Черноруцкий И.Г. Методы принятия решений

СПб.: БХВ-Петербург,
2005. — 416 с.В учебнике рассматриваются классические задачи принятия решений, формулируемые как задачи выбора вариантов из допустимого множества. В частности, рассматриваются задачи конечномерной оптимизации. Дается введение в экспертные системы принятия решений, что позволит разработать свою собственную экспертную систему. Основное внимание уделено прикладным и вычислительным аспектам принятия решений и оптимизации, связанным с разработкой компьютерных алгоритмов и вопросами их практического применения.Оглавление:МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙЗадача принятия решений
Постановка задачи принятия решений
Критериальный язык описания выбора
Описание выбора на языке бинарных отношений
Формальные модели задачи принятия решений
Связь различных способов описания выбора Однокритериальный и многокритериальный выбор
Функции выбораМногокритериальные модели принятия решений в условиях определённости
Методы многокритериальной оптимизации
Максиминные стратегии
Метод линейной свертки и главного критерия. Лексикографическая оптимизацияПринятие решений в условиях неопределённости
Основные понятия
Принятие решений в условиях риска
Критерии принятия решений в условиях полной неопределённости
Упражнения
Некоторые трудности
Принятие решений в условиях конфликта (элементы теории игр)
УпражненияМногостадийные задачи принятия решений
Постановка задачи
Детерминистский случай. Метод Беллмана
Многостадийные задачи принятия решений в условиях неопределённости
Марковские модели принятия решенийМетоды многокритериального выбора на основе дополнительной информации
Адаптивные процедуры выбора
Метод Нелдера—Мида
Реализация адаптивной процедуры выбора на основе НМ-метода
Выбор на основе метода l-упорядочения
Задачи с малым числом критериев и альтернатив
Проблема ранжирования объектов по "важности"
Матрица попарных сравнений
Метод Саати. Метод Коггера и Ю
Обсуждение
Простой алгоритм выбора
Метод ограничений
Рандомизированные стратегии принятия решений
Многокритериальный выбор в условиях неопределённости
Функции полезности
КомментарийАЛГОРИТМИЧЕСКИЕ МЕТОДЫ СКАЛЯРНОЙ ОПТИМИЗАЦИИВведение в проблему оптимизации
Постановка задачи оптимизации
Терминологические замечания. Классификация задачОсновные математические модели оптимизации
Общая проблема оптимизации произвольной системы
Методы преобразования и учета ограничений
Оптимизация систем в условиях неопределенности
Декомпозиция задач оптимизации больших систем
Особенности оптимизационных задач
Некоторые стандартные схемы оптимизацииПроблема плохой обусловленности
Явление овражности
Формальное определение Критерии овражности целевого функционала
Основные причины возникновения овражных целевых функционалов
Некоторые стандартные схемы конечномерной оптимизацииПокоординатные стратегии конечномерной оптимизации
Методы покоординатного спуска
Алгоритм GZ
Методы обобщенного покоординатного спуска
Реализация методов обобщенного покоординатного спуска
Алгоритмы обобщенного покоординатного спуска
Алгоритм SPAC
Алгоритм SPAC
Реализация методов обобщенного покоординатного спуска
на основе рекуррентных алгоритмов оценивания
Тестирование алгоритмов оптимизацииГрадиентные стратегии конечномерной оптимизации
Общая схема градиентных методовПонятие функции релаксации
Классические градиентные схемы
Методы с экспоненциальной функцией релаксации
Реализация и область применимости методов с экспоненциальной функцией релаксации
Алгоритм RELAX
Методы оптимизации больших систем
Алгоритм RELCHЭКСПЕРТНЫЕ СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙВведение
Назначение и области применения экспертных систем
Структура экспертной системы
Основные классы и виды экспертных системПродукционные экспертные системы
Основные компоненты продукционной экспертной системы
Прямая и обратная цепочки вывода
Простая диагностирующая экспертная система
Формальное представление продукционной экспертной системыПредставление и использование нечетких знаний
Элементы теории вероятностей
Байесовский подходНейлоровские диагностирующие системы
Элементы механизма логического вывода
Цены свидетельств — косвенная цепочка рассуждений
Правила остановки
Структура базы знаний и алгоритм логического вывода
Алгоритм логического вывода
Пример базы знанийПРИМЕРЫ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙQuick Choice — система многокритериального выбора вариантов
Область применения системы
Исходные данные
Типы критериев
Функции, реализованные в системе
Инсталляция системы
Требования к аппаратуре и окружению
Установка системы
Запуск системы
Получение данных
Получение данных из текстового файла
Получение данных из базы данных
Принятие решений в диалоге с пользователем
Задание критериев в диалоге с пользователем
Задание списка альтернатив
Задание дополнительной информации о критериях
Метод ограничений
Диаграмма Статистика альтернатив
Диаграмма Предлагаемая альтернатива
Задание параметров метода ограничений
Главное окно
Главное меню
Рабочие окна
Окно Задание альтернатив
Окно Критерии ,
Окно Ординальная информация о критериях
Окно Нормализованные исходные данные
Окно Результаты выбора
Окно Информация
Создание, загрузка и сохранение задачи
Создание новой задачи
Загрузка существующей задачи
Сохранение задачи
Создание отчета
Пример решения задачиNEYDIS — инструментальное средство построения нейлоровских диагностирующих экспертных систем
Назначение и структура системы
Функции, реализованные в системе
Структура программного средства
Редактор базы знаний
Оболочка экспертной системы
Общая характеристика системыСистемные требования
Представление знаний в экспертных системах
Характеристики решаемых задач и квалификация пользователя
Инсталляция системы
Создание собственной экспертной системы
Описание редактора БЗ
Главное окно
Система меню
Добавление и удаление свидетельств
Добавление и удаление гипотез
Добавление и редактирование общей информации о гипотезе
Работа готовой экспертной системы
Главное окно
Процесс диагностики
Пример решения модельной задачиТест 1Тест 2ЗаключениеПриложениеОсновные обозначения и терминологические замечанияСписок литературыПредметный указатель