия решений ЗПР в условиях определенности (1) ЗПР при неконтролируемых параметрах (2)

4 Задачи поддержки принятия решений Принцип осреднения параметров (3) Принцип гарантированного результата (4) Определение 1. Пусть, тогда вариационным расширением (ВР) задачи (2) будем называть следующую задачу (5)

5 Пример Игра «Государство-Предприниматели» Целевая функция центра: Целевая функция предпринимателей: x – предпринимательская прибыль ( 0 x x max ); k – доля прибыли, отчисляемая в качестве налогов ( 0 k 1 ); φ ( x,δ ) – предпринимательские риски.

6 Вариационное расширение: Пример

7 Пример игры 2-х лиц с совпадающими интересами при асимметрии информированности Целевая функция (6) при условиях (7)

8 Игры n лиц Определение 2. Ситуация является равновесной по Нэшу, если для всех справедливо неравенство: Предположим Тогда задача (6), (7) примет вид:

9 Задачи поддержки принятия решений при асимметрии информированности w=(w 1,w 2,…,w m ) – случайный вектор с функцией распределения Φ(w) множество I m ={1,2,…,m} – индексы компонент вектора w множество S i I m – совокупность индексов, определяющих информационную структуру i- ой решающей функции, i I n ={1,2,…,n} x=(x 1,x 2,…,x n ) – вектор управления, где x i =x i (d i ), d i =(w j ), j S i. Таким образом, задача примет вид: J i (x)=M[F i (x(w),w)]max, i I n (8) x i X i условие разной информированности приводит к отсутствию соответствующей переменной :

10 Вариационное расширение Целевая функция центра: Целевая функция предпринимателей: Цели игроков Максимизировать целевую функцию путем изменения ставки налога Максимизировать целевую функцию путем изменения совокупной активности Информационные гипотезы 1.Центр знает вероятностное распределение параметра δ, а предприниматели – его точное значение. 2.Компромисс центра и предпринимателей достигается в ситуациях равновесия по Штакельбергу. Решение при

11 Задачи поддержки принятия решений при асимметрии информированности Игра в нормальной форме: (9)

12 Необходимые условия оптимальности Функция Лагранжа: Уравнение Эйлера: Условие трансверсальности: (10)

13 Игра двух лиц при асимметрии информированности (11) (12)

14 Игра двух лиц при асимметрии информированности Утверждение 1 Пусть компоненты случайного вектора w есть независимые случайные величины, тогда равновесие по Нэшу задачи (12) при условиях (11), и a 11, b 22 0 достигается на линейных по своим переменным функциях и, где a 11 и b 22 элементы матриц A и B соответственно.

15 Игра двух лиц при асимметрии информированности (13)

16 Игра двух лиц при асимметрии информированности Утверждение 2 Решение задачи (12) при условиях (11), в концепции равновесия Нэша существует и единственно, если выполняются условия:

17 Задача стимулирования в активных системах Обозначим – действие i -го АЭ, – множество активных элементов. z = Q(y), где z –результат деятельности АЭ, входящих в систему. Пусть индивидуальные затраты i -го АЭ будут Функцию стимулирования для i -го АЭ обозначим тогда, целевая функция i -го АЭ примет вид: Целевая функция центра будет выражаться как разность между результатом деятельности системы и суммарными затратами на стимулирование:

Задача стимулирования в активных системах Ограничения а) функция непрерывна по всем переменным; б), не убывает по ; в) ; г) ; 3.Функции стимулирования кусочно-непрерывные и принимают неотрицательные значения. 4.Целевая функция центра непрерывна по всем переменным и достигает максимума при не нулевых действиях агентов.

Задача стимулирования в активных системах с разной информированностью АЭ Обозначим – действие i -го АЭ, – множество АЭ z = Q(u), где z –результат деятельности АЭ, входящих в систему. Пусть индивидуальные затраты i -го АЭ будут Для оценки затрат будем использовать усредненное значение: где – математическое ожидание. Функцию стимулирования для i -го АЭ обозначим тогда, целевая функция i -го АЭ примет вид: Целевая функция центра будет выражаться как разность между результатом деятельности системы и суммарными затратами на стимулирование:

Задача стимулирования в активных системах с разной информированностью АЭ Ограничения ,где 3.а) функция, является неубывающей по, если и выполнено неравенство ; б) затраты i -го АЭ не убывают по ; в) ; г) ; 3.Функционалы стимулирования кусочно-непрерывные и принимают неотрицательные значения. 4.Целевая функция центра непрерывна по всем переменным и достигает максимума при не нулевых действиях агентов.

Пусть ситуация равновесия в игре, тогда является ситуацией равновесия для игры

Задача стимулирования в случае квадратичной структуры Выпишем функции Лагранжа, : где – множители Лагранжа. Уравнение Эйлера: Условие трансверсальности: Отсюда система уравнений Эйлера путем несложных преобразований сводится к интегральному уравнению Фредгольма: где,,,,

Рассмотрим задачу стимулирования второго рода в АС с двумя АЭ, имеющими функции затрат: где – некоторый параметр, – оценка квалификации АЭ. Пусть функция дохода центра Фонд заработной платы ограничен величиной R (глобальное ограничение) Центр использует систему стимулирования: Задача центра сводится к поиску оптимальных реализуемых действий: Пример задачи стимулирования второго рода

Задачу (6) решим с помощью метода множителей Лагранжа. Выпишем функцию Лагранжа: где – множитель Лагранжа,. Необходимые условия: 1., решения не существует 2., решение существует и имеет вид: 3. и,решение будет следующим: Пример задачи стимулирования второго рода

Матрица вторых производных: Выпишем главные миноры матрицы : В обоих точках достигается максимум функции, найдем значения данной функции в точках (10) и (11) и сравним их: Абсолютный максимум достигается в первой точке. Пример задачи стимулирования второго рода

Рассмотрим задачу стимулирования второго рода в АС с двумя АЭ, имеющими функции затрат:, где – некоторый параметр, – оценка квалификации АЭ, Пусть функция дохода центра Фонд заработной платы ограничен величиной R (глобальное ограничение) Центр использует систему стимулирования: Задача центра сводится к поиску оптимальных реализуемых действий: Разная информированность АЭ: Пример задачи стимулирования второго рода при разной информированности активных элементов

Для решения задачи воспользуемся методом множителей Лагранжа: где – множитель Лагранжа,. Необходимые условия: Обозначим: Отсюда система () путем несложных преобразований сводится к интегральному уравнению: где,,, Пример задачи стимулирования второго рода при разной информированности активных элементов

Применим метод моментов для решения интегрального уравнения Фредгольма: Пусть в качестве линейно независимой системы возьмем следующую: Возьмем,, и отрезок. Рассмотрим систему ( i = 1,2,3 ), где,,. Откуда решение уравнения () имеет вид: