Expertbeslutsmetoder. Interaktiva metoder

Läroboken diskuterar metoderna för att fatta chefsbeslut i olika problematiska situationer som uppstår i ekonomiska system. Grundläggande begrepp, klassificering av problem och adekvata metoder för att lösa dem, metoder för deras strukturering och beskrivning ges. Stor uppmärksamhet ägnas åt automatiserat stöd för beslutsprocesser och uppgifter i otydliga förhållanden. Ett inslag i publikationen är metoden att lösa typiska uppgifter med underbyggande av metoder för att välja en rationell lösning.
Läroboken utarbetades i enlighet med programmet för kursen "Management Decisions", som ingår i specialiteten "Management of Organisations and Public kommuner". Designad för studenter av ekonomiska specialiteter av alla former av utbildning, kan det vara användbart för alla som är intresserade av problemen med effektivt beslutsfattande inom ledning, affärer och produktion. Rekommenderas av rådet för utbildnings- och metodföreningen för ryska universitet för utbildning inom managementområdet som en lärobok i specialiteten "Organisationsledning".

Vanliga problem fatta ledningsbeslut.
Vetenskapliga grunder för teorin om beslutsfattande som en del av den allmänna teorin om system och systemanalys etablerades under andra världskriget. Dess grundare är J. von Neumann och O. Morgenstern, som 1944 publicerade material om en ny riktning - spelteori. Senare har utländska experter R. Ackoff, F. Emery, St. Optner, R. Lewis, X. Rife, St. Beer, J. Forrester och andra, såväl som inhemska - A. G. Vendelin, D. M. Gvishiani, O. I. Larichev, I. M. Syroezhin och andra gav ett betydande bidrag till utvecklingen och berikningen av denna teori.

All förvaltningsverksamhet, inklusive inom området ekonomi, ledning och marknadsföring, är nära relaterad till antagandet av lämpliga beslut om olika ledningssituationer.

Därför förstås i det allmänna fallet ett beslut som en uppsättning ledningsinfluenser (åtgärder från beslutsfattarens (DM) sida) på förvaltningens objekt (system, komplex, etc.), vilket gör det möjligt att ta med detta objekt till önskat tillstånd eller uppnå det uppsatta målet för det.

Beslutsprocessen (DP) är ett av stegen förvaltningsverksamhet, där den mest föredragna lösningen väljs från den möjliga uppsättningen av lösningar, eller uppsättningen av lösningar är ordnad efter deras betydelse.

Innehållsförteckning
Introduktion
Avsnitt 1. Allmänna problem med att fatta ledningsbeslut
Kapitel 1. Beslutsproblem i förvaltningen av ekonomiska system
1.1. Allmänna problem med ledningsbeslut
1.2. Modellering av ledningsprocesser
1.3. Ii förvaltning av ekonomiska system
1.4. Modell av information i beslutsprocessen
1.5. Ledningseffektivitet i moderna förhållanden
1.6. Beslutsfattande i unika problemsituationer
Kapitel 2. Grundläggande begrepp och kategorier av beslutsteori
2.1. Grundläggande definitioner och beskrivning av beslutsfattande problem
2.2. Klassificering av beslutsfattande problem
2.3. Klassificering av förvaltningsbeslut
Kapitel 3 Beslutsteknik
3.1. Bildande och utvärdering av beslut
3.2. Förbereder sig på att välja en lösning
3.3. Teknologisk process beslutsfattande
3.4. Modellering av beslutsprocesser
Kapitel 4. Beskrivning och analys av problemsituationen
4.1. Metoder för att beskriva en problemsituation
4.2. Procedurer för analys av problemsituationer
4.3. Uppgiften att mäta egenskaperna hos en problemsituation
4.4. Metoder för subjektiva mätningar av egenskaper
4.5. Urvalskriterier: Metoder för att bilda ett integrerat kriterium
Avsnitt 2. Beslutsfattande metoder i strukturerade problemsituationer
Kapitel 5 Beslutsfattande i strukturerade situationer
5.1. Metoder för att lösa problem som /. Sök efter den optimala lösningen
5.2. Analytisk lösning av det linjära optimeringsproblemet (enkel metod)
5.3. Automatisk lösning av det linjära optimeringsproblemet (Excel)
5.4. Metoder för att lösa problem av typ JA. Garanterat resultatprincip
5.5. Principen för optimism (Maximax)
5.6. Hurwitz-principen
5.7. Savages princip (minimax ånger)
Kapitel 6
6.1. Beslutsfattande i problem av typ G
6.2. Urvalsprocedur i strukturerade problem Typ GA
Kapitel 7
7.1. Exempel 1
7.2. Exempel 2
7.3. Datorlösning av urvalsproblemet
Avsnitt 3. Metoder för att lösa komplexa problemsituationer
Kapitel 8
8.1. Redovisning och typer av multikriterieuppgifter
8.2. Metoder för att lösa multikriterieproblem med ostrukturerade kriterier
8.3. Metoder för analytisk konstruktion av avståndsmått
Kapitel 9
9.1. Motivering av metoden för att välja investeringsbeslut
9.2. Att välja det bästa projektet med den lexikografiska metoden
9.3. Projekturval baserat på den skiftade idealmetoden
9.4. Uppgift för val av utrustning
Kapitel 10
10.1. Målträdsmetod (hierarkianalysmetod)
10.2. Lösa problem med hierarkianalysmetoden
Kapitel 11
11.1. Tillämpning av metoder för optimism, pessimism, Hurwitz, Savage
11.2. Tillämpning av metoden "förskjutet ideal".
11.3. Tillämpa hierarkianalysmetoden
Kapitel 12
12.1. Exempel 1 Lösning
12.2. Exempel 2 Lösning
Avsnitt 4. Metoder för att fatta beslut i ostrukturerade situationer
Kapitel 13
13.1. Valmöjligheter under risk och osäkerhet
13.2. Klassificering av osäkerheter i kontrollproblem
13.3. Beslutsfattande under förhållanden av probabilistisk säkerhet (risk)
13.4. Metoder för att analysera konsekvenser av händelser och beslutsträd
13.5. Urvalsmetoder under hel eller partiell osäkerhet
Avsnitt 5. Valbara expertmetoder (grupp) i komplexa beslutsfattande problem
Kapitel 14
14.1. Redogörelse och formalisering av gruppbeslutsproblem (problem av typ G)
14.2. Klassificering av gruppvalsproblem
14.3. Metod för att genomföra gruppurvalsförfarandet
Kapitel 15
15.1. Metoder för att fatta beslut av en expertgrupp
15.2. Typer av gruppgodkännande av expertbeslut
Kapitel 16
16.1. Metoder för gruppsamordning vid beslut
16.2. Modell för gruppuppskattning av valda objekt
16.3. Modeller för att matcha expertbedömningar
Kapitel 17
17.1. Bedömning av graden av expertkompetens
17.2. Ett exempel på att lösa ett problem av GA-typ
Avsnitt 6. Automatisering av beslutsförfaranden
Kapitel 18
18.1. Krav och syfte med beslutsstödssystem
18.2. Beslutsstödssystems funktioner
18.3. Beslutsstödssystem Applikationsteknik
Kapitel 19
19.1. Funktioner, egenskaper och implementering av expertsystem
19.2. Arbeta med typiska ledningssituationer (modul av standardsituationer för ES)
19.3. Den logiska strukturen för informationsfonden och algoritmen för WSN-modulens funktion
19.4. Modellstödsystemets struktur.

Sida 1

ANALYS AV MEDICINSKA INFORMATIONSSYSTEM FÖR MEDICINSKA OCH FÖREBYGGANDE INSTITUTIONER AV SANATORIETYP.

Informatisering av sjukvårdsinstitutionernas verksamhet har länge varit ett akut behov. Bearbetning av mängder av finansiell, medicinsk och statistisk information, som ständigt ökar, har blivit möjlig endast med användning av modern informations- och datorteknik. Inte bara informationsmängden har ökat, utan kraven på snabbheten i behandlingen har också ökat. Varje år höjer organisationer på högre nivå kraven på överföring av så kallade "elektroniska rapporter" (det vill säga rapporter i i elektroniskt format). Rollen för elektroniskt datautbyte mellan vårdpersoner som använder e-post och Internet växer stadigt.

För närvarande omfattas varje medicinsk institution (HCI) i viss utsträckning av informatisering. För det mesta är dessa lokala, inte sammanlänkade, automationssystem för olika verksamhetsområden på vårdinrättningar. I praktiken omfattar informatiseringen av regional hälso- och sjukvård endast de finansiella och ekonomiska tjänsterna vid hälsoinrättningar: redovisning, planering och ekonomisk avdelning, försäkringsmedicin. För att förbättra kvalitet och tillgänglighet Sjukvård i vårdinrättningar är det nödvändigt att utföra komplex automatisering av alla typer av aktiviteter på institutionen.

Idag erbjuder marknaden för medicinska informationssystem (MIS) tillräckligt olika lösningar i en bred prisklass och med olika funktioner. Under studiens gång undersökte vi 30 medicinska informationssystem. Av dessa är 12 produkter från en ukrainsk tillverkare, 18 är ryska. De flesta av systemen, nämligen 13, är specialiserade för sanatorier.

Syftet med vår studie var att jämföra medicinska informationssystem för medicinska och förebyggande institutioner av sanatorium enligt allmänt accepterade kriterier och bestämma det optimala, med hjälp av teorin om att lösa multikriterieuppgifter.

Valet av det optimala systemet utfördes ur köparens synvinkel enligt de uppgifter som finns tillgängliga i det öppna nätverket. Detta problem löstes med metoden "skiftat ideal". Denna metod, beskriven i , är utformad för att lösa uppgifter för att välja det optimala objektet, i fallet ett stort antal objekt och jämförelsekriterier.

Under studien gjordes en jämförelse av 19 medicinska informationssystem, som återfanns i öppna källor den mest detaljerade informationen. Jämförelse av system gjordes enligt allmänt accepterade kriterier för jämförelse. Nämligen:

fullständigheten av systemets funktionalitet;

Kostnaden för programmet (för en arbetsplats);

· behovet av investeringar i anskaffning av ett databashanteringssystem (DBMS);

kostnaden för ett DBMS;

· anpassning till Ukrainas lagstiftning.

Metoden "förskjutna ideal" arbetar med egenskaperna hos objekt, som uttrycks i tal, så de kvalitativa kriterierna för att jämföra system omvandlades till tal (tabell 1).

Tabell 1. Konvertering av jämförelsekriterier till digital form.

Metoden är utformad för att välja ett eller en delmängd av de mest föredragna objekten. Metodens karakteristiska egenskaper är:

närvaron av ett förfarande för bildandet av ett "idealiskt" objekt ( PÅ + ), vilket fungerar som ett slags mål att sträva efter. Ett sådant "ideal" är som regel inte uppnåeligt och existerar inte riktigt, men det är användbart att ha det för beslutsfattaren att förstå sina mål;

vid varje iteration exkluderas objekt som inte gör anspråk på att vara de mest föredragna, d.v.s. de "bästa" objekten pekas inte ut, men de "sämsta" exkluderas.

Generellt sett är metodens algoritm följande ( ris 2.2 ): Dominerade objekt exkluderas först, eftersom det inte kan finnas det mest föredragna bland dem.

Ett "idealiskt" objekt bildas PÅ +(1) från de mest föredragna kriterievärdena och "anti-ideal" från de minst föredragna värdena. Avstånden från objekten från originaluppsättningen till "antiideal" bestäms, på basis av vilka de "sämsta" objekten väljs ut. Bland sådana objekt finns det som regel objekt som har ett mest föredraget värde (objekt PÅ 1 och PÅ 6 på ris 2.2 ).

Efter att ha uteslutit de "värsta" föremålen fortsätter vi igen till fasen av den "ideala" formationen, och den förändras (i figuren, detta PÅ +(2) ) närmar sig verkliga föremål.

Proceduren avslutas när ett litet antal föremål återstår, vilket anses vara det mest föredragna.

Det bör noteras att när man jämför verkliga objekt med "idealet", blir beslutsfattaren missnöjd, orsakad av otillgängligheten av det bildade "idealet". Detta missnöje kallas konflikt före beslut.

Efter att ha valt det mest föredragna objektet blir beslutsfattaren missnöjd, vilket beror på att just detta objekt valdes, och inte ett annat. Detta missnöje kallas konflikt efter lösning.

Vid de första iterationerna av metoden råder konflikten över lösningen. Vid efterföljande iterationer närmar sig "idealen" verkliga föremål, och konflikten före beslutet minskar. Konflikten efter beslutet kan dock öka. Detta tyder på otillräcklig kunskap hos beslutsfattaren om det problem som ska lösas.

Låt oss överväga i detalj algoritmen för metoden, vars blockdiagram visas i fig.2.3.

Låt den ursprungliga uppsättningen objekt inkludera P föremål. Alla kriterier k j (j=l,…, m) mätt på en skala av intervall eller förhållanden.

I det första steget bildas ett "idealiskt" objekt
, var – det maximala preferensvärdet för kriteriet bland alla objekt, dvs.
om objektets preferens ökar med ökande k j , eller
om objektets preferens ökar när kriteriet minskar. Om "idealet" tillhör en uppsättning objekt, kommer det att vara det mest att föredra. Men eftersom MCZ vanligtvis löses på uppsättningen av effektiva objekt, kommer det "ideala" objektet inte att tillhöra den ursprungliga uppsättningen.

I samma skede bildas det "värsta" objektet
av de minst föredragna värdena.

I det andra steget utförs övergången från fysiska måttenheter för kriterier till relativa enheter i enlighet med uttrycket:

I relativa enheter kommer alla kriterier att ändras i intervallet medan de mindre , ämnen närmare föremål enligt kriteriet k j till "anti-idealet".

De två första stegen utförs automatiskt utan medverkan av beslutsfattaren. I det tredje steget sätter beslutsfattaren, baserat på sina bedömningar om kriteriernas betydelse, vikterna av kriterierna W j (j = 1,...,m).

Vid svårigheter kan beslutsfattaren använda informationsstrategi för att bestämma kriteriernas betydelse I nästa, fjärde steg beräknas objektens avstånd till "antiidealet". Följande uttryck används som ett mått:

(2.2)

Använder i ( 2.2 )olika R, kan du få olika mätvärden. Ja, kl p= 1 får vi en additivoperator och när
(2.2 ) går in i
.Ju högre värde , ju längre objektet är från "anti-idealet" och närmare "idealet".

Med Det bör noteras att andra mått kan användas som mått för att jämföra ett objekt med ett "idealiskt". aggregeringsoperatörer.

Vid nästa, femte steg, ställ in olika värden R, definierar beslutsfattaren olika mått för jämförelse med den "ideala". Vid varje R, dvs. för varje mätvärde är alla objekt ordnade i ordning efter närhet till det "ideala" värdet . beslutsfattare i dialog, förändras sid, utforskar inflytandet av olika mått på ordningen av objekt.

Vidare, i det sjätte steget, fattar beslutsfattaren ett beslut att utesluta objekt som inte gör anspråk på att vara det mest föredragna. Uppenbarligen är dessa objekt som, med olika mätvärden (olika R) finns i slutet av de ordnade raderna. Faktum är att om objektet, oavsett det valda måttet, är långt ifrån "idealet", så finns det all anledning att utesluta det.

Efter uteslutningen av objekt börjar nästa iteration med bildandet av ett "idealiskt" objekt redan på den återstående delmängden av objekt.

Proceduren avslutas när, efter nästa undantag, ett litet antal föremål återstår, vilket är det mest föredragna.

Det bör noteras att det vid varje iteration är tillrådligt att analysera spridningen av kriterier. Faktum är att bland de uteslutna objekten, som regel, finns det objekt som inkluderar de högsta och lägsta värdena för kriterierna. Således, vid varje iteration, minskar området för ändring av kriterierna och därför ändras deras spridning avsevärt. Använd sedan informationsstrategi, vi kan peka ut icke-informativa kriterier och, för att förenkla uppgiften, utesluta sådana kriterier.

Sammanfattningsvis noterar vi att denna metod är mest effektiv för stora problemdimensioner.

- 275,50 Kb

Ministeriet för utbildning och vetenskap i Ryska federationen

FGOU HPE "Mordovia State University uppkallad efter N.P. Ogaryov"

Matematiska fakulteten

Institutionen för tillämpad matematik

RAPPORTERA

4:e årsstudenter vid Matematiska fakulteten

(specialitet "Tillämpad matematik och informatik")

Korovina A.V.

om industrins gång under perioden

från 09/01/11 till 05/15/12

Expertbeslutsmetoder

Rapporten sammanställdes av Korovina A.V.

404 grupp, d/o

Rapporten accepterades av Dr. Safonkin V.I.

Saransk

2012

1.	Introduktion………………………………………………………………………......				3
2.	Lösning av uppgifter med flera kriterier………………………………………….......				4
	2.1.		Redogörelse av multikriteria uppgifter ……………………………..........		4
	2.2.		Metoder för att lösa multikriterieproblem ……………………………		5
3.	Expertbeslutsmetoder………………………………………………				14
	3.1.		Stadier av en expertbedömning av en problemsituation …………..
	3.2.		Redogörelse av problemet för gruppbeslutsfattare ………………………………. .....
	3.3.		Typer av gruppgodkännande ……………………………………………
		3.3.1.		diktatorprincipen………………………………………………………
		3.3.2.		omröstningsprincip………………………………………………… …...
		3.3.3.		principer för val utanför systemet………………………………………...
	3.4.		Beslutsbildning i grupp ………………………………… …......
	3.5.		Bearbeta resultaten av expertbedömningar ………………………………
		3.5.1.		metoder för statistisk bearbetning av expertbedömningar…………….
4.		Slutsats…………………………………………………… ………………...
5.		Lista över använd litteratur…………………………………………………

1. Introduktion

I praktiken att hantera ekonomiska system finns det ofta sådana problemsituationer där informationen är delvis eller helt okänd eller svåråtkomlig för att beskriva problemsituationen eller som inte kan formaliseras med tillräcklig noggrannhet. I det här fallet löses sådana problem vanligtvis med hjälp av en involverad expertgrupp som analyserar och utvärderar den befintliga problemsituationen och genererar en viss uppsättning alternativ för att lösa den. Kärnan i beslutsmetoden med inblandning av experter är att få expertbedömningar individuellt för varje expert och formulera en generaliserad uppfattning om det bästa objektet (lösningen) för hela gruppen som helhet.

Tekniken för att lösa beslutsfattande problem av en grupp experter liknar tekniken för individuella val och innehåller samma generaliserade procedurer och operationer: medvetenhet och identifiering av problemet, dess analys; informationsberedning av beslut; sökning och beslutsfattande; genomförande av beslut m.m.

Låt oss överväga separata förfaranden för gruppval, som kännetecknar särdragen hos expertmetoder.

2. Lösa multikriterieproblem

2.1. Redogörelse av multikriteria uppgifter

Beslutsfattande uppgifter kallas multikriterier, antalet kriterier för att uppnå målet är fler än två:

K Ì (K 1 , K 2 , ..., K m ),

och själva uppgifterna kännetecknas av flera alternativ:

Y = (A l , A 2 , ..., A n )

Tabell 1.1.

Beskrivningsmatris för en multikriterieuppgift

Objekt (alternativ)	Kriterier
Objekt (alternativ)	K1	K2	…	Km
A 1			…
A 2			…
…	…	…	…	…
En			…

Sådana uppgifter beskrivs vanligtvis av matrisen i tabellen. 1.1.

