Рассмотренные в 4.1 механизмы и правила выбора охватывают практически все возможные варианты принятия детерминированных единоличных УР. Принятие УР в менеджменте, особенно, в инновационном, осуществляется в условиях действия целого ряда случайных факторов, существенно влияющих на исход принимаемого решения. В таких случаях говорят о принятии УР в условиях риска и неопределенности. При этом под условиями риска понимается ситуация, когда, используемые для оценки исхода УР ее вероятностные характеристики получены на основе объективной статистики, т.е. в результате обработки реальных процессов или адекватных экспериментов. В тех случаях, когда вероятностные характеристики, используемые для оценки исхода УР, отражают лишь субъективное мнение ЛПР, являются экспертными оценками, то говорят о принятии УР в условиях неопределенности. Инновационный менеджмент – среда принятия УР в условиях отсутствия объективных сведений о путях и темпах развития научно–технического прогресса, т.е. в условиях значительной неопределенности.
|
|
Учет действия случайных факторов на результаты принимаемых УР может быть осуществлен различными методами. Наиболее часто используется представление ситуации с помощью лотереи или таблицы решений. Эти модели совершенно равносильны по информационному отображению ситуации, но вторая более компактна
Будем считать, что совокупность случайных факторов проявляется в возможности реализации одной из нескольких возможных ситуаций. Представим условия принятия УР в виде таблицы решений (табл. 4.2). Результаты реализации i – го варианта УР в случае j – той ситуации оцениваются его полезностью этого варианта Uij.
Для выбора оптимального варианта УР могут быть использованы различные критерии (правила). Часть из них ориентирована на использование информации о вероятности pj возникновения ситуаций Sj, другая исходит из отсутствия такой информации, при этом не имеет значения способ получения используемых оценок вероятностей ситуаций. К правилам первой группы относится, в первую очередь, правило Байеса, в соответствии с которым следует выбирать вариант УР с максимальным значением математического ожидания полезности M [ Ui ] = å pj Uij.
Таблица 4.2
Варианты | Ситуации | ||||
S 1 | … | Sj | … | Sm | |
1 | U 11 | U 1 j | U 1 m | ||
… | |||||
i | Uij | ||||
… | |||||
n | Un 1 | Unj | Unm |
Критерий Я. Бернулли – Лапласа, или критерий недостаточного обоснования, исходит из предположения о равной вероятности ситуаций Sj. В соответствии с этим критерием лучшим является вариант ai, для которого среднее значение полезности å Uij / m максимально на множестве рассматриваемых вариантов.
|
|
Критерий гарантированного результата (критерий Вальда), более известный как критерий максимина (для максимизируемого критерия), или минимакса (для минимизируемого), ориентирован на выбор наиболее трудной ситуации, на пессимистическое развитие событий. Оправдан в условиях конкуренции, наличия активного противодействия, т.е. возможность возникновения той или иной ситуации определяется не только или не столько природой, но и действиями людей. В соответствии с ним оптимальным признается вариант, у которого значение полезности является наилучшим из худших возможных.
Критерий Сэвиджа ориентирован на минимизацию сожаления, или потерь ЛПР от принятия решения. Сожаление для i- й альтернативы в j-й ситуации рассматривается как разница между лучшим значением показателя качества среди всех альтернатив в этой ситуации и значением этого показателя для i- й альтернативы в той же ситуации. Лучшей в смысле рассматриваемого критерия признается альтернатива с минимаксным сожалением. Критерий Сэвиджа, как и критерий Вальда, ориентирован на выбор в качестве лучшей так называемого пессимистического варианта.
В критерии Гурвица сделана попытка преодолеть пессимизм предыдущих путем введения некоторого коэффициента a, позволяющего выбрать компромиссный вариант. При a = 1 критерий Гурвица превращается в максиминный критерий Вальда, а при a = 0 – в максимаксный. Первый является критерием пессимистическим, второй – оптимистическим, поэтому критерий Гурвица называют критерием пессимизма – оптимизма. Этот критерий для i- й альтернативы и для максимизируемого значения полезности альтернативы определяется выражением Ui = a min Uij + (1 - a)max Uij. При минимизируемом показателе Ui a и (1 - a) в этом выражении меняются местами.
Таблица 4.3
Варианты решения | Нормированные значения полезности решений в ситуациях | ||
1 | 2 | 3 | |
1 2 3 | 0.65 0.42 0.56 | 0.56 0.66 0.68 | 0.60 0.98 0.74 |
Рассмотрим пример использования изложенных методов. В табл.4.3 приведены нормированные значения показателя прибыли от выпуска трех видов новых изделий, при этом рассматривались три возможных ситуации развития событий.
В первом случае принятия решения, дополнительно к приведенной в табл. 4.3 информации, ЛПР исходило из того, что вероятности ситуаций 1, 2 и 3 равны соответственно 0.2, 0.5 и 0.3. В этом случае, используя правило Байесса, получим значения математического ожидания полезности M [ Ui ] для рассматриваемых вариантов 0.59, 0.71 и 0.67 соответственно для первого, второго и третьего. Из этих данных видно, что лучшим по правилу Байесса следует признать вариант 2. При использовании правила Вальда – в данном случае максимина – выясняется, что лучшими являются варианты 1 и 3, имеющие равные оценки 0.56 (оценка варианта 2 равна 0.42). Заметим, что в этом случае оценки вероятностей ситуаций считаются неизвестными. Для использования правила Сэвиджа проводится расчет сожалений, результаты которого приведены в табл. 4.4. Из них видно, что минимальная оценка максимального сожаления соответствует варианту 2, который и должен быть признан лучшим по этому правилу.
Таблица 4.4
Варианты решения | Нормированные значения полезности решений в ситуациях | Максимальное значение сожаления | ||
1 | 2 | 3 | ||
1 2 3 | 0.65 0.42 0.56 | 0.56 0.66 0.68 | 0.60 0.98 0.74 | 0.38 0.23 0.24 |
Как видим, применение разных правил приводит в разному выбору лучшего варианта, что и не удивительно.
Результат выбора в условиях риска и неопределенности существенно зависит не только от используемого правила выбора, но и от формулировки задачи принятия решения. Замечено, например, что оценка исходов принятия решения в терминах потерь может привести к выбору не того варианта, который был бы выбран при оценке тех же исходов в терминах прибыли. Существенную роль в принятии УР при наличии неопределенности играет личное отношение ЛПР к риску, т.е. в этом случае влияние субъективных факторов на результат принятия УР возрастает.
|
|
Существует еще ряд подходов к формализации неопределенности. Один из них, часто рассматриваемый в литературе – метод нечетких переменных. В этом методе неопределенность относительно значений показателей формализуется в виде так называемой «функции принадлежности», моделирующей изменение значения показателя в некотором интервале. Значение интервала и вид функции принадлежности определяется, конечно, на основе экспертного оценивания. В условиях неопределенности, выражающихся в незнании значений показателей, может быть использован уже упоминавшийся в 3.3 метод анализа иерархий (МАИ). Этот метод использует оценки отношений между альтернативами по каждому из показателей, что не требует точного оценивания значений показателей.
Как уже отмечено в 3.3, в МАИ используется специальная шкала, характеризующая степень превосходства rij объекта ai над объектом aj, при этом rji = 1/ rij. При равноценности объектов ai и aj, значения rij = rji = 1. В случае слабого превосходства объекта ai над объектом aj rij = 3, а rji = 1/3. Если объект ai существенно важнее объекта aj, то rij = 5 и rji = 1/5, явно важнее – rij = 7 и rji = 1/7, а при абсолютном превосходстве rij = 9 и rji = 1/9. Допускается использовать и промежуточные (2, 4, 6, 8) значения rij и, соответственно, rji. Полученные оценки сводятся в матрицу R, для которой находится собственное значение, компоненты которого l i вычисляются как корень n -ой степени из произведения величин rij в строке i матрицы. Нормированные значения компонент собственного вектора`l i и являются оценками важности объектов.
Рассмотрим пример применения МАИ. Имеются три варианта – a 1, a 2 и a 3 размещения создаваемого предприятия. Для оценки вариантов используются три показателя – x 1, x 2 и x 3. Оценку полезности показателей назначенные ЛПР специалисты представили в виде табл. 4.5. Затем специалисты провели сравнение альтернатив по каждому показателю, при этом им потребовались лишь такие оценки показателей x 1, x 2 и x 3 для каждого варианта a 1, a 2 и a 3, которые позволяют оценить отношения на их значениях. Результаты этого сравнения представлены в табл. 4.6.
|
|
Для сравнения альтернатив по всем показателям с учетом полезности последних проведем простые вычисления:
C (a 1) = 0.65х0.69 + 0.22х0.07 + 0.13х0.68 = 0.552;
C (a 2) = 0.65х0.19 + 0.22х0.65 + 0.13х0.09 = 0.278;
C (a 3) = 0.65х0.12 + 0.22х0.28 + 0.13х0.23 = 0.17.
Оценка величины C (ai) оказалась лучше для первой альтернативы, которую и следует считать лучшей в соответствии с подходом МАИ.
Таблица 4.5
x 1 | x 2 | x 3 | l | `l | |
x 1 | 1 | 5 | 3 | 2.47 | 0.65 |
x 2 | 1/5 | 1 | 3 | 0.848 | 0.22 |
x 3 | 1/3 | 1/3 | 1 | 0.48 | 0.13 |
Таблица 4.6
По показателю x 1 | |||||||
a 1 | a 2 | a 3 | l | `l | |||
a 1 | 1 | 7 | 3 | 2.76 | 0.69 | ||
a 2 | 1/7 | 1 | 3 | 0.75 | 0.19 | ||
a 3 | 1/3 | 1/3 | 1 | 0.48 | 0.12 | ||
По показателю x 2 | |||||||
a 1 | 1 | 1/7 | 1/5 | 0.31 | 0.07 | ||
a 2 | 7 | 1 | 3 | 2.76 | 0.65 | ||
a 3 | 5 | 1/3 | 1 | 1.18 | 0.28 | ||
По показателю x 3 | |||||||
a 1 | 1 | 5 | 5 | 2.93 | 0.68 | ||
a 2 | 1/5 | 1 | 1/5 | 0.34 | 0.09 | ||
a 3 | 1/5 | 5 | 1 | 1 | 0.28 | ||