Matematisk tolkning av det multiobjektiva problemet är att objekten representeras av en punkt i kriterierummet (K 1 ,K 2 ,...,K m ). Problem där kriterievärdena ändras diskret kallas för diskreta beslutsfattande problem. Ett exempel på att visa ett diskret problem för tre objekt i ett tvådimensionellt utrymme av kriterier (ki, k2) visas i fig. 1.1.

Ris. 1.1.

Grafisk tolkning av ett multikriterieproblem

(3 objekt, 2 kriterier)

Om kriteriernas värden ändras kontinuerligt, så hör problemet till problemet med vektoroptimering. I detta fall presenteras den grafiska tolkningen av ett sådant problem som ett visst område inom ramen för kriterier.

Beroende på vilken lösning som krävs kan problem med flera kriterier delas in i följande klasser:

urvalsuppgifter (val av det mest föredragna objektet);
utvärderingsuppgifter (bedömning av ett objekt enligt ett integrerat kriterium);
problem med att bestämma Pareto-optimala lösningar.

För att lösa problem som tillhör olika klasser krävs lämpliga lösningsmetoder. Låt oss överväga ett antal praktiska metoder för att lösa multikriterieproblem.

1.2. Metoder för att lösa multikriterieproblem

I enlighet med tillvägagångssätt för att lösa multikriterieproblem finns det tre huvudgrupper av metoder: lexikografisk, interaktiv, axiomatisk.

Lösningsmetoder relaterade till första gruppen, bygger på antagandet om dominansen av kriterierna. Problemet löses i flera cykler, på var och en av dessa genomförs två steg: rangordning av kriterier; objektval själv viktigt kriterium.

Co. andra gruppen inkluderar huvudsakligen metoder och algoritmer för att välja det mest föredragna objektet (lösningen), som huvudsakligen är interaktiva procedurer som beror på detaljerna i det problem som ska lösas.

Metoder tredje gruppen(axiomatiska) användningsföreskrifter utvecklade inom bruksteorin. Här är det nödvändigt att bestämma och ställa in egenskaperna för den implicita preferensfunktionen, det vill säga att ställa in preferensstrukturen som beslutsfattaren använder när han väljer och utvärderar ett objekt. Utifrån de identifierade egenskaperna väljs någon analytisk funktion (nyttofunktion) som beskriver strukturen för beslutsfattarens preferenser. Samtidigt bör beslutsfattaren vara väl insatt i uppgiftens innehåll. Denna metod är den mest tidskrävande i jämförelse med de tidigare, men den gör det möjligt att få mer rimliga uppskattningar av objekt.

Låt oss ta en närmare titt på några av dessa metoder.

Lexikografiska metoder. Vid problemlösning med denna metod rangordnas kriterierna (k 1 , k 2 , ..., k m ) efter graden av betydelse så att index 1 (rank) tilldelas det viktigaste kriteriet. Vidare utförs proceduren för att välja objekt enligt detta kriterium. De återstående kriterierna (k 2 , k 3 , ..., k m ) är föremål för typbegränsningarna som är kända från problemets struktur: a 2 ≤ k 2 ≤ b 2 ; a3 ≤ k3 ≤ b3; …; a m ≤ k m ≤ b m

Om något kriterium inte uppfyller de angivna begränsningarna är det uteslutet från övervägande. Följaktligen bildas en uppsättning giltiga objekt (alternativ), till exempel: när du väljer ett kylskåp kan du ställa in följande kriterier som kriterier:

k1 - total volym (m3);

k 2 - volym frys(m3);

k 3 - effekt (kW);

k 4 - pris (rubel), etc.

Om det enligt kriteriet k 1 inte är möjligt att unikt välja ett objekt a iÎ Och sedan görs ett val enligt nästa viktigaste kriterium - k 2, etc.

Tillstånd dominans betyder meningsfullt följande: om du beställer objekt enligt k 1-kriteriet, så kommer denna ordning inte att ändras när man tar hänsyn till kriterierna k 2 , k 3 , etc., dvs k 1 är så viktig att den dominerar i betydelse bland alla de andra.

I gruppen interaktiva metoder är de vanligaste valprinciperna föredraget objekt(metod för "förskjutet ideal"). Denna metod inkluderar en stor grupp av algoritmer som implementerar lösningen av sådana problem. De gemensamma egenskaperna som förenar denna metod inkluderar närvaron av ett "idealiskt objekt" och närvaron av screeningprocedurer.

När man bildar ett "idealobjekt" är det mycket möjligt att dess bild kanske inte tillhör den verkliga uppsättningen av objekt (A l , A 2 , ..., A n ) eller till och med inte existerar alls. I det här fallet jämförs objekt från uppsättningen (Al ,A 2 ,...,A n ) med modellen av det bildade idealobjektet, och en screeningprocedur inträffar. När man bygger en modell av ett "idealiskt objekt" är det viktigt att använda kunskapen och erfarenheten från en användarspecialist (DM), eftersom han mer exakt förstår egenskaperna och parametrarna från de bästa verkliga objekten och utgör innehållet i en " idealiskt objekt”.

Sållningsproceduren kännetecknas av uteslutningen från den initiala uppsättningen av objekt (Al, A2, ..., A n) av delmängder som inte innehåller det önskade mest föredragna objektet.

I allmänhet består proceduren för att hitta det mest föredragna objektet av ett antal steg.

Bildandet av det "ideala objektet".
Analys av en uppsättning objekt för att upprätta en korrespondens
"idealobjekt".
Interaktiv uteslutning av de objekt från den initiala uppsättningen (A l ,A 2 ,...,A n ), som uppenbarligen inte anses vara de bästa i analysen.
Gå till steg 1 för en reducerad uppsättning objekt.

Betrakta ett exempel på att lösa ett beslutsfattande problem med den förskjutna idealmetoden.

Exempel 1

Beskrivning av problemsituationen S 0

Beskrivning av problemet.

Bestäm den mest lovande CNC-maskinen att lansera i en serie.

Tid för PR: T = 1 vecka.
Resurser för PR: information om maskiners egenskaper.
Kriterier (K):

K 1 - genomsnittlig drifttid (s);

K 2 - tidens tillförlitlighet mellan fel (tusen timmar);

K 3 - kostnaden för maskinen (tusen rubel).

Många restriktioner (B).

De övre och nedre gränserna för ändring av kriterievärden är kända.

Många alternativa alternativ.

Tabell 1.2

Variantmatris

Arbetsbeskrivning

2.1.
Redogörelse för multikriteria uppgifter…………………………………..........
4

2.2.
Metoder för att lösa multikriterieproblem…………………………………
5
3.
Expertmetoder beslutsfattande…………………………………......
14

3.1.
Stadier av en expertbedömning av en problemsituation…………..

3.2.
Redogörelse för problemet för gruppbeslutsfattare………………………………………………

3.3.
Typer av gruppgodkännande………………………………………………………

3.3.1.
diktatorns princip………………………………………………………………………

3.3.3.
principer för val utanför systemet………………………………………………...

3.4.
Beslutsbildning i grupp…………………………………………………

3.5.
Bearbeta resultaten av expertbedömningar………………………………

3.5.1.
metoder för statistisk bearbetning av expertbedömningar…………….

4.
Slutsats……………………………………………………………………...

5.
Lista över använd litteratur…………………………………………………

Skicka ditt goda arbete i kunskapsbasen är enkelt. Använd formuläret nedan

Studenter, doktorander, unga forskare som använder kunskapsbasen i sina studier och arbete kommer att vara er mycket tacksamma.

Värd på http://www.allbest.ru/

Tillämpning av metoder för multikriterieanalys av affärsprocesser

Introduktion

multikriteria beslutsverksamhet

I kärnan modern teori optimering av affärsprocesser är valet bästa alternativet organisera affärsprocesser genom att genomföra en kvalitativ eller kvantitativ analys av alternativ. En sådan analys är ofta multikriterier, eftersom flera kriterier måste utvärderas samtidigt, vilket kan vara motsägelsefullt, såsom kostnad, kvalitet, kostnader, risk, effektivitet etc. I vardagen görs ett sådant val baserat på flera kriterier vanligtvis intuitivt, och dess konsekvenser kan vara ganska acceptabla för beslutsfattaren (DM). Men när man sätter affärsuppgifter kan inte intuition vara det enda beslutsfattande verktyget, eftersom sådana uppgifter är mycket större och i en mycket konkurrensutsatt miljö måste organisationer få den mest objektiva bedömningen av alternativ. För att få en sådan bedömning krävs en grundlig studie av alla urvalskriterier, fastställande av beroenden mellan dem och fastställande av prioriteringar.

Relevans Denna studie beror på det faktum att i analysen av affärsprocesser tar problem väldigt ofta en multikriterieform. Till exempel, vid val av leverantör kräver analysen av upphandlingsprocessen en utvärdering av parametrar som produktkvalitet, kostnad, kundservice, finansiell stabilitet etc. Analys av affärsprocessen för investeringsförvaltning inkluderar en bedömning av risk, förväntad avkastning, investeringsvolym och attraktionskraften i regionen där investeringsverksamheten bedrivs. Analysen av rekryteringsaffärsprocessen som sker i de flesta organisationer innebär en bedömning av parametrar som kandidatens erfarenhet, utbildning, ålder, efterfrågad lön m.m. Dessutom, moderna tendenser Utveckling av ledningsteori är att beakta olika aspekter av företaget, både finansiella och icke-finansiella. Att definiera och granska en rad indikatorer ur flera perspektiv leder ofta till problem som antar en form av flera kriterier. Till exempel, ett så populärt ledningsverktyg som ett balanserat styrkort, utvecklat av R. Kaplan och D. Norton, innebär att företag tar lika hänsyn till minst fyra perspektiv: ekonomi, kunder, interna affärsprocesser, utbildning och utveckling. I vart och ett av dessa perspektiv rekommenderar författarna att man identifierar minst fem nyckeltal (Key Performance Indicators). Detta tillvägagångssätt gör det möjligt att bilda effektiv strategi När företagen övervakar implementeringen av denna strategi kan det, som författarna själva betonar, ofta vara svårt att utvärdera många indikatorer. Ett av de praktiska exemplen som ges i boken visar hur man analyserar effektiviteten av ett projekt i ett företag, 16 nyckelindikatorer för detta projekt identifierades, som utvärderades av företagets kunder. Att få en slutsats om projektets framgång enligt dessa uppskattningar blev dock en multikriterieuppgift för företagets ledning, för lösningen av vilka metoder baserade på rangordning och linjär faltning av kriterier användes. R. Kaplan och D. Norton gav också ett exempel på en uppgift som företagets ledning inte kunde klara av på grund av dess multikriterier. Uppgiften var att optimera leveransaffärsprocessen, och för att öka värdet av indikatorn "leverans i tid" ökade företaget avsevärt leveranstidsintervallet, vilket resulterade i att kunden var missnöjd och affärsprocessen genomgick "falsk optimering". Detta fel kunde ha undvikits genom att använda multiobjektiv optimeringsmetoder.

Idag innehåller beslutsfattande teori många tillvägagångssätt och metoder för att fatta beslut i en multikriteriemiljö som en beslutsfattare kan använda för att lösa olika multikriterieproblem. Samtidigt förblir dock problemet med att välja den metod som är mest lämpad för att lösa ett visst problem ytterst relevant. På grund av det faktum att metoderna för multikriterieoptimering har ett antal skillnader både i de erhållna resultaten (antalet lösningar som hittats, presentationen av lösningar etc.) och i deras tillämpning (mängden nödvändig information om preferenserna för beslutsfattare, metoder för att samla in information, etc.), kan inte alla metoder tillämpas för att lösa ett specifikt problem. I allmänhet kan uppgifter kombineras i grupper efter deras tillhörighet till ett specifikt ämnesområde. På grund av det felaktiga valet av lösningsmetod kan fyra allvarliga problem uppstå: för det första kommer resultaten av att tillämpa en olämplig metod att vara otillfredsställande för beslutsfattaren eller till och med felaktiga. För det andra, på grund av de dåliga resultaten som erhållits, kan användbara metoder orättvist fördömas, såsom ELECTRE-metoden i Cohon och Marks (1977). För det tredje innebär användningen av en olämplig metod en förlust av tid, ansträngning och pengar som spenderas under beslutsprocessen. Slutligen, som ett resultat av fel i applikationen, kan potentiella användare vägra att tillämpa någon MMRM på praktiska problem överhuvudtaget.

syfte av denna studie är utvecklingen av en klassificering av metoder för multikriterium beslutsfattande om tillämpningsobjektet inom ramen för analys av affärsprocesser.

För att uppnå detta mål är det nödvändigt att lösa följande uppgifter:

1. Genomför en analys av källor som speglar olika tillvägagångssätt för beslutsfattande i en miljö med flera kriterier för att studera befintliga metoder för analys av flera kriterier.

2. Genomför en analys av mjukvara som syftar till att lösa multikriterieproblem.

3. Genomför en analys av källor som speglar exempel på praktisk tillämpning av metoder för multikriterieanalys av affärsprocesser.

4. Identifiera metoder för multikriterieanalys som är tillämpliga på området för affärsprocesser.

5. Utveckla en klassificering av metoder efter tillämpningsobjekt inom området affärsprocesser.

7. Lös ett praktiskt problem med flera kriterier som uppstår i affärsprocessen "Bestämning av försäljningsstrategin" för företaget "VARS Expo" LLC.

objekt av denna studie är affärsprocesser som kräver beslutsfattande i en miljö med flera kriterier.

Ämne forskning är tillämpningen av metoder för multikriterieanalys för att optimera affärsprocesser som kräver beslutsfattande i en multikriteriemiljö.

Metodisk grund av detta arbete var vetenskapliga publikationer av ledande inhemska och utländska forskare, samt artiklar som speglar nuvarande standarder inom området för tillämpning av multikriteriemetoder för att analysera affärsprocesser. För att lösa de ställda uppgifterna användes metoderna för teorin om beslutsfattande i tillståndet av multikriterier.

Teoretisk betydelse forskning är att utveckla en klassificering av metoder för multikriterieanalys av affärsprocesser efter applikationsobjekt.

Praktisk betydelse forskning består i möjligheten att använda den utvecklade klassificeringen i analys av affärsprocesser för att välja den metod som är mest lämpad för att lösa ett specifikt problem med multikriterieoptimering.

Struktureraarbete innehåller följande avsnitt: introduktion, litteraturgenomgång och mjukvaruanalys, huvuddel, slutsats, bibliografi. Huvuddelen av studien består av tre kapitel, varav två speglar den teoretiska delen av studien, och ett - praktiskt. Det första kapitlet ägnas åt valet av metoder för multikriteriaanalys för övervägande och deras beskrivning. I det andra kapitlet jämförs metoderna för multikriterieanalys med egenskaperna hos problemet, beslutsfattaren och den erhållna lösningen. Utifrån den erhållna jämförelsen utvecklades en klassificering av metoder efter tillämpningsobjekt som en del av analysen av affärsprocesser utifrån en referensmodell med 13 processer och rekommendationer gavs för tillämpning av metoder. Det tredje kapitlet återspeglar ett exempel på praktisk tillämpning av metoder för att lösa ett multikriterieproblem som uppstår i affärsprocessen "Bestämma säljstrategin" för företaget VARS Expo LLC. Sammanfattningsvis sammanfattas de resultat som erhållits under studiens gång.

1. Mjukvaruanalys

Komplexiteten i att lösa multikriterieuppgifter bestäms bland annat av en stor mängd information som måste beaktas och bearbetas vid beslut. En person kan ofta inte klara av denna uppgift utan att ta hjälp av modern datorteknik. I detta avseende, för att stödja beslutsfattande i en miljö med flera kriterier, har många mjukvaruprodukter eller beslutsstödssystem (DSS) skapats, vars funktion är baserad på MCDA-metoder (multiple-criteria decision analysis). De huvudsakliga funktionerna som utförs av dessa mjukvaruprodukter är rangordningen av beslut efter preferens och urval bästa lösningen. Men förutom att hitta en lösning och bearbeta en stor mängd information (vilket är nödvändigt för att framgångsrikt använda multikriterieanalysmetoder i praktiken) ger sådan programvara också vanligtvis användaren möjlighet att analysera de resultat som erhållits. Av särskilt värde är det grafiska användargränssnittet, som ger möjlighet att visualisera både processen och resultaten, för att göra beslutsprocessen så tydlig och transparent.

På grund av det faktum att detta jobb syftar till att studera och klassificera multikriterieanalysmetoder som är väl tillämpbara i praktiken, analys och jämförelse av befintlig mjukvara utvecklad för beslutsstöd förefaller nödvändig och viktig. Det är rimligt att börja analysen med definitionen av kriterier för jämförelse och utvärdering.

Olika mjukvaruprodukter kan ge användaren olika alternativ både under själva beslutsprocessen och under analysen av resultaten. Självklart präglas organisationen av beslutsprocessen i första hand av multikriterieanalysmetoder stöds av produkten. Det är på de metoder som stöds som proceduren för att hitta lösningar beror, och därmed produktens tillämpbarhet i olika situationer. Dessutom, eftersom detta arbete syftar till att tillämpa multikriteriemetoder direkt på affärsprocesser, är det oerhört viktigt att professionell nivåkompetens(särskilda kunskaper och färdigheter) som krävs för framgångsrik användning av produkten. Många program är designade för att användas av proffs inom området för multikriterieanalys, och utan erfarenhet och kunskap inom detta område kommer användaren inte att kunna använda sådana produkter effektivt. Ett av huvudmålen med klassificeringen av metoder som utvecklats i detta dokument är dock att hjälpa icke-specialister inom området multikriterieanalys (till exempel beslutsfattare) i valet av lämpliga metoder. Därför kommer även produktjämförelser att göras utifrån de specialistkunskaper och färdigheter som krävs. Det tredje kriteriet för jämförelse är gruppbeslutsstöd. Vanligtvis förstås beslutsfattare i multikriterieanalys som en individ, men i affärsbeslut beror sällan på en person. Oftast är det en viss grupp som är ansvarig för beslut (styrelse, aktiebolag, problemkommission etc.), vars preferenser måste beaktas när man fattar beslut. Nästa kriterium som återspeglar det praktiska med att använda produkten är tillgänglighet via Internet. Och slutligen, en viktig faktor för en användare som inte har seriös erfarenhet av sådana program är möjligheten att importera och / ellerexportera data eller resultat i Excel. Separat är det värt att överväga processen för att analysera de erhållna resultaten, nämligen text och grafiska metoder för informationsvisualisering produkter som stöds.

Idag finns det ett stort utbud av program och mjukvarusystem för multikriterieanalys. Syftet med mjukvarugranskningen i detta arbete är att identifiera likheter och skillnader mellan tillgängliga produkter för att ta fram rekommendationer för deras användning. Därför verkar det rimligt att uppmärksamma mjukvaruprodukter som har olika syften och stödjer olika metoder, samtidigt som de aktivt används eller är kända både bland experter på multikriterieanalys och bland specialister inom andra områden som ansvarar för att fatta beslut (vilket naturligtvis, är en indikator på den praktiska produktens prestanda). Tolv sådana produkter valdes ut för analys genom att jämföra programöversikter och jämförande artiklar i internationella vetenskapliga publikationer (French och Xu, 2005; McGinley. P, 2014; Vassilev et al., 2005; Weistroffer et al., 2005), och även ta hänsyn till ta hänsyn till de betyg och recensioner som publiceras på webbsidor som är dedikerade till programvara för analys av flera kriterier (Capterra, EWG-MCDA, Wikipedia). Valet baserades också på tillgängligheten av en test- eller demoversion av produkten. Resultaten av den jämförande analysen återspeglas i tabeller som innehåller parametrar grupperade efter två huvudfunktioner hos programvaran: organisation av själva beslutsprocessen (se tabell 1) och analys av resultaten (se tabell 2).

Tabell 1. Jämförelse av programvara efter egenskaper hos beslutsprocessen

Programvarans namn	MCDA-metoder som stöds	Nödvändig professionell kompetens	Stöd för gruppbeslut	Tillgänglighet via Internet	Möjlighet att importera/exportera till Excel
	PAPRIKA, AHP, MAUT

	AHP, Pareto Frontier Approximation
Kriteriebeslut Plus	AHP, SMART, MAUT, Swing
	PROMETHEE, UTILITY
	MAUT, Beslutsträd, AHP, Sekvensmetod. eftergifter
	beslutsträd


Logiska beslut	AHP, MAUT, Swing

Som framgår av tabellerna ger nästan alla övervägda produkter utmärkta möjligheter att analysera resultaten, men har betydande skillnader i organisationen av beslutsprocessen. Program stöder en annan uppsättning metoder, men mer än hälften av dem har AHP eller AHP (Analytic hierarchy process / Hierarchy analysis method) bland de stödda metoderna, vilket är ganska förväntat, eftersom metoden är väl tillämpbar i praktiken i olika branscher och kräver dessutom ingen speciell utbildning. Den kan jämföras positivt med andra metoder genom att den kombinerar det matematiska tillvägagångssättet och psykologiska aspekter, och låter dig också jämföra olika parametrar, vilket är en extremt betydande fördel när praktisk applikation. I produkter som stöder denna metod finns det två metoder för parvis jämförelse av alternativ. Inom ramen för det första tillvägagångssättet sammanställs en matris av bedömningar av vissa kriterier i förhållande till andra och inom ramen för det andra listas alla möjliga kombinationer av kriterier och för vart och ett av dem ska beslutsfattaren utvärdera hur mycket ett kriterium är överlägset i betydelse än det andra. Som ett resultat av de erhållna uppskattningarna rangordnas kriterierna efter betydelse.

Dessutom kan du se att de flesta program som stöder AHP också stöder MAUT (Multi Attribute Utility Theory / Multicriteria Utility Theory). Samtidigt är sådana metoder vanligtvis tydligt åtskilda i metodstudier. Detta faktum tyder på att, trots att sådan programvara är baserad på teorin om beslutsfattande i en miljö med flera kriterier, kan produkten gå emot teorin och kombinera en mängd olika metoder från olika skolor för framgångsrik tillämpning i praktiken. Detta kan också bekräftas av att MAUT- och Swing-metoderna samtidigt stöds av fyra produkter.

Något mindre populär är metoden för successiva eftergifter, vilket innebär användning av vissa intervall som återspeglar den tillåtna avvikelsen mellan parametervärdena från de prioriterade. Troligtvis beror detta på svårigheten att objektivt bestämma sådana intervall i praktiken. Vissa av de övervägda programmen är också baserade på ett beslutsträd, som kännetecknas av en specifik konstruktionsalgoritm som är lätt att förstå, men som inte alltid säkerställer optimaliteten för hela trädet. Slutligen finns Pareto-gränsapproximationsmetoden också i de diskuterade programmen och är mycket effektiv för att tillhandahålla visualisering, till exempel på ett bubbeldiagram, som förkroppsligas i Clafer Multi-Objective Optimizer.

När man analyserar de återstående jämförelseparametrarna bör det noteras att de flesta mjukvaruprodukter är avsedda att användas av specialister inom området multikriteriaanalys, eftersom nivån på nödvändig professionell kompetens för att arbeta med dem är mycket hög. Produkter som 1000Minds, Clafer MOO, D-Sight, Decision Lens och MakeItRational kan dock användas för beslutsfattande även i avsaknad av specialkunskap. Man bör komma ihåg att gruppbeslut endast stöds i tre av de övervägda produkterna. - 1000Minds, D -Sight och MakeItRational. Den första ger endast onlineröstning, den andra ger en vikt åt varje medlem i gruppens åsikt och den sista beräknar medelvärdet för gruppen genom att ta hänsyn till alla individuella åsikter. De flesta produkterna är webbaserade (förutom Criterium DecisionPlus, Hiview3, Logical Decisions och M-MACBETH) och knappt hälften ger möjlighet att importera och exportera data och resultat till Excel.

Tabell 2. Jämförelse av programvara efter resultatanalysegenskaper

Programvarans namn	Visuella grafer	Totala värden	Känslighetsanalys	2D-kartor	Skriven rapport


Clafer Multi-Object. Optimizer
Kriteriebeslut Plus





Logiska beslut

Tabell 5 återspeglar det faktum att alla övervägda mjukvaruprodukter ger möjlighet till grafisk visualisering av resultaten. Tillvägagångssätt som finns i åtminstone ett fåtal produkter inkluderar visualisering av alternativ genom spider-cys, tornado, termometer, paj och bubbeldiagram. I mjukvaruprodukter baserade på koncessionsmetoden presenteras resultaten som acceptabla värdeområden och kan innehålla dominansrelationer och en grafisk representation av området för optimala lösningar. De flesta program stöder den traditionella metoden för känslighetsanalys, några av dem använder även statistiska metoder för analys, som består i att göra olika ändringar i den parametriska modellen och observera den efterföljande förändringen i resultaten. Detta gör att du kan få en probabilistisk ordning av alternativ eller andelen fall där ett alternativ dominerar över ett annat. I koncessionsmetoden kan användningen av intervall i sig redan betraktas som en typ av känslighetsanalys. Någon form av tvådimensionella kartor finns i de flesta mjukvaruprodukter. Kriterier motsvarar axlar, alternativ motsvarar punkter med motsvarande koordinater på grafen. Vissa program ger möjlighet att generera en skriftlig rapport som återspeglar de viktigaste resultaten och förklarar dem för användaren.

2 . Flerkriterier för beslutsfattande

2.1 Val av metoder att överväga

Den vetenskapliga disciplinen för beslutsfattande under multikriterieförhållanden är relativt ung: de första verken inom denna disciplin dök upp på 1970-talet, och hänvisningar till tillämpningen av MMRM för att lösa praktiska problem gjordes på 1980-talet (Wallenius et al., ) . Trots detta, på det här ögonblicket mer än sjuttio olika metoder har redan utvecklats för att lösa multikriterieproblem (Aregai Tecle, ). En detaljerad övervägande av alla befintliga metoder verkar inte nödvändig och möjlig inom ramen för detta arbete, så uppsättningen av övervägda metoder är begränsad. Kriterierna som används för att välja metoder inkluderar:

1. Metodens popularitet(mätt utifrån hur ofta metoden nämndes i vetenskaplig litteratur mellan 1970 och 2016)

2. Metodens tillämpbarhet på praktiska problem(mätt baserat på analys av litteraturen om tillämpning av MMRM på uppgifter inom olika affärsområden)

3. Metodens originalitet(metoder baserade på tekniker som finns i andra mer populära metoder beaktas inte)

1. Hierarkianalysmetod (AHP)

2. Icke-linjär programmering (NLP)

3. Kompromissprogrammering (CP)

4. Kooperativ spelteori (CGT)

5. Förskjuten ideal metod (DISID)

6. ELECTRE-metod (ELEC)

7. Känslighetsbedömning och analysmetod (ESAP)

8. Målprogrammering (CPU/GP)

9. Multicriteria utility theory (MAUT)

10. Multi-kriteria Q-Analysis (MCQA)

11. Probabilistisk metod för kompromissutveckling (PROTR)

12. Zayonz-Wallenius-metoden (Z-W)

13. STEM-metod

14. SWT-metod

15. PROMETHEE-metoden (PRM)

Dessa metoders popularitet och tillämpbarhet på olika problem inom en lång rad områden framgår tydligt i tabellen (se bilaga 1), där varje metod jämförs med vetenskapliga publikationer som beskriver dess tillämpning, och specifika uppgifter, som utspelades i dessa verk.

2.2 Kort beskrivning av metoder

Hierarkianalysmetod (AHP)

Hierarkianalysmetoden är ett matematiskt beslutsverktyg som tar hänsyn till psykologiska aspekter. Metoden har utvecklats av T. Saati. Det låter dig effektivisera de tillgängliga alternativen som behöver utvärderas enligt en mängd olika kvantitativa och kvalitativa kriterier. Beställning sker baserat på information om beslutsfattares preferenser, som uttrycks numeriskt och låter dig få värdena för det totala värdet av alternativ för alla parametrar. Alternativet med högst totalvärde är bäst. Metoden används flitigt i praktiken. För att använda det, följ dessa steg:

1) Dekomponera problemet genom att sammanställa dess hierarkiska modell, som bör inkludera själva alternativen, parametrarna för deras utvärdering och det slutliga målet att hitta en lösning

2) Jämför i par alla element i hierarkin och bestäm deras prioritet baserat på beslutsfattarens preferenser

3) Syntetisera värdet av alternativ med linjär faltning

4) Bedöm konsekvensen av bedömningar

5) Ta ett beslut baserat på resultaten

MAI fördelar:

Enkelhet i parvisa jämförelser, förtrolighet med förfarandet för beslutsfattare

Brist på direkt utvärdering av alternativ

Stöd för både kvantitativa och kvalitativa parametrar

Kontrollera konsekvensen av domar

Bred tillämpning i praktiken

Nackdelar med MAI:

Ett begränsat antal alternativ och parametrar för deras utvärdering (att arbeta med stort antalär svårt för beslutsfattaren)

Möjligheten att förvränga preferenser på grund av samma typ av numerisk representation

Orimligt val av additiv eller multiplikativ kriteriumfalsning

2.3 Icke-linjär programmering (NLP)

Icke-linjär programmering är ett specialfall av matematisk programmering och innebär en icke-linjär form av den objektiva funktionen eller begränsningen. Problemet som löses med denna metod kan formuleras som ett problem att hitta det optimala värdet av en viss objektiv funktion under villkoren, där är parametrar, är begränsningar, n är antalet parametrar, s är antalet begränsningar.

Den objektiva funktionen kan vara konkav eller konvex. I det första fallet kommer beslutsfattaren att möta problemet med maximering, i det andra - problemet med minimering. Om begränsningen ges av en konvex funktion, anses problemet vara konvext och löses oftast med allmänna metoder för konvex optimering. Om problemet är icke-konvext används speciella formuleringar av linjära programmeringsproblem eller gren- och bundna metoder, som gör det möjligt att lösa problemet med linjära eller konvexa approximationer. Sådana approximationer bildar en nedre gräns för det totala värdet inom en sektion. Under loppet av följande avsnitt kommer en dag en verklig lösning att hittas vars värde liknar den bästa nedre gränsen som hittats för någon av de ungefärliga lösningarna. En sådan lösning kommer att vara optimal, men inte nödvändigtvis den enda. Det är möjligt att stoppa en sådan algoritm när som helst med förtroende för att den optimala lösningen ligger inom den acceptabla avvikelsen från den hittade bästa lösningen; sådana lösningar kallas e-optimala.

I icke-linjär programmering kan oberoende sektioner särskiljas, såsom konvex, kvadratisk, heltal, stokastisk, dynamisk programmering, etc.

2.4 Kompromissprogrammering (CP)

Idén med kompromissprogrammeringsmetoden liknar den med målprogrammeringsmetoden. Metodens teknik bygger på att bestämma avståndet från den "ideala" punkten. För att hitta den bästa lösningen är det nödvändigt att minimera "avståndet" från den ideala lösningen. Den punkt (lösning) som ligger närmast idealpunkten i alla avseenden är en kompromisslösning. En uppsättning lösningar kan också vara en kompromiss.

Proceduren för att hitta den bästa lösningen inkluderar följande steg:

1) Bestäm parametrarna för att utvärdera alternativ och vikterna för dessa parametrar.

2) Sammanställ en alternativ utvärderingsmatris genom att registrera information om alternativen för var och en av utvärderingsparametrarna.

3) Bestäm optimeringsriktningen för vart och ett av kriterierna (maximering eller minimering av värden är att föredra).

4) Normalisera matrisen på ett sådant sätt att den tar formen av en utdelningsmatris (eller utdelningsmatris).

5) Hitta det bästa och sämsta värdet av alternativen för vart och ett av kriterierna.

6) Hitta det generaliserade värdet för varje alternativ för alla utvärderingsparametrar, med hjälp av kriterievikterna och skillnaden mellan värdet på alternativet för varje kriterium och det bästa värdet för detta kriterium.

7) Alternativet, vars värde ligger närmast idealet, är den bästa lösningen.

Fördelar med kompromissprogrammeringsmetoden:

Användbarhet för att lösa problem på lösningsutrymmet där beslutsfattaren tenderar att lita på sin intuition och erfarenhet

2.5 Teori om kooperativa spel (CGT)

Ett kooperativt spel är ett spel som involverar spelares kombinerade ansträngningar. Teorin om kooperativa spel utforskar de konflikter som uppstår mellan spelare när man fattar ett gemensamt beslut. Eftersom det vanligtvis finns flera kriterier för att fatta ett sådant beslut och de ofta är motstridiga, används teorin som en av beslutsmetoderna i en miljö med flera kriterier. Teorin studerar vilka resultat av sammanslutningen av spelare som kan uppnås och under vilka förutsättningar.

De viktigaste uppgifterna som uppstår i studiet av kooperativa spel:

1) Definition av en funktion som kännetecknar spelarnas preferenser

2) Att hitta den optimala lösningen när det gäller fördelningen av parternas totala vinst

3) Kontroll av lösningens dynamiska stabilitet

Den hittade lösningen kan vara unik om uppdelningen av den totala vinsten kan göras på endast ett sätt, kännetecknat av maximal nytta för båda parter. Om det finns flera sådana separationsmetoder, kan den optimala lösningen vara flervärdig. Fallet med en enda optimal lösning är typiskt för N-kärnan och Shapley-vektorn, en lösning med flera värden - för C-kärnan och K-kärnan.

2.6 Bytt ideal metod (DISID)

Denna metod utvecklades för att bestämma de bästa lösningarna i uppsättningen av genomförbara lösningar och kännetecknas av följande egenskaper:

Proceduren för att bilda en "ideal" lösning som anger riktningen för optimering. Vanligtvis är en sådan lösning ouppnåelig, men den speglar beslutsfattarens mål väl.

Eliminera lösningar som är minst föredragna vid varje iteration. Således hittas den bästa lösningen genom att gradvis eliminera de sämsta lösningarna vid varje steg av proceduren.

När du tillämpar metoden kan följande steg särskiljas:

1) Uteslutning av dominerade lösningar.

2) Bildning av den "ideala" lösningen och bestämning av den "sämsta" lösningen.

3) Bestämma avståndet mellan punkterna för möjliga lösningar och punkten för den "sämsta" lösningen

4) Upprepa cykeln med 1-3 steg tills det tillåtna lilla antalet av de mest optimala lösningarna återstår.

Samtidigt orsakar jämförelsen av alternativ med den bildade ”ideala” lösningen ofta ett missnöje hos beslutsfattaren med befintliga alternativ, vilket kallas konflikt före beslut. En konflikt efter beslut är ett missnöje som uppstår efter att vissa alternativ uteslutits från övervägande. Vid de inledande iterationerna finns det en stark konflikt före lösningen, som gradvis minskar på grund av att de befintliga lösningarna närmar sig den "ideala", konflikten efter lösningen tvärtom ökar, vilket tyder på att beslutsfattaren har inte studerat problemet tillräckligt.

2.7 ELECTRE metod

Urvalsproceduren i ELECTRE-metoden består av 6 steg:

1) Fastställande av minimi- och maximivärden för alternativ för vart och ett av kriterierna

2) Fastställande av kriterievikterna

3) Konstruktion av en graf för vart och ett av kriterierna, där hörnen är några objekt i lösningsmängden, och bågarna återspeglar graden av dominans av ett objekt över ett annat

4) Sammanställning av en värderingsmatris av de så kallade indexen för enighet och oenighet baserat på kriteriernas betydelse och preferensen för beslut

5) Fastställande av ett överlägsningsvärde för varje par av objekt om värdet av överensstämmelseindexet för en av lösningarna överstiger ett visst tröskelvärde och oenighetsindexvärdet inte når detta värde

6) Konstruktion av en allmän graf över överlägsenhet, med hänsyn till de fastställda begränsningarna

2.8 Känslighetsbedömning och analysmetod (ESAP)

Känslighetsbedömnings- och analysmetoden utvecklades ursprungligen som en planeringsteknik inom området miljö att utvärdera förvaltningsalternativ Vattenresurser. ESAP bygger på bestämning av kriterievikter för att få en korrekt bedömning av alternativ. En bedömning av ett alternativs tillgänglighet och attraktivitet bestäms genom att kombinera information om påverkan på natur- och kulturresurser och information om betydelsen (bestämd av kriterievikter) och föredragna värden av dessa resurser. Information bör samlas in genom att intervjua flera individer eller en grupp individer för att fastställa känsligheten hos deras uppskattningar för skillnader i bedömningar om resursernas betydelse och föredragna värden, samt för osäkerhet i konsekvenserna av att välja ett eller annat alternativ. Nu används denna metod inte bara inom miljöplanering, utan även inom andra områden.

2.9 Målprogrammering (CPU/GP)

Målprogrammeringsmetoden används för att lösa MCO-problem och baseras på rangordningen av kriterier efter deras betydelse för beslutsfattare. Huvuduppgiften att hitta lösningar inkluderar flera på varandra följande deluppgifter för att optimera vart och ett av kriterierna. Samtidigt utförs sådan optimering enligt den objektiva funktionen, och förbättringen av värdet med ett kriterium kan inte uppnås på bekostnad av försämringen av värdet med ett viktigare kriterium. Det slutliga resultatet blir alltså upptäckten av den bästa lösningen på problemet. Vanligtvis tillämpas metoden för målprogrammering för att lösa linjära problem. Samtidigt ligger skillnaden från den linjära programmeringsmetoden i formaliseringen av många mål, inte som objektiva funktioner, utan som begränsningar. Därför, när du använder metoden, bör de önskade värdena för målfunktionerna och de variabla avvikelserna från dessa värden som återspeglar graden av uppnående av huvudmålet för lösningssökningen bestämmas.

2.10 Multicriteria Utility Theory (MAUT)

Multicriteria utility theory är en av de mest populära axiomatiskt motiverade metoderna. Denna teori utvecklades av R. Keaney, G. Rife, P. Fishburne. Teorin bygger på axiom som beskriver beslutsfattares preferenser och presenteras grafiskt som en hjälpfunktion. Den mest tillämpliga axiomiken för användbarhet i en miljö med flera mål inkluderar axiomen:

Fullständig jämförbarhet

transitivitet

Löslighet

Oberoende genom preferens

Oberoende genom nytta

Arkimedes

Trots metodens uppenbara mödosamma är det viktigt att notera att den kan motiveras av den matematiska motiveringen av de lösningar som hittats. Dessutom är metoden tillämpbar vid utvärdering av hur många alternativ som helst, och dialogrutinerna med beslutsfattare inom multikriterienyttoteorin är mycket väl utvecklade.

Huvudstegen i metoden inkluderar:

1) Utveckling av en lista med kriterier

2) Bygga en nyttofunktion för vart och ett av kriterierna

3) Kontrollera villkoren som bestämmer formen gemensam funktion verktyg

4) Bygga en relation mellan bedömningarna av alternativen för vart och ett av kriterierna och alternativets övergripande attraktivitet för beslutsfattare

5) Utvärdering av alla tillgängliga alternativ och val av det bästa alternativet

2.11 Multikriterier Q- MENanalys (MCQA)

Denna metod för multikriterieanalys används för att bilda en effektiv dialogprocedur mellan de stridande parterna. MCQA-I, MCQA-II och MCQA-III gör det möjligt att rangordna kriterierna för att utvärdera alternativ efter betydelse, och alternativen i sig efter attraktionskraft för beslutsfattare. Q-analys utvecklades av Ronald Atkin (1974, 1977) som ett tillvägagångssätt för att studera de strukturella egenskaperna hos sociala system där två uppsättningar av indikatorer, egenskaper eller egenskaper är relaterade till varandra. Därefter har Q-analys tillämpats inom olika områden som schackteori (Atkin och Witten, 1975), flexibla tillverkningssystem (Robinson och Duckstein, 1986), tävlingsidrott (Gould och Gatrell, 1980) och stadsplanering (Beaumont, 1984) ). Q-analys är ett erkänt användbart verktyg i ekologiska studier, till exempel vid bedömning av flodernas ekosystem (Casti et al., 1979) och i studiet av rovdjur-bytesförhållanden (Casti, 1979). Q-analys har också använts inom klinisk psykologi (Macgill och Springer, 1984), geologi (Griffiths, 1983), forskning om transportsystem (Johnson, 1976), vattendistribution (Duckstein, 1983) och ett antal andra sammanhang (Casti, 1979). Q-analys har visat sig vara särskilt användbar för att lösa problem i samband med komplexa system, till exempel modellering av medicinska bilder. Detta tillvägagångssätt kräver en rigorös definition av datamängder och deras relationer, och kräver utforskning av konsekvenserna av deras sammankoppling inom ett system. Efter att ha etablerat ungefär exakta uppsättningar av data och undersökt deras samband, involverar Q-analys ganska enkla beräkningar som inte behöver ytterligare information om systemet. Q-analysmetoden tillhandahåller en algebraisk topografisk infrastruktur för datareduktion, vilket hjälper till att förenkla makroskopiska systemdesignkoncept. För detta ändamål är det möjligt att definiera och tolka indikatorer som graden av anslutning, decentralisering och komplexitet. Q-analysmetoden ger också ordning av information. Q-analys kan också associeras med analysen av beteendedynamiken som genereras från den strukturella matrisen (kallad backcloth); denna typ av studie (kallad trafik) bygger på den disciplin som vanligtvis kallas polyedrisk dynamik (Casti et al., 1979; Johnson, 1981).

2.12 Probabilistisk metod för kompromissutveckling (PROTR)

Denna metod för multikriterieoptimering används huvudsakligen för att lösa olinjära problem baserat på beslutsfattares preferenser. Metoden innebär konstruktion av individuella nyttofunktioner för att hitta den bästa lösningen på problemet.

Lösningssökningsproceduren består av 12 på varandra följande steg:

1) Utveckling av en vektor av objektiva funktioner

2) Utveckling av vektorer med de bästa och sämsta kriterievärdena

3) Formulering av substitutionsfunktionen

4) Att få en startlösning genom att maximera denna funktion och utveckla en målvektor baserad på den

5) Definition av en multikriteria nyttofunktion

6) Formulering av en ny substitutionsfunktion

7) Generering av en alternativ lösning genom att maximera en ny substitutionsfunktion och utveckling av en målvektor baserad på den

8) Utveckling av en vektor som länkar målvärdena för vektorerna med sannolikheten för att de uppnås

9) Att fatta beslut av beslutsfattaren om huruvida alla kriteriernas värden är tillfredsställande. Om ja, så är den resulterande vektorn en lösning på problemet, om inte, utförs steg 10

10) Val av vektorn där förhållandet mellan målvärdet och sannolikheten för att det uppnås är det mest otillfredsställande, och definitionen av en ny sannolikhet

11) Skapande av en ny uppsättning giltiga värden

12) Formulering av en ny substitutionsfunktion och upprepning av cykeln från det 6:e till det 12:e steget erforderligt belopp en gång.

2.13 Zajonc-Wallenius-metoden (Z-W)

Zajonc-Wallenius-metoden är baserad på proceduren för att begränsa uppsättningen av värden för viktvektorerna.

Stegen i denna procedur kan beskrivas enligt följande:

1) Utveckling av viktvektorer

2) Beräkning av värdet på det globala kriteriet (som regel motsvarar värdet en av hörnen på polygonen som bildar uppsättningen av giltiga värden)

3) Beräkning av värdena för vikter av kriterier i angränsande hörn, under vilka denna vertex kan vara den optimala lösningen

4) Beräkning av värdet av uppskattningsvektorn i dessa hörn för vart och ett av kriterierna

5) Parvis jämförelse av vektorer för beslutsfattares kriterier

6) Bildande av restriktioner för värdena av kriterievikter baserat på beslutsfattarens bedömningar

7) Fastställande av mittpunkten inom området för acceptabla vikter

8) Upprepa cykel 2-8

Vid jämförelse kan beslutsfattaren uttrycka följande bedömningar:

En intilliggande kriterievektor är mer föredragen;

Den initiala kriterievektorn är mer att föredra;

Det finns ingen tydlig preferens.

Därför är sökningen systematisk, vilket gör resultaten mest objektiva.

2.14 STEM-metod

STEM-metoden är en iterativ lösningssökningsprocedur där den bästa lösningen uppnås efter flera iterationer. Varje cykel inkluderar ett beräkningssteg och ett beslutsfas, det vill säga den involverar interaktionen mellan analytikern och beslutsfattaren.

Metoden bygger på att minimera Chebyshev-avståndet från en idealisk punkt på lösningsutrymmet. Parametrarna som anger avståndsformeln och det mätbara utrymmet kan ändras med metoden för att normalisera viktkoefficienter baserat på beslutsfattarens preferenser uttryckta i föregående steg av sökningen efter lösningar. Sökproceduren låter beslutsfattaren välja bra beslut och fastställa den relativa betydelsen av kriterierna. Vid varje iteration kan beslutsfattaren förbättra värdena för alternativ enligt vissa kriterier, och ge efter för andra. Samtidigt måste beslutsfattaren ange det högsta godtagbara beloppet för koncessionen för varje kriterium. För att genomföra nästa iteration, efter att ha fått ett beslut, måste beslutsfattaren uttrycka sina preferenser angående de kriterier för vilka han skulle vilja förbättra värdet och de för vilka värdet redan är tillfredsställande för honom.

2.15 SWT-metod

SWT-metoden är en optimeringsmetod med flera kriterier som gör det möjligt att hitta alla nödvändiga Pareto-optimala lösningar enligt problemoptimeringsvektorn. När man använder metoden måste man ta hänsyn till att man vid modellering, definition, utvärdering, jämförelse av ofta motstridiga kriterier inte bör förväxla en systemanalytikers roll med rollen som beslutsfattare. Medan analytikern är ansvarig för att generera Pareto-optimala lösningar och motsvarande värden för alternativen, står han inte fritt att bestämma acceptabla och föredragna eftergifter enligt olika motstridiga kriterier. Beslutsfattaren är ansvarig för att uttrycka preferensbedömningar baserat på den beräkningsanalys som analytikern utfört. Dessutom, när någon uppsättning kriterievärden redan har erhållits, är det mycket lättare att från beslutsfattaren få en uppskattning av det relativa värdet av koncessionen (ökning eller minskning i värde) mellan två kriterier än en uppskattning av deras absoluta värde. medelvärden.

2.16 PROMETHEE-metod (PRM)

PROMETHEE är ett väldesignat beslutsstödssystem som låter dig utvärdera och välja ett alternativ från en viss uppsättning, baserat på kriterier som speglar för- och nackdelar med alternativ, och som även låter dig rangordna dessa alternativ efter deras attraktivitet för beslutsfattare. .

PROMETHEE kräver inga strikta bedömningar av den faktiska strukturen för beslutsfattares preferenser. Vid utvärdering av alternativ är nyckeluppgiften att få information om huruvida något alternativ är minst lika attraktivt som ett annat. Utifrån de så kallade preferensrelationerna, som bestäms i det första steget, genomförs rangordningen av alternativ.

Tänk på de viktigaste stegen:

1) Definiera en preferensfunktion

Utgångspunkten är bildandet av en betygsmatris som återspeglar attraktionskraften hos alternativ för vart och ett av kriterierna. Baserat på informationen i poängmatrisen jämförs alternativen i par med avseende på vart och ett av kriterierna. Resultaten uttrycks av preferensfunktioner som beräknas för varje par av alternativ och kan variera från 0 till 1. Medan 0 anger ingen skillnad mellan alternativen, betyder 1 en stor skillnad.

2) Utvärdering av graden av preferens för optioner

Den totala värdematrisen sammanställs på basis av de värden som erhålls genom att multiplicera värdena för alternativen för varje kriterium med vikten av motsvarande kriterium. I denna matris reflekterar summan av alla värden i rad graden av dominans (attraktionskraft) för alternativet. Summan av alla värden i en kolumn indikerar hur mycket alternativet undertrycks av andra. En linjär rangordning kan erhållas genom att subtrahera subdominantvärdet från det dominanta.

Beslutsfattaren måste sätta kriteriernas vikter och välja en preferensfunktion. PROMETHEE innebär inget speciellt sätt att bestämma dessa vikter utan förutsätter att beslutsfattaren kan ställa in vikterna korrekt, åtminstone när antalet kriterier inte är för stort. Definitionen av viktningsfaktorer är alltid subjektiv. Därför blir känslighetsanalys, som speglar hur mycket de valda vikterna påverkar resultatet, en viktig del av beslutsprocessen.

Olika verktyg och moduler har utvecklats inom PROMETHEE-metoden. Följande tre verktyg kan vara särskilt användbara för att analysera en bedömningsuppgift:

PROMETHEE I för partiell utvärdering av alternativ,

PROMETHEE II för fullständig ranking,

GAIA för visualisering av lösningar.

3. Utveckling av en klassificering av metoder

Problemet med att välja den mest lämpliga multikriteriemetoden att tillämpa på en viss situation är i sig ett multikriterieproblem, eftersom det finns flera urvalskriterier och de i sig är motstridiga (AI-Shemmeri et al., ). Därför bör de listade metoderna utvärderas enligt relevanta kriterier för att kunna jämföra dem. För att fastställa dessa kriterier är det nödvändigt att överväga de aspekter som orsakar skillnader i tillämpningen av metoder. Det är vanligt att peka ut följande aspekter eller grupper av kriterier (Mollaghasemi och Pet-Edwards, ):

1) Uppgiftens egenskaper

2) Egenskaper hos beslutsfattaren

3) Egenskaper för den resulterande lösningen

Den mest lämpliga metoden för tillämpning i en viss situation är den vars teknik bäst matchar egenskaperna hos det problem som ska lösas och beslutsfattaren, och de erhållna resultaten kan tolkas korrekt och användbara för beslutsfattaren.

Så de femton metoder som accepteras för övervägande bör utvärderas enligt några kriterier som beskriver de tre utvalda aspekterna. Varje aspekt (kriteriegrupp) i detta arbete ägnas åt motsvarande avsnitt, som ger en beskrivning av kriterierna och en jämförelsetabell över metoder enligt dessa kriterier. Utvärderingen av metoder baseras på jämförelsen av MMRM i verk av Aregai Tecle och Ozernoy V.M. , samt en genomgång av tillämpningen av metoder för att lösa praktiska problem i verk av Bardossy , Khalili , Brans och andra.

3.1 Bedömning av metoders överensstämmelse med egenskaperna hos det problem som ska lösas

Först och främst är det nödvändigt att bestämma överensstämmelsen mellan den tillämpade metoden och egenskaperna hos det aktuella problemet. Multikriterieuppgifter kan beskrivas av flera par av ömsesidigt uteslutande egenskaper. Till exempel, om problemet är ett matematiskt programmeringsproblem, kan lösningen erhållas genom att systematiskt söka efter möjliga alternativ i den tillåtna uppsättningen beslut, medan beslutsanalysproblem vanligtvis antar att det finns ett ändligt och relativt litet antal alternativ. utvärdering som leder till en effektiv lösning. Ett annat par av ömsesidigt uteslutande egenskaper, som återspeglar tillgången på kvantitativ och kvalitativ information som är nödvändig för att lösa MCO-problemet, kan också vara av stor betydelse när man väljer lämplig MMRM. Om problemet innehåller kvalitativa kriterier, kan matematiska programmeringstekniker inte användas för att lösa det. Uppgiftens dynamiska karaktär begränsar också avsevärt mängden tillämpliga metoder, eftersom det bara finns ett fåtal MMRM:er som stöder denna typ av uppgift (Szidarovszky och Duckstein, , ). Omfattningen av problemet, mätt med antalet kriterier och alternativ, sätter strikta konceptuella och beräkningsmässiga begränsningar på uppsättningen av tillgängliga metoder. Och slutligen, de strukturella förhållandena mellan parametrarna för problemet, som beskriver dess linjäritet eller icke-linjäritet, bör också beaktas när man jämför metoder, eftersom många MMRMs är designade uteslutande för att lösa linjära programmeringsproblem.

Således bör bedömningen av tillämpligheten av MMRM i enlighet med egenskaperna hos det problem som ska lösas utföras genom att svara positivt eller negativt på sex frågor om följande möjligheter med MMRM:

1) Lösa problem som innehåller kvalitativa kriterier

2) Val bland ett begränsat antal alternativ

3) Lösa icke-linjära problem

4) Lösa storskaliga problem (med ett stort antal kriterier och alternativ)

5) Lösa problem med ett oändligt antal alternativ

6) Lösning av dynamiska problem

I tabellen för jämförelse av MMRM efter tillämplighet i enlighet med egenskaperna hos det problem som löses (se tabell 3), presenteras positiva och negativa svar på ovanstående frågor i binär form, det vill säga med siffrorna 1 respektive 0. . För tydlighetens skull är celler med ett positivt svar markerade i färg. Utvärderingen är baserad på erfarenheten av att tillämpa MMRM av författare till många vetenskapliga artiklar och experter inom MCO-området, såsom Aregai Tecle, Gershon och Duckstein, Brans, Brink et al. (1986), Khalili et al.

Tabell 3. Överensstämmelsetabell över metoder till problemets egenskaper

Kvalitativ informationsbearbetning	Icke-linjärt problem	stor utmaning	Dynamisk uppgift	Ett oändligt antal alternativ	Begränsat antal alternativ

3.2 Bedömning av metoders överensstämmelse med beslutsfattarnas egenskaper

Naturligtvis är överensstämmelsen mellan den tillämpade metoden och beslutsfattarens förmåga också nödvändig för övervägande. Graden av involvering av beslutsfattaren i den interaktiva beslutsprocessen och den tid under vilken beslutsfattaren kan vara tillgänglig för interaktion är extremt viktiga egenskaper som allvarligt kan begränsa uppsättningen av lämpliga MMRM. Dessutom är det viktigt att ta hänsyn till beslutsfattarens förmåga att ange sina preferenser innan processen för att hitta den bästa lösningen påbörjas. Om preferenser inte kan uttryckas, kan posteriora metoder, för vilka nödvändig information om preferenser måste erhållas innan man börjar söka efter lösningar, inte anses vara lämpliga för att lösa detta problem.

Graden av förståelse hos beslutsfattaren av MMRM:s funktionsprinciper kan också begränsa deras användning. Metoder som kräver specialkunskaper inom MCO-området kan vara mindre attraktiva för beslutsfattare än intuitiva metoder, främst på grund av komplexiteten i att tolka de erhållna resultaten. Till exempel att tillämpa SWO-metoden, en seriös professionell träning inom området CIE, medan ELECTRE-metoden tvärtom inte kräver praktiskt taget några speciella kunskaper, utan används endast med diskreta värden.

Dessutom bör de egenskaper som direkt hänför sig till analytikern (specialist inom området MCO) som ansvarar för att lösa uppgiften också beaktas. Till exempel är det nödvändigt att avgöra om analytikern har specialkunskaper i användningen av programvaruprodukter för beslutsstöd.

Resultaten av jämförelsen av MMRM i termer av tillämpbarhet i enlighet med beslutsfattarens egenskaper presenteras i tabell 4 (se tabell 4). Utvärderingen gjordes på en skala från 1 till 10. För tydlighetens skull är cellerna som innehåller de högsta värdena för vart och ett av kriterierna markerade i färg.

Tabell 4. Överensstämmelsetabell över metoder till egenskaper hos beslutsfattare

Erforderlig kunskapsnivå hos beslutsfattaren inom området MCO	Graden av interaktion med beslutsfattare	Tillgänglig DM-tid	Den mängd information som krävs om beslutsfattares preferenser	Nödvändig kompetensnivå för en specialist inom området MCO





magisterarbete, tillagt 2011-04-26 Klassificering av analysmetoder efter grupper. Insamling och lagring av information som behövs för beslutsfattande. Förberedelse av resultaten av operativa och intellektuella analyser för att konsumenterna ska kunna uppfatta dem effektivt och anta lämpliga beslut på grundval av detta. kontrollarbete, tillagt 2010-02-15 Analys av liknande utvecklingar inom området för att bygga "selektionshjälpsystem". Kärnan i multikriteriemetoden. Teknik för utveckling av användargränssnitt. Programutvecklingsplanering med olika metoder. Bygga en nätverksgraf. avhandling, tillagd 2013-01-26 Klassificering av informationssystem för att hantera verksamheten i ett företag. Marknadsanalys och egenskaper hos klasssystem Business Intelligence. Klassificering av beslutsmetoder som används i DSS. Att välja en business intelligence-plattform, jämförelsekriterier. avhandling, tillagd 2016-09-27 Egenskaper för metoder för att lösa system av linjära algebraiska ekvationer, huvudtyperna av numeriska metoder och användningen av programvaran Delphi 5.0 som den mest effektiva. Kärnan i metoderna för Gauss, Gauss-Jordan och Jacobi, egenskaper hos Seidelmetoden. terminsuppsats, tillagd 2010-06-25 Principer för datorsteganografi. Klassificering av metoder för att dölja information. Populariteten för den minst betydande bitersättningsmetoden. Essensen av palettförlängning och blockdöljningsmetoder. Tillämpa metoder på GIF-bilder. Implementering av algoritmer. terminsuppsats, tillagd 2013-02-17 Kort beskrivning av kontrollobjektet, granskning och analys av befintliga analoger som implementerar dess funktioner. Utveckling av mjukvarusystemarkitekturen, testning och utvärdering av applikationens effektivitet. Distribution och användning av mjukvaruprodukten. terminsuppsats, tillagd 2015-05-02 Man-maskin-komplex speciellt utformade för beslutsfattande. Beslutsprocessen och dess stadier. Metoder för att hitta nya lösningar: beslutsträd, morfologiska tabeller, idékonferenser. Principen för matematisk utvärdering av trender. terminsuppsats, tillagd 2009-07-30 En översikt över SQL Server DBMS-arkitekturen. Beskriv och analysera områden där business intelligence-verktyg används, såsom multidimensionell dataanalys och datautvinning. Recension språkverktyg, metoder och experimentell tillämpning av den erhållna informationen. avhandling, tillagd 2014-09-07 Strukturen för systemet för multi-kriteriehantering av säkerheten för ett teknogent objekt. Hänsyn till inbördes samband mellan säkerhetsdelsystem. Expertbeslutsmetoder baserade på jämförelser av multikriteriealternativ. Kärnan i den analytiska hierarkimetoden.